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！

龙图腾网获悉浙江师范大学申请的专利一种无人机目标跟踪方法、系统、介质、设备及终端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：CN115619829B 。

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：202211384704.4，技术领域涉及：G06T7/246；该发明授权一种无人机目标跟踪方法、系统、介质、设备及终端是由张大伟;陈佩琪;郑忠龙;阳诚砖设计研发完成，并于2022-11-07向国家知识产权局提交的专利申请。

本一种无人机目标跟踪方法、系统、介质、设备及终端在说明书摘要公布了：本发明属于计算机视觉中的目标跟踪技术领域，公开了一种无人机目标跟踪方法、系统、介质、设备及终端，利用ImageNet数据集进行主干网络预训练；创建SiamTCP无人机跟踪模型，并在多个视频数据集上训练SiamTCP无人机跟踪模型。本发明提供的基于目标感知级联像素匹配的无人机目标跟踪方法，通过在多个数据集上进行训练，从而确定神经网络模型的参数，训练完成之后的模型，可以应用于无人机场景的目标跟踪任务。具体而言，本发明提出了逐像素互相关，并进行级联操作，通过部分到部分的匹配操作代替全局到全局的匹配，增强了特征融合的结果。同时本发明提出的目标感知模块可以剔除不必要的背景信息，能够很好地配合级联的像素匹配过程。

本发明授权一种无人机目标跟踪方法、系统、介质、设备及终端在权利要求书中公布了：1.一种无人机目标跟踪方法，其特征在于，所述无人机目标跟踪方法包括：利用ImageNet数据集进行主干网络的预训练；基于孪生网络结构，使用深度学习框架PyTorch搭建SiamTCP无人机跟踪模型；在多个视频数据集上训练SiamTCP无人机跟踪模型，通过损失函数更新网络的参数； 所述无人机目标跟踪方法包括以下步骤： 步骤一，进行主干网络的初始化； 步骤二，构建基于目标感知级联像素匹配的无人机目标跟踪模型； 步骤三，进行无人机目标跟踪模型的训练； 所述步骤二中的基于目标感知级联像素匹配的无人机目标跟踪模型的构建包括：使用深度学习框架PyTorch搭建SiamTCP目标跟踪模型，所述SiamTCP目标跟踪模型由改进后的主干网GoogLeNet、像素级相关、目标感知模块、级联像素匹配模块以及全卷积神经网络结构的分类和回归子网络组成； 所述SiamTCP目标跟踪模型输入采用双路分支，分别是模板和搜索区域分支，两个分支被送入CNN进行特征提取；目标感知的级联像素匹配模块包括目标感知模块和级联的像素级相关模块，用于特征融合；后续分类回归子网络用于目标定位；将模板特征分解为许多空间内核以实现高质量的特征表示，空间内核的大小为1×1；模板特征Tt沿宽度和高度进行划分，得到nt个小内核； nt＝wt×ht； 其中，wt和ht表示模板特征的宽度和高度；将模板特征分成一组 的大小为1×1×C，C为模板特征的通道； 在部分到部分的匹配过程中，将ws和hs表示为搜索区域特征Sf的宽度和高度，将表示为Sf中的第j行和第i列； 其中，是Tt和在空间维度上的第n个位置之间的相似度； 所述目标感知模块，通过标记边界框Bt的监督生成变量模板，将Bt投影到模板特征Zt上，得到感兴趣的区域Rt，并得到新的模板特征Tt，表示为： 经过处理过的模板特征Tt被分解成许多大小为1×1×C的核，C是模板特征Tt的通道，利用得到的空间核来计算逐像素的相关性； 所述级联像素匹配模块是对模板区域和搜索区域之间的特征融合进行多次级联，Sf表示经过特征提取后的搜索特征图，Tt表示经过特征提取后的模板特征图，且模板特征图是经过目标感知模块处理后得到的；SiamTCP模型将搜索特征图Sf和模板特征图Tt进行像素级互相关操作得到F1，再将像素级互相关操作得到的F1与搜索特征图Sf进行拼接操作得到F2；通过不断将新得到的特征与模板特征进行像素级互相关操作；将所有像素级相关操作得到的特征进行拼接得到新的特征；SiamTCP模型共将操作重复三次。

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师范大学，其通讯地址为：321004 浙江省金华市迎宾大道688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”。