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！

龙图腾网获悉福州大学申请的专利融合原型学习机制的通用类别多目标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：CN118351138B 。

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：202410444143.5，技术领域涉及：G06T7/246；该发明授权融合原型学习机制的通用类别多目标跟踪方法是由刘文犀;林郁昊;于元隆设计研发完成，并于2024-04-12向国家知识产权局提交的专利申请。

本融合原型学习机制的通用类别多目标跟踪方法在说明书摘要公布了：本发明涉及一种融合原型学习机制的通用类别多目标跟踪方法。包括：将目标计数数据集中提供的点标注进行预处理，获取每个目标的粗糙边界框标注信息；以及，构建对感兴趣目标的原型特征进行建模的原型特征学习模块；基于获得的对感兴趣目标的原型特征进行建模的原型特征学习模块，构建融合原型学习机制的通用类别多目标跟踪网络；训练融合原型学习机制的通用类别多目标跟踪模型；将图像输入到训练好的融合原型学习机制的通用类别多目标跟踪模型中，输出对应的目标边界框，最后使用目标关联算法获得感兴趣目标的轨迹。

本发明授权融合原型学习机制的通用类别多目标跟踪方法在权利要求书中公布了：1.一种融合原型学习机制的通用类别多目标跟踪方法，其特征在于，包括以下步骤： 步骤S1、将目标计数数据集中提供的点标注进行预处理，获取每个目标的粗糙边界框标注信息，获得训练集； 步骤S2、构建对感兴趣目标的原型特征进行建模的原型特征学习模块； 步骤S3、基于步骤S2获得的对感兴趣目标的原型特征进行建模的原型特征学习模块，构建融合原型学习机制的通用类别多目标跟踪模型； 步骤S4、利用步骤S1获得的训练集与粗糙边界框标注来训练融合原型学习机制的通用类别多目标跟踪模型； 步骤S5、将图像输入到训练好的融合原型学习机制的通用类别多目标跟踪模型中，输出对应的目标边界框，最后使用目标关联算法获得感兴趣目标的轨迹； 步骤S3具体包括以下步骤： 步骤S31、以Faster-RCNN目标检测网络为基础，首先使用ResNet-50作为主干特征提取网络提取当前输入图像的视觉特征 步骤S32、将S31中得到的输入图像视觉特征输入到S2构建的对感兴趣目标的原型特征进行建模的原型特征学习模块中，获得当前时刻的感兴趣目标原型特征 步骤S33、将S32中得到的当前时刻感兴趣目标的原型特征输入1×1卷积层进行特征空间的调整，再与S31步骤中得到的输入图像视觉特征相乘，得到原型强化后的特征计算公式为： 其中，⊙表示矩阵逐元素乘法，表示原型强化后的特征，Conv·代表卷积操作； 步骤S34、将S33中得到的原型强化后的特征输入到Faster-RCNN中的区域提案网络中，获得M个区域提案，并使用ROIAlign算法从中提取区域提案的对应特征再将区域提案特征与原型特征相乘进行进一步的增强： 其中，代表增强后的M个区域提案特征； 步骤S35、将S34中得到的增强后的M个区域提案特征输入Faster-RCNN中的RCNN网络中，得到对区域提案细化后的最终检测结果； 步骤S4具体包括以下步骤： 步骤S41、步骤S35得到的最终检测结果将会与S1中的粗糙边界框进行比较，当最终检测结果的置信度大于当前时刻粗糙边界框的置信度τ时，粗糙边界框将会被更新； 步骤S42、根据融合原型学习机制的通用类别多目标跟踪模型的损失函数，利用反向传播方法计算融合原型学习机制的通用类别多目标跟踪模型的深度网络中各参数的梯度，并利用随机梯度下降方法更新参数； 步骤S43、以批次为单位重复步骤S41至步骤S42，直至步骤S42中计算得到的损失值收敛并趋于稳定，完成融合原型学习机制的通用类别多目标跟踪模型的训练过程。

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福州大学，其通讯地址为：350108 福建省福州市闽侯县福州大学城乌龙江北大道2号福州大学；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”。