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！

龙图腾网获悉华南理工大学申请的专利基于超图结构学习的智能视频监控场景图像分类方法及系统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：CN118429717B 。

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：202410613855.5，技术领域涉及：G06V10/764；该发明授权基于超图结构学习的智能视频监控场景图像分类方法及系统是由陶乾;杨宗霖设计研发完成，并于2024-05-17向国家知识产权局提交的专利申请。

本基于超图结构学习的智能视频监控场景图像分类方法及系统在说明书摘要公布了：本发明公开了一种基于超图结构学习的智能视频监控场景图像分类方法及系统，所述方法包括：根据获取的智能视频监控场景图像数据集，得到特征矩阵和标签矩阵；根据特征矩阵构建原始超图关联矩阵；将特征矩阵输入分类模型中的超图结构学习模块，通过从多个视图进行超图学习得到隐式超图关联矩阵；将原始超图关联矩阵和隐式超图关联矩阵融合，得到融合后超图关联矩阵；将特征矩阵和融合后超图关联矩阵输入分类模型中的超图表示学习模块，得到场景图像的分类预测结果；利用特征矩阵和标签矩阵对分类模型进行训练，基于总损失函数更新分类模型的参数，以得到训练好的分类模型；将待分类的智能视频监控场景图像集对应的特征矩阵输入训练好的分类模型中，得到类别预测结果。本发明能够显著提升模型的分类效果。

本发明授权基于超图结构学习的智能视频监控场景图像分类方法及系统在权利要求书中公布了：1.一种基于超图结构学习的智能视频监控场景图像分类方法，其特征在于，所述方法包括： 获取智能视频监控场景图像数据集；所述智能视频监控场景图像数据集中仅有部分场景图像有对应的标签数据； 根据智能视频监控场景图像数据集中的场景图像和标签数据，得到特征矩阵和标签矩阵； 利用kNN算法计算特征矩阵中特征向量间的相似度，根据相似度构建原始超图关联矩阵； 将特征矩阵输入智能视频监控场景图像分类模型中的超图结构学习模块，通过从多个视图进行超图学习得到隐式超图关联矩阵；其中，在每个视图中，利用可学习的多头余弦相似度计算函数对特征矩阵中特征向量之间的相似度进行学习； 将原始超图关联矩阵和隐式超图关联矩阵融合，得到融合后的超图关联矩阵； 将特征矩阵和融合后的超图关联矩阵输入智能视频监控场景图像分类模型中的超图表示学习模块，输出超图的节点编码表示；根据节点编码表示，得到场景图像的分类预测结果； 利用特征矩阵和标签矩阵对智能视频监控场景图像分类模型进行训练，基于总损失函数更新智能视频监控场景图像分类模型的参数，以得到训练好的智能视频监控场景图像分类模型；其中，总损失函数包括超图结构学习模块的损失函数和对比学习损失函数；超图结构学习模块的损失函数根据融合后的超图关联矩阵利用图正则化技术构建，包括一致性损失函数；一致性损失函数用于约束不同视图下学习得到的超图关联矩阵的一致性；对比学习损失函数根据原始超图关联矩阵的节点编码表示和融合后的超图关联矩阵的节点编码表示得到，以提升智能视频监控场景图像分类模型的分类效果； 将待分类的智能视频监控场景图像集对应的特征矩阵输入训练好的智能视频监控场景图像分类模型中，输出对应的类别预测结果； 其中，所述可学习的多头余弦相似度计算函数为： 其中，表示第h个头下的特征矩阵中特征向量i和特征向量j之间的相似度，wh表示第h个头下的可学习权重向量，和分别表示特征矩阵中特征向量i和特征向量j在低维空间的嵌入向量，⊙代表向量的点积运算；m表示多头的总头数，Sij表示各个头的相似度加和平均后的最终相似度。

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华南理工大学，其通讯地址为：510640 广东省广州市天河区五山路381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。