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！

龙图腾网获悉西安电子科技大学申请的专利基于多尺度联合特征自适应融合的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：CN119992125B 。

龙图腾网通过国家知识产权局官网在2026-01-02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：202411862089.2，技术领域涉及：G06V10/62；该发明授权基于多尺度联合特征自适应融合的目标跟踪方法是由齐淑霞;于天玮;孙韵晗;向培;周慧鑫;马思敏;滕翔;石金;赵哲;蒲征;王炳健;秦翰林;朱贺隆设计研发完成，并于2024-12-17向国家知识产权局提交的专利申请。

本基于多尺度联合特征自适应融合的目标跟踪方法在说明书摘要公布了：本发明公开了一种基于多尺度联合特征自适应融合的目标跟踪方法，输入第1帧图像，对模型进行初始化；输入第t帧图像，得到最终的候选边框，从所述最终的候选边框中提取候选目标区域；对每个候选目标区域提取特征，确定每个候选目标区域的HOG特征、颜色直方图特征、Haar局部特征和LBP特征响应；计算自适应融合参数，进行自适应响应融合，求得最终响应结果；根据所述最终响应结果的最大值，确定最终目标预测候选区域，返回最大响应对应的候选目标区域，将该目标区域尺度确定为当前帧的目标尺度；使用第t帧图像的最终目标预测候选区域构造基础训练样本，对模型进行训练更新，获得下一帧图像的滤波器模型、颜色直方图模型。

本发明授权基于多尺度联合特征自适应融合的目标跟踪方法在权利要求书中公布了：1.一种基于多尺度联合特征自适应融合的目标跟踪方法，其特征在于，该方法包括： 步骤1，输入第1帧图像，对特征滤波器、尺度滤波器和颜色直方图模型进行初始化； 步骤2，输入第t帧图像，进行轮廓尺度检测，提取并筛选候选边框，对筛选出的候选边框进行穷极尺度缩放，得到最终的候选边框，从所述最终的候选边框中提取候选目标区域，具体包括;对第t-1帧图像的目标区域进行轮廓提取，对每个像素点进行边缘计算，得到每个点的边缘响应值，再通过非极大抑制算法求得轮廓稀疏响应图；所述轮廓稀疏响应图中的每个像素点都具有轮廓值大小和轮廓方向，对每点的轮廓值进行判定，大于0.15则判定该点为轮廓，进行保留； 对所述轮廓稀疏响应图进行轮廓聚类，对目标区域中每一个像素点周围8连通域的轮廓响应进行比较，如果两个像素点的轮廓方向差值小于90°，则判定为同一类轮廓，否则不为同一类轮廓； 对轮廓聚类结果进行相关性判别，对于中心坐标为,的轮廓类与中心坐标为,的轮廓类，通过确定两个轮廓类间的相关性，,表示两个轮廓类的相关性，ij为坐标,与坐标,之间的角度，表示相关参数，表示两个类间最短距离； 确定每个轮廓类的权重值eb表示候选边框wh与轮廓类共同包含的区域面积，表示轮廓类包含的面积； 根据每个轮廓类的权重值确定每个轮廓类的候选边框的最终置信度 提取候选边框，保留置信度大小为前35%的候选边框； 将置信度大小为前35%的候选边框的区域面积，与第t-1帧图图像确定的目标区域面积进行比较，对大于0.6倍且小于1.4倍第t-1帧图像的目标区域面积的候选边框进行保留； 使用穷极尺度缩放保留的提取候选目标区域，每一个候选框标定的候选区域中心点为x,y，第t-1帧图像确定的目标宽高分别为，对每一个候选区域进行一定尺度的缩放，提取个尺度的候选目标图像区域； 步骤3，对每个候选目标区域提取特征，确定每个候选目标区域的HOG特征、颜色直方图特征、Haar局部特征和LBP特征响应； 步骤4，计算自适应融合参数，进行自适应响应融合，求得最终响应结果；根据所述最终响应结果的最大值，确定最终目标预测候选区域，返回最大响应对应的候选目标区域，将该目标区域尺度确定为当前帧的目标尺度;所述计算自适应融合参数，进行自适应响应融合，求得最终响应结果；根据所述最终响应结果的最大值，确定最终目标预测候选区域，具体包括： 通过平均峰值相关能量APCE对四种特征响应权值进行评估，；式中，Fmax表示响应图中的最大值，Fmin表示响应图中的最小值，w,h表示响应坐标;步骤4得到每种特征的响应，分别记为res1、res2、res3、res4，计算每种特征响应的APCE分别为PAPCE1、PAPCE2、PAPCE3、PAPCE4； 构造映射函数，使各响应APCE比例在合理范围内浮动，映射函数为；式中，表示响应的预融合参数，为超参数，通过控制超参数大小可以将参数控制在合理范围； 确定每个目标区域图像的参数并对其归一化，得到的融合参数为； 根据说融合参数确定每个目标区域四种特征最终的融合响应为；式中，res表示最终的响应结果，返回最大响应结果对应的候选目标区域作为最终目标候选区域，将该目标区域的尺度wi,hi确定为当前帧的目标尺度； 步骤5，使用第t帧图像的最终目标预测候选区域构造基础训练样本，对滤波器模型、颜色直方图模型进行训练更新，获得下一帧图像的滤波器模型、颜色直方图模型; 步骤6，重复步骤2至步骤5，直至跟踪结束。

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西安电子科技大学，其通讯地址为：710000 陕西省西安市雁塔区太白南路2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。