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！

龙图腾网获悉中国科学院光电技术研究所申请的专利基于运动特性补偿的拓展目标特征点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：CN119904654B 。

龙图腾网通过国家知识产权局官网在2025-08-01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：202510389608.6，技术领域涉及：G06V10/62；该发明授权基于运动特性补偿的拓展目标特征点跟踪方法是由邵涛;刘东旭;康增鹏;贾格;魏宇星设计研发完成，并于2025-03-31向国家知识产权局提交的专利申请。

本基于运动特性补偿的拓展目标特征点跟踪方法在说明书摘要公布了：本发明公开了一种基于运动特性补偿的拓展目标特征点跟踪方法，属于计算机视觉的目标跟踪领域，方法包括：首先构建基于稳健特征点的匹配特征优化方法，减少了目标特征点错误匹配的数量，实现最优变换模型参数的估计；其次设计了基于卡尔曼滤波约束的跟踪预测校正方法，对匹配跟踪模型的不确定性进行更好的补偿；最后，设计了长短时融合特征模板更新策略，融合历史信息和当前目标状态信息，增强模板特征的鲁棒性，有效避免噪声的叠加，可以实现长时序的目标稳定跟踪。本发明在特征匹配与预测过程中交互式解译图像空间信息与感兴趣特征点信息，使得匹配特征的模型更鲁棒，预测目标位置误差更小，长时跟踪结果更稳定和准确。

本发明授权基于运动特性补偿的拓展目标特征点跟踪方法在权利要求书中公布了：1.一种基于运动特性补偿的拓展目标特征点跟踪方法，其特征在于，包括如下步骤： 步骤S110：设置方法相关参数，包括目标初始位置，目标初始长度、目标初始宽度、匹配距离阈值； 步骤S120：针对第一帧图像数据，依据目标初始位置、目标初始长度、目标初始宽度对第一帧图像数据进行区域分割，得到目标局部感兴趣区域； 步骤S130：应用SURF特征点提取算法提取目标局部图像区域内的特征点，得到SURF特征点，作为SURF特征点模板； 步骤S140：分割后续帧图像数据，得到目标局部感兴趣区域； 步骤S150：以目标局部感兴趣区域的1.5倍区域为目标搜索区域，应用SURF特征提取法得到当前帧的目标搜索区域的特征点，依据快速最近邻搜索FLANN对SURF特征点模板和当前时刻提取的所有特征点进行初步匹配，得到特征点对初步匹配结果； 步骤S160：针对特征点对初步匹配结果，利用基于空间预处理的匹配特征优化方法得到候选特征匹配点对，然后利用基于随机一致性选择的匹配特征优化方法得到匹配优化之后的稳健匹配点对，基于空间预处理的匹配特征优化方法依据特征点对初步匹配结果计算步骤S150提取的所有特征点的平均匹配距离，并设置自适应匹配距离阈值为1.5倍的平均匹配距离，然后依据自适应匹配距离阈值初步筛选匹配结果：判断每一对匹配的特征点对的匹配距离是否超过自适应匹配距离阈值，若没有超过阈值则加入候选特征匹配点对集，否则剔除； 步骤S170：基于稳健匹配点对获得最优单应性变换矩阵，并得到当前目标的正确预测位置； 步骤S180：获得稳健匹配点对后，利用基于运动补偿的卡尔曼跟踪预测校正方法，实现下一帧图像的目标位置的预测； 步骤S190：基于长短时融合特征模板更新策略进行SURF特征点模板的更新，所述长短时融合特征模板更新策略包括：首先判断是否符合更新条件，根据匹配结果的匹配率和跟踪距离计算质量评分，根据评分得分决定是否使用长短时融合特征模板更新策略更新SURF特征点模板； 所述步骤S190包括：基于长短时融合特征模板更新策略同时构建长时记忆模板和短时匹配模板，其中： 所述长时记忆模板的构建方法包括：首先计算前模板的匹配分布直方图，统计模板中的每个特征点匹配到的频率分布，选择匹配分布频率为前10%的特征点进行单应性矩阵变换，变换到当前帧的坐标系，构成长时记忆模板； 所述短时匹配模板的构建方法包括：首先初步匹配前一时刻跟踪结果范围内的特征点和当前时刻跟踪结果范围内的特征点，得到图像数据前后ROI特征的匹配结果，在此基础上基于匹配结果中时刻的目标特征和时刻目标特征点计算两个时刻匹配点对的信息熵，选择熵值高的特征点描述与对应的时刻的特征点位置构建短时匹配模板； 最后，合成两路模板选择的强特征点作为新的SURF特征点模板； 步骤S200：输出目标跟踪预测结果。

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科学院光电技术研究所，其通讯地址为：610041 四川省成都市武侯区人民南路四段九号；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”。