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！

龙图腾网获悉武汉华中天经通视科技有限公司申请的专利一种目标跟踪抗遮挡的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：CN117115206B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202311030680.7，技术领域涉及：G06T7/246；该发明授权一种目标跟踪抗遮挡的方法是由邹尔博;范强;雷波;徐寅;王康设计研发完成，并于2023-08-16向国家知识产权局提交的专利申请。

本一种目标跟踪抗遮挡的方法在说明书摘要公布了：本发明公开了一种目标跟踪抗遮挡的方法，用于解决有遮挡情况下的目标跟踪，首先选定图像序列中前后相邻两帧图像中的跟踪目标，输入全卷积特征提取神经网络中进行目标的特征提取，然后利用卷积神经网络对跟踪目标进行位置跟踪，最后对目标重检测，直至输出跟踪结果。本发明采用多种方法结果策略融合的方式，解决目标遮挡后出现跟踪丢失问题，以卷积神经网络为跟踪网络主体结构，结合快速高效的跟踪置信度参数，用来判断跟踪的目标是否被遮挡，一旦目标出现了遮挡，则基于历史信息对当前图像进行快速检测，基于检测机制，重新检测的目标位置作为初始坐标，重新开始目标跟踪。

本发明授权一种目标跟踪抗遮挡的方法在权利要求书中公布了：1.一种目标跟踪抗遮挡的方法，其特征在于，包括以下步骤： S1，对目标物持续跟踪拍摄，选定图像序列中前后相邻两帧图像的跟踪目标，选定矩形区域并缩放至固定大小，输入全卷积特征提取神经网络中进行目标的特征提取； S2，采用多个卷积层对目标图像进行卷积运算，之后再采用非线性激活层进行处理，每一个卷积层中融合多尺度卷积，将全卷积特征提取神经网络中使用的池化操作替换成步长为2的卷积操作，并将输出结果作为当前目标的特征模板进行保存； 所述的全卷积特征提取神经网络由五个特征层构成： 第一特征层、第二特征层和第三特征层均包含3个子层；第1个子层的卷积核尺寸为5×5，步长为2；第2个子层的卷积核尺寸分别为1×1、3×3、5×5、7×7，步长为1，四个尺度卷积核分别并行与上一子层的结果进行卷积操作，最后将四个尺度的结果进行拼接；第3个子层为LeakyReLU非线性激活层； 第四特征层包括2个子层；第1个子层的卷积核尺寸分别1×1、3×3、5×5、7×7，步长为1，四个尺度卷积核分别并行与上一子层的结果进行卷积操作，最后将四个尺度的结果进行拼接；第2个子层为LeakyReLU非线性激活层； 第五特征层包括1个卷积核尺寸为3×3，步长为1的子层，与上一子层的结果进行卷积操作； S3，计算跟踪置信度参数 S31，计算特征提取网络n个输出通道的最大值并对这n个最大值进行归一化操作，并将n个归一化后的值作为权重，对每个通道进行加权操作，最后将所有通道进行求和，输出一个二维模板图； S32，输入新的图像后，先送入特征提取网络进行特征提取，得到的二维模板图按照如下步骤计算当前图像的模板图梯度趋势分布图：计算二维模板图中每个像素点与周围8个像素点像素值的差的绝对值，选择绝对值最大的作为当前像素点的梯度值，得到这个二维模板图中对应每个像素点的梯度趋势分布图； S33，按照下面的公式，计算当前帧与矩形区域第一帧的均方误差并作为跟踪置信度： ， Ii,j表示梯度趋势分布图当前帧第i,j点处灰度值，Ki,j表示梯度趋势分布图第一帧第i,j点处灰度值，m和n分别对应图像的长和宽； S34，按照步骤S31～S33连续计算10帧输入图像，得到9个跟踪置信度构成一个置信度队列并计算该队列的中位值，如果当前帧得到的跟踪置信度超过了中位值的±3倍，则认为当前图像中目标被遮挡，跟踪不再可靠； S4，目标重检测： S41，如果目标出现了遮挡，则对上一帧计算得到的目标坐标为中心，选择周围跟踪框大小相同的8个邻域区域判断是否重叠； S42，分别将这8个邻域输入特征提取网络中得到各自的跟踪置信度，分别与置信度队列的中位值进行对比； S43，如果当前邻域得到的跟踪置信度小于置信度队列中位值的±3倍，则标记为符合项； S44，最终在所有符合项中，选择最接近置信度队列的邻域，作为当前图像目标出现的区域，重新开始目标跟踪。

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武汉华中天经通视科技有限公司，其通讯地址为：430223 湖北省武汉市江夏区庙山开发区江夏大道特1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。