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！

龙图腾网获悉贵州财经大学申请的专利一种基于神经网络的极低功耗光学目标检测方法及装置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：CN111144392B 。

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：201911148056.0，技术领域涉及：G06V10/143；该发明授权一种基于神经网络的极低功耗光学目标检测方法及装置是由罗子江;马原东;徐斌;王继红;杨晨;郭祥;杨秀璋设计研发完成，并于2019-11-21向国家知识产权局提交的专利申请。

本一种基于神经网络的极低功耗光学目标检测方法及装置在说明书摘要公布了：本发明涉及目标检测领域，特别是一种基于神经网络的极低功耗光学目标检测方法，包括以下步骤：构建卷积神经网络，提取目标图像特征；对提取的目标图像特征进行归一化处理，得到目标样本；寻找卷积核权重值，经过训练选择平均识别精度最高的卷积神经网络框架，搭建可学习的光学棱镜装置并应用到标准目标检测数据库中，学习获得每层卷积核权值，寻找卷积神经网络框架的激励层的阈值，经过训练测试，选择形成目标位置精度最高的激励函数；确定光学棱镜的色散系数、滤光膜的阈值，定制散射镜，通过散射镜形成目标光斑，最后通过摄像头成像。通过采用卷积神经网络的数层光学棱镜对目标框进行标定，具有高效的实时性和准确性，且不消耗任何电池能耗。

本发明授权一种基于神经网络的极低功耗光学目标检测方法及装置在权利要求书中公布了：1.一种基于神经网络的极低功耗光学目标检测方法，其特征在于：包括以下步骤：a.构建卷积神经网络，并将目标数据库中的每幅图像送入构建的卷积神经网络中提取目标图像特征；b.对提取的目标图像特征进行归一化处理，并仿射投影到低维空间，得到投影矩阵，通过损失函数训练投影矩阵，得到每一幅图像的目标样本；c.寻找卷积核权重值，经过训练选择平均识别精度最高的卷积神经网络框架，所述卷积神经网络框架的结构包括：光线输入层-卷积层-激励函数-卷积层-激励函数-卷积层-激励函数-全连接层-光线输出层；d.搭建可学习的光学棱镜装置并应用到标准目标检测数据库中，将待检测目标样本的特征通过光学棱镜装置转变为带有目标信息的光线射入卷积神经网络框架进行训练，学习获得每层卷积核权值；寻找卷积神经网络框架的激励层的阈值，经过训练测试，选择形成目标位置精度最高的激励函数；e.根据各层卷积核权值、激励函数设置光学棱镜框架中光学棱镜的色散系数、滤光膜的阈值，根据各层光学棱镜的色散系数定制散射镜，通过光学棱镜和滤光膜分别进行色散、过滤，并通过散射镜形成目标光斑，最后通过摄像头成像；通过前向传播与反向传播相结合的方式获取准确卷积核权值：前向传播：目标图像从所述光线输入层进入所述卷积神经网络框架，与对应卷积核的权值进行加权和运算，偏置项值为0，再透过一层激励层，最后得到的结果即为本层输出结果；若输出层实际输出与期望输出相同，结束学习，保存卷积核权值；若输出层得到的输出结果与期望输出不同，则转至误差反向传播过程；反向传播：将实际输出与期望值之差按原卷积层通道反传计算，通过卷积层反向传播至光线输入层，在反传过程中将误差分摊给各层的各个单元，获得各单层的误差信号，并将其作为修正各单元权值的依据；在不停地调整各层卷积核权值和阈值后，使误差信号减小到最低限度；在反向传播过程中映射成高维输入时，根据反卷积原理将卷积核翻转180度，并逐步提取目标信息，所述光学棱镜根据翻转180度后的卷积核权值改变棱镜角度，获取每层棱镜色散系数；带有目标信息的光线进入光学棱镜后在每一层进行不同权值的光线色散操作，每一层根据不同的色散系数获取对应的目标信息光线；所述滤光膜对光学棱镜散射后的光线进行筛选，过滤掉阈值外光线；所述散射镜根据色散后含目标信息光线在目标位置形成目标光斑；目标光斑形成后，经过特殊散射镜根据色散系数将光斑映射回原始图片，标定目标位置，形成目标框。

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贵州财经大学，其通讯地址为：550025 贵州省贵阳市花溪大学城；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”。