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！

龙图腾网获悉长春理工大学申请的专利连续帧密集红外小目标伪样本生成及层级关联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：CN120635787B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202511119900.2，技术领域涉及：G06V20/40；该发明授权连续帧密集红外小目标伪样本生成及层级关联跟踪方法是由郭金鑫;詹伟达;张军;于国栋;王春阳;李锐;马元;陈宇;朱德鹏;蒋一纯;田永设计研发完成，并于2025-08-12向国家知识产权局提交的专利申请。

本连续帧密集红外小目标伪样本生成及层级关联跟踪方法在说明书摘要公布了：本发明属于目标跟踪技术领域，尤其为连续帧密集红外小目标伪样本生成及层级关联跟踪方法，本发明是连续帧密集红外小目标伪样本生成及层级关联跟踪方法，首先提供了一种高效的红外伪样本生成范式，创新性的设计了一种异构交互式退化模型HIDM和随机轨迹生成策略生成大量模拟真实红外退化的伪样本数据，摆脱了严重的人工数据获取依赖性。本发明还提出了一种层级关联融合跟踪框架，利用YOLOV13作为强检测器，在BoT‑SORT中引入动态目标密度调节器、混合特征关联引擎和轨迹连续性增强模块保持了目标id的连续性和稳定性；层级关联跟踪框架在不提供初始目标位置且关闭Reid功能的情况下，在各项指标上均优于现有方法。

本发明授权连续帧密集红外小目标伪样本生成及层级关联跟踪方法在权利要求书中公布了：1.连续帧密集红外小目标伪样本生成及层级关联跟踪方法，其特征在于，包括以下步骤： S1，准备背景和目标样本：准备IRT-B背景样本集一、IRC-B背景样本集二和IRT-T目标样本集； 所述S1中，所述IRT-B背景样本集一是自行拍摄的样本集；IRC-B背景样本集二是现有的背景样本集；IRT-T目标样本集是设计的红外目标样本生成算法得到； 所述红外目标样本生成算法的建立过程具体为：首先从虚幻引擎5中收集了500种型号的无人机类可见光目标样本，每种型号的飞机样本数在20-25个之间，分辨率在20-60之间；然后使用随机翻转和随机尺寸变换将每种型号的样本增广10倍；最后，利用高斯模糊核与掩膜模拟了红外无人机的随机热斑效果，实现从可见光Gσ到红外的转换，这个过程使用公式表示为： 其中，Mbin表示通过自适应阈值生成的二值掩膜；Brand表示N×N的随机热斑矩阵；Gσ表示高斯模糊核；⊙表示逐元素相乘；表示高模糊操作；IVI表示输入的可见光样本；Igraryx,y表示灰度图像在x,y处的灰度值；τ表示容差阈值，设置为10； 最终的IRT-T目标样本集包含16775个样本；此外，为了训练FastReid，将IRT-T数据格式编辑为标准的Reid数据集文件格式，其包含84699了个训练样本、16038个测试样本和16038个身份样本； S2，设计异构交互式退化模型HIDM：包括目标退化HIDM-T、背景退化HIDM-B和局部对比度交互HIDM-I； S3，设计多目标轨迹生成机制：包括设计轨迹生成模块和边界控制函数； S4，设计目标嵌入与融合策略：包括自适应加权融合策略和步骤S2中的HIDM-I实现； S5，构建层级关联跟踪框架：包括适配YOLOV13网络和FastReid网络、设计动态目标密度调节器Φd、混合特征关联引擎Φf和轨迹连续性增强模块Φc； S6，网络训练及模型固化：包括训练YOLOV13网络和FastReid网络，并固化模型参数； S7：准备测试数据集：准备六种测试数据集； S8，测试并评价层级关联跟踪框架：使用高阶跟踪精度HOTA、多目标跟踪准确率MOTA、假阴性FN、假阳性FP、调和平均数IDF1、身份转换IDs、轨迹碎片化Frag、关联准确度AssA和关联召回率AssR，共同测试并评价层级关联跟踪框架的性能； S9，评估伪样本质量：使用运动复杂度MMSAO和MMSO、图像平均信噪比SCR、结构相似性SSIM及步骤S8中的部分跟踪指标衡量生成的伪样本的质量。

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长春理工大学，其通讯地址为：130012 吉林省长春市朝阳区卫星路7089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”。