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！

龙图腾网获悉煤炭科学研究总院有限公司;天地科技股份有限公司北京技术研究分公司申请的专利基于特征聚类孪生网络的嵌入式实时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：CN120259367B 。

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：202510741808.3，技术领域涉及：G06T7/246；该发明授权基于特征聚类孪生网络的嵌入式实时单目标跟踪方法是由安宁;程健;李和平;姜明;范日召设计研发完成，并于2025-06-05向国家知识产权局提交的专利申请。

本基于特征聚类孪生网络的嵌入式实时单目标跟踪方法在说明书摘要公布了：本发明提出一种基于特征聚类孪生网络的嵌入式实时单目标跟踪方法，涉及电子信息与人工智能的交叉技术领域，方法包括：通过轻量化的特征提取网络提取出视频序列的模板图像特征以及搜索图像特征；通过特征聚类的相关运算网络，分别对模板图像特征以及搜索图像特征进行特征增强后进行特征交叉融合，以得到相关运算特征；通过跟踪头网络跟踪相关运算特征得到的待跟踪单目标类别的分类结果和边界框的回归结果，训练出收敛的相关运算网络和特征提取网络，以构成一种基于特征聚类孪生网络部署至嵌入式平台，进行嵌入式实时单目标跟踪。由此，通过特征聚类孪生网络有效地增强和融合模板图像特征与搜索图像特征，实现嵌入式单目标的实时高精度跟踪。

本发明授权基于特征聚类孪生网络的嵌入式实时单目标跟踪方法在权利要求书中公布了：1.一种基于特征聚类孪生网络的嵌入式实时单目标跟踪方法，其特征在于，所述方法包括： 选用一种轻量化的特征提取网络，对模板图像和搜索图像分别进行特征提取，得到模板图像特征以及搜索图像特征，其中，模板图像和搜索图像是对待跟踪单目标的视频序列进行逐帧裁剪得到的，所述轻量化的特征提取网络为去除全连接层并调整步长为8的AlexNet网络； 将模板图像特征输入基于特征聚类的双分支特征自我增强模块，基于特征聚类的双分支特征自我增强模块将所述模板图像特征按像素拆分成多个第一模板图像特征形符，为每个第一模板图像特征形符分配一个二维坐标，并将每个第一模板图像特征形符视为二维平面上的点，组成第一模板图像特征点集； 基于特征聚类的双分支特征自我增强模块将所述搜索图像特征按像素拆分成多个第一搜索图像特征形符，以与第一模板图像特征形符相同的方式为每个第一搜索图像特征形符分配一个二维坐标，并将每个第一搜索图像特征形符视为与第一模板图像特征形符在同一个二维平面上的点，组成第一搜索图像特征点集； 选取第一模板图像特征点集中一点作为模板图像特征聚类中心，对第一模板图像特征点集进行聚集操作与发散操作，再经过一个多层感知机处理之后得到自我增强的第一模板图像特征； 选取第一搜索图像特征点集中一点作为搜索图像特征聚类中心，对第一搜索图像特征点集进行聚集操作与发散操作，再经过一个所述多层感知机处理之后得到自我增强的第一搜索图像特征； 将所述第一模板图像特征和第一搜索图像特征同时输入基于特征聚类的双分支特征交叉融合模块，得到特征交叉融合的第二模板图像特征和特征交叉融合的第二搜索图像特征； 将所述第二模板图像特征和第二搜索图像特征作为相关运算特征； 通过选用一种基于网络追踪的跟踪头网络跟踪所述相关运算特征，以得到相关运算网络对搜索图像中待跟踪单目标的预测结果，其中，预测结果包括待跟踪单目标类别的分类结果和边界框的回归结果,所述相关运算网络包括多层进行图像特征聚类及增强的神经网络构建的基于特征聚类的双分支特征自我增强模块，和进行图像特征聚类及交叉融合的神经网络构建的基于特征聚类的双分支特征交叉融合模块； 将所述分类结果和回归结果与搜索图像中待跟踪单目标的真实分类结果和真实回归结果进行误差计算，在误差值大于等于设定阈值时，将计算得到的误差值进行反向传播，调整所述相关运算网络和特征提取网络中的网络参数； 直至调整所述网络参数后对应的误差值小于设定阈值时，得到收敛的相关运算网络和特征提取网络； 将相关运算网络和特征提取网络构成基于特征聚类孪生网络部署至嵌入式平台，进行嵌入式实时单目标跟踪。

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煤炭科学研究总院有限公司;天地科技股份有限公司北京技术研究分公司，其通讯地址为：100013 北京市朝阳区和平里青年沟东路5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。