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！

龙图腾网获悉北京邮电大学申请的专利一种基于视频语义分割的交通密度检测方法及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：CN120954242B 。

龙图腾网通过国家知识产权局官网在2025-12-16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：202511495635.8，技术领域涉及：G08G1/01；该发明授权一种基于视频语义分割的交通密度检测方法及系统是由胡瀚文设计研发完成，并于2025-10-20向国家知识产权局提交的专利申请。

本一种基于视频语义分割的交通密度检测方法及系统在说明书摘要公布了：本发明公开了一种基于视频语义分割的交通密度检测方法及系统，涉及交通密度分析技术领域，该方法包括视频数据采集、时空数据增强、动态感知增强、交通密度解码和车道密度检测。通过构建结合光学修正、遮挡优化与三维梯度张量建模的动态时空数据增强模块，提升视频帧的质量与时序一致性；进一步采用融合双向运动信息与尺度感知注意力机制的动态金字塔网络增强特征提取效果，显著提高对复杂交通场景下小目标的识别精度；该方法在遮挡严重、逆光、低分辨率等非理想条件下仍具备良好鲁棒性，为城市智能交通管理提供高精度密度数据支持，具有较高实用价值与推广前景。

本发明授权一种基于视频语义分割的交通密度检测方法及系统在权利要求书中公布了：1.一种基于视频语义分割的交通密度检测方法，其特征在于：该方法包括以下步骤： 步骤S1：视频数据采集，得到交通原始视频帧序列数据； 步骤S2：时空数据增强，依据所述交通原始视频帧序列数据，采用结合物理模型修正的动态时空数据增强方法，进行时空数据增强，得到时空增强帧序列数据，具体包括：光学物理模型修正；频域和空域联合遮挡优化；时序梯度场生成；时空数据增强； 步骤S3：动态感知增强，依据所述时空增强帧序列数据，通过构建结合双向运动增强和尺度感知优化的动态金字塔融合特征增强网络，进行动态感知增强，得到感知增强特征数据，具体包括： 输入特征初始化，用于获取当前帧与前一帧的输入图像序列，并由预设的主干网络提取对应的多尺度特征，具体为将时空增强帧序列数据中的当前帧图像与前一帧图像分别输入统一结构的图像编码网络中，并进行分层特征提取架构设计，得到初始化尺度分层架构，包括底层特征、中层特征、高层特征及各层对应的历史帧特征； 构建主干特征提取子块，用于构建统一的主干网络架构，具体为构建预设的主干网络，依据所述初始化尺度分层架构，提取得到多尺度初始特征数据； 构建双向运动增强子块，用于显式建模目标运动信息，具体为构建轻量光流网络，对当前帧与前一帧图像执行双向光流估计，得到双向光流场数据，并对中层特征和高层特征分别进行光流引导的特征对齐，构建可变形卷积结构融合双向运动特征，得到时序增强特征； 构建尺度感知注意力子块，用于构建通道级的注意力机制，引导网络动态强化小目标响应区域并抑制无关背景噪声，具体为采用全局平均池化与最大池化获取通道统计信息，并构建多层感知机进行编码融合，得到注意力权重，并依据所述注意力权重，通过构建图像梯度增强边缘感知计算函数，进行所述时序增强特征的特征图的感知能力计算，得到感知能力估值参数，将所述感知能力估值参数和所述注意力权重进行归一化和通道注意力融合，得到增强尺度注意力特征数据； 构建动态金字塔融合子块，用于融合不同尺度的注意力增强特征，具体为在高层增强尺度注意力特征的基础上，引入跨阶段金字塔池化进行特征处理，得到高层融合特征，并在中层特征融合过程中，引入时序对齐模块，对高层融合特征的上采样结果与中层特征进行空间对齐和残差连接，在底层特征中引入注意力引导机制进行跨层增强，得到底层融合特征； 构建轻量化优化卷积子块，具体为对所述底层融合特征，进行上采样操作并压缩维度，得到高分辨率输出特征； 动态感知增强，具体为通过所述输入特征初始化、所述主干特征提取子块、所述双向运动增强子块、所述尺度感知注意力子块、所述动态金字塔融合子块和所述轻量化优化卷积子块，进行动态感知增强模型训练，得到动态感知增强模型，并使用所述动态感知增强，依据所述时空增强帧序列数据进行动态感知增强，得到感知增强特征数据； 步骤S4：交通密度解码，通过构建标准卷积神经网络作为密度回归解码结构，并将所述感知增强特征数据输入到经过训练的标准卷积神经网络中，得到交通密度解码数据； 步骤S5：车道密度检测，依据所述交通密度解码数据，对每一帧的密度热力图进行区域划分与数值积分，计算各车道区域内的累计密度值和平均密度值，得到车道密度检测向量数据。

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邮电大学，其通讯地址为：100000 北京市海淀区西土城路10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。