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！

龙图腾网获悉华中科技大学申请的专利一种多目标追踪方法、系统及计算机存储介质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：CN120107317B 。

龙图腾网通过国家知识产权局官网在2025-07-15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：202510520258.2，技术领域涉及：G06T7/246；该发明授权一种多目标追踪方法、系统及计算机存储介质是由李鹏森;高权;高正昊;郑文斌设计研发完成，并于2025-04-24向国家知识产权局提交的专利申请。

本一种多目标追踪方法、系统及计算机存储介质在说明书摘要公布了：本发明属于目标追踪技术领域，公开了一种多目标追踪方法、系统及计算机存储介质。方法包括：对极端天气或复杂场景下采集的目标视频数据进行预处理后，获取每帧图像中包含的各目标检测框；预测当前帧图像中包含的M个目标预测框；计算当前帧图像中包含的N个目标检测框与M个目标预测框之间交并比IoU，以构建M×N维的IoU代价矩阵；计算各目标检测框与目标预测框间的ReID特征相似度，以构建M×N维的ReID特征相似度代价矩阵；将与加权后作为数据关联代价矩阵；将输入匈牙利算得到最优匹配方案；再对各目标轨迹进行管理实现多目标追踪。本发明能够提升在极端天气和复杂场景下的多目标追踪的精度和追踪效率。

本发明授权一种多目标追踪方法、系统及计算机存储介质在权利要求书中公布了：1.一种多目标追踪方法，其特征在于，包括： 对极端天气或复杂场景下采集的目标视频数据进行预处理，得到预处理后的每帧图像； 将预处理后的每帧图像输入至训练好的目标检测模型中，输出每帧图像中包含的各目标检测框； 基于上一帧图像中包含的M个目标检测框预测当前帧图像中包含的M个目标预测框；计算当前帧图像中包含的N个目标检测框与M个目标预测框之间交并比IoU，以构建M×N维的IoU代价矩阵；同时计算所述N个目标检测框与M个目标预测框之间的ReID特征相似度，以构建M×N维的ReID特征相似度代价矩阵；将所述IoU代价矩阵与所述ReID特征相似度代价矩阵加权后作为数据关联代价矩阵；其中，将目标检测框或目标预测框对应的图像输入至训练好的ReID网络，输出对应的ReID特征向量； 将所述数据关联代价矩阵作为匈牙利算法的输入，以对当前帧图像中N个目标检测框与M个目标预测框进行一对一匹配，实现相邻两帧图像中目标的关联；再对各目标轨迹进行管理，实现多目标追踪； 所述IoU代价矩阵为： 其中，表示当前帧图像中的第i个预测框，表示当前帧图像中的第j个检测框，IoU函数计算两个边界框的交并比； 所述ReID特征相似度代价矩阵为： 其中，和分别表示当前帧图像中的第i个预测框和第j个检测框对应的ReID特征向量；表示取L2范数操作； 所述数据关联代价矩阵为： 其中，为可调节的特征区分度权重系数； 所述特征区分度权重系数的确定方式为： 计算当前帧图像的平均透射率，并将所述平均透射率作为当前帧图像的可见度指标； 将当前帧图像的亮度指标、对比度指标及所述可见度指标归一化后进行加权融合，作为天气状况综合指数； 计算当前帧图像中的目标密度因子： 其中，为当前帧图像中检测到的目标数量，和分别为当前帧图像的宽度和高度，为当前帧图像中平均目标面积占当前帧图像面积的比例； 当所述天气状况综合指数较小时，增大所述特征区分度权重系数的值；当所述天气状况综合指数较大时，减小所述特征区分度权重系数的值； 当所述目标密度因子较大时，减小所述特征区分度权重系数的值；当所述目标密度因子较小时，增大所述特征区分度权重系数的值。

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华中科技大学，其通讯地址为：430074 湖北省武汉市洪山区珞喻路1037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”。