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！

龙图腾网获悉广西科学院申请的专利一种复杂背景下的运动小目标跟踪方法及系统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：CN116385492B 。

龙图腾网通过国家知识产权局官网在2025-07-08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：202310377570.1，技术领域涉及：G06T7/246；该发明授权一种复杂背景下的运动小目标跟踪方法及系统是由蒋建辉;覃晓;元昌安;杨晓东;唐沫岚;陈必泉设计研发完成，并于2023-04-10向国家知识产权局提交的专利申请。

本一种复杂背景下的运动小目标跟踪方法及系统在说明书摘要公布了：本发明公开了一种复杂背景下的运动小目标跟踪方法及系统，跟踪方法包括获取待跟踪小目标的视频段，将视频段转化为一帧一帧的图像序列；采用尺度自适应残差神经网络对每一帧图像进行特征粗提取，之后采用Transformer对粗提取特征进行多尺度和细粒度特征提取，得到细粒度特征；采用Transformer和多层感知机对细粒度特征中的小目标进行检测，得到细粒度特征中所有小目标的类别和检测框；计算相邻两帧图像中同一类别小目标的检测框之间的相似度，基于相似度确定每帧图像中的跟踪目标。

本发明授权一种复杂背景下的运动小目标跟踪方法及系统在权利要求书中公布了：1.一种复杂背景下的运动小目标跟踪方法，其特征在于，包括以下步骤： S1、获取待跟踪小目标的视频段，将视频段转化为一帧一帧的图像序列； S2、采用尺度自适应残差神经网络对每一帧图像进行特征粗提取，之后采用Transformer对粗提取特征进行多尺度和细粒度特征提取，得到细粒度特征； S3、采用Transformer和多层感知机对细粒度特征中的小目标进行检测，得到细粒度特征中所有小目标的类别和检测框； S4、计算相邻两帧图像中同一类别小目标的检测框之间的相似度，基于相似度确定每帧图像中的跟踪目标； 所述步骤S3进一步包括： S31、采用Transformer编码器中的多头注意力机制对细粒度特征进行编码： multi-Headq,k,v＝Concathead1,……,headi*Wi 其中，Q为细粒度特征，q为编码时的查询向量；k为键，v为多头注意力计算的值，分别为键对应的权重值；self-attention·为自注意力计算，headi为一个子空间；n为子空间的总数量；multi-Head·表示将多头进行合并；Wi为模型的权值；wi为查询向量的权重值，qtranspose为查询向量的转置；ktranspose为查询键的矩阵转置，vtranspose为查询的向量值的转置； S32、采用过transformer解码器中的多头注意力机制对查询到图像中实体进行解码； S33、采用多层感知机对解码器的输出进行映，得到图像中所有小目标的类别和检测框： class，boxm＝w1*decoderencodermulti-Headq,k,v+b1 其中，class为物体类别；boxm为小目标物体的检测框；m表示目标检测框的数量，w1为多层感知机的权重；encoder.为编码，decoder.为解码，b1为偏置项； 粗提取和提取细粒度特征的计算公式分别为： y＝SA-Resnetpn+bias+X Q＝w*transformery,θ+b 其中，y为粗提取后的特征；SA-Resnet·为尺度自适应残差运算，bias为动态的自适应算子；X为卷积核对特征图进行采样的区域；Q为细粒度特征；w为自适应权重值；transformer·为将视频片段p中获取运动小目标出现在每一帧的图片集，之后再通过卷积算子将图片集的图片逐一做特征变换；θ为Transformer模型的可学习的权重参数；b为网络的偏置项； 相似度的计算公式为： A＝Jaccard_SIMboxn，boxn-1,Tn 其中，A为相似度；Jaccard_SIM.为相似度计算函数；boxn和boxn-1分别为第n帧和第n-1帧图像中的小目标物体的检测框；Tn＝t1,t2,…,tn为视频段的时间序列。

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广西科学院，其通讯地址为：530007 广西壮族自治区南宁市大学大岭路98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”。