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！

龙图腾网获悉西安交通大学申请的专利一种结合偏振多模态的溺水检测方法及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：CN121482554B 。

龙图腾网通过国家知识产权局官网在2026-05-08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：202610034737.8，技术领域涉及：G06V10/80；该发明授权一种结合偏振多模态的溺水检测方法及系统是由李杰;龚孟鑫设计研发完成，并于2026-01-12向国家知识产权局提交的专利申请。

本一种结合偏振多模态的溺水检测方法及系统在说明书摘要公布了：本发明公开了一种结合偏振多模态的溺水检测方法及系统，属于溺水检测技术领域，旨在解决现有方法受水面反光、复杂水体环境影响导致准确率低的问题。方法包括：采集游泳者的偏振度图和强度图；将两图输入预训练的偏振融合网络，经特征提取、融合与重构得到融合图像；用偏振相机拍摄的模拟溺水场景视频图像，训练结合偏振融合特征的目标检测网络；将融合图像输入训练好的检测网络，判断是否溺水。本发明消除水面反光，提升图像信息完整性与检测准确率，适配多场景，适用于泳池、海水浴场等场所的智能溺水检测。

本发明授权一种结合偏振多模态的溺水检测方法及系统在权利要求书中公布了：1.一种结合偏振多模态的溺水检测方法，其特征在于，包括以下步骤： S1、采集游泳场景中的偏振度图和强度图，所述偏振度图和强度图基于Stokes矢量法获取； S2、将步骤S1得到的偏振度图和强度图输入预训练的偏振融合网络中进行特征融合，得到融合图像； 所述偏振融合网络包含特征提取模块、特征融合模块和特征重构模块； 所述特征提取模块采用双流编码器结构，分别对强度图和偏振度图进行针对性特征提取，具体为： 对强度图：先通过3×3标准卷积捕捉浅层边缘特征，保留亮度纹理细节；再通过并列的两分支进行深层特征捕捉，一分支包括依次连接的5×5卷积和3×3标准卷积，另一分支包括依次连接的7×7标准卷积和3×3标准卷积，将两分支的输出特征进行特征拼接后，再与原始强度图进行拼接，获得强度图对应的特征图； 对偏振度图：先通过3×3标准卷积提取初始偏振特征；再通过并列的两分支进行深层特征捕捉，一分支包括依次连接的5×5深度可分离卷积和3×3标准卷积，另一分支包括依次连接的7×7深度可分离卷积和3×3标准卷积，将两分支的输出特征进行特征拼接后，再与原始偏振度图进行拼接，获得偏振度图对应的特征图； 所述双流编码器的两侧分支均引入稠密连接机制，将各层特征通过跳跃连接直接传递至后续所有层级； 所述特征融合模块采用多尺度处理和偏振引导注意力的组合结构，具体包括： 将特征提取模块输出的特征分别在2倍尺度、4倍尺度上进行处理，对各尺度特征执行上采样、卷积、下采样操作后融合； 将经多尺度处理融合后的强度特征图与偏振度特征图分别输入全局最大池化层与全局平均池化层，获取两者的全局统计特征； 将偏振度图的全局统计特征引入强度图的注意力生成支路，通过卷积层学习得到可自适应调整的权重矩阵，生成偏振引导的通道注意力权重向量，实现跨模态特征的通道级融合； 通过卷积层提取偏振方向变化的梯度特征，生成偏振度图的空间权重掩膜，将所述空间权重掩膜与通道加权后的特征相乘，实现空间维度自适应融合； 所述特征重构模块通过三层卷积实现特征重构： 第一层3×3卷积：用于整合跨尺度特征的关联性，过滤冗余信息； 第二层3×3卷积：用于强化局部细节与全局结构； 第三层1×1卷积：用于压缩通道维度，将高维特征映射为与输入图像匹配的特征维度，生成所述融合图像； 预设损失函数为多尺度平均结构相似性损失、梯度损失与强度损失的加权和； S3、收集并标注偏振相机拍摄的模拟溺水场景的视频和图像，作为训练数据对适配偏振融合特征的目标检测网络进行训练，得到训练好的目标检测网络； 所述目标检测网络包括： 输入端模块，用于对偏振融合图像执行包括图像自适应缩放与锚框自适应配置的预处理操作，保持目标比例并适配多尺度检测； 特征提取模块，采用包含Focus结构、CSP结构与SPPF结构的层级卷积网络，从预处理后的偏振融合图像中提取多层次、多尺度的视觉特征，Focus结构用于增强人体肢体与漂浮物轮廓特征提取，CSP结构用于抑制水面背景干扰，SPPF结构用于捕捉多尺度上下文信息； 特征融合模块，采用特征金字塔网络与路径聚合网络相协同的双向融合结构；所述特征金字塔网络用于将所述特征提取模块输出的深层语义特征自上而下传递并与浅层细节特征融合；所述路径聚合网络用于将浅层空间特征自底向上传递并与深层语义特征再次融合； 检测输出模块，采用多尺度预测机制，从所述特征融合模块输出的不同尺度特征图中分别预测目标位置、类别及置信度，类别包括正常游泳和溺水状态，并通过非极大值抑制输出最终检测结果； S4、将步骤S2得到的融合图像送入步骤S3训练好的目标检测网络中，进行溺水行为检测，判断是否处于溺水状态。

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西安交通大学，其通讯地址为：710049 陕西省西安市碑林区咸宁西路28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。