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基于特征分割跟踪网络的红外目标抗干扰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：CN121120705B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202511649031.4，技术领域涉及：G06T7/246；该发明授权一种基于特征分割跟踪网络的红外目标抗干扰跟踪方法是由王晓田;沈澳冉;白昆;王铮;闫天;陈志伟设计研发完成，并于2025-11-12向国家知识产权局提交的专利申请。

本一种基于特征分割跟踪网络的红外目标抗干扰跟踪方法在说明书摘要公布了：本申请提供一种基于特征分割跟踪网络的红外目标抗干扰跟踪方法，涉及图像识别技术领域，包括构建神经网络模型、定义约束条件和判断跟踪状态三个步骤。首先，在特征分割跟踪网络模型的构建过程中，通过引入注意力机制和多尺度融合模块，能够精准地提取目标的关键信息，显著抑制背景干扰。其次，采用综合损失函数，结合Soft‑IoU损失、能量损失和分层形状损失，从重叠度、能量和形状三个维度约束分割结果，从而显著提高网络预测精度，并保持跟踪稳定性。最后，在目标跟踪过程中，结合帧间连续性与形状特征匹配，系统不仅能够准确判断目标是否丢失，还能在目标丢失后迅速恢复跟踪，避免了传统方法中的目标丢失问题。

本发明授权一种基于特征分割跟踪网络的红外目标抗干扰跟踪方法在权利要求书中公布了：1.一种基于特征分割跟踪网络的红外目标抗干扰跟踪方法，其特征在于，包括以下步骤： S1，构建神经网络模型：输入含有目标区域的前若干帧真实图像和当前帧真实图像，对输入的图像依次进行帧间注意力增强、帧间差异增强、梯度增强以及空间位置增强后得到当前帧的特征增强图，对特征增强图依次进行下采样、特征感知以及特征融合，输出当前帧的预测概率图； S2，定义约束条件：根据Soft-IoU损失函数、能量损失函数以及分层形状损失函数生成综合损失函数，综合损失函数用于从重叠度、能量和形状三个维度约束预测概率图； S3，判断跟踪状态：在预测概率图中提取若干候选区域，通过Soft-IoU损失函数与分层形状损失函数计算每个候选区域的综合得分，根据每个候选区域的综合得分与特征退化度指标判断神经网络模型对目标的跟踪状态； 所述S1中，对输入的图像依次进行帧间注意力增强、帧间差异增强、梯度增强以及空间位置增强后得到当前帧的特征增强图的具体步骤如下： 基于前一帧真实图像的二值掩码生成模糊掩码，构建时序关联； 对相邻帧的真实图像作差，生成若干帧间差异通道，加强时序关联； 对当前帧真实图像进行不同方向的梯度滤波，构建梯度通道； 对当前帧真实图像中的各像素的平面坐标进行归一化处理，得到横坐标通道和纵坐标通道； 对真实图像、模糊掩码、帧间差异通道、梯度通道、横坐标通道以及纵坐标通道进行通道拼接和卷积操作，得到当前帧的特征增强图； 所述S1中，对特征增强图依次进行下采样、特征感知以及特征融合，输出当前帧的预测概率图的具体步骤如下： 对特征增强图进行残差增强和下采样生成浅层特征图、中层一级特征图、中层二级特征图、深层一级特征图和深层二级特征图； 分别对中层一级特征图和深层一级特征图进行多尺度空洞卷积，生成中层感知特征图和深层感知特征图； 对中层二级特征图和上采样后的深层感知特征图进行交叉门控融合，生成第一特征融合图； 对第一特征融合图和中层感知特征图进行交叉门控融合，生成第二特征融合图； 对上采样后的第二特征融合图和两级上采样后的深层二级特征图进行交叉门控融合，生成第三特征融合图； 对残差增强后的浅层特征图和两级残差增强后的第三特征融合图进行交叉门控融合，生成第四特征融合图； 对第四特征融合图进行两级残差增强和卷积操作，得到预测概率图； 所述残差增强包括残差卷积和梯度注意力增强，梯度注意力增强包括通道注意力增强和空间注意力增强，表达式为： 其中，表示增强对象，表示通道数，表示对进行卷积并输出为个通道，表示第一次批归一化，表示ReLU函数激活，表示第二次批归一化，表示残差卷积输出结果，表示平均池化，表示最大池化，表示第一次全连接，表示第二次全连接，表示Sigmoid函数激活，表示通道注意力增强结果，表示通道拼接，表示空间注意力增强结果，表示残差调整项，表示对进行残差增强并输出为个通道。

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。