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！

龙图腾网获悉西安电子科技大学申请的专利基于域适应和时空信息融合的RGBT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：CN119863491B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202411930383.2，技术领域涉及：G06T7/246；该发明授权基于域适应和时空信息融合的RGBT目标跟踪方法是由袁笛;张海平;廖东海设计研发完成，并于2024-12-26向国家知识产权局提交的专利申请。

本基于域适应和时空信息融合的RGBT目标跟踪方法在说明书摘要公布了：本发明提供了一种基于域适应和时空信息融合的RGBT目标跟踪方法。主要解决现有目标跟踪方案在目标外观变化、遮挡等复杂场景下跟踪效果不佳的问题。包括：1构建RGBT数据样本集；2基于预训练的RGB跟踪器构建双分支RGBT目标跟踪模型并进行训练；3设计在线模块更新策略，用于对初始模板图像进行动态更新；4将初始模板图像和搜索图像作为训练后模型的输入，将动态模板图像作为模型额外输入；5加载最优参数，利用训练后模型预测目标在后续帧中的运动状态，获取目标跟踪结果并输出。本发明极大地减小了计算成本，且能够充分利用目标的时间信息，从而有效改善特征提取网络性能，提升目标跟踪的精确度和鲁棒性。

本发明授权基于域适应和时空信息融合的RGBT目标跟踪方法在权利要求书中公布了：1.一种基于域适应和时空信息融合的RGBT目标跟踪方法，其特征在于，包括如下步骤： 1构建包含真实标签的可见光-热红外RGBT数据样本集，并对其进行划分，得到训练集和测试集； 2以预训练的RGB跟踪器OSTrack作为基准，构建双分支RGBT目标跟踪模型： 2.1将预训练的RGB跟踪器OSTrack扩展成双分支RGBT跟踪器，所述双分支为可见光RGB模态分支和热红外TIR模态分支； 2.2在双分支RGBT跟踪器的变压器编码器中加入适配器，构建微调变压器编码器，得到具有域适应能力的双分支RGBT目标跟踪模型；所述在双分支RGBT跟踪器的变压器编码器中加入适配器，具体是在不同分支的变压器编码器的多头注意力层和全连接层并行嵌入一个适配器，构建微调变压器编码器；该编码器核心组件为适配器，所述适配器由两个线性层和一个比例因子组成的沙漏结构，且该沙漏结构通过比例因子缩放并行连接到原始的多头注意力层分支和全连接层分支；多头注意力层包含成对位置的交互信息，全连接层包含特定任务的知识；并行连接用于保留独立分支的原有特征，并通过逐元素的缩放和聚合更新的上下文；假设不同分支的第i-1编码器输出各自模态的特征为经过所述微调变压器编码器，其具体计算过程表示如下： 其中，是RGB模态分支第i层编码器的输出，是TIR模态分支第i层编码器的输出；是RGB模态第i层编码器多头注意力层的输出，是TIR模态第i层编码器多头注意力层的输出；MSA表示多头注意力层，LN表示归一化层，MLP表示全连接层，Ada表示适配器结构；s为比例因子； 3导入预训练的OSTrack的模型参数，利用训练集对双分支RGBT目标跟踪模型训练获取最优参数，得到训练后的最终RGBT目标跟踪模型； 4设计在线模块更新策略，用于对初始模板图像进行动态更新；具体为：设定分类分数阈值为τ，在目标的最大分类分数大于τ时，对初始模板图像进行更新得到动态模板图像，执行步骤5；反之不对初始模板图像进行更新，执行步骤6； 5将初始模板图像、动态模板图像和搜索图像作为最终RGBT目标跟踪模型的输入，直接执行步骤7； 6将初始模板图像和搜索图像作为最终RGBT目标跟踪模型的输入； 7加载最优参数，利用最终RGBT目标跟踪模型预测目标在后续帧中的运动状态，获取目标跟踪结果并输出。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路2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。