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！

龍圖騰網恭喜廣州大學申請的專利一種基于視覺的場外施工深度學習實例分割跟蹤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：CN114897937B 。

龍圖騰網通過國家知識產權局官網在2025-05-23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：202210565509.5，技術領域涉及：G06T7/246；該發明授權一種基于視覺的場外施工深度學習實例分割跟蹤方法是由蔡長青;賈羽彤;甘淞宇;彭俊源;湯銘柯設計研發完成，并于2022-05-23向國家知識產權局提交的專利申請。

本一種基于視覺的場外施工深度學習實例分割跟蹤方法在說明書摘要公布了：本發明公開了一種基于視覺的場外施工深度學習實例分割跟蹤方法，其包括以下步驟：步驟S1：實例分割：實例分割模塊從輸入視頻中檢測工作者，得到工作者的包圍盒和分割掩碼；步驟S2：實例關聯：實例關聯模塊在所述輸入視頻的每兩個連續幀上構造一個工作實例關聯矩陣；步驟S3：實例指派：實例指派模塊利用匈牙利算法在實例指派中產生跟蹤結果。本發明用于追蹤建筑工地上非現場施工工作者的身體輪廓，將實例分割引入到場外施工工作者跟蹤中，使工地管理具有更強的追蹤性，從而提升非現場施工工作者的視覺檢測效率和現場安全。

本發明授權一種基于視覺的場外施工深度學習實例分割跟蹤方法在權利要求書中公布了：1.一種基于視覺的場外施工深度學習實例分割跟蹤方法，其特征在于，包括以下步驟：步驟S1：實例分割：實例分割模塊從輸入視頻中檢測工作者，得到工作者的包圍盒和分割掩碼；所述步驟S1實例分割模塊中使用基于深度學習的掩碼R-CNN算法遮蔽R-CNN；所述掩碼R-CNN算法包括三個模塊：特征提取器模塊、區域建議網絡模塊和擴展分類器網絡模塊；所述，所述掩碼R-CNN算法的具體步驟如下：由ResNet101神經網絡對輸入圖像進行處理，提取特征提取模塊中的特征映射；利用RPN模塊對N×N空間窗口的特征映射進行滑動；在這個模塊中，為每個滑動窗口初始化12個錨定框作為興趣區域，這些錨定框由三個長寬比1：1，1：2，2：1和四個比例比322，642，1282，5122定義；每個感興趣區域由三層卷積網絡處理，兩層全連通盒分類和盒回歸處理RPN模塊根據它們成為對象的可能性產生300個ROIs；步驟S2：實例關聯：實例關聯模塊在所述輸入視頻的每兩個連續幀上構造一個工作者實例關聯矩陣；所述步驟S2實例關聯模塊中，輸入圖像時，一旦一個新的工作者實例在一個幀被分割，卡爾曼濾波跟蹤器將被初始化來跟蹤所述工作者實例，通過使用所述工作者實例的邊框信息，其中一個唯一的ID號被分配給Tracklet；卡爾曼濾波使用了一系列隨時間變化的觀測數據，并產生下一時間步長的估計；每個工作者實例的狀態模擬如下：STATE＝[Cx，Cy，u，v]其中Cx和Cy分別表示物體包圍盒中心點的水平和垂直坐標；u和v表示物體在水平和垂直坐標上的速度；卡爾曼濾波被用來跟蹤工作者實例的中心點，而不是用來跟蹤包圍盒；所述步驟S2關聯模塊的具體步驟如下：卡爾曼濾波利用前一幀的包圍盒信息，預測工作者實例在當前幀的中心點位置；將運動向量計算為同一工作者實例在當前幀和前一幀之間的中心點運動；通過將檢測到的遮罩與運動矢量相加，得到當前幀上的跟蹤遮罩；將當前連續幀上的關聯矩陣計算為當前幀上跟蹤遮罩和分割掩碼的掩碼交叉過并；步驟S3：實例指派：實例指派模塊利用匈牙利算法在實例指派中產生跟蹤結果；所述基于視覺的場外施工深度學習實例分割跟蹤方法將實例分割引入到場外施工工作者跟蹤中，使工地管理具有更強的追蹤性，從而提升非現場施工工作者的視覺檢測效率和現場安全。

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廣州大學，其通訊地址為：510006 廣東省廣州市大學城外環西路230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”。