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！

龙图腾网获悉电子科技大学长三角研究院(湖州)申请的专利基于收缩增强损失函数的多视图置信度感知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：CN115908480B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202211238582.8，技术领域涉及：G06T7/246；该发明授权基于收缩增强损失函数的多视图置信度感知跟踪方法是由赵彦春;张焕龙;马宗浩;付伟强;王攀云;王勇;沈冯立设计研发完成，并于2022-10-11向国家知识产权局提交的专利申请。

本基于收缩增强损失函数的多视图置信度感知跟踪方法在说明书摘要公布了：本发明公开了一种基于收缩增强损失函数的多视图置信度感知跟踪方法，属于目标跟踪技术领域，用于解决传统孪生跟踪算法很少考虑模板中相似目标背景难以区分，导致的跟踪结果不准确问题。本发明首先设计了一个收缩增强损失函数，通过在回归学习训练时收缩简单背景负样本的影响，增大困难背景负样本的贡献，平衡训练样本，最终挑选对目标更敏感的通道特征；同时，为进一步增强置信度图可靠性，构造了一种多视图置信度感知方法。本发明通过多视图置信度指南将模板、前景和背景的响应图进行整合，突出目标特征，抑制背景干扰，从而获得更具判别力的目标响应图，提升跟踪结果的鲁棒性。

本发明授权基于收缩增强损失函数的多视图置信度感知跟踪方法在权利要求书中公布了：1.一种基于收缩增强损失函数的多视图置信度感知跟踪方法，其特征在于，包括以下步骤： 步骤一、根据初始帧图像中的目标位置信息分离出前景图像，并利用平均像素值遮挡目标位置，得到背景图像； 步骤二、利用预训练的VGG16特征提取网络，分别提取模板图像、前景图像和背景图像的特征，分别得到各特征图的conv4-1和conv4-3两层特征； 步骤三、利用收缩增强损失函数进行指导，挑选模板特征中对目标更敏感的通道，去除冗余通道； 步骤四、前景特征和背景特征根据步骤三确定的通道位置进行通道的裁剪； 步骤五、读取下一帧，并根据上一帧的目标位置确定搜索区域，根据步骤二的过程提取搜索区域特征，根据步骤三确定的通道位置进行通道的裁剪； 步骤六、裁剪后的搜索区域特征分别与第一帧裁剪后的模板、前景、背景特征做互相关操作，分别得到模板响应图、前景响应图和背景响应图，将模板响应图与前景响应图加权得到更能突出目标的响应图； 步骤七、根据背景响应图的最大响应值确定是否引入背景信息来抑制干扰，若背景最大响应值超过设定的阈值，则减去背景响应图，若不超过，步骤六得到的响应图即为最终响应图，同时返回步骤五，直至视频结束； 步骤三中损失函数LS具体表示如下： *表示卷积运算，W表示卷积层的核权值，X表示输入特征，Y是被标记的目标初始位置，λ表示正则化参数，m和n为设置的超参数，用来控制损失压缩的程度，通过调整m和n的值，将得到一个合适的函数曲线，来指导挑选最有利于表征目标的特征； 步骤六中将模板响应图MT和前景响应图Mt进行加权，表示如下： M表示前景特征和模板特征加权后的响应图，α表示权重因子，Ftmax表示前景响应图的最大置信度值。

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电子科技大学长三角研究院(湖州)，其通讯地址为：313000 浙江省湖州市西塞山路819号科技创新综合体B1幢；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。