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！

龙图腾网获悉东南大学申请的专利一种基于互相关优化网络的通用单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：CN117011328B 。

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：202310606948.0，技术领域涉及：G06T7/223；该发明授权一种基于互相关优化网络的通用单目标跟踪方法是由杨万扣;张文康;王强设计研发完成，并于2023-05-25向国家知识产权局提交的专利申请。

本一种基于互相关优化网络的通用单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互相关优化网络的通用单目标跟踪方法，包括如下步骤：步骤1，构建权值共享的模板帧和搜索帧提取分支网络；步骤2，输入一批训练图像对，运用数据归一化技术，增强模型泛化能力；步骤3，将两种特征进行卷积互相关优化操作；步骤4，重复步骤三N次，N为互相关优化模块层数；步骤5，将最终响应图送至角点网络，预测物体的目标框；步骤6，采用L1损失和GIOU损失函数，计算损失并训练；步骤7，用测试序列图像第一帧初始化网络，便可在后续图像上实现单目标跟踪。本方法解决了通用单目标跟踪易受相似目标干扰而丢失跟踪目标的情况；同时采用角点预测，预测物体包围框更加精确，提高目标跟踪的精度和鲁棒性。

本发明授权一种基于互相关优化网络的通用单目标跟踪方法在权利要求书中公布了：1.一种基于互相关优化网络的通用单目标跟踪方法，其特征在于，该方法包括以下步骤： 步骤1，构建权值共享的孪生网络，基于ResNet-50的模板帧提取分支网络和搜索帧提取分支网络； 步骤2，输入一批训练图像对，在同一序列不同图像的目标框周围裁取不同大小的模板帧图像和搜索帧图像，运用数据归一化技术，以增强模型泛化能力； 步骤3，将提取到的模板特征和搜索特征进行两种不同类型的卷积互相关操作，得到两张特征响应图，将响应图与原特征图拼接，进一步优化提炼特征相应位置和外观信息； 步骤4，重复步骤3N次，N为卷积互相关运算模块层数，得到最终的一张目标响应图； 步骤5，将响应图送至角点网络，分别预测物体包围框的左上和右下角点，进而预测出物体的目标框； 步骤6，采用L1损失和GIOU损失函数，计算预测值与标签的损失，进行网络训练，直至网络收敛，得到通用单目标跟踪网络模型； 步骤7，在测试阶段，把测试序列图像第一帧输入最终的跟踪网络，初始化网络模型，便能在后续图像上实现单目标跟踪； 所述步骤3中提出互相关响应图进一步优化精炼策略，以解决跟踪背景中相似物体的干扰，同时加强待跟踪目标的响应；响应图优化精炼策略分为两步；第一步将搜索特征与模板特征经过深度互相关运算和点面互相关运算之后的初步响应图与搜索特征拼接，首先进行通道优化提炼，在经过1×1卷积和3×3卷积的调整通道和跨通道学习之后，得到与原始尺寸相同的搜索特征图；第二步，将第一步得到的特征图进行空间优化提炼，将特征图在空间维度上展开，经过前向网络后与特征图元素相加再进行归一化处理，这种残差结构能有效提高网络的学习能力，并保证梯度的顺利回传；步骤3利用两种互相关运算的性质，设计互相关优化模块；互相关优化网络的输入输出特征图尺寸相同，即能通过简单堆叠的方式动态改变网络深度，从而提高网络的非线性拟合能力，提高跟踪的鲁棒性。

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东南大学，其通讯地址为：210096 江苏省南京市玄武区四牌楼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。