買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉浙江大學(xué)醫(yī)學(xué)院附屬第一醫(yī)院(浙江省第一醫(yī)院)申請的專利基于物聯(lián)網(wǎng)的急診監(jiān)護(hù)室內(nèi)目標(biāo)識別方法及系統(tǒng)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN120339923B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-08-26發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202510821849.3，技術(shù)領(lǐng)域涉及：G06V20/40；該發(fā)明授權(quán)基于物聯(lián)網(wǎng)的急診監(jiān)護(hù)室內(nèi)目標(biāo)識別方法及系統(tǒng)是由黃自安;張帥;高昕;王曉設(shè)計研發(fā)完成，并于2025-06-19向國家知識產(chǎn)權(quán)局提交的專利申請。

本基于物聯(lián)網(wǎng)的急診監(jiān)護(hù)室內(nèi)目標(biāo)識別方法及系統(tǒng)在說明書摘要公布了：本發(fā)明涉及目標(biāo)識別技術(shù)領(lǐng)域，具體地說，涉及基于物聯(lián)網(wǎng)的急診監(jiān)護(hù)室內(nèi)目標(biāo)識別方法及系統(tǒng)。其包括以下步驟：通過攝像頭以固定幀率采集急診監(jiān)護(hù)室內(nèi)的視頻流并提取出圖像幀；采用YOLOv7模型對圖像幀中的每一幀進(jìn)行實時目標(biāo)檢測，識別出目標(biāo)患者，通過DeepSORT算法關(guān)聯(lián)視頻流連續(xù)幀中的目標(biāo)，并結(jié)合卡爾曼濾波跟蹤目標(biāo)患者位置，在跟蹤目標(biāo)患者位置的過程中構(gòu)建四維時空?語義協(xié)同代價矩陣進(jìn)行優(yōu)化；通過3DCNN分析視頻流中目標(biāo)患者的動作序列，并結(jié)合目標(biāo)患者的生理數(shù)據(jù)判斷異常。本發(fā)明設(shè)計通過引入跨幀注意力機制與遮擋密度引導(dǎo)的特征融合策略，在YOLOv7模型中增強了對運動目標(biāo)在復(fù)雜場景下的檢測能力。

本發(fā)明授權(quán)基于物聯(lián)網(wǎng)的急診監(jiān)護(hù)室內(nèi)目標(biāo)識別方法及系統(tǒng)在權(quán)利要求書中公布了：1.基于物聯(lián)網(wǎng)的急診監(jiān)護(hù)室內(nèi)目標(biāo)識別方法，其特征在于，包括以下步驟： S1、通過攝像頭以固定幀率采集急診監(jiān)護(hù)室內(nèi)的視頻流； S2、對采集的視頻流進(jìn)行預(yù)處理，并提取出圖像幀； S3、采用YOLOv7模型對圖像幀中的每一幀進(jìn)行實時目標(biāo)檢測，識別出目標(biāo)患者，通過DeepSORT算法關(guān)聯(lián)視頻流連續(xù)幀中的目標(biāo)，并結(jié)合卡爾曼濾波跟蹤目標(biāo)患者位置，在跟蹤目標(biāo)患者位置的過程中構(gòu)建四維時空-語義協(xié)同代價矩陣進(jìn)行優(yōu)化； S4、通過3DCNN分析視頻流中目標(biāo)患者的動作序列，并結(jié)合目標(biāo)患者的生理數(shù)據(jù)判斷異常； 其中，通過3DCNN分析視頻流中目標(biāo)患者的動作序列，并結(jié)合目標(biāo)患者的生理數(shù)據(jù)判斷異常，包括以下步驟： S4.1、根據(jù)目標(biāo)患者的跟蹤ID，從視頻流中提取連續(xù)時間窗口的3D時空立方體，并同步采集對應(yīng)時間段內(nèi)的目標(biāo)患者生理數(shù)據(jù)； S4.2、將3D時空立方體作為3DCNN模型的輸入，通過3DCNN模型的卷積層提取空間和時間維度上的視頻特征，輸出目標(biāo)患者動作特征向量； S4.3、使用連續(xù)小波變換將目標(biāo)患者的生理數(shù)據(jù)轉(zhuǎn)換為時頻圖，將時頻圖作為2DCNN模型的輸入，提取頻域特征，并引入因果掩碼； S4.4、使用交叉注意力機制計算目標(biāo)患者動作特征與頻域特征的聯(lián)合特征向量，基于聯(lián)合特征向量通過MLP分類器進(jìn)行異常分類，觸發(fā)報警機制； 進(jìn)一步的，使用交叉注意力機制計算目標(biāo)患者動作特征與頻域特征的聯(lián)合特征向量，包括以下步驟： S4.41、使用余弦相似度衡量目標(biāo)患者動作特征向量和頻域特征向量之間的夾角余弦值來計算相似性得分； S4.42、對相似性得分應(yīng)用Softmax函數(shù)，用于將相似性得分轉(zhuǎn)換為概率分布； S4.43、根據(jù)相似性得分，對動作特征向量和頻域特征向量進(jìn)行加權(quán)求和，形成新的聯(lián)合特征向量。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人浙江大學(xué)醫(yī)學(xué)院附屬第一醫(yī)院(浙江省第一醫(yī)院)，其通訊地址為：311121 浙江省杭州市余杭區(qū)倉前街道文一西路1367號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。