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！

龙图腾网获悉安徽工程大学申请的专利一种结合轻量级深度外观提取的在线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：CN116385943B 。

龙图腾网通过国家知识产权局官网在2025-12-30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：202310480433.0，技术领域涉及：G06V20/40；该发明授权一种结合轻量级深度外观提取的在线多目标跟踪方法是由刘有余;李艺;李红伟;汪祁杰;鹿松松设计研发完成，并于2023-04-28向国家知识产权局提交的专利申请。

本一种结合轻量级深度外观提取的在线多目标跟踪方法在说明书摘要公布了：本发明涉及计算机视觉技术，具体涉及一种结合轻量级深度外观提取的在线多目标跟踪方法，输入当前时刻的视频帧，经过检测器得到所有跟踪目标的检测包围框；将所有检测包围框划分为高置信度检测包围框和低置信度检测包围框，并预测所有检测包围框在当前时刻的状态；基于高置信度检测包围框分割得到视频帧中所有高置信度目标的图像块，并将图像块输入至轻量级重识别网络FastOSNet中，得到所有高置信度目标的外观嵌入；利用分层自适应指数移动平均HAEMA更新所有已匹配轨迹的外观状态；本发明提供的技术方案能够有效克服现有技术所存在的遮挡噪声抗性低、推理速度慢、内存占用较大的缺陷。

本发明授权一种结合轻量级深度外观提取的在线多目标跟踪方法在权利要求书中公布了：1.一种结合轻量级深度外观提取的在线多目标跟踪方法，其特征在于：包括以下步骤： S1、输入当前时刻的视频帧，经过检测器得到所有跟踪目标的检测包围框； S2、将所有检测包围框划分为高置信度检测包围框和低置信度检测包围框，并预测所有检测包围框在当前时刻的状态； S3、基于高置信度检测包围框分割得到视频帧中所有高置信度目标的图像块，并将图像块输入至轻量级重识别网络FastOSNet中，得到所有高置信度目标的外观嵌入； S4、输入上一时刻所有轨迹的包围框和外观状态，构造融合成本矩阵，并基于融合成本矩阵得到与上一时刻轨迹匹配的高置信度检测包围框、第一次未匹配轨迹和未匹配高置信度检测包围框； S5、根据第一次未匹配轨迹构造匹配成本矩阵，并基于匹配成本矩阵得到与上一时刻轨迹匹配的低置信度检测包围框、第二次未匹配轨迹和未匹配低置信度检测包围框； S6、利用分层自适应指数移动平均HAEMA更新所有已匹配轨迹的外观状态，包括： S61、利用数据关联算法得到t时刻的匹配对，对t时刻的目标置信度与上一时刻的轨迹外观分数求差，再通过二段线性变换得出轨迹i在t时刻的外观更新权重如下式所示： 其中，η∈[0,0.5为自适应梯度，通过调节η，使得外观更新权重在两种情况下具备不同性质：当时，适当提高以吸纳低遮挡噪声的目标外观嵌入；反之，则应降低以抑制高遮挡噪声特征，进而提升轨迹匹配的正确率； S62、根据外观更新权重和t时刻第j个目标的外观嵌入更新轨迹i的外观状态，如下式所示： 其中，为上一时刻轨迹i的外观状态，ts为轨迹初始帧； S63、对轨迹外观分数进行EMA更新，如下式所示： 其中，q为分数融合权重； S7、对已匹配的高置信度检测包围框、低置信度检测包围框，以及未匹配高置信度检测包围框、第二次未匹配轨迹、未匹配低置信度检测包围框进行轨迹管理； S8、综合已更新轨迹的包围框和外观状态，得出当前时刻的视频帧中所有跟踪目标的轨迹状态； 所述轻量级重识别网络FastOSNet中，经过Conv5阶段后，通过部件级平均池化PAP得到4个具备空间信息的部件级特征向量h1,h2,…h4，同时通过全局级平均池化GAP得到全局特征向量hg； 所述轻量级重识别网络FastOSNet在推理时，只输出外观嵌入f： f＝[h1,h2,…,h4,hg]1×d×5 其中，d为最终特征图的维度，表示实数域； 所述轻量级重识别网络FastOSNet包括简化全尺度残差块SOSRB，所述简化全尺度残差块SOSRB包含卷积核大小分别为3×3、5×5、7×7的逐通道卷积支路，每条支路仅包含一个卷积层，且在每条卷积支路的卷积层后均设置一个共享的信道注意力聚合门AG，通过一个1×1卷积层聚合3条支路信道，融合全尺度特征。

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安徽工程大学，其通讯地址为：241000 安徽省芜湖市北京中路安徽工程大学；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”。

以上内容由龙图腾AI智能生成。