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！

龙图腾网获悉南京信息工程大学申请的专利一种基于孪生网络的多预测输出对齐的目标跟踪方法及装置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：CN115937249B 。

龙图腾网通过国家知识产权局官网在2025-12-16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：202211120456.2，技术领域涉及：G06T7/246；该发明授权一种基于孪生网络的多预测输出对齐的目标跟踪方法及装置是由胡昭华;林潇;刘浩男;王莹设计研发完成，并于2022-09-15向国家知识产权局提交的专利申请。

本一种基于孪生网络的多预测输出对齐的目标跟踪方法及装置在说明书摘要公布了：本发明公开了一种基于孪生网络的多预测输出对齐的目标跟踪方法及装置，包括：获取视频；对所述视频进行预处理，提取得到模板图像Z和搜索区域图像X；其中将视频序列首帧提取的以目标为中心的图像作为模板图像Z，将后续帧中以上一帧预测目标位置为中心的图像作为搜索区域图像X；将模板图像Z和搜索区域图像X输入预训练好的目标跟踪网络模型；根据所述目标跟踪网络模型的输出，确定目标跟踪结果。所述目标跟踪网络模型通过补充模块能够对基础跟踪器预测的目标边界框进行微调，生成能够紧密包裹目标的边界框，进而进行更精准的目标区域预测。

本发明授权一种基于孪生网络的多预测输出对齐的目标跟踪方法及装置在权利要求书中公布了：1.一种基于孪生网络的多预测输出对齐的目标跟踪方法，其特征在于，所述方法包括： 获取视频； 对所述视频进行预处理，提取得到模板图像Z和搜索区域图像X；其中将视频序列首帧提取的以目标为中心的图像作为模板图像Z，将后续帧中以上一帧预测目标位置为中心的图像作为搜索区域图像X； 将模板图像Z和搜索区域图像X输入预训练好的目标跟踪网络模型； 根据所述目标跟踪网络模型的输出，确定目标跟踪结果； 其中所述目标跟踪网络模型的处理过程包括： 模板图像Z经过第一特征提取模块提取得到模板图像特征Zf；搜索区域图像X经过第二特征提取模块提取得到搜索区域图像特征Xf； 模板图像特征Zf和搜索区域图像特征Xf经过逐深度互相关模块进行相似度匹配，输出分类响应图Rcls和回归响应图Rreg； 分类响应图Rcls和回归响应图Rreg分别经过第一预测头和第二预测头处理后，输出单通道的前背景分类得分图Mcls和四通道边界框预测图Mreg，其中所述四通道边界框预测图Mreg指示了搜索区域图像上的n个子区域，在理想状态下与模板图像上的目标区域均包含同一目标，记子区域边界框为{P}n，记首帧中的目标区域边界框为b； 基于目标区域边界框b和子区域边界框{P}n，分别利用第一PrPool模块和第二PrPool模块对模板图像特征Zf和搜索区域图像特征Xf进行区域特征提取，得到相同空间尺寸的模板区域特征Zr和子区域特征{Xr}n； 逐像素互相关模块以模板区域特征Zr为基准，对子区域特征{Xr}n进行细粒度的特征检索，得到边界框区域对应的响应图{Rme}n； 将{Rme}n输入匹配评估分支，进行特征压缩和信息整合，得到边界框评估得分S； 将前背景分类得分图Mcls和边界框评估得分S通过逐元素相乘的方式进行融合，边界框评估得分图S′； 基于边界框评估得分图S′的最大值的位置l，在四通道边界框预测图Mreg上确定唯一的一组目标边界框坐标Pl，即子区域特征{Xr}n中确定唯一的目标子区域特征Xrl；将目标子区域特征Xrl与模板区域特征Zr进行细粒度的特征检索，得到目标边界框区域对应的响应图R′me： 利用精炼分支对目标边界框区域对应的响应图R′me进行通道压缩和特征整合和逐通道的求和处理，得到边界框位置和尺寸的补偿量O： 基于所述补偿量O，对原预测的目标边界框坐标Pl进行修正，得到最终的目标预测框，实现目标跟踪。

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南京信息工程大学，其通讯地址为：224002 江苏省盐城市盐南高新区新河街道文港南路105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。