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！

龙图腾网获悉华侨大学申请的专利基于边缘计算的电梯场景下口罩检测系统和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：CN116994313B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202310809657.1，技术领域涉及：G06V40/16；该发明授权基于边缘计算的电梯场景下口罩检测系统和方法是由张维纬;周亮太;郭毓锋设计研发完成，并于2023-07-04向国家知识产权局提交的专利申请。

本基于边缘计算的电梯场景下口罩检测系统和方法在说明书摘要公布了：本发明一种基于边缘计算的电梯场景下口罩检测系统和方法，对传统Yolov5网络的主干网络做了改进，将原先主干网络中的3×3的Conv模块修改为RepVGG模块，该RepVGG模块多分支的结构采用不同的卷积核以获得不同的感受野，将不同感受野获取到的信息进行相加，进而强化特征信息的提取，提高模型性能，从而在狭小的电梯空间中，即使是大量人员同时进入电梯出现大量遮挡现象，仍能有效地进行特征提取。发明通过知识蒸馏的方法将原本应用于高性能计算机的神经网络压缩后部署到低成本的移动边缘设备上，可以实现实时高精度的口罩佩戴情况检测，并加以提醒与记录，为疫情当下的人们卫生安全保驾护航，同时降低物业的管理和设备智能化成本。

本发明授权基于边缘计算的电梯场景下口罩检测系统和方法在权利要求书中公布了：1.一种基于边缘计算的电梯场景下口罩检测方法，其特征在于包括如下步骤： 步骤100、构建改进的Yolov5网络 所述改进的Yolov5网络，包括特征提取的主干网络、特征融合的颈部网络和特征检测的头部网络，是对采用FPN+PANeT结构的传统Yolov5网络的改进，将原先特征提取的主干网络中的的卷积模块修改为具有不同的卷积核的多分支结构的可重复卷积神经网络，该可重复卷积神经网络的多分支结构采用不同的卷积核以获得不同的感受野，将不同感受野获取到的信息进行相加，同时使用Sigmoid加权线性组合代替原先的激活函数；将原先特征融合的颈部网络中的PANet模块替换为加权双向特征金字塔网络，该加权双向特征金字塔网络经由自下向上的通道传递高层的语义信息和底层的特征位置信息；该自下向上的通道连接同一层主干网络的输入节点与输出节点，通过加权双向特征金字塔网络实现双向跨层级且带权重特征图的融合；在特征融合的颈部网络和特征检测的头部网络的每个3*卷积层中设有卷积注意力模块，该用于前馈卷积神经网的卷积注意力模块，使得中间特征图沿着通道和空间这两个独立的维度依次推断注意力图，然后将注意力图与输入特征图相乘以进行自适应特征优化，以获取更多的特征，使特征提取的主干网络快速学习到通道特征以及空间特征；特征检测的头部网络输出、和共三个不同尺寸的特征图，在不同尺寸的特征图上分别预测目标的类别和边框的位置，其中80×80特征图负责检测图片中的小目标，40×40特征图负责检测图片中的中等目标，20×20特征图负责检测图片中的大目标；每一层特征图上，预设3个不同长宽比的预测框，每一个预测框上包含目标的位置信息和置信度，最后经过非极大值抑制算法将交并比超过设定阈值的重叠预测框丢弃； 步骤200、通过改进的YOLOv5网络对口罩佩戴检测数据集中训练集的数据进行训练得到教师网络，经过知识蒸馏后得到轻量化的学生网络，将轻量化的学生网络部署在低成本边缘设备得到口罩佩戴检测模块，口罩佩戴检测模块根据改进的YOLOv5网络进行图像预测，输出预测出的行为和相关目标的标签、置信度和位置信息； 步骤300、通过改进的YOLOv5网络对先验知识数据集中训练集的数据进行训练得到教师网络，经过知识蒸馏后得到轻量化的学生网络，将轻量化的学生网络部署在低成本边缘设备得到摘口罩行为检测模块，摘口罩行为检测模块根据改进的YOLOv5网络进行图像预测，输出预测出的行为和相关目标的标签、置信度和位置信息； 步骤400、电梯开始运行触发启动控制模块控制其他模块工作，摄像头开始获取图像；当电梯门开启时，移动边缘计算设备上搭载的口罩佩戴检测模块获取摄像头传来的电梯内人员进出的图像并对人员的口罩佩戴情况进行检测；当电梯门关闭时，移动边缘计算设备上搭载的摘口罩行为检测模块获取摄像头传来的电梯内人员的图像并识别是否发生摘口罩行为，若有未佩戴口罩、佩戴口罩不规范或摘口罩行为发生的情况，对电梯内人员进行告警提醒。

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侨大学，其通讯地址为：362000 福建省泉州市城华北路269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。