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！

龙图腾网获悉南昌工程学院申请的专利基于Mamba视觉混合模块的目标跟踪方法与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：CN120298458B 。

龙图腾网通过国家知识产权局官网在2025-08-29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：202510777185.5，技术领域涉及：G06T7/246；该发明授权基于Mamba视觉混合模块的目标跟踪方法与系统是由王军;罗书红;孙磊;安卓;李溢超;肖愉蓉设计研发完成，并于2025-06-11向国家知识产权局提交的专利申请。

本基于Mamba视觉混合模块的目标跟踪方法与系统在说明书摘要公布了：本发明提出一种基于Mamba视觉混合模块的目标跟踪方法与系统，该方法包括：将搜索图像和模板图像输入至Mamba视觉混合模块中，提取并叠加全局上下文信息和局部细节信息；将Mamba视觉混合模块的输出输入至特征融合模块中进行融合；将特征融合模块的输出利用特征提升模块进行特征增强，得到增强后的特征；用大规模数据集对优化后的跟踪模型进行预训练，并对跟踪模型的参数进行更新；将搜索图像和模板图像输入至参数更新后的跟踪模型中，得到跟踪结果。本发明设计特征聚合网络，利用图像状态空间模块整合搜索区域的历史状态信息，将历史状态信息与交互后的特征沿通道方向进行拼接，通过卷积、激活、归一化、跳跃连接的方式实现特征的有效聚合过滤不相关信息。

本发明授权基于Mamba视觉混合模块的目标跟踪方法与系统在权利要求书中公布了：1.一种基于Mamba视觉混合模块的目标跟踪方法，其特征在于，所述方法包括如下步骤： 步骤1、基于Transformer架构和Mamba状态空间模型构建Mamba视觉混合模块，基于特征聚合机制构建特征融合模块，基于特征增强机制构建特征提升模块，Mamba视觉混合模块、特征融合模块和特征提升模块构成跟踪模型；其中Mamba视觉混合模块包括多头自注意力和图像状态空间模块； 步骤2、将搜索图像和模板图像输入至Mamba视觉混合模块中，提取并叠加全局上下文信息和局部细节信息，得到Mamba视觉混合模块的输出； 步骤3、将Mamba视觉混合模块的输出输入至特征融合模块中进行融合，得到特征融合模块的输出； 步骤4、将特征融合模块的输出利用特征提升模块进行特征增强，得到增强后的特征，利用增强后的特征分别计算分类损失和回归损失，利用分类损失和回归损失对跟踪模型进行优化，得到优化后的跟踪模型； 步骤5、利用大规模数据集对优化后的跟踪模型进行预训练，并对跟踪模型的参数进行更新，得到参数更新后的跟踪模型； 步骤6、将搜索图像和模板图像输入至参数更新后的跟踪模型中，以迭代的方式重复步骤2至步骤4，得到最终增强后的特征，将最终增强后的特征输入至预测头，得到跟踪结果； 在所述步骤2中，将搜索图像和模板图像输入至Mamba视觉混合模块中，提取并叠加全局上下文信息和局部细节信息，得到Mamba视觉混合模块的输出，具体包括如下步骤： 将搜索图像和模板图像输入至Mamba视觉混合模块中分别进行初始化处理，得到模板区域的图像序列和搜索区域的图像序列； 对模板区域的图像序列和搜索区域的图像序列利用卷积网络分别进行特征提取，得到模板区域图像序列的原始特征和搜索区域图像序列的原始特征； 将模板区域图像序列的原始特征依次进行展平处理和位置编码添加处理，得到模板图像的原始特征标记序列； 将搜索区域图像序列的原始特征依次进行展平处理和位置编码添加处理，得到搜索区域图像的原始特征标记序列； 将模板图像的原始特征标记序列输入至多头自注意力中进行信息提取，得到图像的全局上下文特征； 将搜索区域图像的原始特征标记序列输入至图像状态空间模块中进行局部信息提取，得到图像的局部特征； 将图像的全局上下文特征与图像的局部特征进行叠加处理，得到Mamba视觉混合模块的输出； 在所述步骤4中，将特征融合模块的输出利用特征提升模块进行特征增强，得到增强后的特征，具体如下步骤： S101、对特征融合模块的输出的空间维度利用特征提升模块进行全局平均池化处理，得到全局平均池化处理后的结果，对全局平均池化处理后的结果通过卷积层进行通道分配权重处理，得到输入特征的通道权重矩阵，将输入特征的通道权重矩阵与特征融合模块的输出的原始矩阵进行相乘处理，得到第一层通道分支输出的特征矩阵和第一层跳跃连接输出的矩阵，对应过程存在的关系式如下： ； 其中，表示第一层的通道分支输出的特征矩阵，表示通道注意力计算，表示第一部分结构第一层跳跃连接输出的矩阵； S102、将第一层跳跃连接输出的矩阵作为输入以迭代的方式重复步骤S101，分别得到第二层通道分支输出的特征矩阵、第三层通道分支输出的特征矩阵和第四层通道分支输出的特征矩阵，对应过程存在的关系式如下： ； 其中，表示第二层的通道分支输出的特征矩阵，表示第一部分结构第二层跳跃连接输出的矩阵，表示第三层的通道分支输出的特征矩阵，表示第一部分结构第三层跳跃连接输出的矩阵，表示第四层的通道分支输出的特征矩阵； S103、对第一层通道分支输出的特征矩阵、第二层通道分支输出的特征矩阵、第三层通道分支输出的特征矩阵和第四层通道分支输出的特征矩阵进行拼接处理，得到第一个拼接后的结果，利用卷积层对第一个拼接后的结果的通道维度分配权重处理，得到特征提升模块第一部分结构的输出特征矩阵，对应过程存在的关系式如下： ； 其中，表示特征提升模块第一部分结构的输出特征矩阵； S104、对特征提升模块第一部分结构的输出特征矩阵的通道维度依次进行全局平均池化处理和最大池化处理，得到池化后的特征，对池化后的特征沿通道维度依次进行拼接处理和卷积激活处理，得到输入特征矩阵各个空间位置的权重矩阵，对输入特征矩阵各个空间位置的权重矩阵与特征提升模块第一部分结构的输出特征矩阵进行相乘处理，得到第一层的空间分支输出的特征矩阵和第一层跳跃连接输出的矩阵，对应过程存在的关系式如下： ； 其中，表示第一层的空间分支输出的特征矩阵，表示通道注意力计算，表示第二部分结构第一层跳跃连接输出的矩阵； S105、将第一层跳跃连接输出的矩阵作为输入并以迭代的方式重复步骤S104，分别得到第二层的空间分支输出的特征矩阵、第三层的空间分支输出的特征矩阵和第四层的空间分支输出的特征矩阵，对应过程存在的关系式如下： ； 其中，表示第二层的空间分支输出的特征矩阵，表示第二部分结构第二层跳跃连接输出的矩阵，表示第三层的空间分支输出的特征矩阵，表示第二部分结构第三层跳跃连接输出的矩阵，表示第四层的空间分支输出的特征矩阵； S106、将第一层的空间分支输出的特征矩阵、第二层的空间分支输出的特征矩阵、第三层的空间分支输出的特征矩阵和第四层的空间分支输出的特征矩阵，进行沿通道维度拼接处理，得到第二个拼接后的结果，对第二个拼接后的结果通过卷积层进行通道维度分配权重处理，得到第二部分建模空间位置依赖关系的输出，对应过程存在的关系式如下： ； 其中，表示第二部分建模空间位置依赖关系的输出； S107、将第二部分建模空间位置依赖关系的输出与特征融合模块的输出进行相加处理，得到特征提升模块的输出，对应过程存在的关系式如下： ； 其中，表示特征提升模块的输出。

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南昌工程学院，其通讯地址为：330000 江西省南昌市高新区天祥大道289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”。