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！

龙图腾网获悉北京交通大学申请的专利一种基于无监督学习的列车轨道交通前向异物检测方法和系统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：CN121564688B 。

龙图腾网通过国家知识产权局官网在2026-04-28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：202511759836.4，技术领域涉及：G06V20/58；该发明授权一种基于无监督学习的列车轨道交通前向异物检测方法和系统是由曹志威;李威;秦勇;马慧茹;赖晴鹰;王雅观;寇淋淋;连丽容;于杭;刘镇豪;孟祥飞;秦伍洋设计研发完成，并于2025-11-27向国家知识产权局提交的专利申请。

本一种基于无监督学习的列车轨道交通前向异物检测方法和系统在说明书摘要公布了：本发明提供了一种基于无监督学习的列车轨道交通前向异物检测方法和系统。该方法包括：通过工业相机采集列车轨道交通前方的运行环境的视频流，得到待识别图像数据；通过跨尺度特征提取模块对待识别图像数据进行处理，并行地提取待识别图像数据的局部细节特征与全局语义特征，生成一组多尺度特征；通过双路径融合流模块对多尺度特征进行并行的概率密度估计，分别在局部路径和全局路径下将多尺度特征映射为两组相互补充的隐变量；通过目标分割定位模块整合两组隐变量信息，进行自适应融合，生成标示了异物位置及轮廓的像素级定位热图。本发明方法可以摆脱对海量人工标注数据的依赖，能够对轨道环境中类别未知、形态各异的异物进行精确检测和定位。

本发明授权一种基于无监督学习的列车轨道交通前向异物检测方法和系统在权利要求书中公布了：1.一种基于无监督学习的列车轨道交通前向异物检测方法，其特征在于，包括： 通过工业相机采集列车轨道交通前方的运行环境的视频流，对采集到的视频流进行解码，得到待识别图像数据； 通过跨尺度特征提取模块对所述待识别图像数据进行处理，并行地提取待识别图像数据的局部细节特征与全局语义特征，生成一组多尺度特征； 通过双路径融合流模块对所述多尺度特征进行并行的概率密度估计，分别在局部路径和全局路径下将所述多尺度特征映射为两组相互补充的隐变量； 通过目标分割定位模块整合两组隐变量信息，并进行自适应融合，生成标示了异物位置及轮廓的像素级定位热图； 所述的通过跨尺度特征提取模块对所述待识别图像数据进行处理，并行地提取待识别图像数据的局部细节特征与全局语义特征，生成一组多尺度特征，包括： 所述跨尺度特征提取模块包括局部特征提取分支、语义特征提取分支和上下文感知融合模块，通过局部特征提取分支利用级联的残差网络结构和下采样操作，捕获待识别图像数据中局部细节信息，并输出多尺度局部特征图； 通过语义特征提取分支利用堆叠的SwinTransformer结构捕获待识别图像数据中全局语义信息，并输出多尺度全局语义特征图； 将所述多尺度局部特征图和所述全局语义特征图输入至上下文感知融合模块，上下文感知融合模块通过1×1大小的2D卷积模块对所述多尺度局部特征图和所述全局语义特征图进行通道对齐，通过门控卷积机制学习动态权重，对局部特征图和全局语义特征图在每个空间位置上进行自适应加权融合，通过公式1生成一组信息增强的多尺度特征，； 1 式中：表示门控权重值，表示1×1大小的2D卷积层，表示逐元素相乘，表示逐元素相加； 所述的通过双路径融合流模块对所述多尺度特征进行并行的概率密度估计，分别在局部路径和全局路径下将所述多尺度特征映射为两组相互补充的隐变量，包括： 在局部路径中，对所述多尺度特征中的每一个尺度特征应用多尺度解耦融合模块，多尺度解耦融合模块对每个尺度特征分别应用1个独立的1×1大小的2D卷积模块进行通道变换，通过恒等映射连接，将变换后的特征与原始特征相加，进行预处理得到特征； 在全局路径中，全局尺度交互模块首先通过1×1大小的2D卷积模块进行通道对齐，利用双线性插值下采样到最小尺度后进行通道拼接，通过1个由2D平均池化层、3×3大小的2D卷积模块、Relu激活函数、1×1大小的2D卷积模块和Softmax激活函数组成的通道加权模块为每个尺度的特征图生成权重，将所述多尺度特征通过公式2整合为初始融合特征； 2 式中：表示初始融合特征，表示特征权重，为经过通道变换和下采样处理后的特征； 对所述初始融合特征通过公式3进行仿射非线性变换得到增强特征 3 式中：为经过非线性变换后的增强特征，和为初始融合特征通过通道分割得到的特征，和由子网络预测得到，子网络采用3×3大小的2D卷积模块、ReLU激活函数和3×3大小的2D卷积模块的结构，表示拼接操作； 对所述增强特征中的每个特征应用归一化流模型进行可逆变换处理，生成局部隐变量和局部雅可比矩阵，对所述增强特征应用归一化流模型进行可逆变换处理，生成两组相互补充的全局隐变量和全局雅可比矩阵。

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北京交通大学，其通讯地址为：100044 北京市海淀区西直门外上园村3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。