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！

龙图腾网获悉西安理工大学申请的专利一种基于图注意力网络的多模板融合目标跟踪算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：CN115409868B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202211057027.5，技术领域涉及：G06V10/62；该发明授权一种基于图注意力网络的多模板融合目标跟踪算法是由鲁晓锋;李小鹏;王正洋;李思训;柏晓飞;李高祥;闫昭玉;刘家铭;王重科;姬文江;王杏萍设计研发完成，并于2022-08-30向国家知识产权局提交的专利申请。

本一种基于图注意力网络的多模板融合目标跟踪算法在说明书摘要公布了：本发明公开了一种基于图注意力网络的多模板融合目标跟踪算法，具体按照以下步骤实施构建整体网络，并对整体网络的结构进行端到端的训练；使用训练好的整体网络对即将进行跟踪的视频图像序列进行初始化跟踪处理，得到本次跟踪任务的初始目标模板与目标的初始位置信息；得到初始目标模板后，开始跟踪流程，视频图像序列的每一帧将计算出一个目标在图像中的位置，并在图像中对应处显示出来，得到跟踪结果响应图；得到跟踪结果响应图后，使用两阶段模板更新阈值判断机制判断当前跟踪结果是否可靠，若可靠则更新模板，若不可靠则不更新模板；若保留的可靠跟踪结果达到2个，则用最新的结果替换最老的结果。

本发明授权一种基于图注意力网络的多模板融合目标跟踪算法在权利要求书中公布了：1.一种基于图注意力网络的多模板融合目标跟踪算法，其特征在于，具体按照以下步骤实施： 步骤1，构建整体网络，并对整体网络的结构进行端到端的训练； 步骤2，使用所述步骤1训练好的整体网络对即将进行跟踪的视频图像序列进行初始化跟踪处理，得到本次跟踪任务的初始目标模板与目标的初始位置信息； 步骤3，得到步骤2的初始目标模板后，开始跟踪流程，视频图像序列的每一帧将计算出一个目标在图像中的位置，并在图像中对应处显示出来，得到跟踪结果响应图； 步骤3具体如下： 步骤3.1、首先是提取深度特征：以图像视频序列的上一帧跟踪结果中的目标坐标为中心，截取出搜索区域，并将搜索区域裁剪成patch传入特征提取网络提取出搜索区域的深度特征； 步骤3.2、基于图注意力网络的特征嵌入以及模板更新： 步骤3.2.1、特征嵌入：将初始模板Z-initial和当前模板Z-current送入G模块，首先计算注意力矩阵具体计算公式如下： 其中为矩阵点乘操作，和表示线性变化矩阵；得到注意力矩阵之后，经过Softmax进行归一化处理，平衡信息量；然后计算聚合特征，具体计算公式如下： 其中表示线性变化矩阵，最后通过以下公式得到融入了对初始模板注意力的最新当前模板Z_attention： 其中为concatnate操作，表示线性变化矩阵； 步骤3.2.2、模板融合：在得到拥有对初始模板注意力的当前模板Z_attention，传入M模块进行多模板融合操作；在第一帧模板初始化阶段，本文将初始模板赋值给当前模板Z-p、历史模板Z-q和初始模板Z-initial，并将三者堆叠在一起经过一层3*3*3的3D卷积层得到跟踪模板Z； 步骤3.2.3、计算跟踪结果： 最后，通过跟踪模板Z与搜索图X互相关得到响应图，具体计算公式如下： 其中表示互相关操作，bII表示每个位置对应的值； 步骤4，得到步骤3的跟踪结果响应图后，使用两阶段模板更新阈值判断机制判断当前跟踪结果是否可靠，若可靠则更新模板，若不可靠则不更新模板；若步骤3中保留的可靠跟踪结果达到2个，则用最新的结果替换最老的结果； 步骤5，重复步骤3至步骤4，直至跟踪完毕所有视频图像序列，由此得到视频每一帧中目标所在位置，跟踪任务结束。

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理工大学，其通讯地址为：710048 陕西省西安市碑林区金花南路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。