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！

龙图腾网获悉电子科技大学申请的专利一种基于时空混合编码的红外弱小运动目标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：CN119540723B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202411626849.X，技术领域涉及：G06V10/82；该发明授权一种基于时空混合编码的红外弱小运动目标检测方法是由纪禄平;彭爽;黄江鸿;朱思成设计研发完成，并于2024-11-14向国家知识产权局提交的专利申请。

本一种基于时空混合编码的红外弱小运动目标检测方法在说明书摘要公布了：本发明公开一种基于时空混合编码的红外弱小运动目标检测方法，应用于红外弱小运动目标检测技术领域，针对现有技术在红外弱小运动目标的检测中检测性能低下的问题；本发明的方法首先构建一种基于时空特征融合的红外弱小运动目标检测网络，设计一种多尺度时空特征提取器，运用其中的空间特征分支和时序特征分支分别对红外弱小运动目标进行多尺度特征提取，运用时序信息自优化模块对提取到的多尺度时序特征进行通道以及空间信息的自优化，运用时空特征混合模块对多级空间特征、多级时序特征的对应尺度时空信息融合，对多级时空特征进行跨尺度的特征融合，通过定义对应的损失函数，对输出的最终特征进行目标的定位预测、误差损失计算、逐步迭代优化目标检测定位结果，最终获得具备良好训练参数的模型，达到有效定位检测红外弱小运动目标的目的。

本发明授权一种基于时空混合编码的红外弱小运动目标检测方法在权利要求书中公布了：1.一种基于时空特征融合的红外弱小运动目标检测方法，其特征在于，包括： S1、构建目标检测网络；所述目标检测网络包括：时空特征提取器模块、时序信息自优化模块、时空特征混合模块、运动弱小目标检测模块； 所述时空特征提取器模块包括空间特征分支与时序特征分支；空间特征分支采用YOLOX中的主干网络CSPDarknet构成，用于提取当前采样窗口中序列图像的多尺度空间特征；时序特征分支采用3D-ShuffleNetV2主干构成，用于提取当前采样窗口中序列图像的多尺度时序特征； 提取当前采样窗口中序列图像的多尺度空间特征，具体为：将当前采样窗口中的这若干个序列帧中的最后一帧作为待检测的关键帧，将该关键帧输入CSPDarknet网络中，提取多尺度空间特征； 提取当前采样窗口中序列图像的多尺度时序特征，具体为：将当前采样窗口中的这若干个序列帧输入3D-ShuffleNetV2主干网络，得到第一尺度的时序特征，分别对第一尺度的时序特征进行不同倍数上采样，从而得到多尺度时序特征； 时序信息自优化模块包括通道自注意力子模块和空间自注意力子模块，通过通道自注意力子模块对时序特征分支提取的多尺度时序特征进行通道特征的加权调整，通过空间自注意力子模块对通道特征加权调整后的多尺度时序特征进行空间特征的加权调整，最终得到自优化后的多尺度时序特征； 时空特征混合模块包括时空特征混合编码器和多级特征混合编码器，多尺度空间特征与自优化后的多尺度时序特征通过混合编码器模块进行对应尺度的时空特征融合；多级特征混合编码器对混合编码器模块输出的多个尺度的时空融合特征进行多尺度的信息融合，得到最终的特征图； 运动弱小目标检测模块基于YOLOX的检测头，对时空特征混合模块输出的特征图进行目标检测； S2、将采集的红外图像，划分为训练数据集与测试数据集； S3、采用训练数据集基于梯度下降的方式对步骤S1构建的目标检测网络参数进行迭代优化；并基于测试数据集选取最优目标检测网络参数，得到最优目标检测网络； S4、将待检测采样窗口中序列图像输入经步骤S3得到的最优目标检测网络，从而输出检测结果。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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。