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！

龙图腾网获悉武汉大学申请的专利一种基于融合事件相机的场景识别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：CN116188930B 。

龙图腾网通过国家知识产权局官网在2025-12-05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：202310131651.3，技术领域涉及：G06V10/80；该发明授权一种基于融合事件相机的场景识别方法及系统是由余磊;刘熠晨;姜晨旭设计研发完成，并于2023-02-15向国家知识产权局提交的专利申请。

本一种基于融合事件相机的场景识别方法及系统在说明书摘要公布了：本发明提供一种基于融合事件相机的场景识别方法及系统，属于图像处理技术领域，包括：获取预设高速高动态图像和预设高速高动态事件流，对预设高速高动态图像进行预处理得到预处理后事件流，将预处理后事件流与预设高速高动态图像融合得到融合特征；获取预设参考图像，提取预设参考图像中的参考图像特征；将融合特征与参考图像特征进行检索匹配，得到参考图像识别结果。本发明通过提出融合事件相机的视觉场景识别框架，能够利用事件流的低时延与高动态的性质隐式增强图像质量，并完成场景识别，解决了传统场景识别方法在高速高动态场景识别性能不佳的问题。

本发明授权一种基于融合事件相机的场景识别方法及系统在权利要求书中公布了：1.一种基于融合事件相机的场景识别方法，其特征在于，包括： 获取预设高速高动态图像和预设高速高动态事件流，对所述预设高速高动态图像进行预处理得到预处理后事件流，将所述预处理后事件流与所述预设高速高动态图像融合得到融合特征； 获取预设参考图像，提取所述预设参考图像中的参考图像特征； 将所述融合特征与所述参考图像特征进行检索匹配，得到参考图像识别结果； 所述将所述预处理后事件流与所述预设高速高动态图像融合得到融合特征，包括： 确定融合特征提取网络，将所述预设高速高动态图像依次输入Conv层和DConv层生成第一图像张量特征，将所述预处理后事件流依次输入Conv层和DConv层生成第一事件张量特征，将所述第一图像张量特征和所述第一事件张量特征连接后输入ResBlock层得到第一融合特征； 将第一尺度对应的第一图像张量特征输入DConv层生成第二图像张量特征，将所述第一尺度对应的第一事件张量特征输入DConv层生成第二事件张量特征，将所述第一尺度对应的第一融合特征输入DConv层生成第二融合特征，将所述第二图像张量特征、所述第二事件张量特征和所述第二融合特征连接后输入ResBlock层得到第三融合特征； 将第二尺度对应的所述第二图像张量特征、所述第二事件张量特征和所述第三融合特征连接后输入ResBlock层得到初始多尺度融合特征； 将所述初始多尺度融合特征通过CBAM层进行筛选，得到所述融合特征； 其中，所述Conv层包括步长为1的单层卷积层，所述DConv层包括步长为2的下采样卷积层与步长为1的卷积层的组合，所述ResBlock层包括残差连接层，所有卷积层的卷积核大小为，所述所有卷积层与激活函数ReLU相连接； 所述获取预设参考图像，提取所述预设参考图像中的参考图像特征之后，还包括： 构建查询图像、正例图像与负例图像的训练三元组，所述查询图像包括所述预设高速高动态图像和所述预处理后事件流，所述正例图像包括与所述查询图像朝向相同且在预设查询距离范围内的图像，所述负例图像包括与所述查询图像朝向不同且在预设查询距离范围外的图像； 由所述训练三元组、向量间距离函数和相似度距离常数，构建最大值损失函数； 基于所述最大值损失函数，采用预设优化算法确定融合特征提取网络和图像特征提取网络的自适应性学习率，并采用所述训练三元组更新神经网络卷积层参数，得到优化融合特征提取网络和优化图像特征提取网络； 其中，所述优化融合特征提取网络和所述优化图像特征提取网络中的每层卷积层优化参数均不同。

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武汉大学，其通讯地址为：430072 湖北省武汉市武昌区八一路299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。