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！

龙图腾网获悉哈尔滨工业大学申请的专利基于序列建模强化学习的长期单目标跟踪方法、系统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：CN119762537B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202411935258.0，技术领域涉及：G06T7/246；该发明授权基于序列建模强化学习的长期单目标跟踪方法、系统和设备是由刘环宇;温佳铮;李君宝设计研发完成，并于2024-12-26向国家知识产权局提交的专利申请。

本基于序列建模强化学习的长期单目标跟踪方法、系统和设备在说明书摘要公布了：基于序列建模强化学习的长期单目标跟踪方法、系统和设备，属于目标跟踪技术领域，解决跟踪器在长期跟踪环境中性能低问题。本发明方法包括：构建基于序列建模强化学习的长期跟踪器包括感知层和决策层，均采用基于Transformer的结构；感知层的视觉Transformer编码信息作为决策Transformer的输入，决策层生成的动作序列被反馈到感知层；长期跟踪器结合基于序列建模的强化学习改进，自适应选取基线短期跟踪器。通过分析记忆序列中的内容做决策；单个短期跟踪器影响整体跟踪结果，整体跟踪结果由视觉编码器和跟踪方法共同决定；决策层动态优化搜索区域位置实现目标跟踪。本发明适用长期单目标跟踪场景下目标跟踪。

本发明授权基于序列建模强化学习的长期单目标跟踪方法、系统和设备在权利要求书中公布了：1.一种基于序列建模强化学习的长期单目标跟踪方法，其特征在于，所述方法包括： 步骤1：获取当前视频帧原始图像及所关注目标的在初始帧的位置坐标； 步骤2：构建基于序列建模强化学习的长期跟踪器，所述基于序列建模强化学习的长期跟踪模型包括感知层和决策层；感知层和决策层均采用基于Transformer的结构；感知层的视觉Transformer编码的信息作为决策Transformer的观测输入，决策层生成的动作序列被反馈到感知层； 所述感知层包括：构建跟踪池，所述跟踪池包括若干个跟踪器；设置搜索区域与目标模板；构建状态空间； 决策层包括：构建动作空间和期望奖励； 步骤3：对所述基于序列建模强化学习的长期跟踪器进行训练，具体包括： 利用一系列视频序列Seqtrain构建2D跟踪器环境，其中每个视频序列任务seqi∈Seqtrain包括：经过视觉Transformer处理后的特征组合作为状态S、搜索区域调整方法与目标存在性判断作为动作A，以及每帧根据奖励函数得到的奖励记录R； 每条轨迹τ＝s0,a0,r0,…,sL,aL,rL，其中si∈S，ai∈A，ri∈R，T为序列长度； 将轨迹τ分割成几个片段，每个片段长度为K，表示为输入序列τt+1:t+K＝st+1,at+1,rt+1,…,st+K,at+K,rt+K之一； 计算每个时间步的累计回报 将修改后的轨迹输入到决策层中的决策Transformer解码器，因果Transformer解码器的输出是一个序列向量其中d是嵌入空间的维数，该序列向量将输出的搜索区域优化动作反馈到跟踪模型，优化跟踪结果； 步骤4：利用训练后的基于序列建模强化学习的长期跟踪器对目标进行跟踪。

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哈尔滨工业大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92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”。

以上内容由龙图腾AI智能生成。