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面向专用车驾驶员行为监测的微小目标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：CN116958943B 。

龙图腾网通过国家知识产权局官网在2026-01-30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：202310765399.1，技术领域涉及：G06V20/59；该发明授权一种面向专用车驾驶员行为监测的微小目标检测方法是由朱智勤;谷双双;李嫄源;王韶文;黄鑫;龚康;帅林宏;周锋;李家兴;胡波;刘秋卓设计研发完成，并于2023-06-27向国家知识产权局提交的专利申请。

本一种面向专用车驾驶员行为监测的微小目标检测方法在说明书摘要公布了：本发明涉及一种面向专用车驾驶员行为监测的微小目标检测方法，属于计算机视觉领域。该方法具体为，首先使用Diffusion网络通过前后推导的马尔科夫链方式，利用迭代扩散操作生成与实数据高度相似的模拟数据，使用特定实例复制粘贴技术将初步处理的图像中的微小目标粘贴到任意位置生成含有丰富微小目标信息的合成图像；双路径并行蒸馏学习网络进行蒸馏得到一系列针对不同应用场景下的Student网络组成适用于不同专用车的网络空间；最后利用多源多目标优化知识匹配网络实现对不同场景下专用车与Student网络的匹配。该方法能够匹配不同监测性能和检测速度的专用车，满足不同场景下的监测需求。

本发明授权一种面向专用车驾驶员行为监测的微小目标检测方法在权利要求书中公布了：1.一种面向专用车驾驶员行为监测的微小目标检测方法，其特征在于：该方法包括以下步骤： S1、针对微小目标的少量数据样本，采用基于Diffusion的数据生成方法生成更多的特征描述子图，增加图像的规模和微小目标多样性；包括： S11、获取车辆驾驶环境中驾驶员行为监测视频数据，处理后得到基准数据序列I； S12、将基准数据序列I输入Diffusion网络中，在前向扩散的过程中通过马尔科夫链不断向数据中加入高斯噪声；同时在扩散过程的任意时间步长处采样一组图像； S13、从采样图像上进行逆扩散，渐进地生成与原始图像相似的模拟图像； S14、通过优化负对数的最大似然概率-logpΘX0，以及真实分布与预测分布的交叉熵的变分上界LVLB来约束最终训练，迭代更新LVLB的高斯核直到生成图像达到预定的数量，即获得生成图序列I1； S15、对生成图序列I1随机采样微小目标对象，分割出patch中的小目标物体mask部分的像素；然后将随机选择的微小目标粘贴到目标图I2中的不同位置，以增加微小目标的实例数量和密度并保持随机性分布； S16、将目标图I2划分成2*2的4个patch，随机取出这4个patch并随机拼接，生成一个新的4*4的合成图像，将合成图像的数据集图像记为I3； S2、通过Assistant网络和Teacher网络构成双路径并行蒸馏学习网络，使用集成的软标签训练Student网络，获得不同性能和量级的Student网络，以用于不同场景下专用车驾驶员的行为监测；将基准数据序列I和合成图像数据集I3输入双路径并行蒸馏学习网络中对Student网络进行训练，以生成多个不同性能和量级的Student网络，包括： S21、将基准数据序列I输入到通用网络中训练得到Teacher网络； S22、Assistant网络由在Teacher网络中学习到的参数进行初始化，并在FC层使用随机初始化添加额外的输出节点；再使用合成图像数据集I3训练Assistant网络，并使用存储在Teacher网络中的选定范例对先验信息进行回顾； S23、Teacher网络和Assistant网络构成双路径并行蒸馏学习网络，经过软标签SoftmaxQ＝q的蒸馏得到Softlabels用于Student网络的蒸馏学习，其中Q表示超参数，q＝1,2，…； S24、对Student网络进行权值随机初始化设置，并将基准数据序列I输入Student网络中经过Softmax4蒸馏得到Hardpredictions，然后使用交叉熵损失Lce对Hardpredictions和真实值进行拟合；其次，Student网络经过Softmax3的蒸馏得到Softpredictions，使用蒸馏损失Lkd对Softpredictions与Softlabels进行拟合，以蒸馏出潜在的知识；最后，再将Loss通过反向传播更新所有权重的梯度，以便系统对权重进行调整，在反向传播中Student网络使用梯度下降算法根据误差更新权重； S3、考虑微小目标监测性能和真实专用车的实时检测速度，设计多源多目标优化函数并设置奖励项使Student网络同时兼顾检测精度与真实专用车辆的延迟，实现Student网络与具体使用场景下的专用车辆的一一匹配。

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。