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！

龙图腾网获悉浙江工业大学申请的专利一种基于无监督分割的时变体数据全局特征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：CN115908495B 。

龙图腾网通过国家知识产权局官网在2026-04-07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：202211529295.2，技术领域涉及：G06T7/246；该发明授权一种基于无监督分割的时变体数据全局特征跟踪方法是由马骥;鲍铭钰;陈金金;秦绪佳设计研发完成，并于2022-11-30向国家知识产权局提交的专利申请。

本一种基于无监督分割的时变体数据全局特征跟踪方法在说明书摘要公布了：本发明涉及一种基于无监督分割的时变体数据全局特征跟踪方法，构造体数据分割网络，对输入的体数据进行分割并实现全局追踪。本发明引入深度学习分割体积数据，从背景中分离特征域，能够自动、准确地跟踪复杂数据中的特定特征，不需要任何人为标注，降低跟踪复杂性，提高跟踪准确性；引入全局特征跟踪方法，只要选择目标特征，就可以在所有时间步长内跟踪与目标特征相似的特征的轨迹，用户可以选择任何时间步的任意特征，在时变数据中追踪到感兴趣的特征，能够从全局角度追踪提取的特征，避免利用局部追踪方法所产生的追踪错误，避免局部跟踪造成的缺陷；增加时空相似特征的跟踪，可同时跟踪目标特征的空间相似特征的完整路径，提高特征追踪精度。

本发明授权一种基于无监督分割的时变体数据全局特征跟踪方法在权利要求书中公布了：1.一种基于无监督分割的时变体数据全局特征跟踪方法，其特征在于：所述方法构造体数据分割网络，以所述网络对输入的体数据进行分割并实现全局追踪； 所述全局追踪包括以下步骤： 步骤2.1：构造用于记录跟踪的图，包括以下步骤： 步骤2.1.1：构造一有向无环图DAG记录跟踪信息，DAG的节点为分割后的域，每个节点保存其所在时间步的标签及对应域的直方图信息； 步骤2.1.2：对于每个在时间步t的特征域和在时间步t+1的特征域，计算质心和质心之间的距离， ， 分割后的时变体数据中，任意两个区域之间的卡方直方图距离为， ； 其中，和分别是域、的直方图的第i个bin值， 以作为域和域对应节点的边的权值， ， 其中，[0,1]； 步骤2.1.3：当两个域之间质心距离或卡方距离时，在它们之间建立一条边，，； 步骤2.2：在图中查找特征的跟踪路径，包括以下步骤： 步骤2.2.1：选定DAG中目标域所在的节点作为目标节点，并设置分割后的体数据中的标签与DAG中节点的索引值相同，目标节点对应的域叫做目标特征； 步骤2.2.2：以迪杰斯特拉算法计算所有时间步的节点到目标节点的最短路径，并将最短路径信息保存到新的有向无环图SPG中； 步骤2.2.3：从目标节点当前所在时间步分别向前、向后跟踪特征，并记录向前、向后的跟踪路径P+和P-；依次遍历下一个节点直到找到终节点或开始节点；当当前节点在当前时间步的所有节点中到目标节点的距离最小且没有出边时，则认为当前节点是终节点或开始节点； 步骤2.2.4：找到终节点在SPG当中到目标节点的路径作为向前的路径，找到开始节点在SPG当中到目标节点的路径作为向后的路径，将路径和合并，得到目标域的完整追踪路径； 步骤2.3：在时间和空间约束下实现特征跟踪，包括以下步骤： 步骤2.3.1：得到同一时间步所有与目标节点对应的目标特征相似的特征的所有路径； 步骤2.3.2：以卡方直方图距离筛选与在时间步ti的目标特征相似的候选特征，n为候选特征的数量；当目标特征和候选特征的卡方直方图距离时，的值与步骤2.1.3中的相同，以为候选特征； 步骤2.3.3：计算每个候选匹配区域的轨迹P'，并使用最长公共子序列LCSS将其与目标特征的轨迹进行比较；假设输入的子路径A=、B=，则LCSS长度为， ， 这里的与空间约束里的值相同； 最长公共子序列的相似度公式为： ， 对步骤2.3.2得到的候选特征进行进一步的筛选，也就是在时间上对候选节点的候选路径进行了约束。

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浙江工业大学，其通讯地址为：310014 浙江省杭州市拱墅区潮王路18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。