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！

龙图腾网获悉广东北控数字信息有限公司申请的专利一种基于深度学习的超门店物体检测方法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：CN119131670B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202311723839.3，技术领域涉及：G06V20/52；该发明授权一种基于深度学习的超门店物体检测方法是由王东升;赖纪云;郑曙辉设计研发完成，并于2023-12-15向国家知识产权局提交的专利申请。

本一种基于深度学习的超门店物体检测方法在说明书摘要公布了：本发明公开了一种基于深度学习的超门店物体检测方法，本发明先通过一个摄像机获取门店的图像信息以及当前门店的超门店标准，再通过深度学习算法对图像进行超门店物体检测，即首先使用ResNet101作为基础网格从输入图片中提取特征图，得到多个尺度的特征图以及预测图片中门线的位置图，再将多个尺度的特征图和预测图片中门线的位置图在通道上拼接，并输入区域生成网络RPN，在获得物体所在位置及相应的物体类别后对店面的超门店经营行为进行判断和识别；最后根据门店的超门店经营行为判断结果进行物体识别，并根据物体识别结果实施报警，仅使用门线坐标的位置信息即可进行超门店物体检测，不依赖于预置位的信息，可自由适应所需场景。

本发明授权一种基于深度学习的超门店物体检测方法在权利要求书中公布了：1.一种基于深度学习的超门店物体检测方法，其特征在于：包括如下步骤： S1、通过一个摄像机获取门店的图像信息以及当前门店的超门店标准，即为门线的位置信息； S2、通过深度学习算法对图像进行超门店物体检测，具体为： S2.1、首先使用ResNet101作为基础网格从输入图片中提取特征图，得到多个尺度的特征图以及预测图片中门线的位置图； ResNet101之后分为两个分支： 第一个分支：将特征图输入一个全卷积网络FCN，来预测图片中门线的位置，FCN包括4个3x3卷积层； 第二个分支：将得到的特征图输入特征金字塔网络FPN，得到多个尺度的特征图，来提高对不同大小的物体的检测效果； S2.2、再将多个尺度的特征图和预测图片中门线的位置图在通道上拼接，并输入区域生成网络RPN； 在生成网络RPN时，先在特征图上每个像素点生成不同大小和比例的预选框anchor，每个预选框的具体数量由scales和aspectratios两个参数控制，scale指每种形状框体最长边的像素大小，aspectratios指预选框的长宽比，在每个位置生成scales＝[8,16,32]和aspectratios＝[0.5,1,2]共3x3＝9个预选框； 所述网络RPN包括3个卷积层：首先将特征图经过一次3x3的卷积层，使提取出来的特征更鲁棒，再分别进行两个1x1的卷积层，其中一个卷积层负责预测前背景判断，输出特征图的通道数是2x9＝18，表示每个位置9个预选框分别属于前景和背景的分数；另一个卷积层负责预测预选框和真实边框x,y,w,h的偏移值，其中x,y表示边框中心点的坐标，w,h表示宽和高，卷积层输出特征图的的通道数是4x9＝36，代表每个预选框x,w,w,h的偏移值，预选框会根据预测出来的偏移值来调整尺寸和位置，形成精确的候选框； S2.3、再将ResNet101以及多个尺度的特征图和网络RPN生成大量候选框，通过RoI池化层得到固定大小的候选框特征图； S2.4、通过全连接层对固定大小的候选框特征图进行全连接操作，获得物体所在位置和图像中物体的类别，在获得物体所在位置及相应的物体类别后对店面的超门店经营行为进行判断和识别； S3、根据门店的超门店经营行为判断结果进行物体识别，并根据物体识别的结果实施报警。

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广东北控数字信息有限公司，其通讯地址为：518100 广东省深圳市宝安区新安街道海滨社区宝兴路6号海纳百川总部大厦A座22层；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”。