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！

龙图腾网获悉北京化工大学申请的专利一种间歇性遮挡下的动态多目标识别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：CN115294490B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202210782158.3，技术领域涉及：G06V20/40；该发明授权一种间歇性遮挡下的动态多目标识别方法是由曹政才;李俊年;张东设计研发完成，并于2022-07-01向国家知识产权局提交的专利申请。

本一种间歇性遮挡下的动态多目标识别方法在说明书摘要公布了：本发明公开了一种间歇性遮挡下的动态多目标识别方法。首先，采集并制作了存在间歇性遮挡影响的用于目标识别的连续图像序列和视频数据集，用于动态多目标识别算法的训练和测试。其次，设计基于中心网络的目标识别模块，获取输入视频相邻两帧图像中目标的边界框、运动偏移量和热点图特征信息。再次，采用基于门控循环单元网络的特征提取模块更新目标在当前帧中的特征信息，结合目标在之前帧中的特征信息获取目标运动轨迹。最后，采用基于匈牙利算法的目标轨迹匹配模块对目标及其运动轨迹进行匹配，并为每个目标分配相应的ID值，进而实现动态多目标识别。本发明能够应用于间歇性遮挡条件下动态多目标识别问题中。

本发明授权一种间歇性遮挡下的动态多目标识别方法在权利要求书中公布了：1.一种间歇性遮挡下的动态多目标识别方法，其特征在于：该方法包括训练和测试两个阶段，其中， 训练阶段由基于中心网络的目标识别模块，基于门控循环单元网络的特征提取模块以及基于匈牙利算法的目标轨迹匹配模块实现； 测试阶段：训练完成后，将待识别的视频输入基于中心网络的目标识别模块，经过处理后再经基于匈牙利算法的目标轨迹匹配模块对目标及其运动轨迹进行匹配，即可实现动态多目标识别； 训练过程如下： 步骤1，训练数据集准备； 步骤2：将总长度为T帧的训练视频数据输入基准网络，通过基准网络获取标记有目标种类及其边界框信息的相邻帧序列xt-1，xt，t＝2,…,T，其中，xt表示标记有目标种类及其边界框信息的第t帧图像，目标种类信息用于识别目标，边界框信息用于计算目标中心点所在位置； 步骤3：将基准网络获取的相邻帧序列xt-1，xt输入特征提取模块，预测得到xt+1帧序列上所有目标中心点的运动偏移量和热点图，目标中心点的运动偏移量用于计算运动轨迹，热点图用于判断所标记的目标种类是否准确； 步骤4：计算损失函数，其中，整体损失函数表达式更新如下： 其中，T表示输入视频的序列长度，λf，λs和λO为超参数，分别定义了整体损失函数中各个分支的权重， Lf表示目标热点图的预测损失，具体采用基于局部损失的损失函数，其表达式如下： 其中，Ycab表示第t帧在位置a,b上属于种类c的目标在真实热点图上的对应值，表示由相邻帧序列xt-1，xt预测得到的第t帧中相应位置的目标的热点图，N表示训练数据第t帧中的目标个数，α、β为超参数，表示遍历第t帧图像中所有位置上所有种类的目标； Ls表示目标边界框位置的预测损失，采用基于L1损失的损失函数，其表达式如下： 其中，表示基准网络预测的第t帧图像上第i个目标中心点位置的边界框位置，表示第t帧图像上第i个目标中心点位置的边界框位置真实值； Lo表示目标运动偏移量的预测损失，采用基于回归函数的损失函数，其表达式如下： 其中表示在第t帧图像的每个边界框上目标i的运动轨迹，表示第t帧和第t-1帧图像上目标i的中心点位置的真实值； 表示基于更新后的目标特征信息Mt，在输入的第t帧图像采用正定位头Pt对目标中心点位置进行的有监督学习，表示基于更新后的目标特征信息Mt，在输入的第t帧图像采用负定位头Vt对目标中心点位置进行的有监督学习；其中，Mt的更新过程由基于门控循环单元网络的特征提取模块完成，通过分别计算第t帧对应的门控循环单元网络中的更新门参数zt、隐藏层递归表示参数和重置门参数rt，进而获取更新后的第t帧图像上目标特征信息Mt，目标特征信息包括目标边界框大小、运动偏移量和热点图，具体计算公式如下： 其中，zt表示更新门参数，Mt-1表示第t-1帧上更新后的目标边界框大小、运动偏移量和热点图，表示隐藏层递归表示参数，更新门参数zt的计算表达式如下： zt＝δWzFt+UzMt-1+bz 其中δ表示Logistic函数，其输出区间为0，1，WZ、Uz和bz是门控循环单元网络更新门可学习的网络参数，Ft表示在更新前的第t帧上的目标边界框大小、运动偏移量和热点图； 隐藏层递归表示参数的计算表达式如下： 其中⊙表示卷积运算，WM、UM和bM是门控循环单元网络隐藏层可学习的网络参数； rt为重置门参数，其计算表达式为： rt＝δWrFt+UrMt-1+br Wr、Ur和br是门控循环单元网络重置门可学习的网络参数； 步骤5：基于由目标运动偏移量所得到的目标运动轨迹的真实值和预测值的交并比，采用匈牙利算法将预测出的多个目标与其相应的轨迹进行匹配，对于第t帧遮挡后还出现的目标基于交并比进行匹配，交并比的计算过程如下： 定义G＝{g1,…,gT}为目标运动轨迹的真实值，D＝{d1,…,dT}为目标运动轨迹的预测值，二者之间的交并比函数表达式如下： 对于从第t帧开始不再出现的目标，采用行人重识别方法，将其与已经预测出的轨迹进行匹配，以此类推，遍历训练视频完成训练。

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北京化工大学，其通讯地址为：100029 北京市朝阳区北三环东路15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。