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！

龙图腾网获悉中国兵器装备集团兵器装备研究所申请的专利一种无人机多目标长期追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：CN117152206B 。

龙图腾网通过国家知识产权局官网在2025-12-12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：202311070990.1，技术领域涉及：G06T7/246；该发明授权一种无人机多目标长期追踪方法是由李成哲;殷艳坤;赵凯敏;陈萧冰;侯静静设计研发完成，并于2023-08-24向国家知识产权局提交的专利申请。

本一种无人机多目标长期追踪方法在说明书摘要公布了：本发明提出一种无人机多目标长期追踪方法，方法包括：检测模块从环境图像信息中识别出所有监测目标的目标检测框图像和目标相对位置信息，得到目标检测框图像序列和目标相对位置信息序列；跨镜追踪模块提取每个目标检测框图像的多维表观特征；对于目标检测框图像序列中的每一帧，匹配模块对其进行防抖操作后，根据置信度将其分为高分目标框和低分目标框，基于多维表观特征和目标相对位置信息获得融合损失矩阵，进而通过匈牙利算法进行轨迹匹配，以完成目标追踪。本发明在匹配过程融合了镜头防抖策略，并且引入跨镜追踪模块，解决了无人机发生抖动时追踪发生错误的问题，解决了摄像头发生转动导致的ID新增问题。

本发明授权一种无人机多目标长期追踪方法在权利要求书中公布了：1.一种无人机多目标长期追踪方法，其特征在于， 所述方法基于追踪系统对无人机获取的多种目标进行定位跟踪监视，所述追踪系统包括检测模块、跨镜追踪模块以及匹配模块； 所述方法包括： S1，所述检测模块从环境图像信息中识别出所有监测目标的目标检测框图像和目标相对位置信息，得到目标检测框图像序列和目标相对位置信息序列； S2，所述跨镜追踪模块提取每个目标检测框图像的多维表观特征； S3，对于所述目标检测框图像序列中的每一帧，所述匹配模块对其进行防抖操作后，根据置信度将其分为高分目标框和低分目标框，基于所述多维表观特征和所述目标相对位置信息获得融合损失矩阵，进而通过匈牙利算法对评分后目标框的进行轨迹匹配，以完成目标追踪； 在步骤S3中，基于所述多维表观特征和所述目标相对位置信息获得融合损失矩阵的步骤包括： 基于卡尔曼滤波预测轨迹池中上一帧检测目标框在当前检测目标框中位置，获得预测目标框； 基于所述目标相对位置信息将所述当前检测目标框和所述预测目标框分别建模成2D的高斯分布； 计算所述当前检测目标框和所述预测目标框对应的高斯分布之间的距离； 所述高斯分布之间的距离的计算公式为： ， 其中，表示当前检测目标框a和预测目标框b之间的高斯分布之间的距离，表示当前检测目标框a的高斯分布，表示预测目标框b的高斯分布，,表示当前检测目标框a的中心点坐标，表示当前检测目标框a的宽度，表示当前检测目标框a的高度，,表示预测目标框b的中心点坐标，表示预测目标框b的宽度，表示预测目标框b的高度； 对所述高斯分布之间的距离进行归一化，获得所述当前检测目标框和所述预测目标框之间的位置相似度； 所述位置相似度的计算公式为： ， 其中，表示当前检测目标框a和预测目标框b之间的相似度，C表示数据集相关常数； 根据所述位置相似度计算NWD损失矩阵； 所述NWD损失矩阵公式为： ， 采用cos相似度计算所述当前检测目标框和所述预测目标框对应的多维表观特征之间的相似度； 所述多维表观特征之间的相似度的计算公式为： ， 其中，表示第i个目标框的表观特征，表示第j个目标框的表观特征，表示第i个目标第k个维度的值，表示第j个目标第k个维度的值，表示表观特征的维度； 对所述多维表观特征之间的相似度进行归一化，获得表观特征损失矩阵； 所述表观特征损失矩阵为： ， 根据所述NWD损失矩阵和所述表观特征损失矩阵获得融合损失矩阵； 所述融合损失矩阵为： ， 其中，表示位置距离的阈值，当前取值0.3，表示表观特征的阈值。

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中国兵器装备集团兵器装备研究所，其通讯地址为：102202 北京市昌平区南口镇马兴路57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。