买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西南交通大学申请的专利一种基于多帧差分的卫星视频运动车辆检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115909226B 。

龙图腾网通过国家知识产权局官网在2025-07-25发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211305135.X，技术领域涉及：G06V20/54；该发明授权一种基于多帧差分的卫星视频运动车辆检测方法是由齐华;郑亚辉;徐聪设计研发完成，并于2022-10-24向国家知识产权局提交的专利申请。

本一种基于多帧差分的卫星视频运动车辆检测方法在说明书摘要公布了：本发明公开了一种基于多帧差分的卫星视频运动车辆检测方法，包括如下步骤：建立运动车辆检测数据集并划分为训练集和测试集；构建改进的YOLOv5网络模型；在改进后的YOLOv5网络模型中引入帧差模块；对帧差模块的数据读取方式进行修改，形成顾及时空信息的YOLOv5网络模型；将训练集输入到顾及时空信息的YOLOv5网络模型中进行训练，训练结束后得到最优模型；将测试集输入到最优模型中，输出车辆目标检测结果。本发明结合了卫星视频的时间特征信息，通过连续帧三元组的形式进行检测，通过帧差模块，提升模型对卫星视频运动车辆的检测能力，与Mosaic等数据增强方法的结合更充分地利用时空信息，在单帧目标外观特征不足的情况下，利用帧间信息来提高模型的检测精度。

本发明授权一种基于多帧差分的卫星视频运动车辆检测方法在权利要求书中公布了：1.一种基于多帧差分的卫星视频运动车辆检测方法，其特征在于，包括如下步骤： S1、对采集的卫星视频运动车辆数据进行处理，建立运动车辆检测数据集，并将数据集划分为训练集和测试集； S2、构建改进的YOLOv5网络模型；改进的YOLOv5网络模型具体是指将原始YOLOv5模型的交叉熵损失函数替换为FocalLoss损失函数； S3、在改进后的YOLOv5网络模型中引入帧差模块，将其放入特征提取部分的第一层，通过利用卷积对相邻帧进行帧间差分以获得差分时间信息，并与当前帧的空间信息进行融合以增强当前帧车辆目标的特征；引入帧差模块的构建方法具体包括： 设V＝{P1，P2，...Pt，...，Pn}为卫星视频，Pt为卫星视频的第t帧； 将连续帧Vt＝{Pt-1，Pt，Pt+1}输入改进后的YOLOv5网络，通过一个两层的卷积来对连续帧的空间信息进行提取，通过空间特征计算公式： Ft＝C1·Pt， 得到连续帧所对应的空间特征{Ft-1，Ft，Ft+1}； 对得到的空间特征进行两两差分，差分特征的计算公式： Ft-1,t+1＝C·|Ft-1-Ft+1| 再经过一个3×3卷积得到差分特征{Ft-1，t，Ft-1，t+1，Ft，t+1}； 将差分特征进行融合，并通过一个3×3卷积形成时间特征，时间特征的计算： Ft-1,t,t+1＝C3·ConcatFt-1,t,Ft-1,t+1,Ft,t+1； 将时间特征与当前帧的空间特征融合，并由一个3×3卷积形成最终结合时间和空间信息的融合特征，融合特征的计算： FSt＝C4·ConcatFt,Ft-1，t，t+1 式中，Concat为连接操作，C1是一个步长为2的6×6卷积以及一个步长为1的3×3卷积，C2、C3、C4是一个步长为1的3×3卷积，卷积结构和YOLOv5模型的基本卷积结构一致，包括一个2D卷积、批归一化以及SiLU激活函数； S4、对帧差模块的数据读取方式进行修改，形成顾及时空信息的YOLOv5网络模型；将单帧输入改为连续帧三元组输入，再结合常规数据增强和Mosaic数据增强的方式对数据进行增强； S5、将训练集数据输入到顾及时空信息的YOLOv5网络模型中进行训练，训练结束后得到最优模型； S6、将测试集数据输入到最优模型中进行模型测试，输出车辆目标检测结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西南交通大学，其通讯地址为：610000 四川省成都市二环路北一段；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。