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！

龙图腾网获悉北京联合大学申请的专利一种适用于边缘设备的YoloMD行人摔倒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：CN114724070B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202210403936.3，技术领域涉及：G06V20/40；该发明授权一种适用于边缘设备的YoloMD行人摔倒检测方法是由刘艳霞;温爽;乐海丰;饶志强;李少佳设计研发完成，并于2022-04-18向国家知识产权局提交的专利申请。

本一种适用于边缘设备的YoloMD行人摔倒检测方法在说明书摘要公布了：本发明提供一种适用于边缘设备的YoloMD行人摔倒检测方法，包括采集数据并生成数据集，还包括以下步骤：对所述数据集中的数据进行数据标准化处理；使用所述训练集中的数据对摔倒检测模型进行训练；使用所述验证集和测试集中的数据对训练好的所述摔倒检测模型进行测试和验证；输出预测结果。本发明提出了一种适用于边缘设备的YoloMD行人摔倒检测方法，采用更适合工业边缘计算设备的一阶段目标检测为主要方法，训练和验证阶段耗费时间比上述方法更短，且在边缘设备的推理速度要快一些，更符合交通场景实时检测的应用场景下。

本发明授权一种适用于边缘设备的YoloMD行人摔倒检测方法在权利要求书中公布了：1.一种适用于边缘设备的YoloMD行人摔倒检测方法，包括采集数据并生成数据集，其特征在于，还包括以下步骤： 步骤1：对所述数据集中的数据进行数据标准化处理，所述数据标准化处理包括以下子步骤： 步骤11：按照RGB三通道分别计算像素平均值的大小及图像方差，求出像素平均值及方差； 步骤12：进行数据标准化处理，公式为 ， 其中，z为标准化输出结果，x为输入数据，μ为数据平均像素值，σ为数据方差； 步骤13：打乱数据集顺序，随机选择80%的数据作为训练集，20%的数据作为验证集和测试集； 步骤2：使用所述训练集中的数据对摔倒检测模型进行训练，所述摔倒检测模型包括CSPNet骨干网络、Neck部位和检测头，所述摔倒检测模型为优化的Yolov5模型，选择6*6大小的卷积核替代Yolov5网络的Focus结构，作为所述摔倒检测模型的特征处理层，所述CSPNet骨干网络通过卷积提取图像特征，在所述CSPNet骨干网络中使用多组1*3和3*1的卷积核提取特征； 所述训练包括以下子步骤： 步骤21：将缩放后的图像输入所述摔倒检测模型； 步骤22：采用随机梯度下降法进行参数更新； 步骤23：设置初始学习率为0.001，每迭代40次进行一次学习率衰减，衰减系数为0.1； 步骤24：通过200次循环迭代进行所述摔倒检测模型训练； 步骤3：使用验证集和测试集中的数据对训练好的所述摔倒检测模型进行测试和验证； 步骤4：输出预测结果。

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北京联合大学，其通讯地址为：100101 北京市朝阳区北四环东路97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。