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！

龍圖騰網獲悉西安電子科技大學申請的專利基于無錨孿生神經網絡的多目標檢測跟蹤一體化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：CN115330839B 。

龍圖騰網通過國家知識產權局官網在2025-09-05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：202211007887.8，技術領域涉及：G06T7/246；該發明授權基于無錨孿生神經網絡的多目標檢測跟蹤一體化方法是由馮婕;惠炳諭;焦李成;張向榮;尚榮華;王蓉芳;古晶設計研發完成，并于2022-08-22向國家知識產權局提交的專利申請。

本基于無錨孿生神經網絡的多目標檢測跟蹤一體化方法在說明書摘要公布了：本發明公開了一種基于無錨孿生神經網絡的多目標檢測跟蹤一體化方法，主要解決現有技術對目標表觀特征辨識能力弱，網絡實時性差的問題。其實現方案為：獲取訓練數據集與測試數據集；構建基于無錨孿生神經網絡的一體化檢測與跟蹤網絡，設置其損失函數Loss；生成空的訓練集軌跡模板集合并用其和訓練數據集對構建的一體化檢測與跟蹤網絡進行訓練；生成空的測試集軌跡模板集合并將其和測試數據集同時輸入到訓練好的一體化檢測與跟蹤網絡中，輸出在測試數據集上的檢測與跟蹤結果。本發明能提取強有力的辨別特征，提高了網絡的實時性和跟蹤精度，可用于視頻序列中多個目標的單幀檢測與跨幀關聯，實現自然視頻場景下對多個感興趣目標的準確檢測與跟蹤。

本發明授權基于無錨孿生神經網絡的多目標檢測跟蹤一體化方法在權利要求書中公布了：1.一種基于無錨孿生神經網絡的多目標檢測跟蹤方法，其特征在于，包括如下： 1構建訓練數據集與測試數據集： 將至少5個光學視頻序列組成訓練數據集，將至少1個光學視頻序列組成測試數據集，其中： 每個光學視頻序列中至少包含50幀連續圖像，每幀圖像包含至少一個完整的運動目標，且每幀圖像中運動目標位置相比前一幀中該目標所在位置移動幅度大于等于2個像素點，每幀圖像的長寬不得小于500×500； 每種數據集的標簽均包括當前幀圖像每個目標所在的中心點，目標的長寬，目標類別以及目標的序號； 2構建基于無錨孿生神經網絡的一體化檢測與跟蹤網絡： 2a搭建一個包括三個下采樣層和三個上采樣的并行多尺度特征融合模塊； 2b搭建一個包括三個卷積層和三個激活函數層的檢測分支子網絡； 2c選用現有的ResNet50網絡和SiamBAN網絡，并將SiamBAN網絡作為跟蹤分支子網絡； 2d將并行多尺度特征融合模塊的輸入端分別與現有ResNet50網絡的第三、第四、第五卷積層連接，將并行多尺度特征融合模塊的輸出端分別與跟蹤分支子網絡和檢測分支子網絡連接，構成一體化無錨孿生神經網絡； 2e設置基于無錨孿生神經網絡的一體化檢測與跟蹤網絡的損失函數：Loss＝L+E2，其中： E2為已知SiamBAN網絡中所使用的損失函數； L＝lheat+lsize+loffset為檢測分支子網絡的損失函數，lheat、lsize、loffset分別為檢測分支網絡的目標中心熱圖損失函數、尺寸回歸損失函數和目標中心偏移損失函數； 3利用訓練數據集對基于無錨孿生神經網絡的一體化檢測與跟蹤網絡進行訓練： 3a構建一個空的訓練集目標軌跡模板集合，并根據訓練集第一幀圖像標簽對其初始化； 3b將訓練集目標軌跡模板集合與當前圖像一起輸入到基于無錨孿生神經網絡的一體化檢測與跟蹤網絡，得到檢測與跟蹤的結果； 3c根據總損失函數，計算網絡損失值，并通過梯度下降法更新網絡參數； 3d更新目標軌跡模板集合； 3e重復3b到3d直到網絡損失函數收斂,得到訓練好的基于無錨孿生神經網絡的一體化檢測與跟蹤網絡模型； 4對測試集的圖像進行目標檢測與跟蹤： 4a將測試集第一幀圖像輸入到訓練好的基于無錨孿生神經網絡的一體化檢測與跟蹤網絡，輸出第一幀圖像的目標檢測結果； 4b構建一個空的測試集目標軌跡模板集合，根據測試集第一幀圖像及4a的檢測結果初始化測試集目標軌跡模板集合； 4c將測試集與已初始化后的測試集軌跡模板集合輸入到訓練好的基于無錨孿生神經網絡的一體化檢測與跟蹤網絡，輸出測試集第二幀及第二幀之后的每一幀圖像的檢測與跟蹤結果； 4d根據檢測結果與跟蹤結果的IOU大小進行匹配，并將匹配目標的檢測結果替換其跟蹤結果，輸出最終的檢測與跟蹤結果。

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西安電子科技大學，其通訊地址為：710071 陜西省西安市太白南路2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”。