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！

龍圖騰網恭喜浙江師范大學;溫州大學大數據與信息技術研究院申請的專利一種基于特征互補融合與關鍵幀模板更新的目標跟蹤算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：CN119380045B 。

龍圖騰網通過國家知識產權局官網在2025-05-09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：202411942481.8，技術領域涉及：G06V10/62；該發明授權一種基于特征互補融合與關鍵幀模板更新的目標跟蹤算法是由趙麗;范晨翔;鄭忠龍;張笑欽設計研發完成，并于2024-12-27向國家知識產權局提交的專利申請。

本一種基于特征互補融合與關鍵幀模板更新的目標跟蹤算法在說明書摘要公布了：本發明公開了一種基于特征互補融合與關鍵幀模板更新的目標跟蹤算法，其涉及圖像處理技術領域。包括：構建使用基于關鍵幀的模板更新策略的目標跟蹤模型，將模板幀和搜索幀輸入目標跟蹤模型，提取模板特征和搜索特征；在模板特征和搜索特征的每個通道獨立地進行卷積，得到局部特征；獲取模板特征和搜索特征各自對應的全局信息；獲取模板特征對應的全局信息和搜索特征對應的全局信息之間的相似度，并將模板特征、搜索特征和相似度進行融合；確認融合特征中每個像素所在位置是前景還是背景，預測融合特征中跟蹤目標的邊界框位置。本發明不僅考慮了局部特征，還考慮到前層注意力機制結果在后續注意力操作的影響作用，進而提高目標跟蹤的準確性。

本發明授權一種基于特征互補融合與關鍵幀模板更新的目標跟蹤算法在權利要求書中公布了：1.一種基于特征互補融合與關鍵幀模板更新的目標跟蹤算法，其特征在于，包括：構建互補特征提取模塊，所述互補特征提取模塊由兩個分支組成，每個分支包括通道方向上的卷積網絡和殘差注意力機制；在互補特征提取模塊每個分支的輸入端之前增添卷積神經網絡，互補特征提取模塊的輸出端連接殘差交叉注意力機制的輸入端；殘差交叉注意力機制的輸出端連接包括分類分支和回歸分支的邊界框預測模塊，以構建目標跟蹤模型，所述目標跟蹤模型使用基于關鍵幀的模板更新策略；獲取具有跟蹤目標的視頻，將視頻按幀切分，將具有跟蹤目標的視頻第一幀作為模板幀，視頻第一幀的后續幀作為搜索幀；將模板幀和搜索幀輸入目標跟蹤模型，通過第一分支的卷積神經網絡提取模板幀的模板特征，通過第一分支中通道方向上的卷積網絡在模板特征的每個通道上獨立地進行卷積，并對卷積的動態權值使用最大值平滑處理，得到模板特征對應的局部特征；通過第一分支中的殘差注意力機制確定模板特征對應的局部特征和前層注意力機制結果在后續注意力操作的比重，得到模板特征對應的全局信息；通過第二分支的卷積神經網絡提取搜索幀的搜索特征，通過第二分支中通道方向上的卷積網絡在搜索特征的每個通道上獨立地進行卷積，并對卷積的動態權值使用最大值平滑處理，得到搜索特征對應的局部特征；通過第二分支中的殘差注意力機制確定搜索特征對應的局部特征和前層注意力機制結果在后續注意力操作的比重，得到搜索特征對應的全局信息；通過交叉注意力機制獲取模板特征對應的全局信息和搜索特征對應的全局信息之間的相似度，并將模板特征、搜索特征和相似度進行融合，得到融合特征；通過邊界框預測模塊中的回歸分支確認融合特征中每個像素所在位置是前景還是背景，通過邊界框預測模塊中的分類分支預測融合特征中跟蹤目標的邊界框位置；其中，通過邊界框預測模塊中的回歸分支確認融合特征中每個像素所在位置是前景還是背景，通過邊界框預測模塊中的分類分支預測融合特征中跟蹤目標的邊界框位置，公式表示為： 其中，表示用于分類的前向傳播網絡，表示用于邊界框回歸的前向傳播網絡，表示長、寬為Hx,Wx搜索圖像中每個像素的分類概率，代表長、寬為Hx,Wx搜索圖像中每個像素的回歸概率，pf,pb表示該位置是前景還是背景的概率，l,t,r,b表示該像素位置到邊界框四面的距離。

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浙江師范大學;溫州大學大數據與信息技術研究院，其通訊地址為：321004 浙江省金華市迎賓大道688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”。