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！

龙图腾网获悉西安理工大学申请的专利基于层次化Transformer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：CN116385483B 。

龙图腾网通过国家知识产权局官网在2026-02-03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：202310224902.2，技术领域涉及：G06T7/246；该发明授权基于层次化Transformer的目标跟踪方法是由刘龙;魏珍设计研发完成，并于2023-03-09向国家知识产权局提交的专利申请。

本基于层次化Transformer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层次化Transformer的目标跟踪方法，步骤包括：1将训练好的PVT_v2改进网络作为特征提取和特征融合网络，将FCN全卷积网络作为边框预测模块；2获取跟踪视频，将第一帧手动选取目标区域，根据上一帧的目标大小确定当前帧的搜索区域，输入到特征提取和特征融合网络，并从特征提取和特征融合网络的三个阶段中得到注意力特征；3进行加权融合，获得最终注意力特征；4将最终注意力特征输入边框预测模块中，进行角点预测得到坐标位置，再得到跟踪目标边框。本发明方法，解决了因目标特征包含信息较少而引起的跟踪失败问题、因目标外观变化而引起的跟踪漂移问题。

本发明授权基于层次化Transformer的目标跟踪方法在权利要求书中公布了：1.一种基于层次化Transformer的目标跟踪方法，其特征在于，按照以下步骤具体实施： 步骤1，将训练好的PVT_v2改进网络作为特征提取和特征融合网络，记为，将FCN全卷积网络作为边框预测模块，记为，PVT_v2改进网络在ImageNet-1k数据集上预先训练好， PVT_v2改进网络的结构是，由依次连接的3个阶段组成，其中的阶段1内部结构包括卷积层、拼接特征操作和TransformerEncoder，阶段2和阶段3结构相同，均包括TransformerEncoder，阶段1、阶段2和阶段3中都还设置有位置编码、随机失活层和层归一化操作； FCN全卷积网络由依次连接的5个卷积层组成，每个卷积层后面各自连接一个批次归一化层，其中前4个卷积层后面都设置有RELU非线性激活函数； 步骤2，获取跟踪视频，将第一帧手动选取目标区域，根据上一帧的目标大小确定当前帧的搜索区域，并一起输入到特征提取和特征融合网络； 分别从特征提取和特征融合网络的阶段1、阶段2和阶段3中得到各自对应的注意力特征、和，具体过程是： 2.1获取跟踪视频，在视频的第一帧中手动选取目标所在区域；令为第一帧中目标所在区域的中心点坐标，和分别为第一帧中目标所在区域的宽和高；以第一帧中目标所在区域的中心点为中心，截取边长为的正方形区域，的计算式为： 1 其中，表示当前帧的填充量，如果该正方形区域大小超出图像尺寸大小，则超出部分用图像均值填充； 2.2将边长的正方形区域缩放到大小，得到第一帧的目标区域； 2.3从第二帧开始作为后续帧，t1，利用上一帧的跟踪目标坐标位置和宽高截取边长为的正方形区域，的计算式如下： 2 其中，表示当前帧的填充量；如果该正方形区域大小超出图像尺寸大小，则超出部分用图像均值填充； 2.4将的正方形区域缩放到大小，得到当前帧的搜索区域； 2.5将第一帧的模板目标区域和当前帧搜索区域一起输入到特征提取和特征融合网络中，从三个阶段中得到尺寸分别为、和的注意力特征、和； 步骤3，利用注意力特征、和中包含的不同层次尺度信息，进行加权融合，获得最终注意力特征； 步骤4，将最终注意力特征输入边框预测模块中，进行角点预测得到坐标位置，根据坐标位置得到跟踪目标边框。

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理工大学，其通讯地址为：710048 陕西省西安市碑林区金花南路5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。