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！

龍圖騰網獲悉深圳北理莫斯科大學申請的專利基于擴散聚類的多視圖跟蹤方法、系統、終端及存儲介質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：CN120356137B 。

龍圖騰網通過國家知識產權局官網在2025-09-26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：202510847211.7，技術領域涉及：G06V20/40；該發明授權基于擴散聚類的多視圖跟蹤方法、系統、終端及存儲介質是由方宇浩;李春;邱夕航;田玉斌;張曄;布達克·鮑里斯·亞歷山德羅維奇;翟斌;洪嘉隆設計研發完成，并于2025-06-24向國家知識產權局提交的專利申請。

本基于擴散聚類的多視圖跟蹤方法、系統、終端及存儲介質在說明書摘要公布了：本發明涉及圖像處理技術領域，公開了一種基于擴散聚類的多視圖跟蹤方法、系統、終端及存儲介質，所述方法包括：通過特征編碼模塊將其轉換為視圖特定的特征表示，然后輸入Dirichlet擴散模塊進行多次反向擴散，獲得精煉的Dirichlet參數，并將其轉換為信念質量，輸入動態證據融合模塊進行同步融合，最終將融合后的信息轉化為穩定的聚類分配結果。本發明提供了一種魯棒的、無插補的、能夠直接建模和處理不確定性的多視圖聚類與跟蹤解決方案，構建了一個端到端的深度聚類框架，解決了現有技術中數據缺失、噪聲傳播和不確定性量化不足的問題，避免了重建噪聲的傳播，增強了在缺失和噪聲觀測下的聚類性能，并能有效地整合多源信息。

本發明授權基于擴散聚類的多視圖跟蹤方法、系統、終端及存儲介質在權利要求書中公布了：1.一種基于擴散聚類的多視圖跟蹤方法，其特征在于，所述基于擴散聚類的多視圖跟蹤方法包括： 獲取多個視圖對應的原始數據，將所有所述原始數據映射到潛在空間，得到多個特征表示，并將多個所述特征表示投射成多個初始視圖證據； 根據所有所述初始視圖證據，構建Dirichlet擴散模塊，并通過所述Dirichlet擴散模塊進行迭代前向擴散，得到累積擴散率，根據所述累積擴散率進行反向擴散，輸出反向轉換的Dirichlet預測參數； 獲取真實標簽集合的二值指示，根據所述Dirichlet預測參數和所述二值指示構建UPCE損失函數，并通過所述UPCE損失函數優化已構建的動態證據融合模塊； 所述獲取真實標簽集合的二值指示，根據所述Dirichlet預測參數和所述二值指示構建UPCE損失函數，并通過所述UPCE損失函數優化已構建的動態證據融合模塊，具體包括： 設定真實標簽集合，并獲取所述真實標簽集合的二值指示： ； 當時； 其中，表示二值指示，表示真實標簽集合的索引，表示第個二值指示，表示多維概率單純形的維度，表示真實標簽集合； 將所述Dirichlet預測參數和所述二值指示輸入已構建的UPCE損失模塊，輸出UPCE損失函數： ； 其中，表示UPCE損失函數，表示UPCE損失模塊，表示Dirichlet預測參數，表示Dirichlet擴散模塊的下標，表示Dirichlet擴散模塊，表示Dirichlet預測參數分布的隨機變量，表示第維的隨機變量，表示Dirichlet預測參數的分布； 通過Beta隨機變量對所述UPCE損失函數進行簡化，并通過簡化后的UPCE損失函數優化已構建的動態證據融合模塊： ； ； 其中，表示Beta分布，表示Beta隨機變量，表示正確標簽的總證據，表示原始視圖證據，表示第維的總證據，表示的負對數矩陣的形式，表示的負對數矩陣的形式； 將多個所述初始視圖證據映射為多個信念質量，并將所有所述信念質量輸入所述動態證據融合模塊，輸出信念向量； 將所述信念向量輸入自適應卡爾曼濾波器，輸出所有所述視圖的最終聚類分配結果。

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深圳北理莫斯科大學，其通訊地址為：518172 廣東省深圳市龍崗區龍城街道大運新城國際大學園路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”。