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！

龙图腾网获悉西北工业大学申请的专利一种复杂地面场景下红外目标识别多维度复杂度表征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：CN121213898B 。

龙图腾网通过国家知识产权局官网在2026-03-03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：202511758108.1，技术领域涉及：G06V10/25；该发明授权一种复杂地面场景下红外目标识别多维度复杂度表征方法是由王晓田;沈澳冉;白昆;王铮;陈志伟;闫天;卢弈斐设计研发完成，并于2025-11-27向国家知识产权局提交的专利申请。

本一种复杂地面场景下红外目标识别多维度复杂度表征方法在说明书摘要公布了：本发明公开了一种复杂地面场景下红外目标识别多维度复杂度表征方法，属于红外目标识别跟踪技术领域，包括对比目标当前特征与目标历史基准特征的差异，量化特征退化；采用Zernike矩的模进行特征向量提取；提取目标运动特征向量，计算目标运动复杂度；提取目标历史基准特征与目标局部背景特征量化其差异，计算相似性表征局部背景疑似度；提取真实目标与虚假运动目标的特征向量和运动向量，量化特征差异与帧间运动差异，表示虚假运动目标的干扰程度；将目标特征退化度等融合为综合识别跟踪复杂度。本发明能够反映当前帧或序列的跟踪难度，为算法策略的在线切换、系统资源的动态调配以及跨场景算法性能的科学评测提供理论依据与决策支撑。

本发明授权一种复杂地面场景下红外目标识别多维度复杂度表征方法在权利要求书中公布了：1.一种复杂地面场景下红外目标识别多维度复杂度表征方法，其特征在于，包括以下步骤： S1、对比目标当前特征与目标历史基准特征的差异，量化特征退化；采用简化后的目标0-4阶的Zernike矩的模进行特征向量提取； S2、提取目标运动特征向量，使用切向复杂度和法向复杂度两个分量表征目标运动中的两种复杂度，并以此计算目标运动复杂度； S3、提取目标历史基准特征与目标局部背景特征量化其差异，并通过设定的疑似度转换函数计算目标历史特征与局部背景特征的相似性来表征局部背景疑似度；具体包括以下步骤： S31、按照S1所示方法，根据历史数据构建目标基准特征，选取历史最新连续K帧的目标图像，不含已计算出的退化度大于α的图像帧，根据掩膜截取目标区域，提取目标特征向量并进行尺度归一化，获得历史基准特征向量为fbase； S32、进行目标局部背景区域扫描，并对每个扫描窗口进行局部背景特征提取并进行尺度归一化： ； ； ； ； 其中，Wt，Ht分别表示当前帧目标区域的宽，高；We，He分别表示当前帧扫描窗口的宽，高；x，y分别表示窗口扫描的横向和纵向步长；ap,bp表示第p个扫描窗口坐标，表示扫描位置为横向ap个步长，纵向bp个步长；P表示扫描总窗口数；p表示扫描窗口序号；bp,1,bp,2,…,bp,9表示第p个窗口的尺度归一化后的9个特征值；bp第p个窗口的特征向量； S33、计算局部背景区域疑似度，先分别计算当前历史基准向量fbase与每个窗口特征向量差异，并对差异进行疑似度转换，然后根据窗口坐标加权平均： ； ； ； ； ； ； ； ； 其中，de,p表示第p个窗口能量特征差异；ds,p表示第p个窗口形状特征差异；dp表示第p个窗口特征差异；Sd表示疑似度转换函数；Me{•}表示求中位数函数；MP表示高疑似背景窗口序号集合；wp表示第p个窗口的位置权重；表示第p个窗口归一化后的位置权重；Cbg表示局部背景疑似度； S4、提取真实目标与虚假运动目标的特征向量和运动向量，量化计算真实目标与虚假运动目标之间的特征差异与帧间运动差异，通过疑似度转换来表示虚假运动目标对目标识别跟踪的干扰程度； S5、构建动态权重融合机制，将目标特征退化度、目标运动复杂度、局部背景疑似度以及虚假目标疑似度融合为综合识别跟踪复杂度。

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北工业大学，其通讯地址为：710072 陕西省西安市碑林区友谊西路127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。