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！

龙图腾网获悉南京邮电大学申请的专利基于红外图像和可见光图像的交通事件检测方法及装置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：CN117173649B 。

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：202311218824.1，技术领域涉及：G06V20/54；该发明授权基于红外图像和可见光图像的交通事件检测方法及装置是由董振江;罗琪;周扬;陈向东;董建阔;亓晋;孙雁飞设计研发完成，并于2023-09-20向国家知识产权局提交的专利申请。

本基于红外图像和可见光图像的交通事件检测方法及装置在说明书摘要公布了：本发明提供一种基于红外图像和可见光图像的交通事件检测方法及装置，通过获取待检测道路场景的红外图像和可见光图像；获得预处理后的红外图像和预处理后的可见光图像；在预处理后的可见光图像的亮度低于设定阈值时，使用预先训练好的深度学习图像融合模型对预处理后的红外图像和预处理后的可见光图像进行融合，获得融合图像作为待检测图像；在预处理后的可见光图像的亮度不低于设定阈值时，将预处理后的可见光图像作为待检测图像；将待检测图像输入交通事件检测模型，获得检测结果；本发明能够保证光照条件充足时的高精度检测的同时，有效提高夜晚等低光照条件下交通事件检测的准确率和鲁棒性。

本发明授权基于红外图像和可见光图像的交通事件检测方法及装置在权利要求书中公布了：1.一种基于红外图像和可见光图像的交通事件检测方法，其特征在于：包括以下步骤， S1、获取待检测道路场景的红外图像和可见光图像； S2、将获取到的红外图像和可见光图像进行预处理，获得预处理后的红外图像和预处理后的可见光图像； 步骤S2中，将获取到的红外图像和可见光图像进行预处理，具体为， S21、对获取到的红外图像和可见光图像进行降噪处理； S22、对红外图像和可见光图像进行对比度和亮度的调整； S221、使用卷积神经网络模型CNN对红外图像和可见光图像分别进行特征提取，分别得到红外图像和可见光图像的特征； S222、对红外图像和可见光图像的特征进行亮度和对比度标准化； S2221、对红外图像和可见光图像分别进行亮度标准化：计算特征的均值和标准差，然后将特征的每个值减去均值并除以标准差，以确保特征的均值为零，标准差为一；S2221、对红外图像和可见光图像分别进行对比度标准化：将特征的每个值缩放到设定范围，以增强对比度； S223、将可见光图像的特征的亮度与预设阈值进行比较，在可见光图像的特征的亮度高于预设阈值时，将红外图像的特征的亮度和对比度调整至与可见光图像一致；在可见光图像的特征的亮度低于预设阈值时，将可见光图像的特征亮度和对比度调整至与红外图像一致； S23、根据红外图像获取到的目标物的红外特征，剔除场景中不带红外特征的干扰物； S3、在预处理后的可见光图像的亮度低于设定阈值时，进入步骤S4；在预处理后的可见光图像的亮度不低于设定阈值时，将预处理后的可见光图像作为待检测图像，进入步骤S5； S4、使用预先训练好的深度学习图像融合模型对预处理后的红外图像和预处理后的可见光图像进行融合，获得融合图像作为待检测图像，进入下一步骤S5； S5、将待检测图像输入交通事件检测模型，获得检测结果；交通事件检测模型包括配置单元、基于深度学习的目标检测模型、基于深度学习的目标跟踪模型和参数匹配单元； S51、使用基于深度学习的目标检测模型对待检测图像进行检测，输出检测到的目标信息，包括车辆目标信息、非机动车目标信息和行人目标信息； S52、使用基于深度学习的目标跟踪模型对步骤S51检测到的目标信息进行跟踪，输出目标轨迹数据； S53、根据步骤S51和步骤S52输出的目标信息和目标轨迹数据，结合配置单元预先配置的交通事件检测参数，由参数匹配单元进行判定，在符合预先配置的交通事件检测参数时，判定发生相应的交通事件，并将检测到的目标信息和交通事件作为检测结果。

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南京邮电大学，其通讯地址为：210003 江苏省南京市鼓楼区新模范马路66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。