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！

龙图腾网获悉浙江工业大学申请的专利一种基于特征解耦和特征增强学习的多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：CN119992411B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202510028237.9，技术领域涉及：G06V20/40；该发明授权一种基于特征解耦和特征增强学习的多目标跟踪方法是由郭东岩;章圣旺;崔滢;张涛;蓝凯洋设计研发完成，并于2025-01-08向国家知识产权局提交的专利申请。

本一种基于特征解耦和特征增强学习的多目标跟踪方法在说明书摘要公布了：一种基于特征解耦和特征增强学习的多目标跟踪方法，采用特征解耦方法分别提取检测和重识别任务所需的特征，并引入两个新设计的基于注意力机制的特征增强模块来进一步分化加强这两部分的特征；基于获得的增强型解耦特征，设计了一种新的丢失目标检索策略，以进一步检索丢失的目标，从而增强任务之间的协同作用，实现更准确的跟踪。本发明缓解模型内部任务竞争以及共享神经网络对特征效果的影响问题，提高模型整体的跟踪性能，使模型实现更好的跟踪效果。

本发明授权一种基于特征解耦和特征增强学习的多目标跟踪方法在权利要求书中公布了：1.一种基于特征解耦和特征增强学习的多目标跟踪方法，其特征在于，所述方法包括以下步骤： 步骤一、获取图像特征并进行特征解耦和增强，过程如下： S11、输入行人多目标跟踪序列，序列中每帧都包含多个行人跟踪目标； S12、将行人图像数据输入到骨干网络中，并获取到4层特征图，然后根据四层特征图进行特征解耦分化，再引入修改后的注意力机制对解耦分化后的图像特征进行任务导向性增强； S13、经过特征解耦和特征增强后的两部分图像特征； 步骤二、目标跟踪，过程如下： S21、将S13输出的两部分图像特征作为输入； S22、输入特征经过特定分类头后获得box_size，center_off，heatmap和reid数据，依照这些数据基于联合检测和跟踪的范式完成目标关联； S23、目标关联：多目标跟踪模型根据S22输出数据，并保留每个跟踪目标特定帧序列内的坐标位置，同时考虑每个目标的重识别特征进行目标关联与重寻回； S24、综合损失：多目标跟踪模型会综合考虑目标检测损失和目标关联损失，以优化整体性能，用于平衡模型内部任务的竞争； S25、经过平衡损失计算后的多目标跟踪模型，已经具有良好的鲁棒性且其轻量体型能够保持跟踪的实时要求； 所述S12中，引入注意力机制用于特征增强，提出空间特征增强模块SFEM，SFEM是深度为两层的递归的空间注意力机制的叠加，考虑到构建的自顶向下的检测部分的特征融合策略，将backbone取得的最高层特征图传入SFEM模块，每一层融合公式为： ,其中是输入特征经由三个可学习权重向量得到的矩阵，表示Q矩阵中的任意单元特征向量，,分别表示K和V矩阵中所有和u在同一行或同一列的特征向量集合中第i个值，用于改变特征的通道数； 提出一种适应于像素级细粒度任务的身份识别特征增强模块IEM，IEM在一个方向上完全折叠特征，同时保持其正交方向上特征的高分辨率，然后在通过瓶颈向量的Softmax和Sigmoid操作来增加注意力的动态变化范围，从而增强特征向量，IEM的通道注意公式为： 其中，分别是大小为1X1的卷积层，是两个向量重置因子，是SoftMax算子，内部通道数为C2，，输出； IEM的空间注意公式为： 其中，分别是大小为1X1的卷积层，是三个向量重置因子，是SoftMax算子，输出； 以上两个分支并行相加得到最终的结果： 。

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浙江工业大学，其通讯地址为：310014 浙江省杭州市拱墅区朝晖六区潮王路18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。