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！

龙图腾网获悉济南致业电子有限公司申请的专利大规模不完全多视图、多模态场景下图像库构建和识别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：CN120356099B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202510450344.0，技术领域涉及：G06V20/10；该发明授权大规模不完全多视图、多模态场景下图像库构建和识别方法是由杨中海;曹永军;尹磊;田玮;周风余;吕京元;李树彬;李玉军;杨昊俣设计研发完成，并于2025-04-11向国家知识产权局提交的专利申请。

本大规模不完全多视图、多模态场景下图像库构建和识别方法在说明书摘要公布了：本发明涉及行为识别技术领域，具体涉及大规模不完全多视图、多模态场景下图像库构建和识别方法，包括以下步骤：在交通场景部署多种传感器和摄像头，将多模态数据统一到同一时空坐标系中；将经过时空对齐的多模态数据进行融合，预测目标状态并更新测量值；基于融合后的数据，利用时空约束下的对抗生成网络，动态生成多视角候选视图，结合目标运动学模型，补全缺失视图；融合目标运动学模型与深度学习技术，对跨摄像头的目标进行追踪，构建交通法规本体库，结合图像识别技术，对交通违法行为进行自动识别和分类。本发明确保了不同传感器数据在时间和空间维度上的一致性，避免了因时空差异导致的数据混乱和错误。

本发明授权大规模不完全多视图、多模态场景下图像库构建和识别方法在权利要求书中公布了：1.大规模不完全多视图、多模态场景下图像库构建和识别方法，其特征在于，包括以下步骤： S101、在交通场景部署多种传感器和摄像头，收集其位置、朝向及时间同步信息，利用这些信息构建时空对齐矩阵，通过矩阵运算，将多模态数据统一到同一时空坐标系中； S102、将经过时空对齐的多模态数据进行融合，预测目标状态并更新测量值，融合不同传感器数据，增强图像信息的完整性； S103、基于融合后的数据，利用时空约束下的对抗生成网络，动态生成多视角候选视图，结合目标运动学模型，模拟不同视角下目标的外观和运动状态，补全缺失视图； 使用经过卡尔曼滤波融合后的多模态数据，包括车辆目标的位置、速度以及加速度信息，将融合后的数据和随机噪声向量作为输入，生成器根据输入生成不同视角下的候选视图，生成多个视图已覆盖不同的观察角度，采用卷积层、反卷积层和全连接层构建网络结构，卷积层用于提取特征，反卷积层用于生成图像，全连接层用于整合信息，判别器接收生成器生成的候选视图和真实的多视角图像，对接收的图像进行特征提取和分类，利用目标运动学模型，根据当前时刻的车辆目标状态和历史运动信息，预测目标在不同视角下的未来状态，若目标当前位置为x1,y1，速度为vx1,vy1，加速度为ax1,ay1，时间间隔为Δt时，下一时刻位置x2,y2可通过以下公式计算： 其中，x2,y2表示目标在下一时刻的位置坐标，将预测的目标状态输入到训练好的生成器中，生成不同视角下的候选视图，对于缺失的视图，采用线性插值方法进行推断和补全，设已知相邻视角δ和δ下的目标状态x,y和x,y，要推断视角δ下的目标状态的计算公式如下： 其中，B,B表示通过线性插值方法计算得到的在视角δ下目标的位置坐标，根据推断出的目标状态，利用生成器生成相应的候选视图，补全视图库，将筛选出的多视角候选视图，存储在数据库中，为每个候选视图建立索引，索引信息包括视图拍摄时间、视角参数、目标类别以及位置信息； S104、融合目标运动学模型与深度学习技术，对跨摄像头的目标进行追踪，构建交通法规本体库，结合图像识别技术，对交通违法行为进行自动识别和分类。

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济南致业电子有限公司，其通讯地址为：250101 山东省济南市高新区新泺大街1166号奥盛大厦1号楼1616室；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。