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！

龙图腾网获悉北京理工大学申请的专利复杂城市背景异常目标自学习检测方法及装置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：CN119693785B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202411588861.6，技术领域涉及：G06V20/10；该发明授权复杂城市背景异常目标自学习检测方法及装置是由朱春丽;刘思田;艾煜明;边丽蘅;张军设计研发完成，并于2024-11-08向国家知识产权局提交的专利申请。

本复杂城市背景异常目标自学习检测方法及装置在说明书摘要公布了：本申请提出了一种复杂城市背景异常目标自学习检测方法，涉及信息技术领域，其中，该方法包括：通过多模态视觉传感器采集城市场景数据，并对采集的多模态数据进行初步异常检测，得到初步异常检测结果；利用先验知识和数据调优对初步异常检测结果增加不确定性知识，构建不确定性模型；基于不确定性模型，计算并比较不同模态数据之间的相对熵，并根据相对熵差异确定重采样量级，调整不同模态数据的权重；基于调整后的权重，对采集的多模态数据进行多因素耦合推理，得到异常检测结果。采用上述方案的本发明能够在无监督环境下对复杂城市背景环境的异常目标进行可靠监测。

本发明授权复杂城市背景异常目标自学习检测方法及装置在权利要求书中公布了：1.一种复杂城市背景异常目标自学习检测方法，其特征在于，包括： 通过多模态视觉传感器采集城市场景数据，并对采集的多模态数据进行初步异常检测，得到初步异常检测结果，其中，所述多模态视觉传感器包括可见光相机、红外相机、多光谱相机、高光谱相机、事件相机和雷达传感器； 利用先验知识和数据调优对初步异常检测结果增加不确定性知识，构建不确定性模型，其中，所述先验知识包括城市背景的环境知识、历史数据和专家知识；所述数据调优包括数据增强、数据清洗和参数调整；所述不确定性知识的表达方式包括贝叶斯网络、模糊逻辑和置信区间； 基于所述不确定性模型，计算并比较不同模态数据之间的相对熵，并根据相对熵差异确定重采样量级，调整不同模态数据的权重，其中，所述相对熵的计算方式包括Kullback-Leibler散度、交叉熵、Jensen-Shannon散度； 基于调整后的权重，对采集的多模态数据进行多因素耦合推理，得到异常检测结果； 所述多因素耦合推理包括贝叶斯推理、证据理论和集成学习； 所述方法还包括： 在进行多因素耦合推理时，制定异常目标冲突决策，并在多模态数据之间存在决策冲突时，采用设定的机制解决冲突，得到最终判断结果，其中，异常目标冲突决策判断包括：制定决策规则、冲突解决机制和反馈机制； 所述方法还包括： 基于所述异常检测结果进行自学习和参数调整，优化所述不确定性模型。

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理工大学，其通讯地址为：100081 北京市海淀区中关村南大街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。