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！

龙图腾网获悉中国刑事警察学院申请的专利一种面向复杂场景下自适应伪装目标的识别方法、系统、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：CN120451684B 。

龙图腾网通过国家知识产权局官网在2025-09-09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：202510939865.2，技术领域涉及：G06V10/764；该发明授权一种面向复杂场景下自适应伪装目标的识别方法、系统、设备及介质是由王宝玉;曹萍萍;申爱红;郭晓春;赵洋洋;董旭设计研发完成，并于2025-07-09向国家知识产权局提交的专利申请。

本一种面向复杂场景下自适应伪装目标的识别方法、系统、设备及介质在说明书摘要公布了：本发明公开一种面向复杂场景下自适应伪装目标的识别方法、系统、设备及介质，涉及人工智能的计算机视觉技术领域。所述方法包括：将获取的待测图像输入目标识别模型中进行处理，得到目标识别结果；所述目标识别模型是基于交互引导网络和显著性感知协同优化损失函数构建的；所述交互引导网络包括依次连接的自适应多尺度特征增强器、概率上下文聚合模块和跨尺度注意力融合模块；所述显著性感知协同优化损失函数由加权形式的五个部分组成，各组成部分分别为二进制交叉熵损失、联合交并损失、均方误差损失、结构相似性指数度量以及平均绝对误差损失。本发明能够提高公共安全监控的智能化水平，增强对潜在威胁目标的早期预警能力。

本发明授权一种面向复杂场景下自适应伪装目标的识别方法、系统、设备及介质在权利要求书中公布了：1.一种面向复杂场景下自适应伪装目标的识别方法，其特征在于，包括： 获取待测图像；所述待测图像为具有复杂场景的拍摄图像； 将所述待测图像输入目标识别模型中进行处理，得到目标识别结果；所述目标识别模型是基于交互引导网络和显著性感知协同优化损失函数构建的；所述交互引导网络包括依次连接的自适应多尺度特征增强器、概率上下文聚合模块和跨尺度注意力融合模块；所述显著性感知协同优化损失函数由加权形式的五个部分组成，各组成部分分别为二进制交叉熵损失、联合交并损失、均方误差损失、结构相似性指数度量以及平均绝对误差损失； 将所述待测图像输入目标识别模型中进行处理，得到目标识别结果，具体过程包括： 利用ResNet-50特征编码器对所述待测图像进行多尺度空间特征提取，得到由低级特征到高级特征的多尺度特征、、、和；其中，特征和为低级特征，特征、和为高级特征； 将所述多尺度特征、、、和输入所述自适应多尺度特征增强器进行视觉信息增强，生成视觉增强特征、、、和； 对所述多尺度特征、、、和以及所述视觉增强特征、、、和进行特征级联与通道压缩变换，生成概率图特征、局部图特征和聚合特征，并将生成的特征输入所述概率上下文聚合模块计算概率上下文聚合特征； 将所述概率上下文聚合特征输入所述跨尺度注意力融合模块进行预测，得到最终的目标识别结果； 所述自适应多尺度特征增强器的运算过程具体包括： 步骤1：对输入特征分别执行卷积计算和交叉核运算，以获取具有不同感受野的多分支输出特征、、和： ， 其中， 表示由ResNet-50所提取到的多尺度空间特征，表示卷积核大小为的卷积运算，代表交叉核运算； 步骤2：沿通道维度的特征级联和非线性校正单元被应用于多分支输出特征、、和，从而生成通道加权特征： ， 其中，表示在通道维度上的特征级联操作，表示由Conv、BN和ReLU组成的非线性校正单元运算； 步骤3：将通道挤压和激励模块与通道乘法运算相结合，并应用于通道加权特征，从而获取通道融合特征： ， 其中，表示通道挤压和激励模块，表示通道乘法运算； 步骤4：残差连接运算、逐元素加法运算和非线性校正单元被应用于输入特征和通道融合特征，以生成视觉增强特征： ， 其中，表示残差学习，+表示逐元素加法运算，表示非线性校正单元运算； 所述显著性感知协同优化损失函数的公式表示为： ， 其中，为显著性感知协同优化损失函数；、和为权重系数，设置为，和；为第阶段的二进制交叉熵损失与联合交并损失之和；为第阶段的均方误差损失与结构相似性指数度量之和；为第阶段的平均绝对误差损失。

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中国刑事警察学院，其通讯地址为：110854 辽宁省沈阳市皇姑区塔湾街83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”。