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！

龙图腾网获悉成都北方石油勘探开发技术有限公司申请的专利一种用于低照度场景下人员行为识别方法、设备和介质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：CN121505697B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202610036976.7，技术领域涉及：G06V40/20；该发明授权一种用于低照度场景下人员行为识别方法、设备和介质是由李本超;米中荣;杨凌风;刘丁昊;魏蜀吾;邓睿;田山川;文诗;杨静;张亮;王链设计研发完成，并于2026-01-13向国家知识产权局提交的专利申请。

本一种用于低照度场景下人员行为识别方法、设备和介质在说明书摘要公布了：本发明公开了一种用于低照度场景下人员行为识别方法、设备和介质，涉及图像处理技术领域，在于将图像增强和姿态估计融入行为识别模型，以解决低照度条件下的识别困难，通过提出多任务联合神经网络模型，将图像增强、人体姿态估计和人员行为识别三个任务融于一体，基于用姿态加权全局池化一致性和姿态驱动的背景随机抑制进行多任务神经网络模型训练，通过特征共享和任务协同训练，能够解决油田等低光照监控环境下人员行为识别准确率低的问题，特别是针对图像昏暗模糊、人体姿态多变的情况，提高姿态信息利用，提升复杂环境下人员行为识别的鲁棒性和精度，实现端到端优化。

本发明授权一种用于低照度场景下人员行为识别方法、设备和介质在权利要求书中公布了：1.一种用于低照度场景下人员行为识别方法，其特征在于，包括以下具体步骤： 构建多任务神经网络模型，将输入图像送入卷积神经网络构建的基础特征提取模块； 基于基础特征提取模块的主干网络对输入图像进行逐层卷积运算，输出融合人物形态特征与环境上下文信息的中间特征表示；其中，所述主干网络包含跨通道注意力和多尺度融合模块，所述中间特征表示为多维特征张量； 将所述中间特征表示作为共享特征图，同时输入至多个任务子网络： 图像增强分支网络，对共享特征图逐级上采样并重建，生成突出动作相关人体细节的增强图像； 姿态估计分支网络，基于共享特征图生成各人体关键点的热力图，基于热力图解析二维坐标，并显式编码骨架结构先验，输出人体关键点的预测结果； 行为识别分支网络，基于共享特征图和姿态估计分支网络输出，执行动作类别判定，输出行为类别预测结果； 基于行为类别预测结果，采用姿态加权全局池化一致性和姿态驱动的背景随机抑制进行多任务神经网络模型训练，得到最终的人员行为识别模型，用于实际场景的人员行为识别； 其中，所述姿态加权全局池化一致性，具体包括： 将输入视频帧序列映射为共享特征图； 基于姿态估计分支输出的K张关节热力图构建人物显著掩膜； 利用所述人物显著掩膜，在共享特征图上并行计算普通全局平均池化表征和姿态加权全局池化表征； 将普通全局平均池化表征和姿态加权全局池化表征送入同一线性分类器，分别获得第一分类分数和第二分类分数； 引入对称的温度化一致性蒸馏损失，以所述第一分类分数与第二分类分数之间的对称的温度化一致性蒸馏损失作为池化一致性约束，所述对称的温度化一致性蒸馏损失计算公式为： ； 其中，KL表示一致性损失，zgap表示第一分类分数，zpw表示第二分类分数，T表示温度参数，； 所述姿态驱动的背景随机抑制，具体包括： 对人物显著掩膜进行小半径形态学膨胀得到膨胀结果； 根据膨胀结果和全图像素，确定背景集合； 在特征层上对背景集合内像素以概率p执行随机抑制，得到背景抑制后的特征； 利用姿态热力图生成空间注意力权重图，对背景抑制后的特征进行加权，得到加权特征进行姿态启发式注意力融合； 将背景抑制后的特征同时送入图像增强分支、姿态估计分支和行为识别分支，得到图像增强损失、姿态估计损失、行为分类损失和对称的温度化一致性蒸馏损失，构建总体损失函数； 以总体损失函数进行端到端联合优化，迭代训练直至总体损失函数收敛，固定共享特征提取模块和行为识别分支的参数，将图像增强解码器和姿态估计头从模型中裁剪移除，得到最终人员行为识别模型。

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成都北方石油勘探开发技术有限公司，其通讯地址为：610000 四川省成都市天府新区兴隆街道宝塘三街733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。