Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 复旦大学;复旦大学义乌研究院张文强获国家专利权

复旦大学;复旦大学义乌研究院张文强获国家专利权

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;复旦大学义乌研究院申请的专利一种利用像素级时空特征记忆库的视频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:CN116246196B

龙图腾网通过国家知识产权局官网在2025-09-26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:202211602297.X,技术领域涉及:G06V20/40;该发明授权一种利用像素级时空特征记忆库的视频目标跟踪方法是由张文强;周泽楚;周新宇设计研发完成,并于2022-12-14向国家知识产权局提交的专利申请。

一种利用像素级时空特征记忆库的视频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,具体为一种利用像素级时空特征记忆库的视频目标跟踪方法。本发明方法包括:剪裁动态目标图像和搜索区域图像、提取图像特征、像素级在线预测、像素级更新策略“融合‑替换”、特征增强与像素级匹配和头部网络结构实现目标跟踪等步骤。本发明在输入目标在初始帧的初始框后,通过高效地利用记忆库,节约存储资源和计算资源,能有效应对目标在视频中的外观变化等场景,具备很高的自适应性和鲁棒性。同时,本方法对于现阶段流行的卷积神经网络模型和Transformer模型均可实现快速部署。本方法适用于在计算机辅助视频分析场景下,自动生成任意目标在视频中的包围框并跟踪,可用于安防监控分析、自动驾驶、人机交互等。

本发明授权一种利用像素级时空特征记忆库的视频目标跟踪方法在权利要求书中公布了:1.一种利用像素级时空特征记忆库的视频目标跟踪方法,其特征在于,能够在时间域对目标特征像素进行存储与更新,在维持记忆内存大小不变的同时,充分利用目标在视频时序中的历史信息,适应当前视频帧中的目标形变,并在当前视频帧中通过像素级匹配,确定目标的位置和姿态,实现更鲁棒的跟踪,具体步骤为: 步骤一:根据初始帧的目标基准框或前一帧的跟踪结果包围框,剪裁出目标,作为动态目标图像;根据前一帧的目标状态,在当前帧剪裁出搜索区域; 步骤二:利用孪生神经网络对动态目标图像和搜索区域提取特征,将两者映射到相同的特征空间;其中,初始帧目标特征构建初始像素级时空特征记忆库,简称记忆库,动态目标图像的特征用来更新记忆库;动态目标图像的特征简称动态目标特征; 步骤三:利用像素级在线预测模块,预测动态目标特征中目标的基础特征和与变化相关的特征,指导更新过程; 步骤四:依据步骤三中检索的目标的基础特征和与变化相关的特征,设计像素级更新策略,对应地将基础特征与记忆库中的基础特征融合,形成新的基础特征;将与变化相关的特征替换记忆库中过时的变化特征; 步骤五:对记忆库和搜索区域特征进行特征增强,随后通过像素级匹配与微调模块,将记忆库中的目标信息与搜索区域特征进行匹配,生成目标位置权重图,并对其进行微调; 步骤六:将目标位置权重图输入到头部网络模块,利用分类网络区分目标与背景,用交并比网络预测每一个包围框与真实目标框的交并比,用回归网络回归出每一个包围框的具体坐标; 步骤七:结合分类得分和交并比得到的得分,索引出位置权重图中得分最高点位置,对应找到回归坐标,即为跟踪目标包围框坐标; 步骤三中所述“利用像素级在线预测模块,预测动态目标特征中目标的基础特征和与变化相关的特征,指导更新过程”,具体是将动态图像特征输入到像素级在线预测模块;所述预测模块是一个动态滤波器F,将动态图像特征与记忆库中目标特征计算相关性,实现预测功能;基于时域上卷积等于频域上的乘积这一性质,首先对记忆库M和动态目标特征fz做傅里叶变换,得到M*和随后,记忆库M*与动态滤波器F计算矩阵哈达玛积,得到响应图R;这里的响应图R是通过拟合动态目标特征实现预测功能,具体公式如下,其中⊙为哈达玛积,即矩阵对应元素的点积: R=M*⊙F1 为了保证响应图R的拟合效果,利用在线学习,通过最小化响应图R与傅里叶变换后的动态目标特征的平方差损失,提高预测精准性,具体公式如下,其中n为记忆库中的n个单元: 随后,利用Wirtinger导数来求解式2的优化问题,并得到动态滤波器F的一般表达式,具体公式如下,其中η为更新权重超参数,F′为更新前的滤波器: 在跟踪每一帧时,不断重复步骤三,使得响应图R与动态目标特征构成一一对应的关系;因此,响应图R中响应得分的高低对应着动态目标特征与记忆库中的相关性,即更高的得分对应动态目标特征中的基础特征,反之更低的得分对应动态目标特征中的与变化相关的特征,并按照得分高低对动态目标特征中的像素点进行排序,重构动态目标特征序列。

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;复旦大学义乌研究院,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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。