买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中国科学院长春光学精密机械与物理研究所申请的专利一种基于稀疏学习的从粗到细的鲁棒视觉目标跟踪算法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115294174B 。

龙图腾网通过国家知识产权局官网在2025-06-27发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211011081.6，技术领域涉及：G06T7/246；该发明授权一种基于稀疏学习的从粗到细的鲁棒视觉目标跟踪算法是由刘晶红;苏银强;徐芳;刘成龙;左羽佳设计研发完成，并于2022-08-23向国家知识产权局提交的专利申请。

本一种基于稀疏学习的从粗到细的鲁棒视觉目标跟踪算法在说明书摘要公布了：本发明涉及视觉目标跟踪领域，具体提供了一种基于稀疏学习的从粗到细的鲁棒视觉目标跟踪算法，包括步骤S1：建立目标外观模型、S2：对目标进行跟踪，步骤S1中引入了上下文约束和套索回归，并将目标响应的稀疏性嵌入至了跟踪框架中；步骤S2中采用从粗到细的定位方式，采用交互式Kalman滤波来监督并参与目标的定位，对细定位时的响应图进行多峰检测。本发明提供的目标跟踪算法通过建立鲁棒、稀疏的目标外观模型，可有效抑制目标的内在干扰和外在干扰的影响，有效避免意外峰值造成的模型漂移或跟踪失败情况的发生，可提高定位的准确性。

本发明授权一种基于稀疏学习的从粗到细的鲁棒视觉目标跟踪算法在权利要求书中公布了：1.一种基于稀疏学习的从粗到细的鲁棒视觉目标跟踪算法，其特征在于，包括如下步骤： S1：建立鲁棒的目标外观模型； S11：在经典滤波的基础上引入正则约束： S12：利用套索回归从目标模型中选出具有正向参考价值的特征，引入λ1||w||1； S13：添加正则约束：将目标响应的稀疏性嵌入跟踪框架中； S14：得到单通道下模型目标函数： 其中，x0∈Rn表示提取的目标，xi∈Rni∈[1,4]表示周围的背景特征，y∈Rn表示理想的二维高斯响应，w∈Rn表示需要学习的滤波器，符号*表示循环卷积操作，参数λ1用于控制特征选择的力度，参数λ2用于控制背景响应回归到0的力度，λSR用于控制响应的稀疏程度； S15：对目标函数进行逐步优化，并求解出滤波器； S2：对目标进行跟踪； S21：输入视频序列，选定第t-1帧为目标的初始帧； S22：确定目标的初始状态，初始化交互式Kalman的相关参数，通过参数和步骤S15中的方法求解出初始帧的滤波器wt-1； S23：根据目标的初始状态在中心位置处选定搜索区域，提取目标特征； S24：基于提取的目标特征，训练滤波器wt-1得到粗定位滤波器wt-1a和细定位滤波器wt-1b； S25：根据第t-1帧图像训练得到的wt-1a和wt-1b，通过从粗到细的定位方式，确定目标在第t帧的相关状态； S26：根据确定的第t帧的目标状态，训练得到第t帧的滤波器wt； S27：更新滤波器wt，同时更新交互式Kalman的相关参数； S28：迭代求解得到wt+1、wt+2、wt+3......，直到得到w的最优解。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国科学院长春光学精密机械与物理研究所，其通讯地址为：130033 吉林省长春市经济技术开发区东南湖大路3888号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。