Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 四川中科朗星光电科技有限公司杨珊获国家专利权

四川中科朗星光电科技有限公司杨珊获国家专利权

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!

龙图腾网获悉四川中科朗星光电科技有限公司申请的专利一种基于Siamese网络的轻量级红外无人机目标跟踪方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:CN115909110B

龙图腾网通过国家知识产权局官网在2025-08-19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:202211627178.X,技术领域涉及:G06V20/17;该发明授权一种基于Siamese网络的轻量级红外无人机目标跟踪方法是由杨珊;唐勋设计研发完成,并于2022-12-16向国家知识产权局提交的专利申请。

一种基于Siamese网络的轻量级红外无人机目标跟踪方法在说明书摘要公布了:本发明公开了一种基于Siamese网络的轻量级红外无人机目标跟踪方法,涉及一种基于神经网络的无人机目标跟踪方法技术领域,轻量级的跟踪网络主要由五个部分组成:特征提取网络、像素级特征融合模块、动态模板更新模块、边界框回归网络和目标分类网络,特征提取网络采用神经网络搜索的轻量级卷积网络FBNet,从静态模板图像、动态模板图像和裁剪的搜索图像中生成特征映射,然后将静态和动态模板图像特征映射的线性插值作为跟踪模型模板特征表示,像素级特征融合模块有效地融合模板特征和搜索图像的特征,并输出至分类和回归子网络,边界框回归网络和目标分类网络分别对目标的位置和类别进行预测。动态模板更新模块不断更新跟踪模型的动态模板,可以在不增加模型复杂度的情况下动态学习目标外观及背景的变化,所述的轻量级目标跟踪方法具有较好的跟踪鲁棒性与实时性,对目标外观与背景的剧烈变化有较强的泛化性能,适用于红外无人机目标跟踪。

本发明授权一种基于Siamese网络的轻量级红外无人机目标跟踪方法在权利要求书中公布了:1.一种基于Siamese网络的轻量级红外无人机目标跟踪方法,其特征在于,包括以下步骤: 步骤A:轻量级的跟踪网络由五个主要部分组成:特征提取网络、像素级特征融合模块、动态模板更新模块、边界框回归网络和目标分类网络,特征提取网络采用神经网络搜索的轻量级卷积网络FBNet,从静态模板图像、动态模板图像和裁剪的搜索图像中生成特征映射,然后将静态和动态模板图像特征映射的线性插值作为模板特征表示,像素级特征融合模块融合模板特征和搜索图像的特征,并输出至分类和回归子网络,边界框回归网络和目标分类网络分别对目标的位置和类别进行预测,动态模板更新模块不断更新跟踪模型的动态模板,可以在不增加模型复杂度的情况下动态学习目标外观及背景的变化; 步骤B:边界框回归网络由两个简单的3*3conv-bn-relu块组成,以降低计算复杂度,分类网络采用与边界框回归网络相似的结构,网络预测一个16*16的得分图,其中每个像素表示搜索图像对应区域的目标置信度得分; 步骤C:像素级特征融合模块引入逐像素融合模块,通过从搜索图像中提取的目标位置和外观信息进行逐像素相关操作,然后将计算得到的相关特征映射与搜索图像特征连接起来,并将结果通过一个1*1conv-bn-relu块进行聚合,可以有效地表征目标的位置和外观信息; 步骤D:动态模板更新模块在模型训练时从视频序列中随机采样一个动态模板图像,以捕获目标外观等特征变化,将动态模板图像通过特征提取网络,得到的动态特征映射Fd然后通过一个可学习参数w与静态模板特征映射Ft进行线性插值Ft′: Ft′=1-wFt+wFd 将线性Ft′和搜索图像特征映射FS传递给相似度模块,计算双模板和搜索图像嵌入特征的余弦相似度,在推理过程中,对每N帧选择余弦值最高的图像裁剪,用该帧预测的边界框更新动态模板,双模板表示模块使模型能够有效地编码时间信息以及对象外观和尺度变化,模型参数和FLOPs的增加很小,甚至可以忽略不计,使得它几乎是一个无成本的时间模块; 步骤E:训练阶段首先采集各种复杂场景、各种无人机类型、各种飞行姿态等无人机红外视频图像数据集,对红外图像数据集进行清洗标注,并划分训练和验证数据集,选择相应的数据增强技术、超参数、优化器及损失函数等训练验证并保存跟踪模型,将跟踪模型转换并部署至嵌入式平台; 步骤F:推理阶段,将视频的初始帧图像输入目标检测算法,得到视频初始帧图像中无人机目标的位置,给出目标框,即左上角像素坐标、目标框宽和高,以此初始框内无人机目标作为跟踪模型静态和动态模板输入,提取并融合模板的特征表示,网络模型跟踪后续红外图像中的无人机目标,输出无人机的目标框和置信度,根据相似度计算模型,计算每100帧的相似度得分,取最高分那一帧的无人机目标更新动态模板输入。

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四川中科朗星光电科技有限公司,其通讯地址为:610000 四川省成都高新区安泰七路66号10号厂房1-3层;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”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。