西安电子科技大学韩冰获国家专利权
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!
龙图腾网获悉西安电子科技大学申请的专利基于序列感知与特征增强的无人机视角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:CN115661686B 。
龙图腾网通过国家知识产权局官网在2025-07-01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:202211194947.1,技术领域涉及:G06V20/17;该发明授权基于序列感知与特征增强的无人机视角目标跟踪方法是由韩冰;杨铮;高新波;陈玮铭;黄晓悦设计研发完成,并于2022-09-27向国家知识产权局提交的专利申请。
本基于序列感知与特征增强的无人机视角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序列感知与特征增强的无人机视角目标跟踪方法,主要解决了现有技术在无人机视角目标跟踪过程中,由于被跟踪目标尺寸较小和相机剧烈运动导致的被跟踪目标丢失的问题。本发明的实现步骤为:首先,构建序列感知与特征增强的跟踪网络,使用序列特征感知子网络提取视频序列特征并根据序列特征学习相机运动模式,再使用图像特征增强子网络利用序列特征增强图像特征,最后对增强后的图像特征解码得到无人机视角目标跟踪结果。本发明具有对序列信息和小目标表征能力强,无人机视角目标跟踪准确率高的优点。
本发明授权基于序列感知与特征增强的无人机视角目标跟踪方法在权利要求书中公布了:1.一种基于序列感知与特征增强的无人机视角目标跟踪方法,其特征在于,分别构建序列特征计算子网络和图像特征增强子网络;该跟踪方法的具体步骤包括如下: 步骤1,构建序列感知与特征增强的跟踪网络; 步骤1.1,构建序列特征计算子网络; 搭建一个包括第一卷积层、第二卷积层、第三卷积层和第四卷积层组成的序列特征计算子网络,其中,第一卷积层与第二卷积层串联组成第一串联模块,第三卷积层与第四卷积层串联组成第二串联模块,再将第一串联模块与第二串联模块并联组成序列特征计算子网络,将第一至第四卷积层的卷积核个数均设置为64,卷积核尺寸均设置为1×1; 步骤1.2,构建图像特征增强子网络; 搭建一个包括第一卷积层、第二卷积层和第三卷积层组成的图像特征增强子网络,其中,第一卷积层、第二卷积层与第三卷积层依次串联组成图像特征增强子网络,将第一至第三卷积的卷积核个数依次设置为1、1、512,卷积核尺寸依次设置为3×3、3×3、、1×1; 步骤1.3,将图像特征提取子网络Resnet50与序列特征计算子网络并联后与图像特征增强子网络、DiMP跟踪模型解码器依次串联组成序列感知与特征增强的跟踪网络; 步骤2,生成训练集; 步骤2.1,从自然图像视频中随机采集至少100000个图像对,每对图像对由视频中相邻的两帧图像构成且两帧图像中均存在同一个不限种类的目标,两帧图像分别称为当前帧图像和前一帧图像; 步骤2.2,对每对图像对进行预处理,以每对图像对的当前帧图像中目标的位置中心为裁剪中心,将图像对中两幅图像的尺寸均裁剪为[288×288×3],再将裁剪后的图像对进行随机平移或缩放处理; 步骤2.3,对于每对预处理后的图像对,以位置框的形式标注目标在当前帧图像中的位置,所述位置框用[c,w,h]表示,c、w和h为位置框的中心、宽度和高度,将[c,w,h]作为图像对的目标真实位置框,同时以c为中心生成高斯标签图作为图像对的目标分类标签图; 步骤2.4,将所有预处理后的图像对及其对应的目标分类标签图和目标真实位置框组成训练集; 步骤3,训练网络; 将训练集中的图像对输入到序列感知与特征增强的跟踪网络中,使用SGD优化算法,离线迭代训练序列感知与特征增强的跟踪网络的参数,直到损失函数收敛为止,得到训练好的网络; 步骤4,使用训练好的网络对无人机视角视频中的目标进行在线跟踪。
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西安电子科技大学,其通讯地址为:710071 陕西省西安市太白南路2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”。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。