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！

龙图腾网恭喜北京理工大学;北京理工大学重庆创新中心申请的专利一种基于深度学习的行凶者追溯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：CN118470698B 。

龙图腾网通过国家知识产权局官网在2025-05-06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：202410603696.0，技术领域涉及：G06V20/60；该发明授权一种基于深度学习的行凶者追溯方法及装置是由张宏;刘梦真;刘宇航;李豪天;徐媛媛;黄广炎设计研发完成，并于2024-05-15向国家知识产权局提交的专利申请。

本一种基于深度学习的行凶者追溯方法及装置在说明书摘要公布了：本发明提出了一种基于深度学习的行凶者追溯方法及装置，其特征在于，包括：采集在真实刀刺场景下的冲击损伤图像；基于两段式冲击损伤预测模型，对冲击损伤图像进行预测，获取穿刺关键参数；其中，两段式冲击损伤预测模型通过数据集训练获得，数据集包括：刀具在不同初始速度下对样品的穿刺关键参数和样品在不同动态穿刺测试条件下的冲击损伤图像；两段式冲击损伤预测模型包括：第一段TraceNet网络和第二段浅层CNN网络；将穿刺关键参数输入分类器，进行行凶者追溯。本发明可以实现依据穿刺损伤对穿刺行凶过程中关键参数的快速准确检测，并基于关键参数追溯行凶者的行为特征，为反侦察等军事行为中追捕行凶者提供一种新的手段。

本发明授权一种基于深度学习的行凶者追溯方法及装置在权利要求书中公布了：1.一种基于深度学习的行凶者追溯方法，其特征在于，包括：采集在真实刀刺场景下的冲击损伤图像；基于两段式冲击损伤预测模型，对所述冲击损伤图像进行预测，获取穿刺关键参数；其中，所述两段式冲击损伤预测模型通过数据集训练获得，所述数据集包括：刀具在不同初始速度下对样品的所述穿刺关键参数和样品在不同动态穿刺测试条件下的所述冲击损伤图像；所述两段式冲击损伤预测模型包括：第一段TraceNet网络和第二段浅层CNN网络；所述第一段TraceNet网络，用于提取所述冲击损伤图像中的损伤特征；所述第一段TraceNet网络包括：特征提取模块和Traceflow模块；所述特征提取模块，用于提取所述冲击损伤图像中的预设维度的初始特征；所述Traceflow模块，用于对所述初始特征进行重新组合，获得所述损伤特征；所述第二段浅层CNN网络，用于表征所述损伤特征与所述穿刺关键参数之间的关系；所述第二段浅层CNN网络包括：若干二维卷积层、若干预设最大池化层以及两个预设全连接层；若干所述二维卷积层，用于分成若干步提取输入图像的特征并生成特征图；若干所述预设最大池化层，用于不断减小特征图的空间尺寸；第一个全连接层，用于学习特征之间的非线性关系，第二个全连接层，用于输出所述第二段浅层CNN网络对所述穿刺关键参数的预测结果；将所述穿刺关键参数输入分类器，进行行凶者追溯。

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;北京理工大学重庆创新中心，其通讯地址为：100081 北京市海淀区中关村南大街5号北京理工大学；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”。