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！

龙图腾网获悉刘通申请的专利一种复杂场景下低分辨率图像中进行特定目标物体跟踪的方法、装置与设备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：CN116342649B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202310232244.1，技术领域涉及：G06T7/246；该发明授权一种复杂场景下低分辨率图像中进行特定目标物体跟踪的方法、装置与设备是由刘通设计研发完成，并于2023-03-10向国家知识产权局提交的专利申请。

本一种复杂场景下低分辨率图像中进行特定目标物体跟踪的方法、装置与设备在说明书摘要公布了：本发明属于图像处理技术领域，尤其为一种复杂场景下低分辨率图像中进行特定目标物体跟踪的方法、装置与设备，首先获取一幅包含待跟踪目标物体的图像作为模板帧，以及获取需要进行目标物体跟踪的图像序列，然后通过去烟雾与清晰化模块得到模板帧和图像序列中各图像帧对应的高分辨率清晰化图像，再通过目标物体跟踪模块在图像序列的各高分辨率清晰化图像中得到与模板帧对应的高分辨率清晰化图像中目标物体相匹配的目标物体的位置坐标，实现了在存在烟雾干扰及分辨率低情况下，在图像序列中对目标物体的跟踪。

本发明授权一种复杂场景下低分辨率图像中进行特定目标物体跟踪的方法、装置与设备在权利要求书中公布了：1.一种复杂场景下低分辨率图像中进行特定目标物体跟踪的方法，其特征在于，包括： 获取一幅包含待跟踪目标物体的图像作为模板帧； 通过去烟雾与清晰化模块得到所述模板帧对应的第一高分辨率清晰化图像； 在所述第一高分辨率清晰化图像中指定目标物体； 获取需要进行目标物体跟踪的图像序列，通过去烟雾与清晰化模块得到所述图像序列中各图像帧对应的第二高分辨率清晰化图像； 通过目标物体跟踪模块在各所述第二高分辨率清晰化图像中得到与在所述第一高分辨率清晰化图像中指定的目标物体匹配的目标物体的位置坐标； 所述通过去烟雾与清晰化模块得到所述模板帧对应的第一高分辨率清晰化图像包括： 通过两个子网络的级联实现两个子任务，所述两个子网络分别为第一子网络和第二子网络，所述第一子网络通过多尺度图像的融合来去除所述模板帧中烟雾干扰，所述第二子网络通过编码器-解码器网络结构实现低分辨率图像的清晰化，最终得到所述第一高分辨率清晰化图像； 所述第一子网络通过多尺度图像的融合来去除所述模板帧中烟雾干扰包括： 设所述第一子网络为，所述模板帧为被烟雾污染的低分辨率图像，使用深度卷积网络模型对图像进行多次上采样和下采样，提取图像特征获得特征图； 对获取的所述特征图进行融合，抓取图像的局部和全局特征，融合后得到特征图； 所述去烟雾与清晰化模块在训练过程中，获取包含有待跟踪目标物体且没有烟雾干扰的真实图像作为第一对比图像，并对融合后得到的特征图进行卷积操作得到中间预测特征图，通过第一损失函数计算所述中间预测特征图与所述第一对比图像的差异程度； 所述去烟雾与清晰化模块在训练过程中，引入第一判别器，通过所述第一判别器判断所述第一子网络输出的图像是生成的没有烟雾干扰的图像，还是真实的没有烟雾干扰的图像，并通过对抗损失的形式驱动所述第一子网络生成更加逼真的图像； 所述第二子网络通过编码器-解码器网络结构实现低分辨率图像的清晰化包括： 设所述第二子网络为，将经所述第一子网络处理后的特征图进行上采样，得到与对应于所述第一高分辨率清晰化图像尺寸一致的特征图； 然后使用编码器-解码器网络结构对特征图进行进一步编码并解码获取所述第一高分辨率清晰化图像； 所述去烟雾与清晰化模块在训练过程中，获取包含有待跟踪目标物体的高分辨率清晰的真实图像作为第二对比图像，并对所述第一高分辨率清晰化图像进行卷积操作得到预测高分辨率图像，通过第二损失函数计算所述预测高分辨率图像与所述第二对比图像的差异程度； 所述去烟雾与清晰化模块在训练过程中，引入第二判别器，通过所述第二判别器判断所述第二子网络输出的图像是生成的高分辨率清晰图像，还是真实的高分辨率清晰图像，并通过对抗损失的形式驱动所述第二子网络生成更加逼真的图像； 所述通过目标物体跟踪模块在各所述第二高分辨率清晰化图像中得到与在所述第一高分辨率清晰化图像中指定的目标物体匹配的目标物体的位置坐标包括： 设在所述第一高分辨率清晰化图像中指定的目标物体为目标物体模板Z，设当前所述第二高分辨率清晰化图像为待跟踪图像X； 所述目标物体跟踪模块使用轻量级网络模型作为主干网提取所述目标物体模板Z和待跟踪图像X的图像特征； 所述目标物体跟踪模块使用多尺度特征融合单元融合从所述目标物体模板Z和待跟踪图像X提取的不同尺度的图像特征； 所述目标物体跟踪模块使用交叉注意力融合单元通过单分支结构隐式地计算所述目标物体模板Z和待跟踪图像X的相关性，从而检测待跟踪图像X中目标物体的位置； 所述目标物体跟踪模块使用多尺度特征融合单元融合从所述目标物体模板Z和待跟踪图像X提取的不同尺度的图像特征包括： 所述多尺度特征融合单元将输入的图像特征分为n组，并经过n组不同深度的可分离卷积网络，学习n个尺度的图像特征，然后通过张量拼接方式恢复图像特征维度，再使用一个n×n的卷积核将n组多尺度特征进行融合，并输入给所述交叉注意力融合单元； 所述目标物体跟踪模块使用交叉注意力融合单元通过单分支结构隐式地计算所述目标物体模板Z和待跟踪图像X的相关性包括： 所述目标物体模板Z的图像特征经所述多尺度特征融合单元后获取目标物体模板特征图，所述待跟踪图像X的图像特征经所述多尺度特征融合单元后获取待跟踪图像特征图； 所述交叉注意力融合单元对从相应的多尺度特征融合单元传来的目标物体模板特征图和待跟踪图像特征图进行融合，隐式地获得所述待跟踪图像特征图中每一像素位置与所述目标物体模板特征图的相关性。

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刘通，其通讯地址为：100000 北京市朝阳区北苑一号院502号楼2单元4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。