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！

龙图腾网获悉西北工业大学申请的专利基于视杆细胞仿生实时弱小运动目标检测滤波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：CN119648994B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202411709617.0，技术领域涉及：G06V10/25；该发明授权基于视杆细胞仿生实时弱小运动目标检测滤波方法是由张科;张青林;王靖宇;王红梅;李浩宇设计研发完成，并于2024-11-27向国家知识产权局提交的专利申请。

本基于视杆细胞仿生实时弱小运动目标检测滤波方法在说明书摘要公布了：本申请的实施例提出的基于视杆细胞仿生实时弱小运动目标检测滤波方法和装置，通过基于视杆细胞单元处理原始待处理图像数据得到G阵；利用第一运动目标检测算法处理G阵得到第一矩阵，利用第二运动目标检测算法处理G阵得到第二矩阵；利用改进后的视水平细胞单元处理第一矩阵得到多个目标点和目标候选区域，利用视双极细胞单元处理多个目标候选区域得到第一区域和第二区域，选择第二区域或者第一区域得到最终的目标候选区域；基于第二矩阵和最终的目标候选区域确定弱小运动目标检测结果，本申请的滤波方法有助于帮助检测方法在复杂动态背景下更稳定地检出弱小运动目标，本申请可以在保证检测准确率的同时，大幅降低虚警率和漏报率。

本发明授权基于视杆细胞仿生实时弱小运动目标检测滤波方法在权利要求书中公布了：1.一种基于视杆细胞仿生实时弱小运动目标检测滤波方法，其特征在于，包括： 获取原始待处理图像数据； 获取预构建的视杆细胞仿生模型，其中，所述视杆细胞仿生模型包括视杆细胞单元、改进后的视水平细胞单元和视双极细胞单元； 基于所述视杆细胞单元处理所述原始待处理图像数据得到高维时空灰度值信息矩阵； 利用预构建的第一运动目标检测算法处理所述高维时空灰度值信息矩阵，得到第一矩阵，并利用预构建的第二运动目标检测算法处理所述高维时空灰度值信息矩阵，得到第二矩阵； 利用所述改进后的视水平细胞单元处理所述第一矩阵，得到多个目标点及对应的目标候选区域； 利用所述视双极细胞单元处理各所述目标候选区域，得到第一区域和第二区域，并基于预设的条件选择所述第二区域或者所述第一区域，得到最终的目标候选区域； 基于所述第二矩阵和所述最终的目标候选区域确定弱小运动目标检测结果； 所述利用预构建的第一运动目标检测算法处理所述高维时空灰度值信息矩阵，得到第一矩阵，并利用预构建的第二运动目标检测算法处理所述高维时空灰度值信息矩阵，得到第二矩阵，包括： 采用代价函数中的稀疏误差项的权值大于0.01的非精确的增广拉格朗日乘子算法处理所述高维时空灰度值信息矩阵得到第一矩阵，其中，所述第一矩阵用于表征运动较为显著的前景区域； 采用代价函数中的稀疏误差项的权值小于0.001的非精确的增广拉格朗日乘子算法处理所述高维时空灰度值信息矩阵得到第二矩阵，其中，所述第二矩阵用于表征包含边界、细节和噪声的前景区域； 所述第一矩阵中的每个点为极致前景值点，所述改进后的视水平细胞单元具有视觉暂留单元和组合聚类单元，所述利用所述改进后的视水平细胞单元处理所述第一矩阵，得到多个目标点及对应的目标候选区域，包括： 获取所述第一矩阵中极致前景值大于预设值的多个所述极致前景值点作为目标点； 利用组合聚类单元对所述第一矩阵中各所述目标点进行聚类，对应得到各第一候选区域； 根据预设的滤波规则对各所述第一候选区域内的所有极致前景值点进行滤波处理，得到各第二候选区域； 利用所述视觉暂留单元处理与当前图像帧相邻的多个相邻图像帧的第一矩阵，在各所述相邻图像帧中得到与各所述目标点对应的各邻域，并基于所述当前图像帧中的各所述目标点和各所述邻域，确定多个目标候选区域； 所述利用视双极细胞单元处理各所述目标候选区域，得到第一区域和第二区域，包括： 基于所述视双极细胞单元获取各所述目标候选区域的灰度信息和纹理信息； 利用区域显著性聚类滤波算法处理所述灰度信息和所述纹理信息得到各所述目标候选区域的第一区域和第二区域，其中，所述第一区域为灰度值和亮度值均大于预设值的区域，所述第二区域为灰度值和纹理值均小于预设值的区域。

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西北工业大学，其通讯地址为：710072 陕西省西安市碑林区友谊西路127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。