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！

龙图腾网获悉重庆邮电大学申请的专利一种基于特征解耦的实时安检威胁物品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：CN119810731B 。

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：202411769022.4，技术领域涉及：G06V20/52；该发明授权一种基于特征解耦的实时安检威胁物品检测方法是由何晏臣;李国权;陈莉;林金朝;庞宇;朱宏钰设计研发完成，并于2024-12-04向国家知识产权局提交的专利申请。

本一种基于特征解耦的实时安检威胁物品检测方法在说明书摘要公布了：本发明涉及一种基于特征解耦的实时安检威胁物品检测方法，属于图像处理技术领域。该方法时利用威胁物品检测神经网络模型来进行检测，该模型包括骨干网络、检测颈部网络和检测解耦头网络；骨干网络是利用特征金字塔进行特征提取，生成多尺度特征图以捕捉不同尺度下的物体信息；检测颈部网络是利用金字塔结构将骨干网络中提取的不同尺度特征进行融合；检测解耦头网络包括分类分支和定位分支；分类分支采用语义上下文编码，以增强分类任务中对上下文特征的关注，从而提升对威胁物品关键部分特征的提取能力；定位分支采用细节保留编码，以强化检测头对威胁物品轮廓、边缘及细节纹理的关注，确保检测结果的准确性。

本发明授权一种基于特征解耦的实时安检威胁物品检测方法在权利要求书中公布了：1.一种基于特征解耦的实时安检威胁物品检测方法，其特征在于，该方法具体包括以下步骤： S1：构建安检威胁物品图像数据训练集； S2：构建威胁物品检测神经网络模型，包括骨干网络、检测颈部网络和检测解耦头网络； 所述骨干网络是利用特征金字塔进行特征提取，生成多尺度特征图以捕捉不同尺度下的物体信息； 所述检测颈部网络是利用金字塔结构将骨干网络中提取的不同尺度特征进行融合； 所述检测解耦头网络包括分类分支和定位分支；所述分类分支采用语义上下文编码，以增强分类任务中对上下文特征的关注，从而提升对威胁物品关键部分特征的提取能力；所述定位分支采用细节保留编码，以强化检测头对威胁物品轮廓、边缘及细节纹理的关注，确保检测结果的准确性； 所述语义上下文编码的具体结构为：在每个威胁物品特征图的不同层级，语义上下文编码利用来自两个层级的特征图，即Fl和Fl+1，通过拼接操作生成一个分类特征图；首先将特征图Fl下采样2倍，并将其与Fl+1进行拼接，得到最终的特征图Flcls： Flcls＝ConcatDConvFl,Fl+1 其中，Concat表示连接操作，DConv表示下采样卷积，l表示第l层；拼接操作和深度可分离卷积共同构成一个共享的下采样卷积； 接下来，将Flcls输入到分类分支中；由于Flcls是Fl的2倍下采样版本，因此Flcls特征图中位置i,j的每个点会预测Fl中四个最近邻的分类得分，记为S，其中N为类别数；接着，将S重新排列为以恢复分辨率： 所述细节保留编码的具体结构为：在每个威胁物品特征图层级L中，细节保留编码会接受来自三个金字塔层级的特征图，即Fl-1、Fl和Fl+1； 采用简化的U-Net结构融合Fl-1和Fl+1；首先，将Fl上采样2倍后与Fl-1聚合，然后通过一个步幅为2的3×3卷积层进行下采样；整个部分包括上采样、特征聚合与下采样；最终的细节保留特征图Flloc，表示为： Flloc＝DConvConcatFl-1,UConvFl,Fl+1 其中，DConv表示下采样卷积，UConv表示上采样卷积，Concat表示连接操作，l表示第l层； 其具体实现如下： 1上采样：对特征图进行2倍上采样，得到特征图 其中，i、j、c分别表示上采样后特征图的纵向位置索引、横向位置索引以及通道索引，对应特征图的第c个通道，H、W、C1分别表示上采样前特征图的高度、宽度与特征图的通道数； 2特征聚合：将上采样后的特征图X'与特征图进行拼接，得到特征图 其中，C2表示另一特征图的通道数； 3下采样：通过一个步幅为2的3×3卷积层对聚合后的特征图Z进行下采样，得到最终的细节保留特征图 其中，Wm,n,c′是卷积核权重，大小为3×3；bc′是对应的偏置项； 最终，细节保留特征图D的计算公式为： 接着，将Flloc输入到定位分支，推断出边界框； S3：将训练集输入威胁物品检测神经网络模型训练，得到最优网络模型； S4：将待安检数据集输入训练好的网络模型中实施检测，分辨出威胁物品。

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区黄桷垭崇文路2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。