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！

龙图腾网获悉中国人民解放军国防科技大学申请的专利基于自适应联邦学习的协同目标跟踪方法、装置和设备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：CN116416280B 。

龙图腾网通过国家知识产权局官网在2025-07-22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：202310407737.4，技术领域涉及：G06T7/246；该发明授权基于自适应联邦学习的协同目标跟踪方法、装置和设备是由罗来龙;潘永淇;刘毅;程子文;朱承;武德峰设计研发完成，并于2023-04-14向国家知识产权局提交的专利申请。

本基于自适应联邦学习的协同目标跟踪方法、装置和设备在说明书摘要公布了：本申请涉及视觉监控技术领域的一种基于自适应联邦学习的协同目标跟踪方法、装置和设备，所述方法将联邦学习引入该领域，根据边缘设备确定追随者节点，采用基于声誉机制的自适应候选节点选择方法从追随者节点中选择参与训练的候选节点，从候选节点中选择聚合节点，然后将模型分配到候选节点中进行本地局部训练，将每个候选节点更新后的参数将传输到聚合节点进行聚合，经过若干个任期训练后，得到最终协同目标跟踪模型，采用最终协同目标跟踪模型对目标区域内的待跟踪目标进行跟踪，得到协同目标跟踪结果。与最先进的现有方法相比，本方法具有相当甚至更好的精度，同时需要更少的数据传输成本和更少的时间消耗。

本发明授权基于自适应联邦学习的协同目标跟踪方法、装置和设备在权利要求书中公布了：1.一种自适应联邦学习的协同目标跟踪方法，其特征在于，所述方法包括： 根据部署在目标区域内的多个边缘设备，确定追随者节点列表，所述追随者节点列表包括多个追随者节点； 对每一个所述追随者节点的本地训练信息和声誉值的词典进行初始化； 在每个所述追随者节点上加载初始目标跟踪模型； 设置任期term；其中term为大于0小于任期阈值的整数； 在第一任期训练时term＝1，设置当前任期的全局模型的准确度为初始目标跟踪模型的准确度； 根据所述追随者节点列表、所述词典以及所述当前任期的全局模型的准确度，采用基于声誉机制的自适应候选节点选择方法，得到候选节点列表； 如果term＝1，则设置当前任期聚合节点为候选节点列表的第一个候选节点； 根据所述当前任期聚合节点和所述候选节点列表，采用聚合节点选择和模型聚合方法，得到当前任期的全局模型和下一任期聚合节点； 将所述初始目标跟踪模型更新为所述当前任期的全局模型，将所述当前任期的全局模型的准确度更新为当前任期的全局模型的准确度，将所述当前任期聚合节点跟新为下一任期聚合节点，term增加1，进入下一任期，直到term大于任期阈值，停止迭代训练，得到最终协同目标跟踪模型； 采用所述最终协同目标跟踪模型对目标区域内的待跟踪目标进行跟踪，得到协同目标跟踪结果。

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国人民解放军国防科技大学，其通讯地址为：410073 湖南省长沙市开福区德雅路109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”。