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！

龙图腾网获悉中国人民解放军火箭军工程大学申请的专利一种多尺度的无人机航拍目标跟踪方法和装置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：CN116797628B 。

龙图腾网通过国家知识产权局官网在2025-07-25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：202310429983.X，技术领域涉及：G06T7/246；该发明授权一种多尺度的无人机航拍目标跟踪方法和装置是由金国栋;薛远亮;谭力宁;高晶;龙江雄;田思远设计研发完成，并于2023-04-21向国家知识产权局提交的专利申请。

本一种多尺度的无人机航拍目标跟踪方法和装置在说明书摘要公布了：本发明公开了一种多尺度的无人机航拍目标跟踪方法和装置，涉及图像跟踪技术领域，包括：获取无人机航拍视频，将无人机航拍视频的初始帧和当前帧输入基于G‑ResNet网络构建的孪生跟踪网络中模板分支和搜索分支，分别从G‑ResNet网络的layer2、layer3和layer4三个卷积块输出三组第一加权特征图和第二加权特征图，利用多个无锚框的区域建议网络，对三组第一加权特征图和第二加权特征图进行加权融合，获得当前帧的目标跟踪结果。该方法可以解决无人机跟踪算法都不能很好地达到精度与速度的平衡状态的问题。

本发明授权一种多尺度的无人机航拍目标跟踪方法和装置在权利要求书中公布了：1.一种多尺度的无人机航拍目标跟踪方法，其特征在于，包括： 获取无人机航拍视频； 将无人机航拍视频的初始帧和当前帧输入基于G-ResNet网络构建的孪生跟踪网络中模板分支和搜索分支，分别从G-ResNet网络的layer2、layer3和layer4三个卷积块输出三组第一加权特征图和第二加权特征图，所述G-ResNet网络是通过平行堆叠的多个相同拓扑结构的卷积层组，替换resnet50网络中的每个Bottleneck的残差模块的3乘3的卷积核，并在每个Bottleneck后面增加一个双多尺度注意力模块获得的； 利用多个无锚框的区域建议网络，对三组第一加权特征图和第二加权特征图进行加权融合，根据加权融合的结果中的预测框和预测位置，跟踪当前帧的目标； 所述通过平行堆叠的多个相同拓扑结构的卷积层组，替换resnet50网络中的每个Bottleneck的残差模块的3乘3的卷积核，包括： 在layer1中，通过分组卷积将3个Bottleneck的残差模块中的通道数为64的3乘3的卷积核分为32组平行堆叠的通道数为4的卷积核大小为3乘3的卷积层组； 在layer2中，通过分组卷积将4个Bottleneck的残差模块中的通道数为128的3乘3的卷积核分为32组平行堆叠的通道数为8的卷积核大小为3乘3的卷积层组； 在layer3中，通过分组卷积将6个Bottleneck的残差模块中的通道数为256的3乘3的卷积核分为32组平行堆叠的通道数为16的卷积核大小为3乘3的卷积层组； 在layer4中，通过分组卷积将3个Bottleneck的残差模块中的通道数为512的3乘3的卷积核分为32组平行堆叠的通道数为32的卷积核大小为3乘3的卷积层组； 所述分别从G-ResNet网络的layer2、layer3和layer4三个卷积块输出三组第一加权特征图和第二加权特征图，包括： 通过双多尺度注意力模块，分别提取模板分支和搜索分支的layer2、layer3和layer4中的第一个Bottleneck输出的第一特征图和第二特征图； 分别对第一特征图和第二特征图进行分组，分别得到第一特征图和第二特征图对应的多个分组特征图； 将每个分组特征图分解为第一子特征图和第二子特征图； 利用位置注意力模块和通道注意力模块分别处理第一子特征图和第二子特征图，分别获得带有位置注意力响应的子特征图和通道注意力响应的第三子特征图和第四子特征图； 将第三子特征图和第四子特征图进行通道融合得到一个分组特征图对应的第五子特征图； 获取多个分组特征图对应的多个第五子特征图； 对多个第五子特征图进行混洗，得到第一个Bottleneck的模板分支和搜索分支的第一个Bottleneck输出的加权特征图； 将模板分支和搜索分支的第一个Bottleneck输出的加权特征图依次向后传播，分别从layer2、layer3和layer4的最后一个Bottleneck输出第一加权特征图和第二加权特征图； 所述利用多个无锚框的区域建议网络，对三组第一加权特征图和第二加权特征图进行加权融合，包括： 在G-ResNet网络的模板分支和搜索分支的各自的layer2、layer3和layer4三个卷积块之间分别设置无锚框策略的RPN模块，无锚框策略的RPN模块包括分类分支和回归分支，回归分支用于预测目标像素点与真实框之间的偏移量； 将第一加权特征图和第二加权特征图分别输入无锚框策略的RPN模块的回归分支和分类分支中的卷积网络中，从回归分支输出回归图和分类图，从分类分支输出回归图和分类图； 将分类分支和回归分支输出的两个回归图进行深度互相关运算，获得回归结果； 将分类分支和回归分支输出的两个分类图进行深度互相关运算，获得分类结果； 获取分类结果的最大值所处位置作为目标的预测位置； 在回归结果中获取预测位置对应的预测边界框，作为目标的预测框。

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人民解放军火箭军工程大学，其通讯地址为：710025 陕西省西安市灞桥区洪庆街道同心路二号；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”。