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！

龍圖騰網獲悉聊城大學申請的專利一種基于多核學習的聚合相關濾波目標跟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：CN115222772B 。

龍圖騰網通過國家知識產權局官網在2025-09-12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：202210858857.1，技術領域涉及：G06T7/246；該發明授權一種基于多核學習的聚合相關濾波目標跟蹤方法是由魏衍俠;馮德瀛;穆健;肖海榮;張來剛設計研發完成，并于2022-07-21向國家知識產權局提交的專利申請。

本一種基于多核學習的聚合相關濾波目標跟蹤方法在說明書摘要公布了：本發明涉及一種基于多核學習的聚合相關濾波目標跟蹤方法，包括：讀取視頻圖像初始幀，截取目標圖像區域，同時提取目標圖像的不同模態特征；初始化基于多核學習的聚合相關濾波的目標模板、檢測模型及其它相關參數；讀取當前幀視頻圖像數據，依據上一幀跟蹤結果截取目標在當前幀的潛在跟蹤區域，然后使用循環移位策略完成當前幀的潛在跟蹤區域的稠密劃分并獲取多個候選樣本，之后完成對各個候選樣本不同模態特征的提取；采用多個不同參數的濾波函數，對不同特征分別進行學習，得到適用于當前跟蹤環境下的最優分類函數，得到當前幀圖像中潛在跟蹤區域在不同特征下的相關濾波響應圖；評估不同特征對最終預測結果的貢獻，然后動態分配上述不同特征的權重。

本發明授權一種基于多核學習的聚合相關濾波目標跟蹤方法在權利要求書中公布了：1.一種基于多核學習的聚合相關濾波目標跟蹤方法，包括以下步驟： 步驟一，讀取視頻圖像初始幀，截取目標圖像區域，同時提取目標圖像的不同模態特征；初始化基于多核學習的聚合相關濾波的目標模板、檢測模型及其它相關參數； 步驟二，讀取當前幀視頻圖像數據，依據上一幀跟蹤結果截取目標在當前幀的潛在跟蹤區域，然后使用循環移位策略完成當前幀的潛在跟蹤區域的稠密劃分并獲取多個候選樣本，之后完成對各個候選樣本不同模態特征的提取，方法如下： 1設當前幀為第t幀，依據第t-1幀的跟蹤結果[xc t-1,yc t-1,wt-1,ht-1]在第t幀圖像中截取目標潛在跟蹤區域，其大小為M×N； 2使用循環移位策略完成第t幀圖像中潛在跟蹤區域的稠密劃分以獲取多個候選樣本，分別提取各個候選樣本的不同模態特征其中m,n∈{0,1,...,M-1}×{0,1,...,N-1}； 3對第t幀圖像中潛在跟蹤區域進行特征描述 i為不同特征的序號； 步驟三，采用多個不同參數的濾波函數，對步驟二中得到的不同特征分別進行學習，同時使用多核學習算法和相關濾波技術訓練跟蹤器，得到適用于當前跟蹤環境下的最優分類函數，得到當前幀圖像中潛在跟蹤區域在不同特征下的相關濾波響應圖； 步驟四，結合步驟三得到的相關濾波響應圖的波動程度和峰值評估不同特征對最終預測結果的貢獻，然后動態分配上述不同特征的權重，方法如下： 1利用平均峰相關能量法評估相關濾波響應圖波動程度： 其中，Cmax i,t，Cmin i,t和Cp,k i,t分別表示從當前幀即第t幀圖像中提取到的第i種類型特征的相關濾波響應圖的最大響應值、最小響應值和位置p,k處的響應值； 2不同模態的特征有三種，對三種特征的輸出響應值按照跟蹤結果的可信程度進行動態加權特征融合，具體為： 其中，Cmax t和ηi,t分別表示在第t幀圖像的響應圖中，融合后的最大響應值和第i種特征對應的重分配后的權重系數； 利用下式預測目標在第t幀，即當前幀的中心位置xc t,yc t，獲得當前幀的跟蹤結果： 步驟五，利用跟蹤結果重疊程度來決定是否更新，如果需要更新，則利用當前幀的預測結果對目標模板和檢測模型進行更新，跳轉到步驟二，直至視頻結束，方法如下： 1根據當前幀的跟蹤結果確定重疊度，當重疊度大于設定閾值時，繼續保持目標模板和檢測模型不變；反之，當重疊度小于設定閾值時，則需要對目標模板和檢測模型進行更新；重疊度閾值設置為0.5； 2通過線性插值法對目標模板和濾波函數進行更新。

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聊城大學，其通訊地址為：252000 山東省聊城市東昌府區湖南路1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”。