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！

龙图腾网恭喜郑州轻工业大学申请的专利一种基于Transformer的单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：CN114266996B 。

龙图腾网通过国家知识产权局官网在2025-03-28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：202111543179.1，技术领域涉及：G06V20/40；该发明授权一种基于Transformer的单目标跟踪方法是由张建伟;张焕龙;王景超;梁树军;蔡增玉;孙海燕;张杰;李林伟;苗蒙恩;王贺;陈曦;张家鹏设计研发完成，并于2021-12-16向国家知识产权局提交的专利申请。

本一种基于Transformer的单目标跟踪方法在说明书摘要公布了：本发明提出了一种基于Transformer的单目标跟踪方法，其步骤为：从视频的第一帧裁剪出目标区域，使用预训练的ResNet50网络进行特征提取；使用基于Transformer的特征融合方法将目标特征进行特征融合，输入回归模型生成器生成回归模型，将目标特征输入分类模型生成器生成分类模型；将搜索区域的提取特征使用基于Transformer的特征融合方法进行融合输入回归模型得到回归结果；将搜索区域的特征使用Transformer结合训练集进行特征增强输入分类模型得到分类结果；根据分类结果和回归结果对目标生成精确的包围框，进行目标跟踪。本发明将Transformer集成到跟踪框架中，在跟踪过程中充分利用了时间上下文和空间上下文提升了跟踪的精度。

本发明授权一种基于Transformer的单目标跟踪方法在权利要求书中公布了：1.一种基于Transformer的单目标跟踪方法，其特征在于，其步骤如下：步骤一：从需要跟踪的视频的第一帧中裁剪出目标区域，使用在ImageNet数据集上预训练的ResNet50网络对目标区域进行特征提取，得到三层不同的目标特征；步骤二：使用基于Transformer的特征融合方法将步骤一中得到的目标特征进行特征融合，将融合之后的特征输入回归模型生成器生成回归模型，将最后一层的目标特征输入分类模型生成器生成分类模型；步骤三：将第一帧中的目标区域使用旋转、平移的操作进行特征增强得到训练数据集，使用训练数据集对步骤二获得的分类模型和回归模型进行预训练；步骤四：将后续帧的搜索区域的图像输入ResNet50网络进行特征提取，得到三层搜索区域的特征；步骤五：将搜索区域的特征使用基于Transformer的特征融合方法进行融合，将回归模型作为卷积核对融合之后的特征进行卷积，得到回归结果；步骤六：将搜索区域最后一层的特征使用Transformer结合训练集进行特征增强，然后将分类模型作为卷积核与增强之后的搜索区域的特征进行卷积，得到分类结果；步骤七：根据步骤六的分类结果和步骤五的回归结果对目标生成精确的包围框，如果跟踪结果符合要求，则从该帧图像中裁剪出跟踪区域并加入训练数据集；如果跟踪失败或者分类得分过低，使用收集到的训练数据集对分类模型和回归模型进行更新；步骤八：获取下一帧视频并返回步骤四，直至整个跟踪任务结束；所述步骤二和步骤五中基于Transformer的特征融合方法的实现方法为：1将得到的最后一层的特征Xlayer4使用Transformer中注意力机制进行计算，得到增强后的特征2将特征作为残差项与特征Xlayer4相加得到特征3将特征进行上采样和通道压缩得到特征将第二层的特征Xlayer3进行通道压缩得到特征然后将特征和特征进行逐元素相加，得到特征4将特征进行上采样得到特征然后将特征和第一层的特征Xlayer2进行逐元素相加，得到融合后的特征所述步骤六中使用Transformer结合训练集进行特征增强的方法为：步骤1：将得到的搜索区域最后一层的特征Xlayer4使用Transformer中注意力机制进行计算，得到增强后的特征步骤2：将特征作为残差项与特征Xlayer4相加得到步骤3：将得到的训练集特征S使用Transformer中注意力机制进行计算，得到增强之后的特征步骤4：将特征作为残差项与特征S相加得到特征步骤5：使用步骤2的特征计算得到矩阵Q，使用增强后的最后一层的目标特征计算得到矩阵K和V，然后使用注意力公式计算得到特征步骤6：将特征作为残差项与特征相加得到特征

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郑州轻工业大学，其通讯地址为：450000 河南省郑州市高新技术产业开发区科学大道136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”。