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！

龙图腾网获悉华东交通大学申请的专利基于时空双流特征的铁路场景目标检测及行为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：CN121354053B 。

龙图腾网通过国家知识产权局官网在2026-03-06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：202511903565.5，技术领域涉及：G06V20/54；该发明授权基于时空双流特征的铁路场景目标检测及行为识别方法是由涂宏斌;罗家骏;彭圆圆;汤长熙;崔骞设计研发完成，并于2025-12-17向国家知识产权局提交的专利申请。

本基于时空双流特征的铁路场景目标检测及行为识别方法在说明书摘要公布了：本申请属于铁路工程安全监控与计算机视觉技术领域，公开了基于时空双流特征的铁路场景目标检测及行为识别方法，该方法包括：获取并预处理视频数据为图像帧序列；将序列输入至一改进的目标检测网络Mamba‑Yolov11，该网络通过并行设置卷积神经网络路径和状态空间模型路径，融合局部空间特征与全局时序上下文信息，并采用改进的C3k2_UIB模块实现动态路径选择，提升参数效率；网络训练采用Focaler‑IoU损失函数，解决小样本和难样本训练不均衡问题；对于复杂行为，将检测出的目标区域送入MILA‑SF行为识别网络，通过快慢双路径设计，高效识别时空行为。本发明能够显著提升铁路场景下穿戴装备、作业工具等目标的检测精度。

本发明授权基于时空双流特征的铁路场景目标检测及行为识别方法在权利要求书中公布了：1.一种基于时空双流特征的铁路场景目标检测及行为识别方法，其特征在于，包括以下步骤： 获取铁路场景的视频数据，并将所述视频数据预处理成具有预设时序关系的图像帧序列； 将所述图像帧序列输入至一预先训练的目标检测网络，所述目标检测网络采用包含主干网络、颈部网络和头部网络的架构； 所述主干网络并行设置一卷积神经网络路径与一状态空间模型路径，以分别提取所述图像帧序列的局部空间特征和全局时序上下文信息；所述主干网络具体包括：通过初始卷积层对输入的所述图像帧序列进行基础特征提取；将提取的基础特征送入至少一个改进的C3k2_UIB模块进行跨阶段特征融合与动态路径选择；将所述C3k2_UIB模块输出的特征并行输入至所述卷积神经网络路径的下一层与所述状态空间模型路径的Mamba模块，所述Mamba模块通过选择性状态空间模型处理长序列依赖；通过空间金字塔池化模块分别对所述改进的C3k2_UIB模块的输出特征和所述Mamba模块的输出特征进行多尺度特征聚合；通过跨阶段部分相似性注意力模块对所述空间金字塔池化模块的输出特征执行跨通道注意力操作； 所述改进的C3k2_UIB模块的处理过程包括：接收输入特征后，通过一卷积层，并将输出特征分割为两路；将其中一路特征送入一UIBBlock进行处理，所述UIBBlock的处理过程依次包括：通过一起始深度卷积提取低频结构特征；通过一1x1扩展卷积，依据预设的扩展比动态增加通道数以增强特征表达能力；通过一中间深度卷积在高维空间捕获多尺度细节特征；通过一1x1投影卷积压缩通道以融合通道信息；将所述UIBBlock的输出特征与另一路未处理的特征进行融合，并将融合后的特征送入一由卷积、批量归一化和激活函数组成的CBS模块进行最终处理； 所述颈部网络采用金字塔特征融合架构，其处理过程包括：通过上采样操作将所述主干网络输出的深层高语义特征图尺寸放大；通过特征拼接操作，将所述上采样后的高层特征、所述主干网络中卷积神经网络路径输出的局部空间特征、以及所述主干网络中状态空间模型路径输出的全局时序上下文信息进行融合，构建包含丰富细节、语义和时序逻辑的特征金字塔； 最终通过所述头部网络输出图像帧中一个或多个目标的类别信息及位置信息； 基于所述目标检测网络输出的目标位置信息，在所述图像帧序列中提取出包含目标的区域图像序列； 将所述区域图像序列输入至一MILA-SF行为识别网络，所述MILA-SF行为识别网络包含一慢路径和一快路径，所述慢路径以低帧率、高通道数的方式处理输入的所述区域图像序列以捕获空间语义信息，所述快路径以高帧率、低通道数的方式处理以捕获时间动态信息，并通过所述慢路径和所述快路径间的特征融合，最终输出所述目标的作业行为识别结果。

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华东交通大学，其通讯地址为：330000 江西省南昌市经济技术开发区双港东大街808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。