买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉杭州电子科技大学申请的专利自动驾驶条件下针对目标追踪器的适应性元攻击系统及方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118196742B 。

龙图腾网通过国家知识产权局官网在2025-08-29发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410373108.9，技术领域涉及：G06V20/56；该发明授权自动驾驶条件下针对目标追踪器的适应性元攻击系统及方法是由陈媛芳;马思航;方兴;陈潇涵;熊杰;何霞军设计研发完成，并于2024-03-29向国家知识产权局提交的专利申请。

本自动驾驶条件下针对目标追踪器的适应性元攻击系统及方法在说明书摘要公布了：本发明公开了一种自动驾驶条件下针对目标追踪器的适应性元攻击系统及方法，系统包括初始化模块、元训练迭代模块、元测试模块、扰动生成器、推理模块。本发明能增强视觉目标追踪任务中对抗攻击模型的泛化性和攻击力度；本发明设计了新型的双置信度平衡优化损失函数和周边攻击回归损失损失函数，精确而有效地破坏目标跟踪系统；本发明能够实现多种追踪器的泛化对抗攻击，提高对抗攻击在多种追踪器上的适用性，增强对视觉目标追踪模型的威胁性。

本发明授权自动驾驶条件下针对目标追踪器的适应性元攻击系统及方法在权利要求书中公布了：1.一种自动驾驶条件下针对目标追踪器的适应性元攻击方法，其特征在于，包括如下步骤： 1-1、首先，初始化模块使用追踪器模型初始化模块、参数初始化模块进行追踪器模型池初始化和参数初始化： 首先，追踪器模型初始化模块构建具有多样化网络结构的追踪器模型池M＝{M1，M2...，Mn}，此模型池用于构建元训练模型池和元测试模型，从而支持扰动生成器在不同追踪器上的快速适应，扰动生成器的参数为上一个训练过程输出的θ，其中第一次训练时使用随机参数； 1-2、元训练迭代模块执行视频输入模块，从视频数据集中提取视频进行采样，每10帧中提取1帧图片，构成本轮训练图片； 1-3、元训练迭代模块执行训练与验证模型的划分模块，从追踪器模型池M中随机选取1个追踪器E模型构建元验证模型，其余的追踪器模型作为元训练模型池N； 1-4、元训练迭代模块执行元训练模块，在追踪器模型池M中进行随机采样构建成一个追踪器模型组S，使用追踪器模型组S对本轮训练图片进行搜索区域图片提取，提取出包含追踪目标的部分并输入到扰动生成器中，进行对抗样本生成，计算各追踪器生成的双置信度平衡优化损失函数Lc和周边攻击回归损失损失函数Lr，加权集成损失函数并应用反向传播进行扰动生成器模型优化； 双置信度平衡优化损失函数Lc定义如下： δ代表高置信度阈值，ζ代表中置信度阈值，θ代表低置信度阈值，m代表的是某个追踪器，h代表原始样本，a代表对抗样本，P代表生成概率特征图，C代表生成分类特征图，BCE代表二元交叉熵公式，H代表的是的置信度区域索引，λ1，λ2，λ3，λ4，λ5，λ6代表各部分的权重；代表的是原始样本传递追踪器m生成的概率特征图，和分别代表的是对抗样本传递追踪器m生成的概率特征图和分类特征图；代表置信度较高的区域的损失函数；代表置信度较低的区域； 周边攻击回归损失损失函数LR定义如下： LR代表周边攻击回归损失损失函数，R代表生成预测框边界，和代表的是对抗样本和原始样本传递追踪器m生成的预测框边界；λ7代表系数； 1-5、重复执行步骤1-4φ次，输出参数θ1； 1-6、元测试模块会对元训练迭代模块训练过程中，每次元训练模块训练的扰动生成器使用对应的性能验证与评估模块进行性能测试，性能验证与评估模块使用的追踪器为追踪器E； 1-7、使用元测试模块的参数输出模块将本轮扰动生成器的参数输出θ2； 1-8、执行步骤1-2，共循环设定次数τ次，取最后一次训练出的扰动生成器参数作为最后的参数输出； 1-9、进行攻击时，执行推理模块，加载最终的生成器参数，产生扰动并叠加到原始搜索图像，生成对抗样本，实现欺骗追踪器。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人杭州电子科技大学，其通讯地址为：310018 浙江省杭州市江干区下沙高教园区；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。