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！

龙图腾网获悉重庆理工大学申请的专利一种多层级深度特征融合及自适应重检测的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：CN116051605B 。

龙图腾网通过国家知识产权局官网在2025-12-09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：202310113016.2，技术领域涉及：G06T7/246；该发明授权一种多层级深度特征融合及自适应重检测的目标跟踪方法是由闫河;张唯;李佳;邹鸿庆设计研发完成，并于2023-02-14向国家知识产权局提交的专利申请。

本一种多层级深度特征融合及自适应重检测的目标跟踪方法在说明书摘要公布了：本发明涉及图像处理技术领域，尤其涉及一种多层级深度特征融合及自适应重检测的目标跟踪方法。包括以下步骤：进行多层级特征提取，提取出模板特征和搜索特征；对所述模板特征和搜索特征进行特征均值级联融合，构建出不同层次的特征信息；将融合后的特征信息汇入区域候选网络，预测下一帧目标框；以自适应多窗口重检测方法判断目标遮挡，然后构建临近窗口进行重检测，实现SiamRPN跟踪器的抗遮挡目标跟踪。本发明通过特征提取‑特征融合‑目标框预测‑遮挡判断‑重检测的设置，可以有效保证高时效性的同时，还能精确提取特征信息，准确跟踪目标，提高跟踪的鲁棒性。

本发明授权一种多层级深度特征融合及自适应重检测的目标跟踪方法在权利要求书中公布了：1.一种多层级深度特征融合及自适应重检测的目标跟踪方法，其特征在于，包括以下步骤： S1.初始化视频序列,并对其进行多层级特征提取，提取出模板特征和搜索特征； S2.对所述模板特征和搜索特征进行特征均值级联融合，构建出不同层次的特征信息； S3.将融合后的特征信息汇入区域候选网络，预测下一帧目标框； S4.以自适应多窗口重检测方法判断目标遮挡，然后构建临近窗口进行重检测，实现SiamRPN跟踪器的抗遮挡目标跟踪； S1中，所述初始化视频序列,并对其进行多层级特征提取，包括： 以ground_truth的目标边界框中心坐标为参考点，在模板帧上裁剪出尺寸大小为127×127×3的模板图像； 对于模板帧的后续帧均作为搜索帧，并以上一帧的目标预测边界框中心坐标为参考点，裁剪出尺寸大小为255×255×3的搜索区域图像； 将ResNet50网络的步长降低到8像素，并替换SiamRPN跟踪器原始特征提取网，构建出深度特征提取网络； 通过深度特征提取网络提取出视频中的模板帧和搜索帧的模板特征和搜索特征； S2中，对所述模板特征和搜索特征进行特征均值级联融合，包括： 将ResNet50网络的三个残差块提取的特征信息记为、、； 利用逐像素相加操作对三层特征进行均值级联融合，融合方式为： ; 其中，m取0.33，为第三个残差块对模板特征提取的底层特征，为第四个残差块提取的特征，为第五个残差块提取的语义特征记； 融合后的模板特征图为7×7×256，7×7为特征大小，256为通道数； 融合后的搜索特征图为31×31×256，31×31为特征大小，256为通道数； S4中，以自适应多窗口重检测方法判断目标遮挡，包括： 取前四帧图像的响应图的震荡程度平均峰值相关能量的平均值，作为遮挡与否判断标准； 计算方法为： ; 其中，表示每一帧的平均峰值相关能量，计算方法为： ; ; ; 其中，、分别对应最高、最低位置上的响应，是根据上一帧得到的图像块，是目标位置，是分类器参数，表示目标宽为、高为处响应值； 计算当前帧，当小于连续四帧的平均值时，则响应图振荡，认为目标被遮挡；反之，认为目标没有被遮挡； S4中，构建临近窗口进行重检测，实现SiamRPN跟踪器的抗遮挡目标跟踪，当认为目标没有被遮挡时，认为当前搜索区域正确，区域候选网络得到的目标框即为下一帧目标中心框； 当认为目标被遮挡时： 以当前检测窗口为中心在其四周构建另外八个临近窗口，并给八个临近窗口赋予不同的权重，按照权重大小分别对八个临近窗口进行检测；标记所选的窗口，在所选搜索窗口内进行重检测，得到新的目标框，计算新的目标框对应的平均峰值相关能量，记为； 比较与大小，若小于，则接着比较与上一个检测窗口对应的大小，并将更新为较大的值，即：； 重复上述步骤，直至大于，则将该检测窗口对应的跟踪框作为下一帧目标中心框；若所有窗口检测完，均小于，则选择更新后值最大的对应的跟踪框作为下一帧目标中心框。

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重庆理工大学，其通讯地址为：400054 重庆市巴南区红光大道69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。