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！

龙图腾网获悉高新兴科技集团股份有限公司;西安电子科技大学申请的专利基于深度学习的道路交通状态检测方法、装置、介质及设备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：CN114267020B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202111553783.2，技术领域涉及：G06V20/54；该发明授权基于深度学习的道路交通状态检测方法、装置、介质及设备是由申佳宇;王祥雪;陈利军;洪曙光;林焕凯;刘双广设计研发完成，并于2021-12-17向国家知识产权局提交的专利申请。

本基于深度学习的道路交通状态检测方法、装置、介质及设备在说明书摘要公布了：本发明公开了一种基于深度学习的道路交通状态检测方法，包括：获取交通图像训练集，对所述交通图像训练集中的训练样本执行R‑Mosaic数据增强处理；采用R‑Mosaic数据增强后的训练样本训练预设的H‑FPN深度卷积网络，其中，所述H‑FPN深度卷积网络采用三层预测层从输入图像中提取交通流的特征参数；获取待处理的交通图像，通过训练好的H‑FPN深度卷积网络提取所述交通图像对应的特征参数；通过预设的判别模型根据所述交通流的特征参数生成并输出交通状态预测值。本发明解决了现有技术在检测道路交通状态时存在的指标单一、检测速度慢、信息提取以及检测精度低的问题。

本发明授权基于深度学习的道路交通状态检测方法、装置、介质及设备在权利要求书中公布了：1.一种基于深度学习的道路交通状态检测方法，其特征在于，包括： 获取交通图像训练集，对所述交通图像训练集中的训练样本执行R-Mosaic数据增强处理；所述R-Mosaic数据增强处理包括：获取交通图像训练集，所述交通图像训练集中的每一个训练样本均包括参考框；以两两训练样本为一组，对所述训练样本进行水平翻转、缩放以及色域变化；构建大小为训练样本尺寸两倍的图像框架，将一个训练样本摆放在所述图像框架的左上角，将另一个训练样本摆放在所述图像框架的右上角；截取所述训练样本的部分图像贴到所述图像框架，并垂直拉伸至填满所述图像框架；重新调整所述图像框架的尺寸和位置，将整合后的图像框架进行平移、缩放、裁剪，得到与训练样本相同尺寸的增强图像； 采用R-Mosaic数据增强后的训练样本训练预设的H-FPN深度卷积网络，其中，所述H-FPN深度卷积网络包括三层预测层，分别为第一预测层、第二预测层、第三预测层；所述第一预测层用于通过上采样得到感受野为76*76的特征图，通过预设的第一参考框对上半层感受野中的目标进行预测，输出所述特征图的上半层的预测信息；所述第二预测层用于通过上采样得到感受野为38*38的特征图，通过预设的第二参考框对全层感受野中的目标进行预测，输出所述特征图的全层的预测信息；所述第三预测层用于通过上采样得到感受野为19*19的特征图，通过预设的第三参考框对下半层感受野中的目标进行预测，输出所述特征图的下半层的预测信息；所述H-FPN深度卷积网络还包括检测追踪模块，所述检测追踪模块用于根据所述第一预测层、第二预测层以及第三预测层输出的预测信息得到交通流的特征参数； 获取待处理的交通图像，通过训练好的H-FPN深度卷积网络提取所述交通图像对应的特征参数； 通过预设的判别模型根据所述交通流的特征参数生成并输出交通状态预测值。

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高新兴科技集团股份有限公司;西安电子科技大学，其通讯地址为：510530 广东省广州市黄埔区科学城开创大道2819号六楼；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。