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！

龙图腾网获悉世纪中科(北京)科技有限公司申请的专利一种应用于周界安防系统的入侵物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：CN120088456B 。

龙图腾网通过国家知识产权局官网在2025-08-05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：202510166391.2，技术领域涉及：G06V10/25；该发明授权一种应用于周界安防系统的入侵物检测方法及装置是由董浩设计研发完成，并于2025-02-14向国家知识产权局提交的专利申请。

本一种应用于周界安防系统的入侵物检测方法及装置在说明书摘要公布了：本发明公开了一种应用于周界安防系统的入侵物检测方法及装置，涉及入侵物检测技术领域，本发明，利用自适应背景建模结合时间序列分析动态更新背景模型，在光照变化、树叶晃动等动态环境中保持背景稳定性，并通过高斯混合模型区分不同类型的背景变化，能够适应长期静态背景与短时动态变化的共存情况；目标检测阶段结合前后帧差分法与背景减除方法，利用二者的互补特性提取运动目标，在目标分类与行为分析阶段，提取目标的空间形态特征，结合时间序列分析预测目标运动趋势，并采用Kalman滤波进行轨迹预测，即使在目标短时遮挡或移动缓慢的情况下，仍能保持跟踪的稳定性。

本发明授权一种应用于周界安防系统的入侵物检测方法及装置在权利要求书中公布了：1.一种应用于周界安防系统的入侵物检测装置，其特征在于：包括， 环境感知模块，用于通过可见光摄像头和热成像传感器采集监控区域的实时图像数据，并对所述图像数据进行噪声过滤和预处理； 目标检测与优化模块，依据更新后的背景模型，采用前后帧差分法检测场景内的动态变化区域，并结合背景减除方法剔除长期稳定的背景信息，提取运动目标区域； 目标分类与行为分析模块，基于优化后的运动目标区域，提取入侵物的空间形态及运动轨迹特征，并基于时间序列分析预测目标运动趋势，生成分类与行为分析结果； 在所述分类与行为分析过程中，采用密度聚类分析方法对运动轨迹进行异常检测，识别入侵物类别，并根据所述入侵物的运动特征和时空位置，判断是否存在异常行为； 警报触发与响应模块，基于所述分类与行为分析结果，调整目标检测策略，并在满足预设警报条件时触发警报； 所述目标检测与优化模块中，利用自适应背景建模方法构建背景模型，对长时间未检测到入侵物的区域进行动态学习，并基于时间序列分析更新背景模型，步骤为： 初始化背景模型，设输入图像序列为：Itx,y， 其中，Itx,y表示在时间t时刻，像素点x,y处的灰度或颜色值，t表示时间序列索引，x,y表示图像中的像素坐标， 将背景模型Btx,y初始化为前N帧的均值： 其中，B0x,y表示初始背景模型，N为初始化帧的数量， 采用自适应高斯混合模型GMM更新背景，定义背景分布为K个高斯分量，概率分布计算公式为： 其中，PItx,y表示像素值Itx,y的概率分布，K表示高斯分布的数量，wix,y,t为第i个高斯分量的权重，为以μix,y,t为均值、为方差的正态分布，μix,y,t为第i个高斯分量的均值，为第i个高斯分量的方差， 高斯分量参数更新方式为： 若当前像素值Itx,y属于某个高斯分量，则更新其均值和方差，更新公式为： μix,y,t+1＝1-αμix,y,t+αItx,y， 其中，α为学习率， 若Itx,y不属于任何已有高斯分量，则替换权重最小的高斯分量： wix,y,t+1＝1-ηwix,y,t+η， 其中，η为新分量的初始化权重； 利用时间序列分析方法更新背景模型，采用指数加权移动平均EWMA平滑历史数据，更新公式为： Btx,y＝λItx,y+1-λBt-1x,y， 其中，Btx,y为时间t时刻的背景模型值，λ为时间序列平滑因子，取值范围0,1； 对于长时间未检测到入侵物的区域，采用自适应学习率调整背景更新，调整公式为： λ′＝λ·exp-γ·Tstable， 其中，λ'为动态调整后的学习率，γ为调整参数，Tstable表示该区域未检测到入侵物的稳定时间。

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世纪中科(北京)科技有限公司，其通讯地址为：100071 北京市丰台区西四环南路35号院1号楼9层903室；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”。