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！

龙图腾网获悉华东交通大学申请的专利应对复杂背景影响下自动驾驶的行人检测方法与系统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：CN120032429B 。

龙图腾网通过国家知识产权局官网在2025-08-08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：202510513195.8，技术领域涉及：G06V40/20；该发明授权应对复杂背景影响下自动驾驶的行人检测方法与系统是由黄成浩;姜楠;王翔宇;李子莫;赵宏宇;孙浚博设计研发完成，并于2025-04-23向国家知识产权局提交的专利申请。

本应对复杂背景影响下自动驾驶的行人检测方法与系统在说明书摘要公布了：本发明为应对复杂背景影响下自动驾驶的行人检测方法与系统，所述检测方法包括：获取不同背景与不同遮挡程度下的行人图像组成的数据集；构建AD‑YOLO‑RPBNet模型，主干部分包括四组由卷积块和多样分支C3K2模块组成的串行结构；在模型的颈部部分的第一列引入一个多样分支C3K2模块，在第二列引入交替的三个多样分支C3K2模块，第二列的每个多样分支C3K2模块的输出均经过一个DELA模块连接一个检测头；利用获得的数据集训练模型，以训练后的模型用于应对复杂背景影响下自动驾驶的行人检测。能够在各种复杂背景下保持高准确性和鲁棒性，同时具备实时处理的能力，提高车辆行人目标检测在复杂背景环境下的性能。

本发明授权应对复杂背景影响下自动驾驶的行人检测方法与系统在权利要求书中公布了：1.一种应对复杂背景影响下自动驾驶的行人检测方法，其特征在于，所述检测方法包括以下步骤： 步骤一：获取数据集， 使用双目车载摄像头在商场、车站、不同街道的不同时间段拍摄道路行人实际情况图像，同时从网络上收集城市中不同背景与不同遮挡程度下的行人图像，包含不同遮挡程度的背景简单和背景复杂的图像，共同组成数据集；使用LabelImg工具对数据集中的图像进行标注，标识出图像中的行人目标，包括行人的位置框和类别信息； 步骤二：构建AD-YOLO-RPBNet模型， 所述AD-YOLO-RPBNet模型的主干部分包括四组由卷积块和多样分支C3K2模块组成的串行结构；在AD-YOLO-RPBNet模型的颈部部分的第一列引入一个多样分支C3K2模块，在第二列引入交替的三个多样分支C3K2模块，第二列的每个多样分支C3K2模块的输出均经过一个DELA模块连接一个检测头； 所述多样分支C3K2模块包括卷积块，从卷积块分出两条支路，一条支路通过两个多样分支C3K模块处理后再与另一条支路进行Concat拼接操作，之后经过一个1*1的卷积处理获得输出； 所述多样分支C3K模块包括依次连接的卷积块和两个瓶颈层；所述瓶颈层包括依次连接的两个多样化分支卷积； 每个多样分支卷积由五条支路组成，第一条支路经过一个1*1的卷积与BN层后输出，第二条支路依次经过一个1*1的卷积、BN层、一个3*3的卷积与BN层后输出，第三条支路依次经过一个1*1的卷积、BN层、最大池化层与BN层后输出，第四条支路依次经过一个3*3的卷积、BN层、平均池化层与BN层后输出，最后一条支路经过一个3*3的卷积与BN层后输出，最后将五条支路的输出进行拼接，再经过非线性层处理后获得多样分支卷积的输出； 所述DELA模块设置三条分支，其中两条分支在空间维度上分别使用X最大池化、Y平均池化获得水平和垂直两个方向的特征向量后，再分别通过一个1*1的卷积、GN层、Sigmoid函数处理后分别生成水平和垂直两个方向上的注意力权重，将水平和垂直两个方向上的注意力权重与DELA模块的输入按照对应方向进行特征加权，获得DELA模块的输出； 步骤三：利用步骤一获得的数据集训练AD-YOLO-RPBNet模型，以训练后的AD-YOLO-RPBNet模型用于应对复杂背景影响下自动驾驶的行人检测。

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华东交通大学，其通讯地址为：330013 江西省南昌市经开区双港东大街808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”。