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！

龙图腾网获悉安徽大学申请的专利融合显著信息和多粒度上下文特征的目标跟踪方法及系统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：CN114332488B 。

龙图腾网通过国家知识产权局官网在2025-07-11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：202111671961.1，技术领域涉及：G06V10/44；该发明授权融合显著信息和多粒度上下文特征的目标跟踪方法及系统是由鲍华;束平;章洪潮;李亲;邹文杰设计研发完成，并于2021-12-31向国家知识产权局提交的专利申请。

本融合显著信息和多粒度上下文特征的目标跟踪方法及系统在说明书摘要公布了：本发明公开了一种融合显著信息和多粒度上下文特征的目标跟踪方法及系统，该系统包括孪生子神经网络、多分支融合模块、全局上下文模块、注意力图模块、深度互相关模块和目标位置确定模块。运用该系统可以提取模板图片的多个特征作为模板分支特征，提取搜索图片的多个特征作为搜索分支特征；根据模板分支特征得到模板特征；根据搜索分支特征得到搜索特征；根据搜索特征和模板特征，得到搜索特征的注意力图和模板特征的注意力图；将模板特征的注意力图和搜索特征的注意力图进行深度互相关得到得分图；将得分图进行分类和回归操作，确定目标在搜索图片中的位置。避免了在跟踪目标的过程中出现遮挡、形变和旋转等情况时，可能会出现丢失目标的情况。

本发明授权融合显著信息和多粒度上下文特征的目标跟踪方法及系统在权利要求书中公布了：1.融合显著信息和多粒度上下文特征的目标跟踪方法，其特征在于，所述方法应用于孪生神经网络，其特征在于，所述方法包括： 获取模板图片和搜索图片，提取所述模板图片的多个特征作为模板分支特征，提取所述搜索图片的多个特征作为搜索分支特征；所述模板图片包含需要跟踪的目标的外观信息；所述搜索图片为包含所述目标的图片； 根据所述模板分支特征得到所述模板图片的模板特征； 根据所述搜索分支特征得到所述搜索图片的搜索特征； 根据所述搜索特征和所述模板特征，得到所述搜索特征的注意力图和所述模板特征的注意力图； 将模板特征的注意力图和搜索特征的注意力图进行深度互相关得到得分图； 将所述得分图进行分类和回归操作，确定所述目标在所述搜索图片中的位置； 所述孪生神经网络包含孪生子神经网络，所述获取模板图片和搜索图片，提取所述模板图片的多个特征作为模板分支特征，提取所述搜索图片的多个特征作为搜索分支特征，包括： 通过所述孪生子神经网络获取模板图片和搜索图片；所述搜索图片的尺寸大于所述模板图片的尺寸； 将所述模板图片输入所述孪生子神经网络的ResNet50网络，得到所述模板图片的向量卷积运算特征、二维矩阵卷积运算特征、三维矩阵卷积运算特征、四维矩阵卷积运算特征、五维矩阵卷积运算特征分别是ft1、ft2、ft3、ft4、ft5，作为模板分支特征； 将所述搜索图片输入所述孪生子神经网络ResNet50网络，得到所述搜索图片的向量卷积运算特征、二维矩阵卷积运算特征、三维矩阵卷积运算特征、四维矩阵卷积运算特征、五维矩阵卷积运算特征分别是fs1、fs2、fs3、fs4、fs5，作为搜索分支特征； 所述孪生神经网络包含多分支融合模块，所述根据所述模板分支特征得到所述模板图片的模板特征，包括： 将模板分支特征的ft3、ft4、ft5特征进行通道压缩得到特征fn3、fn4、fn5； 将模板分支特征的ft2特征经过所述多分支融合模块得到包含不同感受野的特征fn2； 将fn3、fn4、fn5分别与fs2相加并进行中心裁剪操作，得到所述模板图片的模板特征Ft3、Ft4、Ft5。

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安徽大学，其通讯地址为：230000 安徽省合肥市经济技术开发区九龙路111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”。