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！

龙图腾网获悉五邑大学申请的专利危险区域人员监控方法、设备及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：CN117274895B 。

龙图腾网通过国家知识产权局官网在2025-08-12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：202311199983.1，技术领域涉及：G06V20/52；该发明授权危险区域人员监控方法、设备及介质是由翟懿奎;潘嘉灏;潘文锋;龙智豪;王程旋;李文霸;谭梓俊;梁长钊;周建宏;冼庭锋;黎心如设计研发完成，并于2023-09-15向国家知识产权局提交的专利申请。

本危险区域人员监控方法、设备及介质在说明书摘要公布了：本申请实施例提供了危险区域人员监控方法、设备及介质，根据RGB图像和热成像图像的训练集得到低级特征和高级特征，对高级特征执行将多尺度特征交互解耦为尺度内特征交互的操作得到解耦特征，对低级特征和解耦特征执行跨尺度融合操作得到融合特征；选择分类得分和交并比得分超过预设阈值的融合特征作为目标特征；根据注意力权重对目标特征进行加权求和，对加权和值进行非线性变换得到预测结果；根据预测结果调整检测模型的参数得到检测模型，通过检测模型对RGB图像和热成像图像的显著图进行人员监控；能减少计算量并提升检测效率。

本发明授权危险区域人员监控方法、设备及介质在权利要求书中公布了：1.一种危险区域人员监控方法，其特征在于，包括： 获取危险区域的RGB图像和热成像图像； 生成所述RGB图像和所述热成像图像的显著图； 对所述RGB图像和所述热成像图像的显著图输入至检测模型进行人员监控，得到目标检测结果； 其中，所述生成所述RGB图像和所述热成像图像的显著图，包括： 通过卷积层对所述RGB图像和所述热成像图像的局部相邻区域的局部语义信息进行注意力操作，得到初步显著图； 通过残差细化块以递归方式学习真实值与所述初步显著图之间的残差，根据所述残差细化所述初步显著图得到显著图； 其中，所述检测模型按照以下方法训练得到： 通过卷积层对RGB图像和热成像图像所形成的训练集进行特征提取，得到低级特征和高级特征，所述高级特征是从低级特征提取得到的； 通过编码器对所述高级特征执行将多尺度特征交互解耦为尺度内特征交互的操作得到解耦特征，对所述低级特征和所述解耦特征执行跨尺度融合操作得到融合特征； 选择分类得分和交并比得分超过预设阈值的融合特征作为目标特征； 通过解码器计算所述目标特征的注意力权重，根据所述注意力权重对所述目标特征进行加权求和得到加权和值，对所述加权和值进行非线性变换得到预测结果； 根据所述预测结果调整所述检测模型的参数； 所述危险区域人员监控方法，还包括： 构建与所述检测模型具有相同网络框架的教师模型，所述教师模型包括第一教师模型和第二教师模型； 通过第一训练图像训练所述第一教师模型，通过第二训练图像训练所述第二教师模型，所述第一训练图像的像素高于所述第二训练图像的像素； 融合所述第一教师模型和所述第二教师模型得到融合教师模型； 将所述融合教师模型的参数蒸馏至所述检测模型； 其中，所述第一教师模型和所述第二教师模型均设有多个特征提取层，所述第一教师模型和所述第二教师模型的后一个特征提取层的输出特征比前一个特征提取层的输出特征的尺寸小；所述融合所述第一教师模型和所述第二教师模型得到融合教师模型，包括： 将所述第一教师模型的第k个特征提取层的输出特征与所述第二教师模型的第k+1个特征提取层的输出特征融合得到融合特征，所述第一教师模型的第k个特征提取层的输出特征与所述第二教师模型的第k+1个特征提取层的输出特征具有相同的尺寸； 根据所述融合特征进行检测得到预测结果，根据所述预测结果和预设损失权重得到损失函数，通过所述损失函数调整所述教师模型的参数，得到融合教师模型。

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五邑大学，其通讯地址为：529000 广东省江门市蓬江区东成村22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”。