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！

龙图腾网获悉中国空气动力研究与发展中心高速空气动力研究所申请的专利一种融合YOLO网络与LSTM网络的鸟类飞行视频关键点提取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：CN121789116B 。

龙图腾网通过国家知识产权局官网在2026-05-12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：202610257050.0，技术领域涉及：G06V20/40；该发明授权一种融合YOLO网络与LSTM网络的鸟类飞行视频关键点提取方法是由蒲俊峰;刘然;陈彦汝;刘大伟;李滚;王元靖;蔡金延;张钰;侯保斌;卢光锐;余佳珈;边庆勇设计研发完成，并于2026-03-04向国家知识产权局提交的专利申请。

本一种融合YOLO网络与LSTM网络的鸟类飞行视频关键点提取方法在说明书摘要公布了：本发明公开了一种融合YOLO网络与LSTM网络的鸟类飞行视频关键点提取方法，属于图像数据处理领域，目的在于解决现有方法采用YOLO网络技术对鸟类骨骼关键点提取时，传统方法依赖单帧图像，缺乏时序信息关联，难以完整捕捉其动态变化过程，导致姿态分析精度不足的问题。其包括如下步骤：构建多视角鸟类数据集；得到增强鸟类数据集；得到预训练模型；得到第二后训练模型；利用第二后训练模型对待分析鸟类连续飞行视频进行预测；进行时间序列建模修正。与现有技术相比，本申请通过两阶段训练策略与网络结构优化，有效提高了模型泛化能力，并解决了关键点漂移问题，模型在分类任务和关键点检测任务中的平均精度mAP50都得到了有效提升。

本发明授权一种融合YOLO网络与LSTM网络的鸟类飞行视频关键点提取方法在权利要求书中公布了：1.一种融合YOLO网络与LSTM网络的鸟类飞行视频关键点提取方法，其特征在于，包括如下步骤： 步骤1、构建多视角鸟类数据集；该多视角鸟类数据集中，获取多样化数据； 步骤2、对步骤1获得的多视角鸟类数据集进行数据集增强，得到增强鸟类数据集； 步骤3、将步骤1中的多视角鸟类数据集、步骤2中的增强鸟类数据集投入YOLOv8网络进行训练，通过实验不同批次大小和不同优化算法对模型结果的影响，选择最优的批次大小和优化算法，并得到预训练模型； 步骤4、以步骤3得到的预训练模型为基础，针对待分析鸟类的关键骨骼点进行再训练，得到第二后训练模型，具体操作如下： 步骤4.1、以待分析鸟类为对象，收集该类鸟类的图片，并选取其中部分图片，进行目标检测框和骨骼关键点标注，获得后训练数据集； 步骤4.2、将步骤4.1中标注后的后训练数据集转化成适合YOLO网络训练格式的骨骼关键点数据集； 步骤4.3、将轻量化部分卷积计算模块与EMA注意力机制融入YOLOv8网络中的C2f模块，得到后训练网络模型； 步骤4.4、将步骤4.2中获得的YOLO格式的骨骼关键点数据集输入到步骤4.3中的后训练网络模型中，训练参数与预训练模型一致，训练得到第二后训练模型； 步骤5、利用步骤4获得的第二后训练模型对待分析鸟类连续飞行视频进行预测，并获得每一帧下的骨骼关键点坐标数据； 步骤6、进行时间序列建模修正，解决由于飞行过程遮挡导致的目标丢失问题，完成待分析鸟类的骨骼关键点识别，具体操作如下： 步骤6.1、将步骤5中得到的骨骼关键点坐标数据中对应骨骼关键点每两帧相连，形成速度矢量，形成反映骨骼关键点动态演变的时序数据集； 步骤6.2、将步骤6.1得到的时序数据集输入LSTM模型中进行训练，得到第三时序预测模型； 步骤6.3、使用第二后训练模型对待分析鸟类的飞行视频进行预测；当飞行视频中目标出现遮挡时，检测到所识别的待分析鸟类的置信度骤降或关键点出现明显偏移，则采用步骤6.2中的第三时序预测模型预测结果代替第二后训练模型的检测结果。

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中国空气动力研究与发展中心高速空气动力研究所，其通讯地址为：621000 四川省绵阳市涪城区二环路南段6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。