安徽大学李成龙获国家专利权
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!
龙图腾网获悉安徽大学申请的专利一种面向弱配准数据的可见光热红外视觉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:CN116205959B 。
龙图腾网通过国家知识产权局官网在2025-09-16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:202310075035.0,技术领域涉及:G06T7/33;该发明授权一种面向弱配准数据的可见光热红外视觉跟踪方法是由李成龙;沈庆;刘磊;汤进设计研发完成,并于2023-01-16向国家知识产权局提交的专利申请。
本一种面向弱配准数据的可见光热红外视觉跟踪方法在说明书摘要公布了:一种面向弱配准数据的可见光热红外视觉跟踪方法,属于计算机视觉技术领域,解决多模态跟踪器对配准数据的依赖的问题;本发明的方法引入渐进式特征配准模块实现模态特征级配准,配准后的多模态特征进一步通过transformer融合模块实现特征融合,利用融合特征输入到模型预测器取得当前帧的最优的预测模型,与全图特征进行卷积操作以获得得分权重图,响应值高的位置则代表目标的预测位置,同时通过调制向量模块进行包围框的选取,完成对当前帧目标的准确定位;本发明的方法可以在不依赖严格配准的多模态数据下挖掘可见光和热红外模态的互补信息,有效实现了可见光和热红外之间的模态互补,进一步提高多模态目标跟踪的准确率。
本发明授权一种面向弱配准数据的可见光热红外视觉跟踪方法在权利要求书中公布了:1.一种面向弱配准数据的可见光热红外视觉跟踪方法,其特征在于,采用的网络模型包括:特征提取网络、渐进式特征融配准模块、transformer融合模块以及模型预测器;所述的特征提取网络用于提取可见光和热红外的多模态特征;所述的渐进式特征融配准模块,利用弱配准图像对预测单应性矩阵,用以扭曲热红外模态特征以实现热红外模态特征向可见光模态特征的配准;所述的transformer融合模块,由多头注意力机制组成,用于融合配准后的多模态特征;所述的模型预测器,由模型预测模块和调制向量模块组成,用于利用融合的多模态特征进行最后的跟踪结果预测; 所述的跟踪方法包括以下步骤: 步骤一:在初始帧或上一帧结果目标周围生成搜索区域,并提取搜索区域的多模态特征; 步骤二:将特征提取网络提取的多模态特征利用渐进式特征配准模块进行特征粗配准,同时预测单应性矩阵,进而实现热红外特征向可见光特征的细配准,同时更新单应性矩阵; 所述的利用渐进式特征配准模块进行特征粗配准,同时预测单应性矩阵,进而实现热红外特征向可见光特征的细配准的方法如下:首先根据主单应性矩阵HM利用空间转换网络STN实现热红外模态特征向可见光模态特征的粗配准,将可见光特征与粗配准的热红外特征在通道维度上拼接送给单应性估计模块估计次单应性矩阵HR,所述的单应性估计模块由残差模块、全局平均池化、全连接层以及直接线性变换依次连接组成;再使用空间转换网络STN实现热红外模态的细配准,并对预测的次单应性矩阵HR进行监督,损失函数如下: 其中,为单应性损失函数,HT代表监督信号量矩阵,n代表单应性矩阵的维度,为次单应性矩阵的第i行、第j列的元素,为监督信号量矩阵的第i行、第j列的元素; 步骤三:将细配准后的可见光热红外模态特征通过transformer特征融合模块进行多模态特征融合; 步骤四:利用融合特征输入到模型预测器取得当前帧的最优的预测模型,与全图特征进行卷积操作以获得得分权重图,响应值高的位置则代表目标的预测位置,同时通过调制向量模块进行包围框的选取,完成对当前帧目标的准确定位; 步骤五:跟踪下一帧。
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:230601 安徽省合肥市经开区九龙路111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”。
以上内容由龙图腾AI智能生成。
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。
请提出您的宝贵建议,有机会获取IP积分或其他奖励