買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉廣東警官學院(廣東省公安司法管理干部學院)申請的專利一種視頻運動物體精確追蹤方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN115294500B 。

龍圖騰網通過國家知識產權局官網在2025-08-22發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210963640.7，技術領域涉及：G06T7/246；該發明授權一種視頻運動物體精確追蹤方法是由王宇飛;廖廣軍設計研發完成，并于2022-08-11向國家知識產權局提交的專利申請。

本一種視頻運動物體精確追蹤方法在說明書摘要公布了：本發明公開了一種視頻運動物體精確追蹤方法，主要步驟如下：對待檢測視頻進行分幀；獲取各幀物體分割掩膜；獲得各幀的光流圖；利用SLIC超像素分割算法，將各幀分割為2000個超像素；利用DBSCAN聚類方法以平均光流特征對2000個超像素進行自動聚類，確定屬于背景的超像素，并去除屬于背景的物體掩膜；在視頻首幀標定需要精確追蹤的物體內部一個像素點的坐標；利用光流信息將包含指定像素的物體掩膜進行雙向傳播并加以優化；將各幀RGB、HSV和CIELAB顏色空間圖像，光流圖以及優化后的物體掩膜送入淺層全卷積網絡，獲得最終像素級分割結果；本方面通過綜合利用復合顏色空間特征及光流信息，提升了視頻中特定運動物體的精確追蹤準確率。

本發明授權一種視頻運動物體精確追蹤方法在權利要求書中公布了：1.一種視頻運動物體精確追蹤方法，其特征在于，包括以下步驟： S1、對待檢測視頻進行分幀處理，得到各幀的幀圖像，分別記為I0、I1、I2、…、IN-1，其中N為視頻總幀數； S2、利用像素級物體分割方法，對每一幅幀圖像進行檢測，獲得各幀的物體掩膜，分別記為M0、M1、M2、…、MN-1； S3、對于第i幅幀圖像Ii，選擇其前后相鄰的Ii-3、Ii-2、Ii-1、Ii+1、Ii+2及Ii+3幀圖像中的存在者，分別與Ii組合計算獲得對應的稠密光流圖，并進一步計算每一個像素點的平均光流，得到于第i幅幀圖像對應的平均光流圖，記為水平分量光流圖Xi以及垂直分量光流圖Yi，i∈{0,1,2,…,N-1}； S4、利用SLIC超像素分割算法將各幅幀圖像分割為2000個超像素，將第i幅幀圖像的第j個超像素記為Sij，其中j∈{0,1,2,…,1999}； S5、計算每一個超像素中所有像素的平均光流，記為Vij； S6、對于第i幅幀圖像，以其中各超像素的平均光流Vij為特征，利用DBSCAN聚類方法對2000個超像素進行自動聚類，按類內超像素從多到少的順序對類進行排列，將第i幀第k個類別中包含超像素的數量記為Hik； S7、計算各類中所包含超像素的平均光流，將第i幀第k個類別的平均光流記為HVik； S8、將k＝0的類別作為背景，隨后對k＝1的類別進行檢驗，若其滿足下式： 則將k＝1的類別也作為背景，并繼續檢驗k＝2的類別，式中||||表示光流向量的長度，·表示兩個向量的內積，重復上述過程，直至第k類和第k+1類之間不滿足上式，則停止檢驗，將此時作為背景類別中的所有超像素在對應幀的物體掩膜中置為背景，獲得新的物體掩膜M’0、M’1、M’2、…、M’N-1； S9、在第0幀的幀圖像I0中標記出需要精確追蹤的運動物體，以該物體在M’0中的掩膜作為初步物體掩膜，計算掩膜內所有像素的平均光流OV00； S10、檢驗所有與初步物體掩膜鄰接或重疊的其他物體掩膜，計算其平均光流，將第l個相鄰或重疊物體的平均光流記為OV0l，若滿足： 則認為第l個物體與選擇物體可進行合并，最終得到第0幀中所有可以作為選擇物體的掩膜，記為Mb 0，其中b∈O，O表示所有被選擇的物體的集合； S11、計算第0幀中處理后的需追蹤物體掩膜，記為P0，其中P0x,y表示坐標x,y位置像素屬于需追蹤物體的概率，且有： S12、在獲得第i-1幀的需追蹤物體掩膜后，計算從第i-1幀到第i幀的光流，并將第i-1幀的需追蹤物體掩膜映射到第i幀，得到映射追蹤掩膜PPi，且有： 其中dxx,y表示在坐標x,y位置光流的水平分量，dyx,y表示在坐標x,y位置光流的垂直分量，表示向下取整； S13、將M’i中與PPi具有最大重合面積的物體作為第i幀的需追蹤物體，其后按照S9至S11的步驟計算得到第i幀處理后的需追蹤物體掩膜Pi，其中在檢驗與初步物體掩膜鄰接或重疊的其他物體掩膜時，需要進一步檢驗在PPi中大于0.5，但在M’i中為背景的區域，最終得到各幀的處理后需追蹤物體掩膜P0、P1、P2、…、PN-1； S14、將第N-1幀的處理后需追蹤物體掩膜PN-1作為待輸入需追蹤物體掩膜P* N-1； S15、在獲得第i幀的待輸入需追蹤物體掩膜后，計算從第i幀到第i-1幀的光流，按S12步驟將第i幀的待輸入需追蹤物體掩膜映射到第i-1幀，并按照S9至S11的步驟計算得到第i-1幀的待輸入需追蹤物體掩膜P* i-1，最后得到各幀的待輸入需追蹤物體掩膜P* 0、P* 1、P* 2、…、P* N-1； S16、對幀圖像I0、I1、I2、…、IN-1進行顏色空間變換，得到對應的HSV和CIELAB顏色空間，與原有的RGB顏色空間拼接得到9通道特征圖，其中各通道的數值通過除以所在通道取值的最大值歸一化至[0,1]的區間； S17、對于第i幀圖像，將9通道顏色空間特征圖，水平分量光流圖Xi，垂直分量光流圖Yi，以及待輸入需追蹤物體掩膜P* i，組成12通道輸入特征圖，輸入淺層全卷積網絡，最終輸出精確追蹤結果Ri，其中Ri的尺寸與Ii相同，通道數為2，分別表示各像素屬于需追蹤物體及背景的概率，從而實現對視頻中特定運動物體的像素級精確追蹤。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人廣東警官學院(廣東省公安司法管理干部學院)，其通訊地址為：510230 廣東省廣州市海珠區濱江東路500號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。