買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉復(fù)旦大學(xué)申請(qǐng)的專利移動(dòng)終端設(shè)備用的輕量化目標(biāo)跟蹤方法獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN115713546B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-23發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202211420583.4，技術(shù)領(lǐng)域涉及：G06T7/246；該發(fā)明授權(quán)移動(dòng)終端設(shè)備用的輕量化目標(biāo)跟蹤方法是由田斌濤;鄒卓;鄭立榮;文韜設(shè)計(jì)研發(fā)完成，并于2022-11-13向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本移動(dòng)終端設(shè)備用的輕量化目標(biāo)跟蹤方法在說(shuō)明書(shū)摘要公布了：本發(fā)明屬于計(jì)算機(jī)視覺(jué)技術(shù)領(lǐng)域，具體為一種移動(dòng)終端設(shè)備用的輕量化跟蹤方法。本發(fā)明使用預(yù)訓(xùn)練好的且復(fù)雜度能夠適應(yīng)移動(dòng)終端設(shè)備的檢測(cè)算法對(duì)需要處理的視頻中待跟蹤的目標(biāo)進(jìn)行目標(biāo)檢測(cè)，實(shí)時(shí)且有較高精度提供一個(gè)初始化的框定目標(biāo)；然后在跟蹤網(wǎng)絡(luò)中，使用經(jīng)過(guò)輕量化處理的孿生網(wǎng)絡(luò)將初始對(duì)象與視頻后續(xù)幀的圖像進(jìn)行特征提取和特征匹配，找出匹配程度最高的位置作為預(yù)測(cè)目標(biāo)的位置。本發(fā)明方法能夠提供較高跟蹤精度、實(shí)時(shí)高效的運(yùn)行在移動(dòng)設(shè)備上。

本發(fā)明授權(quán)移動(dòng)終端設(shè)備用的輕量化目標(biāo)跟蹤方法在權(quán)利要求書(shū)中公布了：1.一種移動(dòng)終端設(shè)備用的輕量化跟蹤方法，其特征在于，使用預(yù)訓(xùn)練好的且復(fù)雜度能夠適應(yīng)移動(dòng)終端設(shè)備的檢測(cè)模型對(duì)需要處理的視頻中待跟蹤的目標(biāo)進(jìn)行目標(biāo)檢測(cè)，實(shí)時(shí)且高精度提供一個(gè)初始化的框定目標(biāo)；然后在跟蹤網(wǎng)絡(luò)中，使用經(jīng)過(guò)輕量化處理的孿生網(wǎng)絡(luò)將初始對(duì)象與視頻后續(xù)幀的圖像進(jìn)行特征提取和特征匹配，找出匹配程度最高的位置作為預(yù)測(cè)目標(biāo)的位置；具體步驟為： 步驟1：預(yù)先訓(xùn)練好對(duì)指定類別的目標(biāo)進(jìn)行檢測(cè)的檢測(cè)模型，將該檢測(cè)模型部署到移動(dòng)設(shè)備端； 檢測(cè)模型是在YOLO基礎(chǔ)上將主干網(wǎng)絡(luò)改為輕量化的ShuffleNet的網(wǎng)絡(luò)；在輸入圖片后，在主干網(wǎng)絡(luò)部分采用四層卷積神經(jīng)網(wǎng)絡(luò)的ShuffleNet,四層卷積網(wǎng)絡(luò)的輸入通道數(shù)分別為24，116，232和464個(gè)；在后面三層的卷積網(wǎng)絡(luò)中加入FPN與PAN聯(lián)合的特征金字塔網(wǎng)絡(luò)；在采樣過(guò)程中采用雙線性插值的方式，F(xiàn)PN網(wǎng)絡(luò)將高層次網(wǎng)絡(luò)的語(yǔ)義信息上采樣不斷傳遞到低層的網(wǎng)絡(luò)，PAN網(wǎng)絡(luò)將低層次網(wǎng)絡(luò)的語(yǔ)義信息下采樣傳遞到高層的網(wǎng)絡(luò)中，兩者互為補(bǔ)充，將不同層次網(wǎng)絡(luò)間的信息融合起來(lái)，增強(qiáng)網(wǎng)絡(luò)的目標(biāo)定位信息； 步驟2：初始化跟蹤目標(biāo)的檢測(cè)；使用步驟1訓(xùn)練好的模型檢測(cè)視頻流中的待跟蹤目標(biāo)，將檢測(cè)到的所有可能的目標(biāo)中選擇置信度最高的目標(biāo)作為初始化跟蹤的目標(biāo)，完成初始幀框定目標(biāo)的任務(wù)； 步驟3：視頻流的目標(biāo)跟蹤；將步驟2在初始幀框定的目標(biāo)與下一幀的圖像置入目標(biāo)跟蹤的孿生網(wǎng)絡(luò)即跟蹤網(wǎng)絡(luò)中進(jìn)行特征提取與匹配，選取匹配度最高的位置作為預(yù)測(cè)的目標(biāo)位置；重復(fù)步驟3完成后續(xù)視頻流的目標(biāo)跟蹤； 將孿生網(wǎng)絡(luò)基礎(chǔ)上的LightTrack目標(biāo)跟蹤網(wǎng)絡(luò)進(jìn)行主干網(wǎng)絡(luò)的改進(jìn)實(shí)現(xiàn)目標(biāo)跟蹤網(wǎng)絡(luò)的輕量化即作為跟蹤網(wǎng)絡(luò)；其中：具體來(lái)說(shuō)，輸入尺寸256*256，通道數(shù)為3的圖片，在主干網(wǎng)絡(luò)中使用六層卷積網(wǎng)絡(luò)，使用逆向殘差網(wǎng)絡(luò)結(jié)構(gòu)、深度可分離卷積以及MobilenetV2組成的卷積模塊MBConv作為核心模塊；其中，第一層使用3*3卷積，第二層使用深度可分離卷積，后面四層均使用MBConv卷積模塊；在主干網(wǎng)絡(luò)的后面引入注意力機(jī)制模塊，這里的注意力機(jī)制模塊包括通道注意力機(jī)制以及空間注意力機(jī)制； 在預(yù)測(cè)頭網(wǎng)絡(luò)中，使用三層卷積網(wǎng)絡(luò)，第一層和第二層使用深度可分離卷積模塊，第三層使用3*3的卷積模塊；在分類頭網(wǎng)絡(luò)中，整體的預(yù)測(cè)頭網(wǎng)絡(luò)進(jìn)行前背景的預(yù)測(cè)輸出，分類頭網(wǎng)絡(luò)進(jìn)行目標(biāo)位置信息的預(yù)測(cè)輸出。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人復(fù)旦大學(xué)，其通訊地址為：200433 上海市楊浦區(qū)邯鄲路220號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。