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域適應和時空信息融合的RGBT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：CN119863491B 。

龍圖騰網通過國家知識產權局官網在2025-09-23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：202411930383.2，技術領域涉及：G06T7/246；該發明授權基于域適應和時空信息融合的RGBT目標跟蹤方法是由袁笛;張海平;廖東海設計研發完成，并于2024-12-26向國家知識產權局提交的專利申請。

本基于域適應和時空信息融合的RGBT目標跟蹤方法在說明書摘要公布了：本發明提供了一種基于域適應和時空信息融合的RGBT目標跟蹤方法。主要解決現有目標跟蹤方案在目標外觀變化、遮擋等復雜場景下跟蹤效果不佳的問題。包括：1構建RGBT數據樣本集；2基于預訓練的RGB跟蹤器構建雙分支RGBT目標跟蹤模型并進行訓練；3設計在線模塊更新策略，用于對初始模板圖像進行動態更新；4將初始模板圖像和搜索圖像作為訓練后模型的輸入，將動態模板圖像作為模型額外輸入；5加載最優參數，利用訓練后模型預測目標在后續幀中的運動狀態，獲取目標跟蹤結果并輸出。本發明極大地減小了計算成本，且能夠充分利用目標的時間信息，從而有效改善特征提取網絡性能，提升目標跟蹤的精確度和魯棒性。

本發明授權基于域適應和時空信息融合的RGBT目標跟蹤方法在權利要求書中公布了：1.一種基于域適應和時空信息融合的RGBT目標跟蹤方法，其特征在于，包括如下步驟： 1構建包含真實標簽的可見光-熱紅外RGBT數據樣本集，并對其進行劃分，得到訓練集和測試集； 2以預訓練的RGB跟蹤器OSTrack作為基準，構建雙分支RGBT目標跟蹤模型： 2.1將預訓練的RGB跟蹤器OSTrack擴展成雙分支RGBT跟蹤器，所述雙分支為可見光RGB模態分支和熱紅外TIR模態分支； 2.2在雙分支RGBT跟蹤器的變壓器編碼器中加入適配器，構建微調變壓器編碼器，得到具有域適應能力的雙分支RGBT目標跟蹤模型；所述在雙分支RGBT跟蹤器的變壓器編碼器中加入適配器，具體是在不同分支的變壓器編碼器的多頭注意力層和全連接層并行嵌入一個適配器，構建微調變壓器編碼器；該編碼器核心組件為適配器，所述適配器由兩個線性層和一個比例因子組成的沙漏結構，且該沙漏結構通過比例因子縮放并行連接到原始的多頭注意力層分支和全連接層分支；多頭注意力層包含成對位置的交互信息，全連接層包含特定任務的知識；并行連接用于保留獨立分支的原有特征，并通過逐元素的縮放和聚合更新的上下文；假設不同分支的第i-1編碼器輸出各自模態的特征為經過所述微調變壓器編碼器，其具體計算過程表示如下： 其中，是RGB模態分支第i層編碼器的輸出，是TIR模態分支第i層編碼器的輸出；是RGB模態第i層編碼器多頭注意力層的輸出，是TIR模態第i層編碼器多頭注意力層的輸出；MSA表示多頭注意力層，LN表示歸一化層，MLP表示全連接層，Ada表示適配器結構；s為比例因子； 3導入預訓練的OSTrack的模型參數，利用訓練集對雙分支RGBT目標跟蹤模型訓練獲取最優參數，得到訓練后的最終RGBT目標跟蹤模型； 4設計在線模塊更新策略，用于對初始模板圖像進行動態更新；具體為：設定分類分數閾值為τ，在目標的最大分類分數大于τ時，對初始模板圖像進行更新得到動態模板圖像，執行步驟5；反之不對初始模板圖像進行更新，執行步驟6； 5將初始模板圖像、動態模板圖像和搜索圖像作為最終RGBT目標跟蹤模型的輸入，直接執行步驟7； 6將初始模板圖像和搜索圖像作為最終RGBT目標跟蹤模型的輸入； 7加載最優參數，利用最終RGBT目標跟蹤模型預測目標在后續幀中的運動狀態，獲取目標跟蹤結果并輸出。

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 陜西省西安市雁塔區太白南路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”。