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！

龙图腾网获悉杭州紫鹏科技有限公司申请的专利一种基于多模态融合的火灾烟雾图像早期识别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：CN119964080B 。

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：202510040940.1，技术领域涉及：G06V20/52；该发明授权一种基于多模态融合的火灾烟雾图像早期识别方法是由冯德印;陈垣林;金辉设计研发完成，并于2025-01-10向国家知识产权局提交的专利申请。

本一种基于多模态融合的火灾烟雾图像早期识别方法在说明书摘要公布了：本发明公开了一种基于多模态融合的火灾烟雾图像早期识别方法，包括如下步骤：S1、采集多模态数据并进行时间对齐；S2、构建可见光分支、红外分支和光声分支，生成多模态特征并存入共享特征池；S3、在共享特征池中嵌入时空追踪模块，生成全局特征表示；S4、采用低秩矩阵分解算法生成动态背景模板，分离并去除背景噪声；S5、通过轻量化自注意力机制在共享特征池中融合多模态特征并补偿缺失特征；S6、通过稀疏特征增强算法增强早期烟雾信号，并应用多任务分类网络进行火灾状态分类和烟雾扩散路径预测；S7、通过动态反馈机制更新共享特征池以及时空追踪模块。本发明利用多模态融合、时空追踪和动态反馈方法，实现了火灾烟雾早期精准识别。

本发明授权一种基于多模态融合的火灾烟雾图像早期识别方法在权利要求书中公布了：1.一种基于多模态融合的火灾烟雾图像早期识别方法，其特征在于，包括如下步骤： S1、通过可见光摄像头、红外摄像头和光声光谱传感器采集多模态数据，并基于时间戳同步对所述多模态数据进行时间对齐； S2、构建可见光分支、红外分支和光声分支，分别从所述多模态数据中提取烟雾扩散形态、温度梯度及气体成分动态变化特征，生成多模态特征，并存入共享特征池； S3、在共享特征池中嵌入时空追踪模块，捕获所述多模态特征在时间轴和空间分布上的变化规律，生成具备时空关联特性的全局特征表示； S4、基于所述全局特征表示，采用低秩矩阵分解算法生成动态背景模板，分离并去除背景噪声，对共享特征池中的多模态特征进行动态优化； S5、通过轻量化自注意力机制在共享特征池中融合多模态特征并补偿缺失特征，生成完整的多模态特征向量； S6、基于所述完整的多模态特征向量，通过稀疏特征增强算法增强早期烟雾信号，并应用多任务分类网络进行火灾状态分类和烟雾扩散路径预测； S7、根据实时环境数据偏差，通过动态反馈机制更新共享特征池以及时空追踪模块，优化火源定位精度； 所述S4具体包括： S41、基于所述全局特征表示，应用低秩矩阵分解算法将全局特征表示分解为低秩矩阵L和稀疏矩阵S； S42、通过核范数最小化方法对低秩矩阵L和稀疏矩阵S，进行优化： minL,S||L||*+λ||S||1； 其中，||L||*表示低秩矩阵L的核范数，||S||1表示稀疏矩阵S的L1范数，λ表示正则化参数； S43、采用交替方向乘子法进行迭代求解，具体更新规则为： Yk+1＝Yk+Gt,s-Lk+1-Sk+1； 其中，Lk+1表示第k+1次迭代中的低秩矩阵，Sk+1表示第k+1次迭代中的稀疏矩阵，Yk+1表示第k+1次迭代中的拉格朗日乘子，||·||F表示弗罗贝尼乌斯范数，Sk表示第k次迭代中的稀疏矩阵，Yk表示第k次迭代中的拉格朗日乘子，ρ表示增广拉格朗日参数，Gt,s表示具备时空关联性的全局特征表示； S44、在完成迭代后，获取优化后的低秩矩阵L*和优化后的稀疏矩阵S*，并从全局特征表示中去除背景噪声，得到去噪特征表示： G′t,s＝Gt,s-L*； 其中，G't,s表示去噪特征表示； S45、对去噪特征表示G't,s进行动态优化，采用基于梯度提升决策树的加权机制调整共享特征池中多模态特征的权重： 其中，表示共享特征池中第i个模态特征更新后的权重，表示共享特征池中第i个模态特征的原始权重，exp表示指数函数，η表示学习率，表示损失函数J的梯度； S46、将优化后的去噪特征表示G't,s更新回共享特征池中。

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杭州紫鹏科技有限公司，其通讯地址为：310000 浙江省杭州市余杭区良渚街道金家渡路112号7号楼1211室；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。