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！

龙图腾网恭喜中电桑达电子设备(江苏)有限公司申请的专利基于红外与可见光融合的侵入检测识别方法、系统与介质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：CN119107596B 。

龙图腾网通过国家知识产权局官网在2025-05-23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：202411136099.8，技术领域涉及：G06V20/52；该发明授权基于红外与可见光融合的侵入检测识别方法、系统与介质是由张雷;高戍隆;俞先春设计研发完成，并于2024-08-19向国家知识产权局提交的专利申请。

本基于红外与可见光融合的侵入检测识别方法、系统与介质在说明书摘要公布了：本发明提供一种基于红外与可见光融合的侵入检测识别方法、系统与介质，该方法包括：获取红外相机以及可见光相机在同一时刻探测的图像，分别为红外图像与可见光图像；将红外图像与可见光图像进行几何校正，使二者的视角与尺度一致；将红外与可见光图像进行像素级加权融合，基于自适应ELMAN神经网络确定加权系数并计算融合后的像素值，获得红外可见光融合图像；对融合图像进行双边滤波，实现全局平滑后处理；将全局平滑后的融合图像与背景图像进行差分处理，实现侵入检测与识别。通过本发明可使融合后的图像在亮度、对比度和细节保留方面具有更好的表现，有效处理图像数据中的复杂和动态特征，提高融合图像的质量和检测系统的整体性能。

本发明授权基于红外与可见光融合的侵入检测识别方法、系统与介质在权利要求书中公布了：1.一种基于红外与可见光融合的侵入检测识别方法，其特征在于，包括以下步骤：步骤S101、获取红外相机以及可见光相机在同一时刻探测的图像，分别为红外图像与可见光图像；步骤S102、将红外图像与可见光图像进行几何校正，使得二者的视角与尺度一致；步骤S103、将红外图像与可见光图像进行像素级加权融合，基于自适应ELMAN神经网络确定加权系数并根据红外图像和可见光图像的灰度值计算融合后的像素值，获得红外可见光融合图像；步骤S104、对所述红外可见光融合图像进行双边滤波，实现全局平滑后处理；以及步骤S105、将全局平滑后处理的红外可见光融合图像与背景图像进行差分处理，实现侵入检测与识别；其中，在所述步骤S103中，将红外图像与可见光图像进行像素级加权融合，基于自适应ELMAN神经网络确定加权系数并根据红外图像和可见光图像的灰度值计算融合后的像素值，获得红外可见光融合图像，包括：基于以下像素级加权计算进行像素级加权融合：IFx,y=k1*RGBx,y+k2*IRx,y式中，IFx,y表示红外可见光融合图像中像素点x,y的值，RGBx,y与IRx,y分别表示可见光图像以及红外图像中对应的像素点x,y的值；k1、k2分别表示可见光图像以及红外图像的加权系数，被设置通过自适应ELMAN神经网络确定每个红外可见光融合图像的系数值；并且，通过自适应ELMAN神经网络确定每个红外可见光融合图像的加权系数的过程包括：所述自适应ELMAN神经网络为动态的递归神经网络结构，由输入层、隐藏层、上下文层以及输出层，输入层与输出层分别包括两个神经元节点，隐藏层与上下文层的神经元节点数量相同，通过输入层输入信号，隐藏层采用非线性函数作为激励函数，上下文层用于记忆隐藏层上一个时刻的输出数值，使得隐藏层的输出通过上下文层的延迟后自联回隐藏层的输入，通过输出层加权处理输出加权系数；以时刻t可见光图像以及红外图像的灰度均值GrayRGB与GrayIR作为自适应ELMAN神经网络的输入层输入量，自适应ELMAN神经网络的隐藏层的神经元节点数量h通过下述方式确定： ；其中，m和n分别表示输入层与输出层的神经元节点数量，a表示取值区间在1～10之间的常数；隐藏层输出当前时刻t融合后图像的亮度均值、标准差与变异系数，上下文层接收隐藏层的输出并记忆隐藏层上一个时刻t-1的输出数值，使得隐藏层的输出通过上下文层的延迟后自联回隐藏层的输入，最终经过输出层的两个神经元进行加权处理后的两个输出，即可见光图像以及红外图像的加权系数k1、k2；所述融合后图像的亮度均值，是指融合后图像的灰度值的均值，反应图像的整体亮度；所述标准差表示融合后图像的像素点的灰度值与均值的离散程度，表示为：标准差=方差的开平方根，方差为融合后图像每个像素点的灰度值与灰度值的均值的平方和；所述变异系数表示融合后图像的对比度与清晰度，表示为：变异系数=标准差亮度均值。

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中电桑达电子设备(江苏)有限公司，其通讯地址为：210000 江苏省南京市栖霞区南京经济技术开发区兴智路6号兴智科技园C栋第6层；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”。