買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜南京師范大學申請的專利一種基于類別損失和差值檢測的多目標小物體識別方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN114429584B 。

龍圖騰網通過國家知識產權局官網在2025-05-13發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202111318533.0，技術領域涉及：G06V20/10；該發明授權一種基于類別損失和差值檢測的多目標小物體識別方法是由凌旭;謝非;李群召;施夢臣;章悅;夏光圣;張培彪;鄭鵬飛;吳佳豪;王芳設計研發完成，并于2021-11-09向國家知識產權局提交的專利申請。

本一種基于類別損失和差值檢測的多目標小物體識別方法在說明書摘要公布了：本發明公開了一種基于類別損失和差值檢測的多目標小物體識別方法，包括如下步驟：采集棋盤初始圖像，標定棋盤圖像坐標，根據坐標分割棋盤圖像；對分割后的棋盤圖像進行預處理，使用搭建好的深度學習網絡模型對處理后的圖像進行分類，將分類結果轉換為棋局信息；采集棋盤圖像P1，棋手進行一步行棋后，再次采集棋盤圖像P2；根據棋盤圖像P1和棋盤圖像P2，采用差值檢測方法對行棋的起點和終點進行合理性判斷，更新棋局信息。本發明實現了對中國象棋從開局到每一步行棋的檢測識別，具有速度快、魯棒性高等優點，且受光線影響較小，并且可擴展至其他棋類的檢測，在中國象棋對弈人機交互、普及人工智能方面具有重要意義。

本發明授權一種基于類別損失和差值檢測的多目標小物體識別方法在權利要求書中公布了：1.一種基于類別損失和差值檢測的多目標小物體識別方法，其特征在于，包括如下步驟：S1：采集棋盤初始圖像，標定棋盤圖像坐標，根據坐標分割棋盤圖像；S2：對分割后的棋盤圖像進行預處理，使用搭建好的深度學習網絡模型對處理后的圖像進行分類，將分類結果轉換為棋局信息；S3：采集棋盤圖像P1，棋手進行一步行棋后，再次采集棋盤圖像P2；S4：根據棋盤圖像P1和棋盤圖像P2，采用差值檢測方法對行棋的起點和終點進行合理性判斷，若合理，則將起點和終點坐標轉換為行棋的信息，更新棋局信息；步驟S4中差值檢測方法的具體過程如下：B1：對棋盤圖像P1和棋盤圖像P2進行灰度處理；B2：將P1的灰度圖與P2的灰度圖做差，得到圖像P3，將P3進行二值化處理；B3：根據圖像P3，通過設定的判斷閾值進行坐標枚舉判斷，當輸出結果為兩個坐標，則將坐標作為行棋的起點和終點，若輸出結果不為兩個坐標，則進行判斷閾值的迭代，直至輸出結果為兩個坐標；B4：將起點和終點坐標轉換為行棋的信息，更新棋局信息；步驟B3具體為：C1：根據棋盤大小給90個落子點設置一個閾值判斷的矩形，矩形的中心為落子點的坐標；C2：使用閾值衡量矩形中像素值為255的點的數量，當某落子點的255像素點超過此閾值，則將此落子點視為目標落子點，遍歷90個落子點，找出所有超過閾值的點；C3：當所給出的落子點個數超過2或者小于2時，則判斷為不合理，需要進行閾值的調整，使用調整后的閾值重復步驟C2；C4：閾值調整的算法如公式11所示：T＝T0+Tinc*xinc-Tdec*xdec11其中，T為判斷所使用的閾值，T0為所設置的初始閾值，Tinc為閾值每次增加的個數，Tdec為閾值每次減少的個數，xinc為閾值增加的次數，初始值為0，xdec為閾值減少的次數，初始值為0；C5：首次判斷使用的是初始閾值，當判斷給出的落子點數大于2時，說明閾值設置的過小，將一些噪點也計算進來了，因此需要增加閾值，將xinc每次加1提高閾值再次進行判斷；當給出的落子點數小于2，說明閾值過大，將正確的目標落子點也舍棄了，因此需要減少閾值，將xdec每次加1以減少閾值，再次進行判斷；C6：最終閾值判斷會得到兩個目標落子點，根據所得的棋局信息，獲取兩個目標落子點的所包含的棋子信息，棋子信息和當前行棋一方對應的則為起點，另一落子點則為終點；C7：根據起點與終點更新棋局信息，起點的信息改為空，終點的信息改為起點的棋子，完成行棋檢測。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人南京師范大學，其通訊地址為：210046 江蘇省南京市棲霞區文苑路1號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。