買(mǎi)專(zhuān)利賣(mài)專(zhuān)利找龍圖騰，真高效！ 查專(zhuān)利查商標(biāo)用IPTOP,全免費(fèi)！專(zhuān)利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜浙江大學(xué)申請(qǐng)的專(zhuān)利一種基于目標(biāo)追蹤和運(yùn)動(dòng)估計(jì)的視頻對(duì)抗樣本生成方法獲國(guó)家發(fā)明授權(quán)專(zhuān)利權(quán)，本發(fā)明授權(quán)專(zhuān)利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN114549937B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-04-15發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專(zhuān)利申請(qǐng)?zhí)?專(zhuān)利號(hào)為：202210186885.3，技術(shù)領(lǐng)域涉及：G06V10/774；該發(fā)明授權(quán)一種基于目標(biāo)追蹤和運(yùn)動(dòng)估計(jì)的視頻對(duì)抗樣本生成方法是由冀曉宇;張?jiān)蛮i;徐文淵;程雨詩(shī)設(shè)計(jì)研發(fā)完成，并于2022-02-28向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專(zhuān)利申請(qǐng)。

本一種基于目標(biāo)追蹤和運(yùn)動(dòng)估計(jì)的視頻對(duì)抗樣本生成方法在說(shuō)明書(shū)摘要公布了：本發(fā)明公開(kāi)了一種基于目標(biāo)追蹤和運(yùn)動(dòng)估計(jì)的視頻對(duì)抗樣本生成方法，屬于人工智能領(lǐng)域。包括：構(gòu)建視頻對(duì)抗樣本連續(xù)性評(píng)估指標(biāo)；采用目標(biāo)識(shí)別算法，對(duì)視頻序列中的前后兩幀之間的目標(biāo)進(jìn)行關(guān)聯(lián)匹配；根據(jù)關(guān)聯(lián)匹配結(jié)果獲得目標(biāo)的相對(duì)運(yùn)動(dòng)數(shù)據(jù)；計(jì)算對(duì)抗樣本生成模型的模型參數(shù)；對(duì)模型參數(shù)進(jìn)行優(yōu)化；將視頻序列中的每一幀圖像作為對(duì)應(yīng)該幀圖像的最終的對(duì)抗樣本生成模型的輸入，以對(duì)抗樣本連續(xù)性評(píng)估指標(biāo)作為約束條件，生成每一幀圖像的對(duì)抗樣本。該方法通過(guò)對(duì)多幀圖像間的目標(biāo)進(jìn)行關(guān)聯(lián)追蹤和運(yùn)動(dòng)估計(jì)，依據(jù)前幀的對(duì)抗參數(shù)推算出后幀的對(duì)抗參數(shù)，并在小鄰域范圍內(nèi)進(jìn)行優(yōu)化求解，最終生成對(duì)抗目標(biāo)相同、對(duì)抗結(jié)果連續(xù)、對(duì)抗參數(shù)接近的視頻對(duì)抗樣本。

本發(fā)明授權(quán)一種基于目標(biāo)追蹤和運(yùn)動(dòng)估計(jì)的視頻對(duì)抗樣本生成方法在權(quán)利要求書(shū)中公布了：1.一種基于目標(biāo)追蹤和運(yùn)動(dòng)估計(jì)的視頻對(duì)抗樣本生成方法，其特征在于，包含以下步驟：步驟1：針對(duì)不同的目標(biāo)對(duì)抗效果，構(gòu)建視頻對(duì)抗樣本連續(xù)性評(píng)估指標(biāo)；所述的目標(biāo)對(duì)抗效果包括隱藏、創(chuàng)建和替換；步驟1中所述的連續(xù)性評(píng)估指標(biāo)具體為：a.當(dāng)且僅當(dāng)?shù)趲瑘D像的對(duì)抗樣本識(shí)別結(jié)果滿(mǎn)足下式時(shí)，具有隱藏效果連續(xù)性： ；其中，表示對(duì)抗目標(biāo)；表示目標(biāo)識(shí)別算法的識(shí)別結(jié)果中的條目，包括邊界框、類(lèi)別和置信度，下角標(biāo)對(duì)應(yīng)第幀圖像；表示和的邊界框交并比，表示在第幀圖像中對(duì)應(yīng)對(duì)抗目標(biāo)的檢測(cè)結(jié)果，包括邊界框、類(lèi)別和置信度，為判定兩個(gè)邊界框不發(fā)生重合的閾值；b.當(dāng)且僅當(dāng)?shù)趲瑘D像的對(duì)抗樣本識(shí)別結(jié)果滿(mǎn)足下式時(shí)，具有替換效果連續(xù)性： ；式中，表示和的邊界框交并比，表示的檢測(cè)類(lèi)別，表示對(duì)抗目標(biāo)類(lèi)別；為判定兩個(gè)邊界框發(fā)生重合的閾值；c.當(dāng)且僅當(dāng)?shù)趲瑘D像的對(duì)抗樣本識(shí)別結(jié)果滿(mǎn)足下式時(shí)，具有創(chuàng)建效果連續(xù)性： ；式中，表示第幀圖像的識(shí)別結(jié)果，表示識(shí)別結(jié)果中的條目，包括邊界框、類(lèi)別和置信度；表示和的邊界框交并比，表示創(chuàng)建目標(biāo)，表示和的邊界框交并比；步驟2：采用目標(biāo)識(shí)別算法，對(duì)視頻序列中的前后兩幀之間的目標(biāo)進(jìn)行關(guān)聯(lián)匹配；根據(jù)關(guān)聯(lián)匹配結(jié)果獲得目標(biāo)的相對(duì)運(yùn)動(dòng)數(shù)據(jù)；步驟3：根據(jù)第幀圖像對(duì)應(yīng)的相對(duì)運(yùn)動(dòng)數(shù)據(jù)和第幀圖像對(duì)應(yīng)的對(duì)抗樣本生成模型的模型參數(shù)，得到第幀圖像對(duì)應(yīng)的對(duì)抗樣本生成模型的模型參數(shù)；步驟4：采用貝葉斯優(yōu)化算法對(duì)步驟3中得到的模型參數(shù)進(jìn)行優(yōu)化，根據(jù)優(yōu)化后的模型參數(shù)得到最終的對(duì)抗樣本生成模型；將視頻序列中的每一幀圖像作為對(duì)應(yīng)該幀圖像的最終的對(duì)抗樣本生成模型的輸入，以對(duì)抗樣本連續(xù)性評(píng)估指標(biāo)作為約束條件，生成每一幀圖像的對(duì)抗樣本。

如需購(gòu)買(mǎi)、轉(zhuǎn)讓、實(shí)施、許可或投資類(lèi)似專(zhuān)利技術(shù)，可聯(lián)系本專(zhuān)利的申請(qǐng)人或?qū)＠麢?quán)人浙江大學(xué)，其通訊地址為：310058 浙江省杭州市西湖區(qū)余杭塘路866號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。