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基于时间空间融合网络的高速公路场景中车辆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：CN119919896B 。

龙图腾网通过国家知识产权局官网在2025-11-18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：202510009903.4，技术领域涉及：G06V20/54；该发明授权基于时间空间融合网络的高速公路场景中车辆跟踪方法是由赵池航;李旋;解兴鹏设计研发完成，并于2025-01-03向国家知识产权局提交的专利申请。

本基于时间空间融合网络的高速公路场景中车辆跟踪方法在说明书摘要公布了：本发明公开了基于时间空间融合网络的高速公路场景中车辆跟踪方法，包括：构建高速公路场景下的车辆跟踪数据集；针对特定场景下检测和跟踪的联合解码结构，构建了自注意力新目标检测查询模块，通过缩小检测查询范围，提高检测跟踪精度。针对遮挡问题，在跟踪模型中增加了排斥损失；构建空间引导的跨时间特征聚合模块，利用帧间轨迹差值学习震动引起的随机运动变化规律，考虑同一时刻不同轨迹中车辆的遮挡情况，构建自适应衰退记忆力，自适应更新长期记忆的衰退速率。本发明能够有效对高速公路场景震动和遮挡车辆进行跟踪，解决跟踪过程中存在的车辆漏检问题，提高车辆跟踪精度，为后续实现高速公路场景中多目标车辆跟踪提供基础。

本发明授权基于时间空间融合网络的高速公路场景中车辆跟踪方法在权利要求书中公布了：1.基于时间空间融合网络的高速公路场景中车辆跟踪方法，其特征在于：包括如下步骤： S1：构建高速公路场景下的车辆跟踪数据集，包含监控相机震动、光照变化、天气变化因素； S2：针对车辆跟踪数据集的特征，构建用于高速公路场景车辆跟踪的STFN-ADM-MTHS基于时空融合网络自适应衰退记忆的高速公路场景多车辆跟踪网络模型； 所述步骤S2具体如下： S2-1：针对高速公路下检测和跟踪的联合解码结构，构建了Lastframenew-bornwithDetectqueryself-attention前一帧自注意力新目标检测查询，通过缩小检测查询范围，提高了检测跟踪精度； S2-2：针对遮挡问题，在跟踪模型中增加了RepulsionLoss排斥损失，提高了检测跟踪精度，针对场景中遮挡问题，将RepulsionLoss加入到模型中，定义的RepulsionLoss由两部分组成： 1； 其中，为真实框Ground-Truth排斥损失项，表示目标预测框远离其它真实框Ground-Truth；为预测prediction排斥损失项，表示目标预测框向其它真实框Ground-Truth对应的预测框远离，权重用于平衡损失函数； S2-3：构建Spatial-GuidedCross-TemporalFeatureAggregation空间引导的跨时间特征聚合，利用帧间轨迹差值学习震动引起的随机运动变化规律，考虑同一时刻不同轨迹中车辆的遮挡情况； 针对遮挡问题，对于输出的，通过与上一帧轨迹输出相加，聚合相邻帧的轨迹特征，增强当前帧的轨迹表示，为了防止轨迹信息的丢失，同时将未通过输出的第i与i-1帧轨迹差值与上一帧轨迹输出相加，得到聚合相邻帧的轨迹特征；由于直接将聚合的特征和拼接或平均，会损害原有的表示能力，因此构建gatedfusion模块自适应融合聚合特征，表示MLP，表达式如下： 3； S2-4：考虑到在跟踪序列中，同一时刻不同轨迹中车辆的遮挡情况不相同，此时长期记忆的衰退速率对应存在差异，构建AdaptiveDecayMemory自适应衰退记忆力，自适应更新长期记忆的衰退速率，以轨迹输出特征作为输入，通过MLP和Sigmoid处理，得到对应的轨迹衰退速率，长期记忆更新公式如下： 4； 其中，为第i帧聚合特征后的轨迹输出；，表示长期记忆中轨迹特征的衰退速率；，表示第i帧中轨迹特征对于下一帧长期记忆的贡献程度； S3：训练得到的STFN-ADM-MTHS网络模型并优化参数，对比其它跟踪模型进行高速公路场景车辆跟踪。

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东南大学，其通讯地址为：211102 江苏省南京市江宁区东南大学路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。