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！

龙图腾网获悉中国科学院长春光学精密机械与物理研究所申请的专利基于头部和整体信息联合的多尺度行人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：CN119904894B 。

龙图腾网通过国家知识产权局官网在2025-07-25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：202510409873.6，技术领域涉及：G06V40/10；该发明授权基于头部和整体信息联合的多尺度行人检测方法及装置是由马晞茗;李宁;吴迪设计研发完成，并于2025-04-02向国家知识产权局提交的专利申请。

本基于头部和整体信息联合的多尺度行人检测方法及装置在说明书摘要公布了：本发明涉及计算机视觉技术领域，具体提供一种基于头部和整体信息联合的多尺度行人检测方法及装置，通过对不同层次特征进行密集连接，提升网络对多尺度行人目标的灵敏度；其次对区域建议网络的采样方式进行了优化，通过计算样本集合中每一样本的遮挡重叠率，提升模型对遮挡行人目标的适应能力；然后构建行人头部与整体信息的联合检测框架，降低行人躯体被遮挡对检测造成的不利影响。对后处理环节和损失函数模块进行了优化，减弱了相邻行人目标对检测造成的干扰，同时提升了筛除冗余框的智能性和合理性，进一步降低行人检测的漏检率和误检率。可以对复杂人群密集场景中的多尺度行人目标和遮挡行人目标的检测能力更强，并能够降低行人漏检率。

本发明授权基于头部和整体信息联合的多尺度行人检测方法及装置在权利要求书中公布了：1.一种基于头部和整体信息联合的多尺度行人检测方法，其特征在于，包括： 构建FasterR-CNN网络模型； 将所述FasterR-CNN网络模型的骨干网络融合改进后的特征提取网络，并将待检测图像输入至融合改进后特征提取网络的FasterR-CNN模型中进行特征提取，得到提取特征图，包括： 将ResNet50网络作为FasterR-CNN网络模型的骨干网络； 利用所述骨干网络学习待检测图像的特征信息； 对所述骨干网络获取的特征信息进行特征融合，结合密集连接思想，对特征金字塔网络FPN的特征拼接策略进行改进，即令所有尺度的特征均参与计算输出特征信息，吸取大尺度特征图表达高级语义信息和小尺度特征图表达底层纹理细节信息的优点，增强网络对多尺度特征的融合，则各层尺度特征对应的预测值~具体如公式1和公式2所示； 1 2 其中，均为权重参数，为特征映射函数，~为特征提取网络获取到的各层尺度特征，在具体训练过程中，参数参与梯度的反向传播，通过模型的训练来学习更新至最为合适的值； 对区域建议网络的采样方式进行改进，构建基于遮挡重叠率判别的非均匀困难样本挖掘策略，通过计算样本集合中每一样本的遮挡重叠率，并为遮挡重叠率较高的样本赋予较高权重，利用所述区域建议网络对场景中的所有行人实例同时生成头部候选框与整体候选框集合，包括： 所述基于遮挡重叠率判别的非均匀困难样本挖掘策略通过引入判定阈值，将样本集合依据平均遮挡重叠率划分为困难集和普通集两类，将每一样本被抽取的概率定义为，具体计算方法如公式3所示； 3 其中，表示第个样本的遮挡系数，用于反映第个样本受遮挡的程度； 对于第个样本的遮挡系数，进一步表示为： 4 其中，表示检测需要的样本数目，表示候选样本总数，和分别表示样本集中第个样本的遮挡重叠率和整个样本集合的平均遮挡重叠率，判定阈值可依据数据集的整体遮挡程度而设置不同的值； 对于样本集中第个样本的遮挡重叠率和整个样本集合的平均遮挡重叠率，进一步表示为： 5 6； 构建行人头部检测分支模块和行人整体检测分支模块，并通过所述行人头部检测分支模块和行人整体检测分支模块获得初步目标检测结果，所述初步目标检测结果包括行人头部检测框和行人整体检测框； 对得到的所述行人头部检测框和所述行人整体检测框进行后处理，并筛除联合检测过程中产生的冗余检测框，得到最终的行人检测结果； 为进一步抑制后处理环节中出现的误检和漏检情况，在损失函数部分构建联合损失函数，所述联合损失函数用于惩罚未被正确非极大值抑制的误检情况和被错误非极大值抑制的漏检情况，使得最终的检测结果更加准确。

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国科学院长春光学精密机械与物理研究所，其通讯地址为：130033 吉林省长春市经济技术开发区东南湖大路3888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”。