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！

龙图腾网恭喜辽宁工程技术大学申请的专利一种定位质量信息增强的孪生网络目标跟踪算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：CN115035452B 。

龙图腾网通过国家知识产权局官网在2025-03-11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：202210679583.X，技术领域涉及：G06T7/246；该发明授权一种定位质量信息增强的孪生网络目标跟踪算法是由姜文涛;张大鹏设计研发完成，并于2022-06-15向国家知识产权局提交的专利申请。

本一种定位质量信息增强的孪生网络目标跟踪算法在说明书摘要公布了：本发明公开了一种定位质量信息增强的孪生网络目标跟踪算法，包括：确定目标，获取第一帧图像，利用已知信息确定标注框，裁剪目标区域，获取目标模板；相似性比对，获取当前帧，利用特征提取子网络获取目标和搜索区域的特征图并进行相似性比对，得到相似性矩阵；目标定位，融合分类分支基于相似性矩阵进行分类任务，输出相似性预测分数；边界预测，回归分支基于相似性矩阵预测目标边界，并结合相似性预测分数，选择最佳预测框；输出跟踪结果，输出目标边界框，进行下一帧的目标跟踪。本发明能够改善分类和边界预测过程，引入CNN网络使模型对特征图中的语义信息利用更充分，预测结果具有较高的可信度。

本发明授权一种定位质量信息增强的孪生网络目标跟踪算法在权利要求书中公布了：1.一种定位质量信息增强的孪生网络目标跟踪算法，其特征在于，包括以下步骤：步骤1：确定目标，获取第一帧图像，利用已知信息确定标注框，裁剪目标区域，获取目标模板；步骤2：相似性比对，获取当前帧，利用特征提取子网络获取目标和搜索区域的特征图并进行相似性比对，得到相似性矩阵；步骤3：目标定位，融合分类分支基于相似性矩阵进行分类任务，输出相似性预测分数；步骤4：边界预测，回归分支基于相似性矩阵预测目标边界，并结合相似性预测分数，选择最佳预测框；步骤5：输出跟踪结果，输出目标边界框，继续执行步骤2，进行下一帧的目标跟踪；算法结构主要分为两部分，左边是特征提取子网络，右边是区域推荐子网络；特征提取子网络由模板分支Z和搜索区域分支X组成的孪生网络，以第一帧中的目标和后续帧中的搜索区域为输入，使用式2获得相似度矩阵fiZ,X； 式中，ψi表示调整特征图尺寸的卷积层，i∈{cls,reg}表示不同子任务，cls表示分类子任务，reg表示边界回归子任务，表示骨干网络，*表示互相关操作，b表示偏差；融合分类分支以经过ψcls调整的特征图作为输入，输出尺寸为17×17×1的相似度预测矩阵，回归分支以经过ψreg调整的特征图作为输入，基于每个正样本点对目标边界进行预测，并结合相似度预测矩阵选择最佳预测结果；在融合分类分支中，使用先验空间分数作为定位质量评分对目标进行加权增强，形成定位质量标签，改善分类训练过程，先验空间分数Pss计算方式如式3所示； 式中，l*,r*,t*,b*分别表示标注点到目标标注框左、右，上、下四条边的偏移；在Pss评分中，越靠近中心的点，其评分越高，而远离中心的点其评分变低；融合分类分支使用的损失函数如式4所示： 式中，αt和pt的计算方式分别如式5和式6所示： 式中，α是超参数，p表示相似性预测结果；回归分支使用的损失函数是其计算方式如式7所示： 式中，B和B*分别表示预测框和标注框，C表示预测框和标注框的最小外接矩形的面积，Union·表示两个矩形的并集，IoU*表示预测框与标注框的交并比；训练目标如式8所示： 式中，Npos表示正样本的数量，1{·}是指示函数，当时为1，否则为0。

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辽宁工程技术大学，其通讯地址为：123000 辽宁省阜新市细河区中华路47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”。