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！

龙图腾网获悉复旦大学申请的专利移动终端设备用的轻量化目标跟踪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：CN115713546B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202211420583.4，技术领域涉及：G06T7/246；该发明授权移动终端设备用的轻量化目标跟踪方法是由田斌涛;邹卓;郑立荣;文韬设计研发完成，并于2022-11-13向国家知识产权局提交的专利申请。

本移动终端设备用的轻量化目标跟踪方法在说明书摘要公布了：本发明属于计算机视觉技术领域，具体为一种移动终端设备用的轻量化跟踪方法。本发明使用预训练好的且复杂度能够适应移动终端设备的检测算法对需要处理的视频中待跟踪的目标进行目标检测，实时且有较高精度提供一个初始化的框定目标；然后在跟踪网络中，使用经过轻量化处理的孪生网络将初始对象与视频后续帧的图像进行特征提取和特征匹配，找出匹配程度最高的位置作为预测目标的位置。本发明方法能够提供较高跟踪精度、实时高效的运行在移动设备上。

本发明授权移动终端设备用的轻量化目标跟踪方法在权利要求书中公布了：1.一种移动终端设备用的轻量化跟踪方法，其特征在于，使用预训练好的且复杂度能够适应移动终端设备的检测模型对需要处理的视频中待跟踪的目标进行目标检测，实时且高精度提供一个初始化的框定目标；然后在跟踪网络中，使用经过轻量化处理的孪生网络将初始对象与视频后续帧的图像进行特征提取和特征匹配，找出匹配程度最高的位置作为预测目标的位置；具体步骤为： 步骤1：预先训练好对指定类别的目标进行检测的检测模型，将该检测模型部署到移动设备端； 检测模型是在YOLO基础上将主干网络改为轻量化的ShuffleNet的网络；在输入图片后，在主干网络部分采用四层卷积神经网络的ShuffleNet,四层卷积网络的输入通道数分别为24，116，232和464个；在后面三层的卷积网络中加入FPN与PAN联合的特征金字塔网络；在采样过程中采用双线性插值的方式，FPN网络将高层次网络的语义信息上采样不断传递到低层的网络，PAN网络将低层次网络的语义信息下采样传递到高层的网络中，两者互为补充，将不同层次网络间的信息融合起来，增强网络的目标定位信息； 步骤2：初始化跟踪目标的检测；使用步骤1训练好的模型检测视频流中的待跟踪目标，将检测到的所有可能的目标中选择置信度最高的目标作为初始化跟踪的目标，完成初始帧框定目标的任务； 步骤3：视频流的目标跟踪；将步骤2在初始帧框定的目标与下一帧的图像置入目标跟踪的孪生网络即跟踪网络中进行特征提取与匹配，选取匹配度最高的位置作为预测的目标位置；重复步骤3完成后续视频流的目标跟踪； 将孪生网络基础上的LightTrack目标跟踪网络进行主干网络的改进实现目标跟踪网络的轻量化即作为跟踪网络；其中：具体来说，输入尺寸256*256，通道数为3的图片，在主干网络中使用六层卷积网络，使用逆向残差网络结构、深度可分离卷积以及MobilenetV2组成的卷积模块MBConv作为核心模块；其中，第一层使用3*3卷积，第二层使用深度可分离卷积，后面四层均使用MBConv卷积模块；在主干网络的后面引入注意力机制模块，这里的注意力机制模块包括通道注意力机制以及空间注意力机制； 在预测头网络中，使用三层卷积网络，第一层和第二层使用深度可分离卷积模块，第三层使用3*3的卷积模块；在分类头网络中，整体的预测头网络进行前背景的预测输出，分类头网络进行目标位置信息的预测输出。

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复旦大学，其通讯地址为：200433 上海市杨浦区邯郸路220号；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”。

以上内容由龙图腾AI智能生成。