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！

龙图腾网获悉贵州大学申请的专利一种基于目标置信分层关联策略的多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：CN119399245B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202411449638.3，技术领域涉及：G06T7/246；该发明授权一种基于目标置信分层关联策略的多目标跟踪方法是由杨观赐;赵天逸;罗可欣;陈小文;蓝善根;何玲;王阳;卢明朗设计研发完成，并于2024-10-17向国家知识产权局提交的专利申请。

本一种基于目标置信分层关联策略的多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目标置信分层关联策略的多目标跟踪方法，包括：输入视频V，将视频V分割成单独的帧序列fk；得到帧fk中所有行人目标的集合D；利用基于检测框变化趋势的遮挡目标运动状态预测方法，预测现有轨迹在当前帧fk中的位置；根据所述的预测轨迹和目标的置信分层关联策略，将预测轨迹与检测目标进行关联；保存匹配成功的轨迹集合Tmatched，对于当前帧中每个匹配成功的轨迹tk，利用匹配到的目标在当前帧的观测值，更新得到更精确的运动状态Xk和变化速度Pk；将视频V中的所有帧序列进行处理，输出多目标识别跟踪。本发明具有能提高在拥挤的复杂动态场景中跟踪目标的准确性和鲁棒性的特点。

本发明授权一种基于目标置信分层关联策略的多目标跟踪方法在权利要求书中公布了：1.一种基于目标置信分层关联策略的多目标跟踪方法，其特征在于：包括如下步骤： 步骤1：输入视频V，将视频V分割成单独的帧序列，每帧记为fk，其中k代表帧的序号； 步骤2：对于当前的帧fk，采用目标检测器对fk进行处理，得到帧fk中所有行人目标的集合Dk，集合Dk中的每个目标dk记录了包括目标检测框的检测置信度； 所述每个目标dk，将其检测置信度和预设的检测置信度阈值τdet进行比较；如果目标dk的检测置信度大于或等于阈值τdet，则将目标划分至高置信度目标集合Dhigh；如果目标dk的检测置信度小于阈值τdet，则将目标划分至低置信度目标集合Dlow； 步骤3：运动状态预测：利用基于检测框变化趋势的遮挡目标运动状态预测方法，预测现有轨迹在当前帧fk中的位置，记到第k‑1帧为止的轨迹的集合为Tk‑1，具体步骤包括： 步骤3.1：针对集合为Tk‑1中每个已存在轨迹tk‑1，利用十元组向量建模预测轨迹对应目标的检测框运动状态，其中x，y表示预测轨迹对应目标的检测框在图像平面的中心坐标，w与s分别表示检测框的宽和面积，c表示检测置信度，分别表示对应变量的速度，将该十元组向量输入卡尔曼滤波预测现有轨迹在当前帧的运动状态； 步骤3.2：对于每个当前帧的预测轨迹将其预测置信度和预设的轨迹置信度阈值τtracklet进行比较；如果的预测置信度大于或等于阈值τtracklet，则将此预测轨迹划分至高置信度轨迹集合Thigh；如果的预测置信度小于阈值τtracklet，则将目标划分为低置信度轨迹集合Tlow； 步骤4：预测轨迹与检测目标关联：根据所述的预测轨迹和目标的置信分层关联策略，将预测轨迹与检测目标进行关联，具体步骤如下： 步骤4.1：高置信度匹配：构建高置信度预测轨迹集合Thigh和高置信度检测目标集合Dhigh之间的成本矩阵Cstage1，基于检测框与轨迹预测框之间的交并比IoU距离计算成本；使用匈牙利算法依据Cstage1在Thigh和Dhigh之间进行匹配，确定视频帧中前景目标的轨迹；保留未匹配成功的轨迹为Tremain，未匹配成功的检测目标为Dremain； 步骤4.2：低置信度匹配：构建低置信度预测轨迹集合Tlow和上一阶段未匹配成功的检测目标Dremain之间的成本矩阵Cstage2，在计算成本时结合IoU距离和当前帧与上一帧之间的置信度差异，以提高匹配的准确率；将未匹配成功的轨迹合并到Tremain，未匹配成功的检测目标合并到为Dremain； 步骤4.3：剩余目标匹配：构建前两个阶段未匹配成功的轨迹Tremain和低置信度检测目标集合Dlow之间的成本矩阵Cstage3，基于检测框与轨迹预测框之间的IoU距离计算成本进行匹配，确保所有可能的目标都被考虑，以避免遗漏； 步骤5：保存匹配成功的轨迹集合Tmatched，对于当前帧中每个匹配成功的轨迹tk，利用匹配到的目标在当前帧的观测值，更新得到更精确的运动状态Xk和变化速度Pk；未匹配成功的检测目标将初始化为新轨迹在下一帧中进行跟踪； 步骤6：循环处理步骤2‑步骤5，直到视频V中的所有帧序列被处理完毕，进行多目标识别跟踪。

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贵州大学，其通讯地址为：550025 贵州省贵阳市花溪区贵州大学(北区)科技处；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。