買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉北京理工大學前沿技術研究院申請的專利一種基于混合數據學習的交通現場風險識別方法及系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN114677654B 。

龍圖騰網通過國家知識產權局官網在2025-08-19發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210365874.1，技術領域涉及：G06V20/54；該發明授權一種基于混合數據學習的交通現場風險識別方法及系統是由李建武;張松;王衛蘋;劉凱;王國梁設計研發完成，并于2022-04-08向國家知識產權局提交的專利申請。

本一種基于混合數據學習的交通現場風險識別方法及系統在說明書摘要公布了：本發明涉及基于混合數據學習的交通現場風險識別方法及系統。本發明中，利用既能采集可見光圖像又能采集紅外圖像的第一圖像采集設備和第二圖像采集設備采集路況，并對所采集的可見光圖像和紅外圖像通過高斯濾波的方式濾波后獲取濾波圖像；對于濾波圖像，通過值域歸一化得到歸一化圖像，利用歸一化圖像提取包含混合數據的風險特征向量；將風險特征向量傳輸給風險學習模型進行風險預測。基于本申請的數據處理方式和優化的神經網絡模型實現對交通現場風險識別，有助于提升交通管理的效率，提早發現風險，保護人民財產安全；利用歸一化圖像提取風險特征向量，降低了數據的維度，降低數據傳輸量，且提升了模型的學習性能。

本發明授權一種基于混合數據學習的交通現場風險識別方法及系統在權利要求書中公布了：1.一種基于混合數據學習的交通現場風險識別方法，其特征在于，包括： 步驟1、混合圖像數據的采集和濾波： 利用第一圖像采集設備和第二圖像采集設備同時采集路況的可見光圖像和紅外圖像；其中第一圖像采集設備設置在路段內部，朝向設定方向；第二圖像采集設備設置在路段兩端，路段每端設兩個第二圖像采集設備；第一圖像采集設備和第二圖像采集設備采集可見光圖像和紅外圖像的分辨率相同； 對于紅外圖像和可見光圖像分別利用相應的高斯函數進行卷積計算，得到濾波圖像；對于可見光圖像對應的高斯函數的高斯窗口尺寸為，，對于任意一幅可見光圖像，計算每個灰階在該幅圖像中所對應的像素個數，記為、、…、；取其中對應像素個數最多的三個灰階，按個數從大到小依次得到、、；對于紅外圖像，對應的高斯函數的高斯窗口尺寸為； 步驟2、混合圖像數據的歸一化：濾波圖像經過值域歸一化后得到歸一化圖像; 步驟3、基于歸一化的混合圖像數據的現場風險特征向量提取：對于歸一化圖像，將其在空間上分割成大小的子圖；對于可見光圖像的歸一化圖像的每個子圖，求取其像素值的最大值，記為，對于紅外圖像的歸一化圖像的每個子圖，求取其像素值的中間值，記為，為子圖s中坐標為的像素的值，計算 為可見光圖像的歸一化圖像的子圖s對應的第一特征向量；為紅外圖像的歸一化圖像的子圖s對應的第二特征向量；歸一化圖像所有子圖的第一特征向量或第二特征向量組成歸一化圖像的識別特征；所有歸一化圖像的識別特征所組成現場風險特征向量； 步驟4、基于現場風險特征向量的交通現場風險識別： 將步驟3獲得的現場風險特征向量展開為一個矩陣，矩陣的每一行對應于一幅圖像所有子圖提取出的識別特征，矩陣的行數為，D個第一圖像采集設備采集D張紅外圖像和D張可見光圖像；對應于路段兩端四個第二圖像采集設備采集的4張可見光圖像與4張紅外圖像對應的歸一化圖像的識別特征依次放在矩陣的最后8行，該展開的矩陣記為；將作為神經網絡輸入層的輸入數據；隱藏層包括五層；神經網絡的輸出層節點對應于待識別的交通現場風險存在的概率，當時，表示該風險不存在，當時，表示該風險存在。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人北京理工大學前沿技術研究院，其通訊地址為：250000 山東省濟南市高新區經十路7000號漢峪金融商務中心五區1號樓601；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。