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！

龙图腾网获悉北京邮电大学申请的专利一种基于轨迹间隔的层级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：CN119600061B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202411644983.2，技术领域涉及：G06T7/246；该发明授权一种基于轨迹间隔的层级多目标跟踪方法是由苏菲;赵志诚;杜昀昊设计研发完成，并于2024-11-18向国家知识产权局提交的专利申请。

本一种基于轨迹间隔的层级多目标跟踪方法在说明书摘要公布了：本发明提供了一种基于轨迹间隔的层级多目标跟踪方法。所述方法包括：针对一段视频，检测所有目标位置；将每个检测框初始化为一段轨迹；计算目标尺寸一致性重叠相似度；构建相机运动一致性算法，在匹配阶段补偿相机运动带来的偏移；构建层级一致性算法，补偿第一层级损失的运动信息；构建单层轨迹关联算法，实现轨迹间一对一匹配；构建基于轨迹间隔的层级跟踪框架，逐步匹配所有轨迹；对匹配结果做后处理，得到最终的跟踪结果。本发明设计的基于轨迹间隔的层级多目标跟踪方法，使用启发式方法逐步关联所有目标，摆脱了多目标跟踪算法对目标外观特征和神经网路的依赖，适用于现实应用中算力不足和训练数据稀缺的场景。且本发明可以与其它跟踪算法无缝结合，以极低的计算代价进一步提升跟踪效果。

本发明授权一种基于轨迹间隔的层级多目标跟踪方法在权利要求书中公布了：1.一种基于轨迹间隔的层级多目标跟踪方法，其特征在于，所述方法包括以下步骤： 步骤1，针对一段视频，检测所有目标位置； 步骤2，将每个检测框初始化为一段轨迹； 步骤3，计算目标尺寸一致性重叠相似度；具体为：给定两个检测框bi＝xi,yi,wi,hi和bj＝xj,yj,wj,hj，如果满足wiW且wjW，则按如下方式对其做扩展， 其中W＝64是预设的宽度超参数，τ＝0.2是缩放系数，然后扩展后的检测框和用于计算IoU来完成轨迹片段关联； 步骤4，进行相机运动一致性补偿；具体为：对于第k个视频序列，首先基于轨迹片段间隔阈值Δt＝1进行第一层级关联，然后计算所有匹配的检测框对之间的IoU并取平均得到Ok，作为第k个序列相机运动尺度的度量，如果Ok小于预设阈值ΔO＝0.65，则该序列被判定为具有显著的相机运动，对此，计算所有匹配检测框对之间的平均偏移，作为对相机运动ΔXt,ΔYt的估计， 最终，将ΔXt,ΔYt添加到所有层级轨迹片段的位置估计步骤中，从而补偿相机运动带来的偏差； 步骤5，进行层级信息一致性补偿；具体为：首先基于轨迹片段间隔阈值Δt＝1进行第一层级关联，然后对于每个检测框，基于匹配到的检测框做前向和反向线性运动估计，得到预测框，最终使用预测框与其它检测框计算IoU并做关联，从而完成对第一层级的运动信息补偿； 步骤6，构建单层轨迹关联算法，实现轨迹间一对一匹配；具体为：对于层级l，首先基于卡尔曼滤波器对所有轨迹完成运动估计，得到预测框；对于第t帧，给定轨迹片段间隔阈值Δtl，获取所有于当前帧截止的轨迹片段获取所有与当前帧t间隔不超过阈值Δtl的轨迹片段然后基于检测框和预测框位置，计算轨迹片段集合和之间的IoU作为关联相似度，得到关联矩阵C，并基于匈牙利算法完成轨迹片段间的二分图匹配；对每一帧迭代进行上述关联过程，得到整段视频序列的匹配结果，并更新轨迹片段集合； 步骤7，构建基于轨迹间隔的层级跟踪框架，逐步匹配所有轨迹；具体为：给定一段T帧视频序列，其检测框集合D1包含N1个目标框，并基于此初始化N1个轨迹片段；然后对于第l个层级，l≥1，Nl个轨迹片段被关联为Nl+1个更长的轨迹片段Nl≥Nl+1；每个轨迹片段表示为： 其中是第t帧的检测框，和是轨迹片段的最小帧索引和最大帧索引；预设一组轨迹间隔阈值对于第l层级，仅当一对轨迹片段之间间隔小于阈值时才会考虑对其做关联，即关联过程中，首先使用卡尔曼滤波器做双向运动预测，然后计算两个轨迹片段间真实检测框和预测框的IoU作为关联相似度；所有层级使用统一的关联阈值Δo，并使用匈牙利算法完成匹配；通过对第1到第L层级迭代地进行上述关联步骤，并逐步增加轨迹间隔阈值Δtl，最终输出NL+1段轨迹； 步骤8，对匹配结果做后处理，得到最终的跟踪结果。

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北京邮电大学，其通讯地址为：100876 北京市海淀区西土城路10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。