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！

龙图腾网获悉重庆邮电大学申请的专利一种基于红外成像的自动皮下静脉采血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：CN116630348B 。

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：202310663268.2，技术领域涉及：G06T7/11；该发明授权一种基于红外成像的自动皮下静脉采血方法是由杨勇新;周秦;姬国英;姜小明;王伟;李章勇;黄一尘;卢佳李;蒋宗宜;杨魏菜;彭子芮;李宇娇设计研发完成，并于2023-06-06向国家知识产权局提交的专利申请。

本一种基于红外成像的自动皮下静脉采血方法在说明书摘要公布了：本发明属于图像分割技术领域，具体涉及一种基于红外成像的自动皮下静脉采血方法，该方法包括：部署第一摄像头和第二摄像头；对两个摄像头进行标定和位姿定位；采用第一摄像头获取用户手背近红外图像；采用训练好的多维度解耦网络对手背近红外图像进行静脉分割；采用定位算法对分割后的静脉图像进行处理，得到最佳采血点二维坐标；采用第二摄像头获取用户手背空间位置图像，并根据最佳采血点二维坐标计算最佳采血点三维坐标；根据最佳采血点三维坐标对用户进行采血；本发明使用多维度解耦网络能够对手背近红外图像进行准确的静脉分割，提高了采血的准确性。

本发明授权一种基于红外成像的自动皮下静脉采血方法在权利要求书中公布了：1.一种基于红外成像的自动皮下静脉采血方法，其特征在于，该方法包括：部署第一摄像头和第二摄像头；对两个摄像头进行标定和位姿定位；采用第一摄像头获取用户手背近红外图像；采用训练好的多维度解耦网络对手背近红外图像进行静脉分割；采用定位算法对分割后的静脉图像进行处理，得到最佳采血点二维坐标；采用第二摄像头获取用户手背空间位置图像，并根据最佳采血点二维坐标计算最佳采血点三维坐标；根据最佳采血点三维坐标对用户进行采血； 对多维度解耦网络进行训练的过程包括： 步骤1：获取手背近红外图像数据集以及对应静脉标签； 步骤2：将手背近红外图像I输入多维度静脉编码器中，得到手背近红外图像I的特征集，该特征集包括形状特征矩阵ZT、纹理特征矩阵ZS、空间特征矩阵ZR、灰度特征矩阵ZG和低维初次分解特征矩阵Z1； 步骤3：将特征集分别输入到多维度生成器，得到预测矩阵信息；其中预测矩阵信息包括：形状预测矩阵P′T、纹理预测矩阵P′S、空间预测矩阵P′R、灰度预测矩阵P′G；对形状预测矩阵P′T、纹理预测矩阵P′S、空间预测矩阵P′R、灰度预测矩阵P′G、生成对应的形状标签信息LT、纹理标签信息LS、空间标签信息LR、灰度标签信息LG； 步骤4：根据预测矩阵信息构建第一损失函数； 步骤5：将低维初次分解特征矩阵Z1、形状特征矩阵ZT和纹理特征矩阵ZS拼接，生成第一联合特征矩阵；将形状特征矩阵ZT、纹理特征矩阵ZS、空间特征矩阵ZR拼接，生成第二联合特征矩阵；将纹理特征矩阵ZS、空间特征矩阵ZR、灰度特征矩阵ZG拼接，生成第三联合特征矩阵； 步骤6：将第一联合特征矩阵、第二联合特征矩阵、第三联合特征矩阵分别输入图像重建生成器G中，得到重建图像I′1、I′2、I′3；使用重建图像I′1、I′2、I′3和对应手背近红外图像I构建第二损失函数； 步骤7：对特征集和预测矩阵信息中的各个特征进行加权，将加权的低维初次分解特征矩阵Z1、加权的形状特征矩阵ZT和加权的纹理特征矩阵ZS分别输入静脉深度特征学习模块进行特征学习，并拼接生成第四联合特征矩阵；将加权的形状特征矩阵ZT、加权的纹理特征矩阵ZS、加权的空间特征矩阵ZR分别输入静脉深度特征学习模块中进行特征学习，并拼接生成第五联合特征矩阵；将纹理特征矩阵ZS、空间特征矩阵ZR、灰度特征矩阵ZG分别输入静脉深度特征学习模块中，并拼接生成第六联合特征矩阵； 步骤8：将第四联合特征矩阵、第五联合特征矩阵、第六联合特征矩阵输入多维度并行解码器中，得到静脉预测矩阵PF；根据静脉预测矩阵PF和对应标签构建第三损失函数； 步骤9：分别对第一损失函数、第二损失函数以及第三损失函数加权，并根据加权后的第一损失函数、第二损失函数、第三损失函数构建总损失函数； 步骤10：根据总损失函数通过反向传播的机制对多维度解耦网络的所有参数进行更新，当总损失函数收敛时完成网络训练。

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区南山街道崇文路2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”。

以上内容由龙图腾AI智能生成。