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！

龙图腾网恭喜浙江大学申请的专利一种基于单阶段卷积神经网络的密集行人检测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：CN115880621B 。

龙图腾网通过国家知识产权局官网在2025-05-09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：202211143053.X，技术领域涉及：G06V20/52；该发明授权一种基于单阶段卷积神经网络的密集行人检测方法是由谢磊;何昊阳;李至善设计研发完成，并于2022-09-20向国家知识产权局提交的专利申请。

本一种基于单阶段卷积神经网络的密集行人检测方法在说明书摘要公布了：本发明公开了一种基于单阶段卷积神经网络的密集行人检测方法，以监控设备或车载录像设备采集交通场景下的视频数据转化为帧的图片中的行人为研究对象，通过改进YOLOv3卷积神经网络模型，在主干特征提取网络DarkNet‑53之后加入SPP多尺度特征融合模块以及在YOLO检测头前加入SE注意力模块，且在后处理方面使用分层式非极大值抑制算法F‑NMS替换掉NMS非极大值抑制算法，该方法在不增加计算量的情况下，大大提高了复杂环境下密集行人的检测性能，对于被遮挡的行人检测概率大幅提升，并且漏检率较低。

本发明授权一种基于单阶段卷积神经网络的密集行人检测方法在权利要求书中公布了：1.一种基于单阶段卷积神经网络的密集行人检测方法，其特征在于，包括以下步骤：1利用监控设备或车载录像设备采集交通场景下的视频数据；2将视频数据提取关键帧，并在关键帧构成的图像数据中标注出行人位置，将图像与标注共同作为样本数据集；3构建改进的YOLOv3卷积神经网络模型，该模型包含用于提取特征的主干特征提取网络DarkNet-53、用于多尺度特征融合的SPP模块、用于进一步提取多尺度特征的FPN特征金字塔结构，并在各个检测头分支插入SE注意力模块用于更好的提取特征，将结果输入到检测头进行结果的预测；同时，在后处理算法采用分层式非极大值抑制算法F-NMS；改进的YOLOv3卷积神经网络模型具体工作流程如下：通过主干特征提取网络DarkNet-53充分提取图像的信息；将提取到的信息输入到SPP模块中，进行三种不同尺度的池化操作，再将不同尺度的结果拼接起来；将拼接的结果输入到FPN特征金字塔结构中进行加强提取，一共提取三个特征层；将获得的三个特征层数据输入SE注意力模块用于充分提取不同通道的特征，并将结果输入到检测头进行结果的预测；所述的SPP模块由几个并行的分支构成：首先输入直接连接到输出作为第一个分支、第二个分支是池化核为5×5的最大池化、第三个分支是池化核为9×9的最大池化、第四个分支是池化核为13×13的最大池化；池化前首先进行填充，并且池化时的步长都设置为相同的1，池化后得到的特征图尺寸大小和深度不变，最后再将所有的池化结果拼接起来；所述的SE注意力模块具体实现原理如下：首先对卷积得到的特征图进行Squeeze压缩操作，通过全局平均池化操作将一个通道上整个空间特征编码为一个全局特征，得到通道级的全局特征；然后对全局特征进行Excitation激活操作，采用包含两个全连接层的瓶颈结构，其中第一个全连接层起到降维的作用，降维系数为r是个超参数，然后采用ReLU激活函数激活，后一个全连接层恢复原始的维度；这样该模块学习各个通道间的关系，也得到不同通道的权重，最后乘以原来的特征图得到最终特征；分层式非极大值抑制算法F-NMS算法，具体算式为： 其中，si是预测框bi的置信度，M是局部置信度最大的方框，N1和N2是IoU的两个阈值，σ是一个超参数，σ等于1.5；4将样本数据集中标注后的图像数据进行尺度变换，并输入到改进的YOLOv3卷积神经网络模型，进行不少于100个Epoch的迭代训练，直到模型收敛；5输入待检测的图像，利用训练好的模型进行密集行人检测。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。