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！

龙图腾网获悉哈尔滨工业大学(深圳)申请的专利集伤点场景下基于深度学习的伤员识别方法与系统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：CN114913550B 。

龙图腾网通过国家知识产权局官网在2025-08-29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：202210599623.X，技术领域涉及：G06V40/10；该发明授权集伤点场景下基于深度学习的伤员识别方法与系统是由楼云江;彭建文设计研发完成，并于2022-05-30向国家知识产权局提交的专利申请。

本集伤点场景下基于深度学习的伤员识别方法与系统在说明书摘要公布了：本发明涉及一种基于深度学习神经网络的伤员识别方法与系统，其中的方法包括以下步骤：S10、通过深度相机对集伤点环境中的至少一个的伤员图片的进行采集，并汇集成伤员图片的现场数据集；S20、以数据增广的方式，针对所述现场数据集中的近距离拍摄的原始伤员图片生成更小尺寸的额外伤员图片，并使所述额外伤员图片与原始伤员图片关联后储存在所述现场数据集中；S30、将深度相机所拍摄的现场图片输入至基于深度学习的神经网络以计算输出所述现场图片中的伤员数量，其中所述神经网络由预训练数据集和所述现场数据集来训练。其中的系统包括深度相机、存储器和处理器，该处理器在执行储存在存储器的指令时实施所述方法。

本发明授权集伤点场景下基于深度学习的伤员识别方法与系统在权利要求书中公布了：1.一种基于深度学习神经网络的伤员识别方法，其特征在于，所述方法包括以下步骤： S10、通过深度相机对集伤点环境中的至少一个的伤员图片的进行采集，并汇集成伤员图片的现场数据集；其中，在移动设备向集伤点环境的行进过程中，从较远位置开始通过移动设备上搭载的深度相机进行图像采集，其中，所述移动设备包括四足机器狗、移动机器人、移动智能车或飞行无人机； S20、以数据增广的方式，针对所述现场数据集中的近距离拍摄的原始伤员图片生成更小尺寸的额外伤员图片，并使所述额外伤员图片与原始伤员图片关联后储存在所述现场数据集中； S30、将深度相机所拍摄的现场图片输入至基于深度学习的神经网络以计算输出所述现场图片中的伤员数量，其中所述神经网络由预训练数据集和所述现场数据集来训练； 其中，所述神经网络包括： VGG16网络架构的基础网络层； 用于提取不同尺度的特征映射图的辅助卷积层； 预测卷积层，所述预测卷积层包括位置预测卷积层和类别预测卷积层；所述神经网络被配置成：使conv4_3层、conv7层、conv8_2层、conv9_2层、conv10_2层以及conv11_2层输出的特征图发送到预测卷积层，以获取图片中伤员位置信息和分类信息；使conv4_3层、conv7层、conv8_2层输出的特征图进行特征融合，以融合成与conv4_3层输出特征图同尺寸的特征图，并且代替conv4_3层特征图，再发送到预测卷积层； 其中，使conv4_3层的H1xW1xC1大小特征图的经过3x3大小的卷积层，再连接L2norm层，再连接ReLu层，从而输出同尺寸大小的第一特征图；使Conv7层的H2xW2xC2大小特征图的经过反卷积层，连接L2norm层，再连接ReLu层，从而输出尺寸为H1xW1xC12大小的第二特征图；使Conv8_2层H3xW3xC3大小的特征图经过反卷积层，连接L2norm层，再连接ReLu层，从而输出尺寸为H1xW1xC12大小的第三特征图；使输出的第一特征图、第二特征图和第三特征图通过拼接的方式生成H1xW1xC1*2大小的特征图，其中H、W和C分别表示特征图的尺寸维度。

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哈尔滨工业大学(深圳)，其通讯地址为：518000 广东省深圳市南山区桃源街道深圳大学城哈尔滨工业大学校区G栋314；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”。