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！

龙图腾网获悉北京理工大学前沿技术研究院申请的专利一种基于混合数据学习的交通现场风险识别方法及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：CN114677654B 。

龙图腾网通过国家知识产权局官网在2025-08-19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：202210365874.1，技术领域涉及：G06V20/54；该发明授权一种基于混合数据学习的交通现场风险识别方法及系统是由李建武;张松;王卫苹;刘凯;王国梁设计研发完成，并于2022-04-08向国家知识产权局提交的专利申请。

本一种基于混合数据学习的交通现场风险识别方法及系统在说明书摘要公布了：本发明涉及基于混合数据学习的交通现场风险识别方法及系统。本发明中，利用既能采集可见光图像又能采集红外图像的第一图像采集设备和第二图像采集设备采集路况，并对所采集的可见光图像和红外图像通过高斯滤波的方式滤波后获取滤波图像；对于滤波图像，通过值域归一化得到归一化图像，利用归一化图像提取包含混合数据的风险特征向量；将风险特征向量传输给风险学习模型进行风险预测。基于本申请的数据处理方式和优化的神经网络模型实现对交通现场风险识别，有助于提升交通管理的效率，提早发现风险，保护人民财产安全；利用归一化图像提取风险特征向量，降低了数据的维度，降低数据传输量，且提升了模型的学习性能。

本发明授权一种基于混合数据学习的交通现场风险识别方法及系统在权利要求书中公布了：1.一种基于混合数据学习的交通现场风险识别方法，其特征在于，包括： 步骤1、混合图像数据的采集和滤波： 利用第一图像采集设备和第二图像采集设备同时采集路况的可见光图像和红外图像；其中第一图像采集设备设置在路段内部，朝向设定方向；第二图像采集设备设置在路段两端，路段每端设两个第二图像采集设备；第一图像采集设备和第二图像采集设备采集可见光图像和红外图像的分辨率相同； 对于红外图像和可见光图像分别利用相应的高斯函数进行卷积计算，得到滤波图像；对于可见光图像对应的高斯函数的高斯窗口尺寸为，，对于任意一幅可见光图像，计算每个灰阶在该幅图像中所对应的像素个数，记为、、…、；取其中对应像素个数最多的三个灰阶，按个数从大到小依次得到、、；对于红外图像，对应的高斯函数的高斯窗口尺寸为； 步骤2、混合图像数据的归一化：滤波图像经过值域归一化后得到归一化图像; 步骤3、基于归一化的混合图像数据的现场风险特征向量提取：对于归一化图像，将其在空间上分割成大小的子图；对于可见光图像的归一化图像的每个子图，求取其像素值的最大值，记为，对于红外图像的归一化图像的每个子图，求取其像素值的中间值，记为，为子图s中坐标为的像素的值，计算 为可见光图像的归一化图像的子图s对应的第一特征向量；为红外图像的归一化图像的子图s对应的第二特征向量；归一化图像所有子图的第一特征向量或第二特征向量组成归一化图像的识别特征；所有归一化图像的识别特征所组成现场风险特征向量； 步骤4、基于现场风险特征向量的交通现场风险识别： 将步骤3获得的现场风险特征向量展开为一个矩阵，矩阵的每一行对应于一幅图像所有子图提取出的识别特征，矩阵的行数为，D个第一图像采集设备采集D张红外图像和D张可见光图像；对应于路段两端四个第二图像采集设备采集的4张可见光图像与4张红外图像对应的归一化图像的识别特征依次放在矩阵的最后8行，该展开的矩阵记为；将作为神经网络输入层的输入数据；隐藏层包括五层；神经网络的输出层节点对应于待识别的交通现场风险存在的概率，当时，表示该风险不存在，当时，表示该风险存在。

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北京理工大学前沿技术研究院，其通讯地址为：250000 山东省济南市高新区经十路7000号汉峪金融商务中心五区1号楼601；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”。