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！

龍圖騰網獲悉杭州電子科技大學申請的專利自動駕駛條件下針對目標追蹤器的適應性元攻擊系統及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：CN118196742B 。

龍圖騰網通過國家知識產權局官網在2025-08-29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：202410373108.9，技術領域涉及：G06V20/56；該發明授權自動駕駛條件下針對目標追蹤器的適應性元攻擊系統及方法是由陳媛芳;馬思航;方興;陳瀟涵;熊杰;何霞軍設計研發完成，并于2024-03-29向國家知識產權局提交的專利申請。

本自動駕駛條件下針對目標追蹤器的適應性元攻擊系統及方法在說明書摘要公布了：本發明公開了一種自動駕駛條件下針對目標追蹤器的適應性元攻擊系統及方法，系統包括初始化模塊、元訓練迭代模塊、元測試模塊、擾動生成器、推理模塊。本發明能增強視覺目標追蹤任務中對抗攻擊模型的泛化性和攻擊力度；本發明設計了新型的雙置信度平衡優化損失函數和周邊攻擊回歸損失損失函數，精確而有效地破壞目標跟蹤系統；本發明能夠實現多種追蹤器的泛化對抗攻擊，提高對抗攻擊在多種追蹤器上的適用性，增強對視覺目標追蹤模型的威脅性。

本發明授權自動駕駛條件下針對目標追蹤器的適應性元攻擊系統及方法在權利要求書中公布了：1.一種自動駕駛條件下針對目標追蹤器的適應性元攻擊方法，其特征在于，包括如下步驟： 1-1、首先，初始化模塊使用追蹤器模型初始化模塊、參數初始化模塊進行追蹤器模型池初始化和參數初始化： 首先，追蹤器模型初始化模塊構建具有多樣化網絡結構的追蹤器模型池M＝{M1，M2...，Mn}，此模型池用于構建元訓練模型池和元測試模型，從而支持擾動生成器在不同追蹤器上的快速適應，擾動生成器的參數為上一個訓練過程輸出的θ，其中第一次訓練時使用隨機參數； 1-2、元訓練迭代模塊執行視頻輸入模塊，從視頻數據集中提取視頻進行采樣，每10幀中提取1幀圖片，構成本輪訓練圖片； 1-3、元訓練迭代模塊執行訓練與驗證模型的劃分模塊，從追蹤器模型池M中隨機選取1個追蹤器E模型構建元驗證模型，其余的追蹤器模型作為元訓練模型池N； 1-4、元訓練迭代模塊執行元訓練模塊，在追蹤器模型池M中進行隨機采樣構建成一個追蹤器模型組S，使用追蹤器模型組S對本輪訓練圖片進行搜索區域圖片提取，提取出包含追蹤目標的部分并輸入到擾動生成器中，進行對抗樣本生成，計算各追蹤器生成的雙置信度平衡優化損失函數Lc和周邊攻擊回歸損失損失函數Lr，加權集成損失函數并應用反向傳播進行擾動生成器模型優化； 雙置信度平衡優化損失函數Lc定義如下： δ代表高置信度閾值，ζ代表中置信度閾值，θ代表低置信度閾值，m代表的是某個追蹤器，h代表原始樣本，a代表對抗樣本，P代表生成概率特征圖，C代表生成分類特征圖，BCE代表二元交叉熵公式，H代表的是的置信度區域索引，λ1，λ2，λ3，λ4，λ5，λ6代表各部分的權重；代表的是原始樣本傳遞追蹤器m生成的概率特征圖，和分別代表的是對抗樣本傳遞追蹤器m生成的概率特征圖和分類特征圖；代表置信度較高的區域的損失函數；代表置信度較低的區域； 周邊攻擊回歸損失損失函數LR定義如下： LR代表周邊攻擊回歸損失損失函數，R代表生成預測框邊界，和代表的是對抗樣本和原始樣本傳遞追蹤器m生成的預測框邊界；λ7代表系數； 1-5、重復執行步驟1-4φ次，輸出參數θ1； 1-6、元測試模塊會對元訓練迭代模塊訓練過程中，每次元訓練模塊訓練的擾動生成器使用對應的性能驗證與評估模塊進行性能測試，性能驗證與評估模塊使用的追蹤器為追蹤器E； 1-7、使用元測試模塊的參數輸出模塊將本輪擾動生成器的參數輸出θ2； 1-8、執行步驟1-2，共循環設定次數τ次，取最后一次訓練出的擾動生成器參數作為最后的參數輸出； 1-9、進行攻擊時，執行推理模塊，加載最終的生成器參數，產生擾動并疊加到原始搜索圖像，生成對抗樣本，實現欺騙追蹤器。

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杭州電子科技大學，其通訊地址為：310018 浙江省杭州市江干區下沙高教園區；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”。