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！

龙图腾网获悉武汉大学申请的专利基于多模态数据的行人跟踪方法、装置、设备及存储介质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：CN120067746B 。

龙图腾网通过国家知识产权局官网在2025-12-12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：202510047776.7，技术领域涉及：G06F18/24；该发明授权基于多模态数据的行人跟踪方法、装置、设备及存储介质是由杨丹阳;孟庆祥设计研发完成，并于2025-01-13向国家知识产权局提交的专利申请。

本基于多模态数据的行人跟踪方法、装置、设备及存储介质在说明书摘要公布了：公开了一种基于多模态数据的行人跟踪方法、装置、设备及存储介质，属于行人跟踪技术领域，该方法包括：获取第一区域在k时刻的多模态数据，多模态数据包括视频数据、RFID数据、Wi‑Fi数据、蓝牙数据和红外传感器数据；将多模态数据输入自适应加权模型中，并获取自适应加权模型输出的第一行人在k时刻的第一关节点集合；基于第一行人在k时刻的第一关节点集合，采用异质图卷积网络HGCN和基于时间注意力机制的时空图神经网络ST‑GNN确定第一行人的运动轨迹；基于第一行人的运动轨迹确定第一行人的行为模式，行为模式用于跟踪第一行人。该方法能够在复杂场景下准确地跟踪行人。

本发明授权基于多模态数据的行人跟踪方法、装置、设备及存储介质在权利要求书中公布了：1.一种基于多模态数据的行人跟踪方法，其特征在于，所述方法包括： 获取第一区域在k时刻的多模态数据，所述多模态数据包括视频数据、RFID数据、Wi-Fi数据、蓝牙数据和红外传感器数据； 将所述多模态数据输入自适应加权模型中，并获取所述自适应加权模型输出的第一行人在k时刻的第一关节点集合，所述自适应加权模型用于采用自适应算法对所述多模态数据进行加权融合后输出所述第一行人在k时刻的第一关节点集合； 基于所述第一行人在k时刻的第一关节点集合，采用异质图卷积网络HGCN和基于时间注意力机制的时空图神经网络ST-GNN确定所述第一行人的运动轨迹； 基于所述第一行人的运动轨迹确定所述第一行人的行为模式，所述行为模式用于跟踪所述第一行人； 所述第一行人包括n个关节点，所述多模态数据中包括至少一个图像模态，所述图像模态包括所述视频数据和所述红外传感器数据，所述自适应加权模型用于采用如下方式实现所述采用自适应算法对所述多模态数据进行加权融合后输出所述第一行人在k时刻的第一关节点集合： 基于所述第一区域在k时刻的多模态数据，获取所述第一行人在k时刻的第二关节点集合，所述第二关节点集合包括每个所述图像模态对应的所述第一行人的n个关节点； 基于所述第一区域在k时刻的多模态数据，确定所述第二关节点集合中每个关节点的自适应权重； 采用所述第二关节点集合中每个关节点的自适应权重对所述第二关节点集合中的关节点进行加权，得到所述第一行人在k时刻的第一关节点集合，所述第一关节点集合中包括n个加权后的关节点； 所述基于所述第一区域在k时刻的多模态数据，确定所述第二关节点集合中每个关节点的自适应权重，包括： 采用如下公式确定所述第二关节点集合中第p个图像模态对应的第i个关节点的自适应权重： 其中，表示第二关节点集合中第p个图像模态对应的第i个关节点的自适应权重，表示k时刻第j个模态对于第i个关节点的置信度，表示k时刻第j个模态对于第i个关节点的信号强度，所述多模态数据中包括N个模态的数据，所述N个模态的数据中包括P个图像模态的数据，i、j、p、n、N、P为正整数，i的取值范围为1至n，j的取值范围为1至N，p的取值范围为1至P。

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武汉大学，其通讯地址为：430072 湖北省武汉市武昌区八一路299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。