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！

龙图腾网获悉以萨技术股份有限公司申请的专利基于深度学习进行特征识别的实时预警方法和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：CN116310458B 。

龙图腾网通过国家知识产权局官网在2025-10-24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：202310307430.7，技术领域涉及：G06V10/762；该发明授权基于深度学习进行特征识别的实时预警方法和系统是由刘晓文;李凡平;石柱国设计研发完成，并于2023-03-27向国家知识产权局提交的专利申请。

本基于深度学习进行特征识别的实时预警方法和系统在说明书摘要公布了：本发明涉及数据处理领域，特别是涉及一种基于深度学习进行特征识别的实时预警方法和系统，该方法包括：获取待检测特征向量对应的匹配度组C＝c1,c2,...,cj,...,cL，j＝1,2,...,L；cj为待检测特征向量与第j个聚类簇对应的簇心向量的匹配度，每一聚类簇中均包括若干目标物数据的特征向量；L为预设的聚类簇的数量；若与c1、c2、...、cq对应的聚类簇中存在与待检测特征向量的匹配度大于预设阈值的特征向量，则进行预警。由此，可以提高预警的及时性，在进行视频追踪时，再结合本发明中的实时预警方法进行工业互联网的大规模实时在线分析，可以提高基于视频追踪的在线分析进行预警的及时性。

本发明授权基于深度学习进行特征识别的实时预警方法和系统在权利要求书中公布了：1.一种基于深度学习进行特征识别的实时预警方法，其特征在于，所述实时预警方法包括以下步骤： S100，获取待检测特征向量对应的匹配度组C=c1,c2,...,cj,...,cL，j=1,2,...,L；其中，所述待检测特征向量为待检测数据对应的特征向量；cj为所述待检测特征向量与第j个聚类簇对应的簇心向量的匹配度，每一所述聚类簇中均包括若干目标物数据的特征向量，全部所述聚类簇中的任意两个特征向量均不同，c1≥c2≥...≥cj≥...≥cL；L为预设的聚类簇的数量； S200，检测与c1、c2、...、cq对应的聚类簇中是否存在与所述待检测特征向量的匹配度大于预设阈值的特征向量；若是，则进行预警；q为目标数量； q的确定方法包括以下步骤： S210，将全部所述聚类簇中的至少部分特征向量均作为目标特征向量； S220，获取预设特征向量组T=t1,t2,...,tr,...,ts，r=1,2,...,s；其中，tr为与第r个目标特征向量的匹配度大于所述预设阈值的预设特征向量，s为目标特征向量的数量； S230，获取匹配度列表D=d1,d2,...,dr,...,ds，dr=dr1,dr2,...,drj,...,drL；其中，dr为tr对应的匹配度组，drj为tr与第j个聚类簇对应的簇心向量的匹配度； S240，将dr中的匹配度按照由小至大的顺序进行排序，得到dr对应的排序后匹配度组dr1，以得到排序后匹配度列表D1=d11,d21,...,dr1,...,ds1，dr1=dr11,dr21,...,drj1,...,drL1；其中，dr11≥dr21≥...≥drj1≥...≥drL1； S250，根据D1，获取序数组NUM=num1,num2,...,numr,...,nums；其中，numr为tr对应的目标特征向量所在的聚类簇对应的匹配度在dr1中的序数； S260，确定参考数量是否小于L；若是，则确定出；其中，ceil为预设的向上取整函数，w1为第一权重系数，0＜w1＜1；n为全部所述聚类簇中的特征向量的总数量，acy为影响系数，acy=bers，ber为NUM中小于或等于基准序数numave的序数的数量，numave=∑r=1snumrs。

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以萨技术股份有限公司，其通讯地址为：266000 山东省青岛市黄岛区灵山卫街道办事处灵岩路77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。