一种基于深度学习的伤员营救生命检测和定位方法技术

本发明专利技术公开了一种基于深度学习的伤员营救生命检测和定位方法，S1.采集并时间同步多目RGB‑D图像、激光雷达点云、毫米波生命体征雷达数据和红外热像数据；S2.输出像素级语义掩膜；S3.生成伤员语义点云；S4.形成度量‑语义双地图数据集；S5.生成生命体征评分并写入度量‑语义双地图数据集；S6.更新度量‑语义双地图数据集中的伤员动态锚点属性；S7.基于更新后的度量‑语义双地图数据集，计算每个伤员动态锚点的三维坐标和救援优先级排序，生成避开风险语义区域的避障优化导航路径。本发明专利技术有效提升救援效率与安全性。

【技术实现步骤摘要】

本专利技术涉及救援，尤其涉及一种基于深度学习的伤员营救生命检测和定位方法。

技术介绍

1、随着城市灾害响应与应急救援系统的逐步智能化，如何在复杂环境中实现对被困伤员的快速发现、精准定位与生命状态评估，已成为智能救援技术研究的关键方向之一，在火灾、地震、矿难灾难现场，由于环境复杂、能见度低、人员密集、障碍物遮挡严重，传统基于视觉的检测技术和单一生命体征感知手段在实战中面临极大挑战，无法满足“多模态融合、定位精确、生命判别及时”的高要求救援场景。

2、目前主流的伤员检测与定位方法多依赖于单一传感器，例如基于rgb图像或红外热成像实现目标识别与位置信息提取，但在遮挡严重、烟雾弥漫或结构塌陷区域，这些传感方式均存在显著盲区，极易造成漏检与误判，此外，生命迹象检测通常采用独立的毫米波雷达或红外仪器，缺乏与语义识别模块的空间联动，难以构建有效的生命风险优先级模型；而在缺乏统一坐标映射机制的情形下，生命体征数据与空间位姿信息无法融合，严重制约了伤员分级处理与救援路径优化的智能化进程。

3、另一方面，现有的目标检测算法在救援场景中常采用经典yolo本文档来自技高网...

【技术保护点】

1.一种基于深度学习的伤员营救生命检测和定位方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种基于深度学习的伤员营救生命检测和定位方法，其特征在于，所述S2包括以下步骤：

3.根据权利要求1所述的一种基于深度学习的伤员营救生命检测和定位方法，其特征在于，所述S3包括以下步骤：

4.根据权利要求3所述的一种基于深度学习的伤员营救生命检测和定位方法，其特征在于，所述S4包括以下步骤：

5.根据权利要求4所述的一种基于深度学习的伤员营救生命检测和定位方法，其特征在于，所述S5包括以下步骤：

6.根据权利要求5所述的一种基于...

【技术特征摘要】

1.一种基于深度学习的伤员营救生命检测和定位方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种基于深度学习的伤员营救生命检测和定位方法，其特征在于，所述s2包括以下步骤：

3.根据权利要求1所述的一种基于深度学习的伤员营救生命检测和定位方法，其特征在于，所述s3包括以下步骤：

4.根据权利要求3所述的一种基于深度学习的伤员营救生命检测和定位方法，其特征在于，所述s4包括以下步骤：

5.根据权利要求4所述...

【专利技术属性】
技术研发人员：朱海燕，彭亚文，王美茜，杜文娟，阚庭，刘佳玉，白杨，彭耀军，徐茂林，陈歆，梁彦超，丁新焕，黄晶晶，马唯一，王猛，潘博，
申请(专利权)人：中国人民解放军总医院第一医学中心，
类型：发明
国别省市：