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！

龙图腾网获悉大连海事大学申请的专利一种基于水下线索驱动提示学习的端到端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：CN119832025B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202411843124.6，技术领域涉及：G06T7/246；该发明授权一种基于水下线索驱动提示学习的端到端单目标跟踪方法是由王辉兵;汤浩铭;廖俊;张吉庆;付先平设计研发完成，并于2024-12-13向国家知识产权局提交的专利申请。

本一种基于水下线索驱动提示学习的端到端单目标跟踪方法在说明书摘要公布了：本发明提供一种基于水下线索驱动提示学习的端到端单目标跟踪方法，属于计算机视觉领域。主要包括：利用线索特征生成网络中的通道注意力机制对所述模板图像和搜索图像以通道方式调制；利用线索特征生成网络中的空间维度注意力机制对所述调制特征进行标记之间的局部交互以获取水下物体纹理特征；进行多头交叉注意操作得到水下线索提示特征；将模版和搜索特征以及水下线索提示特征输入到融合模块；利用模版和搜索特征继续与相关性分数做矩阵对应位置相乘操作得到水下前景纹理特征；将水下线索提示特征与模版和搜索特征输入到跟踪器的主干Transformer层中进行信息交互，计算预测框信息。本发明解决了现有单目标跟踪器结构在水下场景中无法端到端训练的问题。

本发明授权一种基于水下线索驱动提示学习的端到端单目标跟踪方法在权利要求书中公布了：1.一种基于水下线索驱动提示学习的端到端单目标跟踪方法，其特征在于，包括以下步骤： S1、获取待跟踪的水下视频数据、搜索图像以及模板图像；构建线索特征生成网络，所述线索特征生成网络包括通道注意力机制、空间注意力机制和进行线索提取的多头交叉注意力机制； S2、利用线索特征生成网络的通道注意力机制对所述模板图像和搜索图像以通道方式调制，从而生产突出水下图像中前景物体纹理的调制特征； S3、利用线索特征生成网络中的空间维度注意力机制对所述调制特征进行标记之间的局部交互以获取水下物体纹理特征，包括： S301、获取调制特征的平均池化和最大池化特征， S302、将拼接了平均池化和最大池化后的特征[B,C,,]进行划分、共分为上下左右四个等比大小的特征图[B,C,2,2],对每一个划分后的特征图输入到多层感知机中进行局部特征交互得到经过空间处理后的特征[B,1,4,4]，而后将四个小特征图按照原本拆分顺序重新拼接成一个大的特征图[B,C,,],此处的N代表特征中标记的总数， S303、将得到的特征图Xs展平为[B,C,N]的形状，并输入到Sigmoid激活函数层，计算空间注意力权重公式如下： 10 S304、将空间注意力权重与经过通道注意处理的特征逐位相乘，得到水下物体纹理特征： 11； S4、构建用于存储水下场景目标纹理信息的载体嵌入，所述嵌入初始化设置为全1； S5、将初始化的嵌入作为查询标记、将水下物体纹理特征作为多头交叉注意机制的键标记和值标记，进行多头交叉注意操作得到水下线索提示特征； S6、将模版和搜索特征以及水下线索提示特征输入到融合模块，所述融合模块用于进行特征间的矩阵乘法操作得以到相关性分数，其中所述模板和搜索特征的获取方式为：将模板图像和搜索图像经过PatchEmbedding操作处理后，送入Transformer主干处理获取； S7、利用模版和搜索特征继续与相关性分数做矩阵对应位置相乘操作得到水下前景纹理特征； S8、将水下线索提示特征与模版和搜索特征输入到跟踪器的主干Transformer层中进行信息交互，并将最后结果使用中心回归头计算预测框信息，包括： S801、进行信息交互的公式如下所示： 18 其中X0代表模版和搜索特征，S0代表由第一层线索特征生成网络提取出的水下前景纹理特征，代表强化前景纹理的模版和搜索特征，准备输入到第一层主干Transformer编码器，代表由第n层主干Transformer编码器输出的结果，N代表主干Transformer一共的层数，LN代表层归一化操作， S802、使用基于中心的头部来预测目标的重心位置和规模，将分类得分最高的位置作为目标的位置，并通过结合偏移量大小和边界框大小来计算最终的跟踪结果。

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大连海事大学，其通讯地址为：116026 辽宁省大连市甘井子区凌水街道凌海路1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。