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！

龙图腾网获悉南京理工大学申请的专利一种基于多帧高频差异增强的监控视频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：CN119540812B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202411430470.1，技术领域涉及：G06V20/40；该发明授权一种基于多帧高频差异增强的监控视频目标检测方法是由周翊超;徐欢欢;胡晰远;许楷文;郑军帅设计研发完成，并于2024-10-14向国家知识产权局提交的专利申请。

本一种基于多帧高频差异增强的监控视频目标检测方法在说明书摘要公布了：本发明公开了一种基于多帧高频差异增强的监控视频目标检测方法，包括如下步骤，步骤1：首先，选取一系列监控视频，并对这些监控视频进行分割抽帧，抽帧的方式为每间隔十帧采样一帧，作为训练集，然后对输入的连续图像帧进行数据预处理和增强操作；步骤2：构建多帧图像重建模块，以根据当前帧与参考帧的低层特征图重建图像，通过计算原始图像和重建图像之间的均方误差MSE损失，来优化重建模块的参数。该基于多帧高频差异增强的监控视频目标检测方法巧妙地结合了连续帧高频差异图和自适应融合增强特征策略，通过对连续帧重建提取并融合高频运动特征，构建了一个强大的目标检测框架，能够显著提升在监控视频中的目标检测性能。

本发明授权一种基于多帧高频差异增强的监控视频目标检测方法在权利要求书中公布了：1.一种基于多帧高频差异增强的监控视频目标检测方法，包括如下步骤，其特征在于： 步骤1：首先，选取一系列监控视频，并对这些监控视频进行分割抽帧，抽帧的方式为每间隔十帧采样一帧，作为训练集，然后对输入的连续图像帧进行数据预处理和增强操作； 步骤2：构建多帧图像重建模块，以根据当前帧与参考帧的低层特征图重建图像，通过计算原始图像和重建图像之间的均方误差MSE损失，来优化重建模块的参数； 所述步骤2中多帧图像重建模块的具体方法为： 1将数据增强后的连续视频帧输入到主干网络中，主干网络基于ResNet50实现，获得网络中最后三个阶段的输出特征； 2对低层特征进行连续三次上采样操作，通道数逐次减半，最后经过卷积生成三通道的重建图像，计算重建图像与原始输入图像之间的差异，并通过MSE损失约束以优化重建效果； 步骤3：构建高频差异提取模块，对重建图像和原图的高频信息进行提取，并分别将对应帧的高频信息相减并进行取模操作； 所述步骤3中构建高频差异提取模块的具体方法为： 1对当前帧、参考帧、当前帧重建图、参考帧重建图分别逐通道处理高频分量，通过将每个通道的图像应用二维傅里叶变换，将图像从空间域转换到频域，再进行零频分量移位； 2基于图像中心位置，创建一个高通滤波器掩码，将高通滤波器掩码应用到频域中的图像，以保留图像中的高频分量； 3计算输入图像与重构图像的高频分量差异，得到频域的差异图，然后对其进行逆傅里叶变换和取模操作得到实际的高频差异图； 步骤4：构建高频差异融合增强模块，通过构建一个卷积网络融合连续帧的高频差异信息，并整合连续帧全局背景信息和局部显著信息建模以增强当前帧的低层特征并馈送至多尺度融合模块与检测头中； 所述步骤4中构建高频差异融合增强模块特征，包括： 1该模块将当前帧与前两帧的高频差异图拼接，并通过卷积操作将其整合为单通道的高频差异图，这个融合步骤通过拼接多帧的高频差异图，提供边缘和纹理信息； 2对当前帧和参考帧的特征图采用所述融合步骤获取特征信息，对融合后的特征图，进行全局池化操作并通过线性层和激活层提取高层次特征，同时应用平均池化操作，并同样通过线性层和激活层进行特征提取，特征经过池化提取后进行加权操作与融合后的高频差异图进行逐像素相乘后得到像素级增强矩阵； 进一步地，模型训练过程中，损失函数为：其中，、和为权衡不同损失的加权参数； Lmse为原始图像均方误差MSE重建损失、Lbox为预测边界框的L1损失，Lcls为结合了IoU的分类损失函数； 步骤5：将测试集中监控视频图像输入至训练完成的模型，得到检测目标的分类置信度分数与预测框信息。

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南京理工大学，其通讯地址为：210000 江苏省南京市玄武区孝陵卫街道200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。