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！

龙图腾网获悉山东省计算中心(国家超级计算济南中心);齐鲁工业大学(山东省科学院);山东山科智能科技有限公司申请的专利校园危险行为检测方法、系统、设备及存储介质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：CN117152835B 。

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：202311064394.2，技术领域涉及：G06V40/20；该发明授权校园危险行为检测方法、系统、设备及存储介质是由刘祥志;邱文科;吴晓明;尹训嘉;裴加彬设计研发完成，并于2023-08-22向国家知识产权局提交的专利申请。

本校园危险行为检测方法、系统、设备及存储介质在说明书摘要公布了：本发明公开了校园危险行为检测方法、系统、设备及存储介质，其中方法包括：获取待检测的图像；将待检测的图像，输入到训练后的校园危险行为检测模型中，输出校园危险行为检测结果；其中，训练后的校园危险行为检测模型采用改进的yolov7来实现，改进的yolov7是将原始yolov7的head模块的cat单元，替换为注意力机制单元CM；训练后的校园危险行为检测模型，训练过程中所采用的损失函数为DRIoU。在校园场景下精确的捕获和识别校园危险行为和动作，在面对不同尺度的目标时能确保检测精度，在实时检测的前提下优化了对遮挡目标和密集目标的检测精度。相较于人工监控的方法检测效率更高，发现也更及时。

本发明授权校园危险行为检测方法、系统、设备及存储介质在权利要求书中公布了：1.校园危险行为检测方法，其特征是，包括： 获取待检测的图像； 将待检测的图像，输入到训练后的校园危险行为检测模型中，输出校园危险行为检测结果； 其中，训练后的校园危险行为检测模型采用改进的yolov7来实现，改进的yolov7是将原始yolov7的head模块的cat单元，替换为注意力机制单元CM；训练后的校园危险行为检测模型，训练过程中所采用的损失函数为DRIoU； 所述改进的yolov7的注意力机制单元CM，包括第一注意力机制模块CM与第二注意力机制模块CM； 所述第一注意力机制模块CM与第二注意力机制模块CM的内部结构是一样的，所述第一注意力机制模块CM，包括： 并列的第一分支、第二分支和第三分支； 所述第一分支，包括：第一加法器，所述第一加法器的输出端与第一平均池化层的输入端连接，第一平均池化层的输出端与第一批归一化层的输入端连接，第一批归一化层的输出端与第一非线性层的输入端连接，第一非线性层的输出端分别与第一二维卷积层的输入端和第二二维卷积层的输入端连接，第一二维卷积层的输出端与第一激活函数层的输入端连接，第二二维卷积层的输出端与第二激活函数层的输入端连接，第一激活函数层的输出端和第二激活函数层的输出端均与第一Re-weight模块的输入端连接；第一Re-weight模块的输出端与concat模块的输入端连接； 所述第二分支，包括：第二平均池化层，第二平均池化层的输出端与第二批归一化层的输入端连接，第二批归一化层的输出端与第二非线性层的输入端连接，第二非线性层的输出端分别与第三二维卷积层的输入端和第四二维卷积层的输入端连接，第三二维卷积层的输出端与第三激活函数层的输入端连接，第四二维卷积层的输出端与第四激活函数层的输入端连接，第三激活函数层的输出端和第四激活函数层的输出端均与第二Re-weight模块的输入端连接；第二Re-weight模块的输出端与concat模块的输入端连接； 所述第三分支，包括：第二加法器，所述第二加法器的输出端与第三平均池化层的输入端连接，第三平均池化层的输出端与第三批归一化层的输入端连接，第三批归一化层的输出端与第三非线性层的输入端连接，第三非线性层的输出端分别与第五二维卷积层的输入端和第六二维卷积层的输入端连接，第五二维卷积层的输出端与第五激活函数层的输入端连接，第六二维卷积层的输出端与第六激活函数层的输入端连接，第五激活函数层的输出端和第六激活函数层的输出端均与第三Re-weight模块的输入端连接；第三Re-weight模块的输出端与concat模块的输入端连接； 第二Re-weight模块的输出端，分别与第一加法器的输入端和第二加法器的输入端连接。

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山东省计算中心(国家超级计算济南中心);齐鲁工业大学(山东省科学院);山东山科智能科技有限公司，其通讯地址为：250000 山东省济南市历下区科院路19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。