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！

龙图腾网获悉安徽大学申请的专利基于模态竞争协同网络的可见光红外目标跟踪方法及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：CN114332166B 。

龙图腾网通过国家知识产权局官网在2025-08-01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：202111671516.5，技术领域涉及：G06T7/246；该发明授权基于模态竞争协同网络的可见光红外目标跟踪方法及装置是由刘亮;李成龙;王亮;黄岩;鹿安东;纪晴设计研发完成，并于2021-12-31向国家知识产权局提交的专利申请。

本基于模态竞争协同网络的可见光红外目标跟踪方法及装置在说明书摘要公布了：本发明公开一种基于模态竞争协同网络的可见光红外目标跟踪方法及装置，方法包括：以所要跟踪当前帧的上一帧中目标预测位置为中心，生成第一候选样本集合；将第一候选样本集合输入至训练好的跟踪模型，得到当前帧的目标跟踪结果；跟踪模型包括特征提取网络和目标分类器；特征提取网络包括第一提取网络、第二提取网络和权重分配网络，第一提取网络和第二提取网络均包括VGG‑M的前三层卷积层，且每一卷积层中包含N个相同尺寸的卷积核形成卷积核组。通过引入卷积核组和多权重分配网络来生成多核动态协同的卷积核，利用卷积核组中包含的若干个卷积核，可以提取更多样的特征，达到良好的多模态视频跟踪效果。

本发明授权基于模态竞争协同网络的可见光红外目标跟踪方法及装置在权利要求书中公布了：1.一种基于模态竞争协同网络的可见光红外目标跟踪方法，其特征在于，所述方法包括： 以所要跟踪当前帧的上一帧中目标预测位置为中心，生成第一候选样本集合，所述第一候选样本集合中包括可见光样本和热红外样本； 将所述第一候选样本集合输入至训练好的跟踪模型，得到所述当前帧的目标跟踪结果； 其中，所述跟踪模型包括特征提取网络和目标分类器，所述特征提取网络的输出与所述目标分类器连接；所述特征提取网络包括第一提取网络、第二提取网络和权重分配网络，所述可见光样本和所述热红外样本分别作为所述第一提取网络和所述第二提取网络的输入，所述第一提取网络和所述第二提取网络均包括VGG-M的前三层卷积层，且每一卷积层中包含N个相同尺寸的卷积核形成卷积核组；所述第一候选样本集合作为所述权重分配网络的输入，所述权重分配网络输出的第一权重组经乘积操作与所述第一提取网络中各所述卷积核组连接后作为所述第一提取网络的输入，所述权重分配网络输出的第二权重组经乘积操作与所述第二提取网络中各所述卷积核组连接后作为所述第二提取网络的输入； 所述权重分配网络包括全局平均池化层、模态共享全连接层以及模态特定全连接层，所述第一候选样本集合作为所述全局平均池化层的输入，所述全局平均池化层的输出经所述模态共享全连接层以与所述模态特定全连接层的输入连接，所述模态特定全连接层用于输出所述第一权重组和所述第二权重组； 所述目标分类器包括两个域共享全连接层和一个域特定全连接层，两个所述域共享全连接层连接后与所述域特定全连接层的输入连接，所述域特定全连接层输出作为所述当前帧的目标跟踪结果； 所述域共享全连接层包括依次连接的全连接层、修正线性单元和神经元随机激活函数，所述域特定全连接层包括依次连接的全连接层、神经元随机激活函数和Softmax层； 所述方法还包括： 使用Imagenet-Vid数据集预训练所述第一提取网络和所述第二提取网络以及所述域共享全连接层的参数作为网络中的预训练参数； 使用高斯分布初始化所述域特定全连接层和所述权重分配网络的参数； 利用已标注好且对齐的可见光-热红外数据集训练所述跟踪模型，得到训练好的所述跟踪模型，包括： 使用最大值保留和随机卷积核丢弃训练所述跟踪模型中的各所述卷积核组合所述目标分类器，得到第一阶段的预训练模型； 加载所述第一阶段的预训练模型，并采用随机构建的训练数据训练所述第一阶段的预训练模型的网络参数。

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安徽大学，其通讯地址为：230039 安徽省合肥市蜀山区肥西路3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”。