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！

龍圖騰網恭喜貴州大學申請的專利一種無人機目標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：CN114972439B 。

龍圖騰網通過國家知識產權局官網在2025-05-13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：202210695272.2，技術領域涉及：G06T7/246；該發明授權一種無人機目標跟蹤方法是由趙津;孫念怡設計研發完成，并于2022-06-17向國家知識產權局提交的專利申請。

本一種無人機目標跟蹤方法在說明書摘要公布了：本發明公開了一種無人機目標跟蹤方法，通過基于自我注意機制的特征相關網絡完全利用全局信息來解決這一問題。該方法有效地結合了搜索區域和模板之間的特征，減少了外部干擾的影響，從而提高了跟蹤方法的準確性和魯棒性。通過學習查詢嵌入和時間更新策略來獲取全局時空特征，以進行預測，增強對目標對象外觀快速變化的適應性。為了滿足機載運行速度的要求，所提出的方法沒有建議或預定義的錨，不需要后處理步驟，整個方法是端到端的。

本發明授權一種無人機目標跟蹤方法在權利要求書中公布了：1.一種無人機目標跟蹤方法，其特征在于：該方法利用了自我注意機制原理；自我注意機制用于掃描序列中的每個元素，并通過聚合整個序列中的信息來更新，實現關注全局信息之間的關系，從而在遠程交互問題上得到實現；所述方法包括一個基于注意機制的跟蹤框架；所述跟蹤框架包括特征提取網絡、特征相關網絡、時間更新策略和預測頭；所述特征提取網絡用于獲取特征信息，減少數據維度；利用注意機制來學習輸入之間的關系，并預測目標對象的空間位置，有效地捕獲具有更多特征映射關聯的模板和感興趣區域特征；所述時間更新策略用于捕獲目標對象隨時間的變化，增強魯棒性；所述預測頭用于估算當前幀中的目標對象；所述特征提取網絡框架的具體方法是采用三組圖像塊作為輸入，分別是模板圖像搜索區域圖像和其它輸入動態更新模板圖像用于獲取目標外觀隨時間的變化并提供額外的時間信息；采用ResNet作為特征提取的主干，去除ResNet的最后一級和完全連接的層；通過ResNet作為主干的特征提取后，模板z，zd和搜索區域圖像x映射到三個特征映射和所述特征相關網絡的具體方法是基于注意機制來擴展特征相關網絡的范圍，獲取全局特征信息，避免陷入局部最優，從而增強了遠程特征捕獲能力；所述特征相關網絡包括編碼器encoder、解碼器decoder和特征互相關FCC；所述特征互相關FCC的具體方法是：將特征相關網絡中編碼器輸出的模板序列和搜索區域序列作為兩個分支分別輸入到特征互相關FCC模塊中，特征互相關FCC模塊分別同時接收兩個輸入，通過多頭自注意自適應的關注與有用的信息并交叉作為特征映射，在通過多頭交叉注意融合這兩個特征映射，重復M次后輸出模板交叉映射和搜索區域交叉映射再將輸入添加空間位置編碼，數學描述過程描述如下: 特征相關網絡使用交叉注意操作對模板和搜索區域進行融合相關，側重于關注目標對象的邊界信息，加深對模板和搜索區域之間的特征理解；采用損失函數方式對整個跟蹤框架進行界定訓練，訓練過程包括兩個步驟；步驟一、除了時間更新策略中分數頭以外的整個網絡都進行端到端的訓練定位，即允許模型學習定位能力；結合l1損失和廣義IoU損失將損失函數可以寫成方程5； 其中，bi,表示真正的邊界框值和預測邊界框的值；λiou,是超參數；步驟二、采用二進制交叉熵損失優化分數頭，如等式6所示；Lce＝yilogPi+1-yilog1-Pi6其中，yi是邊界框的真實標簽，Pi是置信度分數，所有其它參數都被凍結，避免影響本地化能力；最終的模型在經過兩個階段的訓練后，可以同時學習定位和分類能力。

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貴州大學，其通訊地址為：550025 貴州省貴陽市花溪區貴州大學北校區科學技術處；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”。