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！

龍圖騰網恭喜浙江大學申請的專利一種基于深度學習和時序特征增強的視頻多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：CN115035159B 。

龍圖騰網通過國家知識產權局官網在2025-05-23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：202210632698.3，技術領域涉及：G06T7/246；該發明授權一種基于深度學習和時序特征增強的視頻多目標跟蹤方法是由劉勇;林葉能;王蒙蒙設計研發完成，并于2022-06-06向國家知識產權局提交的專利申請。

本一種基于深度學習和時序特征增強的視頻多目標跟蹤方法在說明書摘要公布了：本發明涉及計算機視覺領域，公開了一種基于深度學習和時序特征增強的視頻多目標跟蹤方法，包括以下步驟：S1、準備和處理數據集，將處理后的數據作為模型訓練和測試的輸入數據；S2、對模型結構中的目標檢測與ReID任務進行分離；S3、利用時序信息構建ReID任務模塊改善模型結構；S4、模型的后處理推理，將所述改善后的模型結構應用到多目標跟蹤的數據關聯匹配過程里。本發針對目標檢測與ReID兩種任務在訓練時存在的問題進行改善，將檢測和ReID分支進行了分離，使兩塊結構在保持功能精度的同時，使其更具獨立性并提升了檢測的性能。并且利用了時序信息，結合了歷史幀的中心點特征并添加了特征加強模塊，從而去改善模型在無人機視頻序列上的多目標跟蹤性能。

本發明授權一種基于深度學習和時序特征增強的視頻多目標跟蹤方法在權利要求書中公布了：1.一種基于深度學習和時序特征增強的視頻多目標跟蹤方法，其特征在于，包括以下步驟：S1、準備和處理數據集，將處理后的數據作為模型訓練和測試的輸入數據；S2、對模型結構中的目標檢測與ReID任務進行分離；S3、利用時序信息構建ReID任務模塊改善模型結構；S4、模型的后處理推理，將所述改善后的模型結構應用到多目標跟蹤的數據關聯匹配過程里；所述步驟S3具體分為訓練階段和推理階段；所述訓練階段具體包括以下步驟：S311、通過數據集的標注信息獲取上一幀中特征圖相應位置的特征將其與當前特征圖進行相似度計算得到上一幀中每一個物體與當前幀每一個點的特征距離；S312、得到上一幀中特征圖與當前特征圖的兩兩對應的位置信息之后進行特征融合；所述推理階段具體包括以下步驟：S321、利用熱度圖中得到上一幀可能存在的目標數目，并將這些目標對應位置的ReID特征信息作為輸入之一到特征模塊中；S322、設置一個閾值，若上一幀的中心點與匹配到的當前幀中心點位置相距超過所述閾值，則認為該匹配到的點不可信將其忽略，只保留可信度大的匹配點與當前特征圖進行特征融合。

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大學，其通訊地址為：310000 浙江省杭州市西湖區余杭塘路866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”。