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！

龙图腾网获悉西南交通大学申请的专利一种基于改进YOLOv7模型的考场异常行为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：CN116778581B 。

龙图腾网通过国家知识产权局官网在2025-11-18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：202310725602.2，技术领域涉及：G06V40/20；该发明授权一种基于改进YOLOv7模型的考场异常行为检测方法是由黄进;王逢港;包锐;鲁永兵;方铮;李剑波;冯义从设计研发完成，并于2023-06-19向国家知识产权局提交的专利申请。

本一种基于改进YOLOv7模型的考场异常行为检测方法在说明书摘要公布了：本发明公开了一种基于改进YOLOv7模型的考场异常行为检测方法，步骤S1、将已有的考场监控视频进行分帧处理，获取考场图片数据；S2、将考场图片数据依次进行预处理，标注，获得考场异常行为数据集；S3、构建改进的YOLOv7网络模型，将激活函数SiLU替换为FReLU；使用Gn‑ASPPCSPC模块替换ASPPCSPC模块，使用Gn‑MP模块替换MP模块；使用SIoU损失函数；S4、利用考场异常行为数据集对改进的YOLOv7模型进行训练，训练完成后获得最优性能模型；S5、通过最优性能模型对新获取的考场图片进行识别，检测出考场中出现的异常行为。本发明的检测方法解决了原始YOLOv7网络模型缺乏捕获特征空间相关性的能力，对复杂背景下的目标定位不准确等问题。

本发明授权一种基于改进YOLOv7模型的考场异常行为检测方法在权利要求书中公布了：1.一种基于改进YOLOv7模型的考场异常行为检测方法，其特征在于，步骤如下： S1、将已有的考场监控视频进行视频分帧处理，获取考场图片数据； S2、将所得考场图片数据依次进行预处理，标注，获得考场异常行为数据集； S3、构建改进的YOLOv7网络模型： 其中，主干特征提取网络中将CBS卷积模块中的激活函数SiLU替换为FReLU，形成新的CBF卷积模块； 特征融合网络中使用Gn-ASPPCSPC模块替换ASPPCSPC模块，使用Gn-MP模块替换MP模块； 所述Gn-ASPPCSPC模块中沿用原模块的CSP残差结构，使用CBF模块替换CBS模块，使用空洞卷积代替最大池化，以不同采样率的空洞卷积并行采样，通过不同的的采样率构建不同感受野的卷积核，用来获取多尺度物体信息；最后将多个分支得到的结果融合到一起，引入递归门控卷积，对多尺度融合后的特征进行高阶空间交互； 所述Gn-MP模块具有两个分支结构，第一条分支先经过一个maxpool，再经过一个GBF模块；第二条分支先经过一个无参数注意力机制，然后经过一个1x1卷积的GBF模块，然后经过一个3x3卷积，步长为2的GBF模块；最后把第一个分支和第二分支的结果加在一起，得到下采样的结果；所述GBF模块由递归门控卷积、BN和激活函数FReLU组成； 检测头网络中使用SIoU损失函数作为边界框回归的定位损失函数； S4、利用步骤S2获得的考场异常行为数据集对改进后的YOLOv7网络模型进行训练，训练完成后获得最优性能模型； S5、通过最优性能模型对新获取的考场图片进行识别，有效地检测出考场中出现的异常行为。

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西南交通大学，其通讯地址为：610031 四川省成都市二环路北一段；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。