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！

龙图腾网恭喜南京理工大学申请的专利基于ROI预测和多模块学习的抗遮挡移动目标跟踪装置及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：CN114972735B 。

龙图腾网通过国家知识产权局官网在2025-06-10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：202210615297.7，技术领域涉及：G06V10/25；该发明授权基于ROI预测和多模块学习的抗遮挡移动目标跟踪装置及方法是由黄晶露;胡仁杰;黄成;吴晓蓓设计研发完成，并于2022-06-01向国家知识产权局提交的专利申请。

本基于ROI预测和多模块学习的抗遮挡移动目标跟踪装置及方法在说明书摘要公布了：本发明公开了一种基于ROI预测和多模块学习的抗遮挡移动目标跟踪装置及方法，该装置包括跟踪、检测、学习、综合四个模块，跟踪模块包括多特征提取模块、相关滤波模块，检测模块包括ROI预测模块、级联分类模块；位置滤波器加上尺度滤波器作为跟踪模块的算法框架，通过加入多特征提取融合优化框架，对位置滤波器和尺度滤波器进行PCA降维和QR分解；ROI预测模块利用平方根容积卡尔曼滤波进行位置预估，获得ROI区域作为级联分类模块输入；跟踪模块与检测模块同步工作，通过学习模块相互校正、学习、更新参数，综合模块通过协调工作，得到最后的输出位置，实现对单个移动目标的跟踪。本发明提高了目标跟踪的实时性、鲁棒性、检测精度。

本发明授权基于ROI预测和多模块学习的抗遮挡移动目标跟踪装置及方法在权利要求书中公布了：1.一种基于ROI预测和多模块学习的抗遮挡移动目标跟踪装置，其特征在于，包括跟踪模块、检测模块、学习模块、综合模块，其中：所述跟踪模块包括多特征提取模块、相关滤波模块，在位置滤波器的基础上加上尺度滤波器作为跟踪模块的算法框架，通过加入多特征提取融合优化框架，对位置滤波器和尺度滤波器进行PCA降维和QR分解；所述检测模块包括ROI预测模块、级联分类模块，ROI预测模块利用平方根容积卡尔曼滤波进行位置预估，利用预估得到的位置获得ROI区域并作为级联分类模块输入，级联分类模块中采用fHOG-SVM分类器；所述跟踪模块与检测模块同步工作，通过学习模块相互校正、学习、更新参数，综合模块通过多模块之间的协调工作，得到最后的输出位置，实现对单个移动目标的跟踪；所述多特征提取模块是将M×N×1的灰度特征与M×N×31的快速方向梯度直方图即fHOG特征进行拼接融合得到的，其中，M、N均为正整数，31维的fHOG特征是通过归一化截断得到每个cell对应的36维特征向量后再利用主成分分析PCA降维得到的，包括18维有符号的fHOG梯度，9维无符号的fHOG梯度，以及来自当前cell和对角线领域的4个领域cell的归一化操作的4维特征；所述相关滤波模块的基础框架是判别尺度空间跟踪算法框架，利用位置滤波器与尺度滤波器依次进行目标定位与尺度评估，分别对位置滤波器和尺度滤波器进行主成分分析PCA降维和正交三角QR分解，来优化算法框架；所述ROI预测模块通过加入平方根容积卡尔曼滤波进行ROI区域估计；以当前帧预测到的目标位置为中心，以上一帧的长宽比、以及四倍面积划定区域，将此区域作为当前帧的ROI区域送入级联分类模块；所述级联分类模块包括图像元方差分类器、fHOG-SVM分类器、最邻近分类器，具体如下：ROI预测模块预测出当前帧目标最有可能出现的区域，将此作为级联分类模块的输入即待检测区域，首先在待测区域产生多个不同尺度的待测滑窗，并送入图像元方差分类器，计算待测窗口与目标框图像的像素灰度方差，把方差小于目标样本方差一半的测试样本认为是负样本；然后正样本作为fHOG-SVM分类器的输入，提取fHOG特征，送入SVM分类器得到正负样本类别结果；最后将前两个分类器得到的正样本窗口作为最邻近分类器的输入，依次匹配每个窗口与在线模型的相似度，并更新在线模型的正样本空间，从而得到级联分类模块的最终正样本，即检测模块的输出。

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南京理工大学，其通讯地址为：210094 江苏省南京市玄武区孝陵卫200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”。