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！

龙图腾网获悉西安理工大学申请的专利深度光流与YOLOv3时空融合的目标检测与定位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：CN115830698B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202210463674.X，技术领域涉及：G06V40/20；该发明授权深度光流与YOLOv3时空融合的目标检测与定位方法是由陈丹;梁宇设计研发完成，并于2022-04-28向国家知识产权局提交的专利申请。

本深度光流与YOLOv3时空融合的目标检测与定位方法在说明书摘要公布了：本发明公开的深度光流与YOLOv3时空融合的目标检测与定位方法，通过FlowNet2和YOLOv3网络分别提取人体足部目标在时间域的运动信息和空间域的位置信息进行足部检测，然后根据所建立的融合策略对两种网络提取的足部目标时空信息进行融合，从而实现足部目标定位。本发明解决了现有技术中存在的人体足部检测过程中由于足部静止、目标小、存在遮挡、背景光照变化剧烈及足部形态变化较大时导致的无法准确检测和定位人体足部的问题。

本发明授权深度光流与YOLOv3时空融合的目标检测与定位方法在权利要求书中公布了：1.深度光流与YOLOv3时空融合的目标检测与定位方法，其特征在于，包括以下步骤： 步骤1、采集不同场景下的人体行走视频并转换为视频序列； 步骤2、将步骤1所得视频序列制作人体行走训练集； 步骤3、对步骤2所得训练集进行标注获得训练集标签文件； 步骤4、搭建YOLOv3深度学习框架； 步骤5、利用步骤3所得标签文件训练步骤4所得YOLOv3深度学习框架获取人体足部目标检测权重模型； 步骤6、搭建FlowNet2深度光流网络框架； 步骤7、利用步骤2所得训练集训练步骤6所得FlowNet2深度光流网络框架获取人体行走光流模型； 步骤8、采集复杂场景下的人体行走视频作为测试集进行人体足部目标检测，复杂场景包括的条件有：光照变化、背景及物体干扰、目标和相机共同运动、目标尺度变化和目标遮挡； 步骤9、将步骤8所得测试集输入步骤7所得人体行走光流模型获取足部时域运动信息，通过颜色编码将足部时域运动信息可视化；具体为：首先在FlowNetC网络下输入连续的两帧待求解图像1和图像2，卷积网络求解后得到光流场图像、图像1、图像2，利用上一层网络估计的光流对图像2扭曲变换得到连续的图像及亮度差；其次将每组图像预测出的光流场作为输入，通过融合网络将大、小位移网络的结果融合起来，再进行卷积操作获得光流估计结果；最后将其进行颜色编码得到足部目标光流可视化图； 步骤10、将步骤9所得足部时域运动信息进行定位处理，同时将步骤8所得测试集输入步骤5所得人体足部目标检测权重模型获取足部空间位置信息，将足部时空信息进行均值融合获得足部目标位置；具体包括以下步骤： 步骤10.1、足部时域运动信息定位处理 将光流可视化图进行二值化，同时利用形态学运算获取最大连通区域并计算该区域左、上边界的最小值、和右、下边界的最大值、，得到足部目标的边界框； 步骤10.2、足部空间位置信息获取 将足部RGB图像同时输入到YOLOv3网络中，通过编写的边界框获取代码自动输出足部目标边界框； 步骤10.3、足部时空信息融合 当YOLOv3和FlowNet2检测到足部目标时，先对检测结果进行定位获取其边界框位置，然后比较两只脚边界框水平坐标的最小值，较小的为左脚，通过公式1对左脚和右脚进行时空信息融合： 1 式1中，为足部的融合边界框，为YOLOv3检测的足部边界框，为FlowNet2检测的足部边界框，融合时将边界框的左、上、右和下坐标同时进行均值融合； 若YOLOv3没有预测到足部，则FlowNet2的预测结果作为最终的预测结果；若FlowNet2没有预测到足部，则YOLOv3的预测结果作为最终的预测结果。

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西安理工大学，其通讯地址为：710048 陕西省西安市碑林区金花南路5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。