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！

龙图腾网获悉南京理工大学申请的专利基于深度网络的可见光-红外目标跟踪方法及系统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：CN114219824B 。

龙图腾网通过国家知识产权局官网在2025-09-05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：202111554433.8，技术领域涉及：G06T7/20；该发明授权基于深度网络的可见光-红外目标跟踪方法及系统是由肖亮;郭朝阳设计研发完成，并于2021-12-17向国家知识产权局提交的专利申请。

本基于深度网络的可见光-红外目标跟踪方法及系统在说明书摘要公布了：本发明公开了一种基于深度网络的可见光‑红外目标跟踪方法及系统，包括：构建对称的双流孪生网络，包括可见光子网络和红外子网络；将可见光样本‑候选图像和红外样本‑候选图像分别输入到可见光子网络和红外子网络，提取模板和候选特征；通过通道注意力模块和通道‑空间联合注意力模块增强模板和候选特征；将原始模板和候选特征及增强的模板和候选特征均通过分类分支和回归分支进行分类、分支，得到对应的分类响应图和回归响应图；对分类响应图和回归响应图进行融合；通过自适应峰值选择模块处理分类响应图和回归响应图，获取目标定位。本发明在保证跟踪鲁棒性的同时仍能高速运行，应用于可见光‑红外目标跟踪任务具有优异的性能。

本发明授权基于深度网络的可见光-红外目标跟踪方法及系统在权利要求书中公布了：1.一种基于深度网络的可见光-红外目标跟踪方法，其特征在于，包括步骤： 构建对称的双流孪生网络，包括可见光子网络和红外子网络； 将可见光样本-候选图像和红外样本-候选图像分别输入到可见光子网络和红外子网络，提取模板和候选特征； 通过通道注意力模块和通道-空间联合注意力模块增强模板和候选特征； 将原始模板和候选特征及增强的模板和候选特征均通过分类分支和回归分支进行分类、分支，得到对应的分类响应图和回归响应图； 对分类响应图和回归响应图进行融合； 通过自适应峰值选择模块处理分类响应图和回归响应图，获取目标定位； 所述通道注意力模块和通道-空间联合注意力模块分别嵌入可见光子网络和红外子网络中；通过通道注意力模块和通道-空间联合注意力模块增强模板和候选特征具体为： 通道注意力模块的输入为Featrgb∈Rh×w×c，Feattir∈Rh×w×c，输出的增强特征为： Featrgb∈Rh×w×c,Feattir∈Rh×w×c Featunion＝CatFeatrgb,Feattir Weight＝GResizeFCGPFeatunion 其中，Cat·,·表示按通道维度级联操作，Featunion∈Rh×w×2c表示级联后的特征；GP·表示全局池化操作，FC·表示全连接层，Resize·表示调整尺寸操作，G·表示激活函数，Weight∈Rh×w×2c表示计算出的权重；*表示矩阵的点乘，表示增强后的特征；Apart·表示按通道维度特征拆分，分别表示增强后的可见光特征和红外特征，h、w、c分别为可见光图像数据的三个维度，即高、宽、通道数； 空间注意力模块的输入Featrgb∈Rh×w×c，Feattir∈Rh×w×c，输出的增强特征为： Featrgb∈Rh×w×c,Feattir∈Rh×w×c Featunion＝CatFeatrgb,Feattir 其中，Cat·,·表示按通道维度级联操作，Featunion∈Rh×w×2c表示级联后的特征；Avg·表示平均池化操作，Max·表示最大池化操作，为二维卷积，Sspatial∈Rk×k×c表示空间注意力模块二维卷积核，G·表示激活函数，Weight∈Rh×w×2c为计算出的权重；×是广播乘，表示增强后的特征；Apart·表示按通道维度特征拆分，分别是增强后的可见光特征和红外特征； 所述通道-空间注意力模块由串联的通道注意力模块和空间注意力模块构成，将由可见光子网络和红外子网络的骨干网络提取的可见光候选特征和红外候选特征进行增强。

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南京理工大学，其通讯地址为：210094 江苏省南京市孝陵卫200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”。