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！

龙图腾网获悉南京莱斯信息技术股份有限公司申请的专利基于混合高斯模型的深度学习融合场面目标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：CN116524410B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202310551658.0，技术领域涉及：G06V20/40；该发明授权基于混合高斯模型的深度学习融合场面目标检测方法是由王林;严璐;刘雪;顾昕;吴越韬;程龙昊设计研发完成，并于2023-05-16向国家知识产权局提交的专利申请。

本基于混合高斯模型的深度学习融合场面目标检测方法在说明书摘要公布了：本发明公开了一种基于混合高斯模型的深度学习融合场面目标检测方法，步骤如下：采用混合高斯模型对机场场面实时运行的监控视频帧序列进行连续适应，获取静态场面背景帧图像；采用RGB至YUV颜色空间转换，滤除静态场面前景图像中阴影部分，分离出运动目标；使混合高斯模型对场面运动目标检测灵敏度能够适应其具体应用的实时视频监控画面；判断所述YOLO基准检测模型是否符合检测召回率、检测准确率的指标要求；若不符合则继续判断直至符合指标要求；使用融合目标检测算法得到最终的检测结果。本发明将运动目标检测算法与深度学习方法结合，提高机场场面目标识别的准确性和鲁棒性，以实现精准获取场面目标并进行冲突预警管理的目的。

本发明授权基于混合高斯模型的深度学习融合场面目标检测方法在权利要求书中公布了：1.一种基于混合高斯模型的深度学习融合场面目标检测方法，其特征在于，步骤如下： 1采用混合高斯模型对机场场面实时运行的监控视频帧序列进行连续适应，获取静态场面背景帧图像； 2采用RGB至YUV颜色空间转换，通过设定筛选方法，滤除静态场面前景图像中阴影部分，分离出运动目标； 3根据YUV色彩空间中局部明度通道与场面运动目标的运动拟合关系，设定混合高斯模型帧差间隔n，使混合高斯模型对场面运动目标检测灵敏度能够适应其具体应用的实时视频监控画面； 4使用混合高斯模型，对实时监控视频进行检测，检测出场面运动目标集合，添加标注信息，作为基于深度学习方法YOLO的基础训练集，训练得出YOLO基准检测模型，判断所述YOLO基准检测模型是否符合检测召回率、检测准确率的指标要求；若不符合则重复步骤4直至符合指标要求； 5使用融合目标检测算法得到最终的检测结果； 所述步骤2具体包括：将静态场面的监控视频帧从RGB空间转换至YUV空间，分析阴影区域具备以下特征：a.阴影区域中的像素明度低于背景像素和目标像素区域的明度；b.阴影区域中的色度与背景像素色相等；c.阴影区域中的像素和背景区域像素边界之间的梯度差小，而目标区域与背景区域边界之间的梯度差大； 根据上述a、b、c三个特征，根据混合高斯模型分离生成静态背景图，即BG分量；对当前帧与背景帧做差分计算： FG＝XT-BG3 得到前景图像FG，计算前景图像中明度通道、色度通道和梯度差，通过与阴影区和非阴影区的阈值进行比较，判断出阴影区域，结合边缘检测，消除阴影区域； 所述步骤3具体包括：设混合高斯模型使用帧差间隔为n，n2，具体数值采用自适应算法，具体为：将图像从RGB空间转换为YUV空间，对运行场面图像进行初步网格划分，筛选出运行区域和非运行区域，且根据运行历史数据完成网格收敛合并；进一步对局部的、区域内的明度通道进行明度直方图统计，分析基于历史的目标运动导致的明度变化规律，拟合运动-明度分布直方曲线，根据拟合曲线计算混合高斯模型帧差间隔n，滤除由于局部的微小位移造成的误检测； 所述步骤4具体包括： 41使用混合高斯模型检测出实时视频监控场景图像中的运动目标集合； 42添加标注信息，将运动目标集合和对应的真实标注框保存，作为基础训练集； 43使用基于深度学习方法的YOLO模型对基础训练集进行训练，得到YOLO基准检测模型； 44对YOLO基准检测模型进行测试，评估其在一组测试数据集上的表现，包括召回率、检测准确率、mAP；若出现不符合要求指标，则进行调整； 45如果YOLO基准检测模型不符合要求，通过增加训练数据量、调整模型参数、改变数据增强方式的方法来提高检测性能；继续进行训练和测试，直到满足要求为止。

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南京莱斯信息技术股份有限公司，其通讯地址为：210014 江苏省南京市秦淮区永智路8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”。

以上内容由龙图腾AI智能生成。