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！

龙图腾网获悉中国刑事警察学院申请的专利一种面向复杂场景的目标识别方法、系统、设备及介质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：CN120125954B 。

龙图腾网通过国家知识产权局官网在2025-08-26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：202510614530.3，技术领域涉及：G06V10/80；该发明授权一种面向复杂场景的目标识别方法、系统、设备及介质是由王宝玉;曹萍萍;赵洋洋;申爱红;董旭设计研发完成，并于2025-05-14向国家知识产权局提交的专利申请。

本一种面向复杂场景的目标识别方法、系统、设备及介质在说明书摘要公布了：本发明公开一种面向复杂场景的目标识别方法、系统、设备及介质，涉及计算机视觉技术领域。所述方法包括：将待测图像输入目标识别模型中进行处理，得到目标识别结果；所述目标识别模型是基于双通路编码网络和加权优化损失函数构建的；所述双通路编码网络包括MobileNet通路和小波通路；其中，所述MobileNet通路用于提取多尺度空间特征，由依次连接的分层编码器和多特征预测解码器组成；所述小波通路用于提取频率域特征，由依次连接的全局语义小波编码模块和局部小波融合解码模块组成；所述多特征预测解码器还分别与全局语义小波编码模块和局部小波融合解码模块连接。本发明能够提高面向复杂场景的目标识别精度及准确性。

本发明授权一种面向复杂场景的目标识别方法、系统、设备及介质在权利要求书中公布了：1.一种面向复杂场景的目标识别方法，其特征在于，包括： 获取待测图像；所述待测图像为具有复杂场景的拍摄图像； 将所述待测图像输入目标识别模型中进行处理，得到目标识别结果；所述目标识别模型是基于双通路编码网络和加权优化损失函数构建的；所述双通路编码网络包括MobileNet通路和小波通路；其中，所述MobileNet通路用于提取多尺度空间特征，由依次连接的分层编码器和多特征预测解码器组成；所述小波通路用于提取频率域特征，由依次连接的全局语义小波编码模块和局部小波融合解码模块组成；所述多特征预测解码器还分别与全局语义小波编码模块和局部小波融合解码模块连接； 所述全局语义小波编码模块的运算过程具体包括： 步骤1：通过使用基于Haar小波的离散小波变换，将由所述待测图像得到的输入特征图分解为四个子带图，将子带图用作低频分量来表示输入的基本特征，以及将子带图、子带图和子带图用作高频分量来表示输出细节： ， 其中，表示基于Haar小波的离散小波变换； 步骤2：对低频分量和高频分量、和进行深度可分离卷积和非线性激活运算，得到特征、、和分别表示为： ， 其中，表示卷积核大小为的深度可分离卷积运算，代表GeLU函数； 步骤3：将非线性校正单元和归一化函数应用于特征、、和，以获得特征权重、、以及： ， 其中，表示平均池化操作，表示由DSConv、BN和ReLU组成的非线性校正单元运算，表示Sigmoid函数； 步骤4：对低频特征和高频特征、和进行特征加权，分别得到加权特征、、和： ， 其中，表示哈达玛乘积运算； 步骤5：通过使用元素相加操作进行多特征融合，表示为： ， 其中，表示由DSConv、BN和GeLU组成的非线性校正单元运算； 步骤6：通过使用非线性校正单元运算得到下采样特征和，最终输出特征表示如下： ， 其中，表示通道维度特征级联，表示使用次由DSConv、BN和GeLU组成的非线性校正单元运算； 所述局部小波融合解码模块的运算过程具体包括： 步骤1：对输入特征执行尺度调和操作和非线性校正单元运算，以获得高分辨率的输出特征： ， 其中，表示双线性插值算法，表示使用2次由DSConv、BN和ReLU组成的非线性校正单元运算； 步骤2：对特征进行小波分解，得到低频子带图和高频子带图、和，分别表示为： ， 其中，表示基于Haar小波的离散小波变换； 步骤3：对特征、、、和特征、、、进行多特征融合和变换，获得输出特征、、和，分别表示为： ， 其中，+表示逐元素加和运算； 步骤4：对特征、、和进行逆小波变换以获得输出特征、、和，分别表示为： ， 其中，表示逆小波变换； 步骤5：通过利用特征级联和卷积运算对多区域特征、、和进行重塑和融合，最终输出特征表示如下： ， 其中，和表示对应通道维度特征级联，表示使用次由DSConv、BN和GeLU组成的非线性校正单元运算。

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中国刑事警察学院，其通讯地址为：110854 辽宁省沈阳市皇姑区塔湾街83号；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”。