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！

龙图腾网获悉中科智禾数字科技(北京)有限公司申请的专利一种融合多粒度动态外观的抗遮挡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：CN117036405B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202311004401.X，技术领域涉及：G06T7/246；该发明授权一种融合多粒度动态外观的抗遮挡目标跟踪方法是由付立军;林晓静;李旭;武靖恺;胡蝶;王兴设计研发完成，并于2023-08-10向国家知识产权局提交的专利申请。

本一种融合多粒度动态外观的抗遮挡目标跟踪方法在说明书摘要公布了：本发明属于多目标跟踪领域。提供了一种融合多粒度动态外观的抗遮挡目标跟踪方法。目的在于解决现有技术中存在的目标ID跳变、遮挡场景下跟踪效果受到影响的技术问题。主要方案包括获取原始图像。对原始图像调用目标检测器得到目标检测结果，将目标检测结果中的目标图像提取得到目标外观特征；计算得到视频帧的目标外观贡献度因子α；基于前一帧的目标检测结果，得到当前帧的目标运动特征。对目标外观特征、目标外观贡献度因子α、目标运动特征进行数据融合，得到目标相似度。对两帧中目标进行级联匹配和IOU匹配，并为各目标分配ID。按照同一ID关联目标在各帧中的位置，得到同一目标ID在图像序列中的运行轨迹，从而输出目标跟踪结果。

本发明授权一种融合多粒度动态外观的抗遮挡目标跟踪方法在权利要求书中公布了：1.一种融合多粒度动态外观的抗遮挡目标跟踪方法，其特征在于，包括以下步骤： 步骤1：对视频流中的图像逐帧读取得到原始图像； 步骤2：对原始图像调用目标检测器得到目标检测结果，包括：置信度、目标图像； 步骤3：将目标检测结果中的目标图像送入预训练的四分支多粒度网络模型，提取得到目标外观特征； 所述四分支多粒度网络模型包括：一个全局粗粒度特征提取分支、一个横向分割细粒度特征提取分支、一个纵向分割细粒度特征提取分支、一个通道分割细粒度特征提取分支； 所述四分支多粒度网络模型在骨干网络第三层后并行展开，各分支输出经最大池化层融合后生成兼具全局粗粒度特征与局部细粒度特征的目标外观特征向量； 步骤3.1：多粒度网络模型的预训练过程，包括如下步骤： 步骤3.1.1：对ReID数据集进行数据增强处理得到仿遮挡的ReID数据集，其中ReID数据集是指已经按目标框扣图的数据集; 步骤3.1.1具体包括如下步骤：输入对象：ReID原始数据集,采用GridMask方法对ReID数据集中的目标框进行网格化删除，并控制删除区域的密度、大小和形状，从而使得图像区域不被过度遮罩和保留，达到合理的平衡； 将ReID数据集中的一部分区域按步骤3.1.1删除后，随机提取其它ReId数据集中图像的像素值填充到删除区域中，得到仿遮挡ReID数据集； 步骤3.1.2将仿遮挡的ReID数据集划分为训练集和测试集； 步骤3.1.3构建多粒度网络模型的多粒度特征融合网络，具体包括如下步骤： 步骤3.1.3.1、使用Resnet50作为骨干网络，前三层通过卷积提取图像基础特征； 步骤3.1.3.2、在主干网络的第三层之后，构建四个多粒度特征分支，分别为：全局粗粒度特征提取分支、横向分割的细粒度特征提取分支、纵向分割的细粒度特征提取分支、通道分割的细粒度特征提取分支，基于图像基础特征，通过各粒度分支提取得到图像的图像多粒度特征； 步骤3.1.3.3、将图像多粒度特征连接至最大池化层，计算最大值后得到融合了全局特征和局部特征的图像外观特征； 步骤3.1.3.4、最大池化处理后连接至全连接层，基于图像外观特征，输出图像重识别分类结果； 步骤3.1.4、使用训练集对多粒度网络模型进行训练，训练过程中使用损失函数作为监督学习的信号，其中，全局粗粒度特征提取分支采用SoftmaxLoss交叉熵损失函数和TripletLoss三元组损失函数计算损失，三个局部细粒度特征提取分支采用SoftmaxLoss交叉熵函数计算损失，训练得到模型权重，即得到训练好的多粒度网络模型; 步骤3.1.5、使用测试集图像作为输入，验证多粒度网络模型的输出效果; 步骤3.2、在线跟踪时的调用过程 由于在线跟踪时只需要获取图像外观特征，故调用时剥离掉全连接层，将目标检测结果中的目标图像作为输入，调用训练好的多粒度网络模型得到目标外观特征； 步骤4：基于目标检测结果中的置信度，计算得到视频帧的目标外观贡献度因子: ； 其中为某一时刻视频帧中目标检测结果的置信度，Ω为过滤噪声检测的置信度阈值，当时，ɑ为1即动态因子取得最大值，时取得最小值0； 步骤5：基于前一帧的目标检测结果，采用卡尔曼滤波进行预测和更新得到当前帧的目标运动特征； 步骤6：对目标外观特征、目标外观贡献度因子ɑ、目标运动特征进行数据融合，综合计算相邻两帧中的目标相似度； 步骤7：基于得到的相邻两帧中的目标相似度采用匈牙利算法，对两帧中的所有目标进行级联匹配和IOU匹配，并为各目标分配ID； 步骤8：按照同一ID关联目标在各帧中的位置，得到同一目标ID在图像序列中的运行轨迹，从而输出目标跟踪结果。

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科智禾数字科技(北京)有限公司，其通讯地址为：101499 北京市怀柔区北房镇幸福西街3号1幢101室；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。