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！

龙图腾网恭喜哈尔滨工业大学(深圳)申请的专利基于局部交叉时空信息与卷积神经网络的视频人群计数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：CN114359804B 。

龙图腾网通过国家知识产权局官网在2025-03-25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：202210004146.8，技术领域涉及：G06V20/40；该发明授权基于局部交叉时空信息与卷积神经网络的视频人群计数方法是由张海军;董丽设计研发完成，并于2022-01-05向国家知识产权局提交的专利申请。

本基于局部交叉时空信息与卷积神经网络的视频人群计数方法在说明书摘要公布了：本发明公开了一种基于局部交叉时空信息与卷积神经网络的视频人群计数方法，属于基于视频的人群计数领域。所述方法包括：A、特征提取模块，通过将一对邻接视频帧输入到特征提取模块来获得多尺度特征；B、局部交叉关系模块，通过建模相邻视频帧之间像素的局部依赖关系来增强视频帧的特征表示；C、解码模块，在多个尺度上集成局部交叉信息模块，并生成多尺度的人群密度图。本发明提供的基于局部交叉关系的视频人群计数方法不仅提出了一种提取相邻视频帧间时空关系的技术，还解决了相邻视频帧间时空关系的融合问题，同时，本方法利用视频的上下帧时空关系，以从粗到细的粒度对网络中的上下帧特征进行增强，提高了视频人群计数方法的精度。

本发明授权基于局部交叉时空信息与卷积神经网络的视频人群计数方法在权利要求书中公布了：1.基于局部交叉时空信息与卷积神经网络的视频人群计数方法，利用视频的上下帧时空关系，以从粗到细的粒度对网络中的上下帧特征进行增强，提高视频人群计数方法的精度；其特征在于，所述网络包括特征提取模块、局部交叉关系模块和解码模块，所述方法包括以下步骤：S1.通过所述特征提取模块进行多尺度特征的提取：将一对邻接视频帧输入到特征提取模块来提取多尺度特征；S2.通过所述局部交叉关系模块，实现视频帧特征的增强，提高视频帧的人群密度图生成的精度：将邻接视频帧对的特征，输入到交叉关系模块，建模相邻视频帧特征之间局部依赖关系，利用该依赖关系来增强相邻视频帧的特征表示；S3.通过所述解码模块，生成最终的人群密度图：通过多个阶段逐步的集成局部交叉关系模块，融合多尺度特征并生成最终的人群密度图；所述一对邻接视频帧或邻接视频帧对是指输入序列帧{It-1,It}，其中，若It-1为当前帧，则It为邻接帧；或者，若It为当前帧，则It-1为邻接帧；所述S2包括利用“邻接帧”的特征增强所述“当前帧”的特征的步骤，其包括：S21获得输入特征：局部交叉关系模块的输入为一对输入序列帧生成的特征{Fa,Fc}；其中是输入当前帧的多尺度特征图，C是特征图的通道数，H′和W′分别是特征图的高和宽，是输入邻接帧的多尺度特征图；S22将输入特征{Fa,Fc}输入到1×1卷积层获得特征的中间表达结果{F′a,F′c}，其中C′＝C8；S23获得相应尺度的人群密度图：{F′a,F′c}被送入另一1×1卷积层，以生成尺寸为H′×W′的人群密度图；S24计算自适应余弦权重：对于当前帧中的每个像素，通过计算自适应余弦权重来衡量该像素与该像素位置在邻接帧中的邻居像素的相似性；S25通过所述自适应余弦权重的加权和的方式，获得当前帧的增强特征FcR；S26获得场景一致性注意图：根据相邻帧之间邻接位置的相似性生成场景一致性注意图Mc，用来衡量邻接帧中的邻居像素点对当前帧特征的影响程度；S27获得输出特征Ftl＝concatFt,Mt⊙FtR；其中，concatA,B表示特征A与特征B的连接操作；⊙代表矩阵哈达玛积操作。

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哈尔滨工业大学(深圳)，其通讯地址为：518055 广东省深圳市南山区桃源街道深圳大学城哈尔滨工业大学校区；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”。