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！

龙图腾网获悉南京理工大学;上海航天控制技术研究所申请的专利一种基于残差学习的可见光-红外序列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：CN115690164B 。

龙图腾网通过国家知识产权局官网在2025-12-23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：202211143352.3，技术领域涉及：G06T7/254；该发明授权一种基于残差学习的可见光-红外序列目标跟踪方法是由万敏杰;陈屹立;顾国华;张晓杰;许运凯;陈钱;钱惟贤;王佳节设计研发完成，并于2022-09-20向国家知识产权局提交的专利申请。

本一种基于残差学习的可见光-红外序列目标跟踪方法在说明书摘要公布了：本发明公开了一种基于残差学习的可见光‑红外序列目标跟踪方法，包括：初始化网络参数，对双波段图片序列的首帧进行目标采样，将样本输入包含三条并行分支的特征提取网络，每个分支分别提取可见光、红外、融合图像的特征；将特征图输入注意力模块，计算分层特征的注意力权重，用权重修正每一层的特征图；把最终的特征图送入各自的判别跟踪模块，得到目标跟踪的结果，利用融合分支与单模态分支的竞争、协作关系改进损失函数，根据目标真值框与实际跟踪框的偏差计算各分支的损失，优化网络；输入下一序列的图片，循环迭代得到跟踪网络模型，最终完成可见光——红外目标跟踪。本发明提高了可见光——红外目标跟踪的准确率和成功率。

本发明授权一种基于残差学习的可见光-红外序列目标跟踪方法在权利要求书中公布了：1.一种基于残差学习的可见光-红外序列目标跟踪方法，其特征在于，包括以下步骤： 步骤1、获取可见光——红外数据集，标注第一帧目标真值框； 步骤2、初始化网络参数，基于首帧中目标所在的位置进行采样，生成样本作为网络输入； 步骤3、分批次将样本输入特征提取模型，所述特征提取模型为三分支特征提取网络，分别为可见光、红外、融合分支特征提取网络，每一分支依次执行浅层、中层、深层特征提取；分别计算可见光、红外分支每层输出的单模态特征图的注意力权重，将可见光、红外分支每层输出的单模态特征图与融合分支对应层的特征图进行加权融合后作为下一层特征提取的输入特征图，将深层提取的深层特征图输入跟踪判别模块以得到跟踪结果； 每个分支的特征提取由三个残差卷积块完成； 每个残差块由两层采用残差连接的卷积构成，分别用于浅层、中层、深层特征提取，每个分支共包含六个卷积层；特征提取过程如下式所示： 其中，分别表示第l层对应于模态m的输出特征图和输入特征图，σ表示激活函数，m代表模态，l代表特征图所属残差块的层次，V,I分别表示可见光和红外模态，[1,2,3]分别表示浅层、中层、深层特征图，分别表示第l层残差块对应于融合分支的输出特征图和输入特征图，Wlm表示第l层残差块对应于模态m的融合权重；l1,l2表示特征图所属的卷积层的层次,取值[1,2,3,4,5,6]表示第1到第6个卷积层，表示m模态分支的第l1个卷积层输出的特征图对于最终损失函数梯度的贡献，表示m模态分支的第i个卷积层输出的特征图经过特征提取网络处理之后得到的特征图； 步骤4、计算跟踪结果与真值间的交叉熵损失，根据三分支损失函数计算总的损失，用于网络优化；一批图片训练完毕，返回步骤3，输入下一批图片，直到达到最大迭代次数，得到跟踪网络模型； 步骤5、利用跟踪网络模型完成可见光——红外图像序列跟踪。

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南京理工大学;上海航天控制技术研究所，其通讯地址为：210094 江苏省南京市玄武区孝陵卫200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。