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！

龙图腾网获悉西安电子科技大学申请的专利一种基于改进YOLO V7和Deep-Sort的交通流量统计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：CN116434159B 。

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：202310392311.6，技术领域涉及：G06V20/54；该发明授权一种基于改进YOLO V7和Deep-Sort的交通流量统计方法是由朱隽洋;姬红兵;张文博;李林;臧博设计研发完成，并于2023-04-13向国家知识产权局提交的专利申请。

本一种基于改进YOLO V7和Deep-Sort的交通流量统计方法在说明书摘要公布了：本发明公开了一种基于改进YOLOV7和Deep‑Sort的交通流量统计方法，包括以下步骤；1准备车辆数据集；2搭建改进的YOLOv7模型并进行训练，用于对步骤1的车辆数据集检测；改进的YOLOv7模型包括输入端、特征提取网络、特征融合网络和输出端；3搭建Deep‑Sort模型对检测后的车辆跟踪；Deep‑Sort模型包括目标检测模块、位置预测模块、特征匹配模块和更新模块；4使用基于运动轨迹与检测线的交通流量统计方法获取交通监控视频、绘制虚拟检测线、设置感兴趣区域、进入检测流程和跟踪流程，从而完成交通流量统计。本发明能够提高目标车辆的检测精度和提高车辆跟踪速度。

本发明授权一种基于改进YOLO V7和Deep-Sort的交通流量统计方法在权利要求书中公布了：1.一种基于改进YOLOV7和Deep-Sort的交通流量统计方法，其特征在于，包括以下步骤； 步骤1：准备车辆数据集； 步骤2：搭建改进的YOLOv7模型，并利用所述车辆数据集进行训练与检测；所述改进的YOLOv7模型，是指在原YOLOv7模型的基础上，在其主干网络的每次特征提取网络后添加SE-Net模块； 步骤3：搭建Deep-Sort模型对检测后的车辆跟踪；Deep-Sort模型包括目标检测模块、位置预测模块、特征匹配模块和更新模块； 步骤4：使用基于运动轨迹与检测线的交通流量统计方法获取交通监控视频、绘制虚拟检测线、设置感兴趣区域、进入检测流程和跟踪流程，从而完成交通流量统计； 所述步骤2具体为： 1搭建改进的YOLOv7模型的输入端，包括： 1Mosaic数据增强：将步骤1中的图片序列每四张为一组，通过翻转、缩放、区域内的色域变化拼接在一张图片内； 2自适应图片缩放：规定进行训练的图片大小为640×640，对长x、宽y进行缩放；计算缩放后的x与y的大小，分别表示为x1与y1，其中x1＝x×min{x640,y640}，y1＝y×min{x640,y640}；如果x1640，则对应的x高度上下添加[640-x1％64]2高度的黑边，最终凑成640×640大小的图片；同理y方向操作，其中min操作表示为取花括号内最小的值，％表示为取余操作； 2搭建改进的YOLOv7模型的特征提取网络，包括： 将三个SE-Net模块嵌入在E-ELAN模块和MPConv模块之间，E-ELAN模块输出的特征图作为SE-Net模块的输入，SE-Net模块输出的特征图作为MPConv模块的输入，最后一个SE-Net嵌入在E-ELAN模块和SPPCSPC模块之间，E-ELAN模块输出的特征图作为SE-Net模块的输入，SE-Net模块输出的特征图作为SPPCSPC模块的输入，最终得到改进后的YOLOv7模型的特征提取网络； 3搭建改进的YOLOv7模型的特征融合网络，包括： 采用FPN和PAN结构，对改进的YOLOv7模型的特征提取网络输出的特征进行融合，得到改进的YOLOv7模型的特征融合网络； 首先对输入端生成的640*640尺寸的图片进行特征提取，得到160*160、80*80、40*40和20*20的特征图；FPN网络将特征图的语义信息从高维度向低维度传递，进行多次上采样和通道拼接生成包含车辆目标语义信息的特征图，PAN网络将语义信息从低维度向高维度再传递一次，进行多次下采样和通道拼接生成包含车辆目标位置信息的特征图，最终将两个网络生成的特征图融合； 4搭建改进的YOLOv7模型的输出端，包括： YOLOv7的输出端包括置信度损失、定位损失和分类损失；置信度损失用于计算预测框的可信程度，定位损失用于预测框与标定框之间的误差，分类损失用于计算锚框与对应的标定分类是否正确；YOLOv7的输出不局限于单输出，通过引入辅助头对中间层进行辅助训练，对模型的训练进行深度监督； 在实际检测中，首先对每个预测框的预测置信度进行判断，若超过设定阈值，则认为该预测框内存在目标并确定其大致位置，接着使用非极大值抑制算法筛选存在目标的预测框，去除相同目标的重复检测框，最后，根据筛选后预测框的分类概率取最大概率对应的索引作为目标的分类索引号，得到目标的类别。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路2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”。