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！

龙图腾网获悉西安电子科技大学申请的专利基于无锚孪生神经网络的多目标检测跟踪一体化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：CN115330839B 。

龙图腾网通过国家知识产权局官网在2025-09-05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：202211007887.8，技术领域涉及：G06T7/246；该发明授权基于无锚孪生神经网络的多目标检测跟踪一体化方法是由冯婕;惠炳谕;焦李成;张向荣;尚荣华;王蓉芳;古晶设计研发完成，并于2022-08-22向国家知识产权局提交的专利申请。

本基于无锚孪生神经网络的多目标检测跟踪一体化方法在说明书摘要公布了：本发明公开了一种基于无锚孪生神经网络的多目标检测跟踪一体化方法，主要解决现有技术对目标表观特征辨识能力弱，网络实时性差的问题。其实现方案为：获取训练数据集与测试数据集；构建基于无锚孪生神经网络的一体化检测与跟踪网络，设置其损失函数Loss；生成空的训练集轨迹模板集合并用其和训练数据集对构建的一体化检测与跟踪网络进行训练；生成空的测试集轨迹模板集合并将其和测试数据集同时输入到训练好的一体化检测与跟踪网络中，输出在测试数据集上的检测与跟踪结果。本发明能提取强有力的辨别特征，提高了网络的实时性和跟踪精度，可用于视频序列中多个目标的单帧检测与跨帧关联，实现自然视频场景下对多个感兴趣目标的准确检测与跟踪。

本发明授权基于无锚孪生神经网络的多目标检测跟踪一体化方法在权利要求书中公布了：1.一种基于无锚孪生神经网络的多目标检测跟踪方法，其特征在于，包括如下： 1构建训练数据集与测试数据集： 将至少5个光学视频序列组成训练数据集，将至少1个光学视频序列组成测试数据集，其中： 每个光学视频序列中至少包含50帧连续图像，每帧图像包含至少一个完整的运动目标，且每帧图像中运动目标位置相比前一帧中该目标所在位置移动幅度大于等于2个像素点，每帧图像的长宽不得小于500×500； 每种数据集的标签均包括当前帧图像每个目标所在的中心点，目标的长宽，目标类别以及目标的序号； 2构建基于无锚孪生神经网络的一体化检测与跟踪网络： 2a搭建一个包括三个下采样层和三个上采样的并行多尺度特征融合模块； 2b搭建一个包括三个卷积层和三个激活函数层的检测分支子网络； 2c选用现有的ResNet50网络和SiamBAN网络，并将SiamBAN网络作为跟踪分支子网络； 2d将并行多尺度特征融合模块的输入端分别与现有ResNet50网络的第三、第四、第五卷积层连接，将并行多尺度特征融合模块的输出端分别与跟踪分支子网络和检测分支子网络连接，构成一体化无锚孪生神经网络； 2e设置基于无锚孪生神经网络的一体化检测与跟踪网络的损失函数：Loss＝L+E2，其中： E2为已知SiamBAN网络中所使用的损失函数； L＝lheat+lsize+loffset为检测分支子网络的损失函数，lheat、lsize、loffset分别为检测分支网络的目标中心热图损失函数、尺寸回归损失函数和目标中心偏移损失函数； 3利用训练数据集对基于无锚孪生神经网络的一体化检测与跟踪网络进行训练： 3a构建一个空的训练集目标轨迹模板集合，并根据训练集第一帧图像标签对其初始化； 3b将训练集目标轨迹模板集合与当前图像一起输入到基于无锚孪生神经网络的一体化检测与跟踪网络，得到检测与跟踪的结果； 3c根据总损失函数，计算网络损失值，并通过梯度下降法更新网络参数； 3d更新目标轨迹模板集合； 3e重复3b到3d直到网络损失函数收敛,得到训练好的基于无锚孪生神经网络的一体化检测与跟踪网络模型； 4对测试集的图像进行目标检测与跟踪： 4a将测试集第一帧图像输入到训练好的基于无锚孪生神经网络的一体化检测与跟踪网络，输出第一帧图像的目标检测结果； 4b构建一个空的测试集目标轨迹模板集合，根据测试集第一帧图像及4a的检测结果初始化测试集目标轨迹模板集合； 4c将测试集与已初始化后的测试集轨迹模板集合输入到训练好的基于无锚孪生神经网络的一体化检测与跟踪网络，输出测试集第二帧及第二帧之后的每一帧图像的检测与跟踪结果； 4d根据检测结果与跟踪结果的IOU大小进行匹配，并将匹配目标的检测结果替换其跟踪结果，输出最终的检测与跟踪结果。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市太白南路2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”。