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！

龙图腾网获悉中国科学院长春光学精密机械与物理研究所申请的专利前景信息引导型孪生卷积神经网络目标跟踪方法及装置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：CN114693728B 。

龙图腾网通过国家知识产权局官网在2025-07-18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：202011610435.X，技术领域涉及：G06T7/246；该发明授权前景信息引导型孪生卷积神经网络目标跟踪方法及装置是由李荅群;王成龙;陈小林;吴志佳;王博设计研发完成，并于2020-12-30向国家知识产权局提交的专利申请。

本前景信息引导型孪生卷积神经网络目标跟踪方法及装置在说明书摘要公布了：本发明涉及规划领域，具体涉及一种前景信息引导型孪生卷积神经网络目标跟踪方法及装置。该方法及装置采用改进后的残差网络对浅层网络进行代替，得到语义信息量更高的深度特征；采用采样策略来提高正样本对中的挑战因素；将模板图像、搜索区域图像和填充图像分别输入到模板分支、搜索区域分支和引导分支中提取特征，并在各分支输出的特征张量间进行深度互相关计算，在计算中对前景信息运用填充损失计算方式来改进损失函数；在改进后损失函数的基础上引用填充损失，并引导网络模型完成训练。该方法及装置至少解决了现有目标跟踪方法抗干扰因素弱的技术问题。

本发明授权前景信息引导型孪生卷积神经网络目标跟踪方法及装置在权利要求书中公布了：1.一种前景信息引导型孪生卷积神经网络目标跟踪方法，其特征在于，包括以下步骤： 采用改进后的残差网络对浅层网络进行代替，得到语义信息量更高的深度特征； 采用采样策略来提高正样本对中的挑战因素； 将模板图像、搜索区域图像和填充图像分别输入到模板分支、搜索区域分支和引导分支中提取特征，并在各分支输出的特征张量间进行深度互相关计算，在计算中对前景信息运用填充损失计算方式来改进损失函数； 在改进后损失函数的基础上引用填充损失，并引导网络模型完成训练；其中： 所述采用改进后的残差网络对浅层网络进行代替包括： 改进后的网络，将残差网络中最后的两个卷积块的步长改为1，并在网络最后加入卷积核尺寸为1×1的卷积层以减少输出的维度； 所述采用采样策略来提高正样本对中的挑战因素包括： 采样策略利用人工设计的遮挡掩膜来增加正样本对在遮挡干扰下的数量； 采样策略采用旋转和错切映射组合的随机仿射变换来模拟目标的形变； 所述在计算中对前景信息运用填充损失计算方式来改进损失函数包括： 对前景信息进行充分利用并运用填充损失计算方式来改进方法的损失函数，其中引导分支的输入为尺寸是255×255×3的填充图像；该填充图像是采用整张图像的均值进行背景填充得到的，填充方式为： 式中，a和b代表图像中第a行和第b列，fg代表前景信息，bg代表背景信息；并且引导分支中用于特征提取的网络模型与目标模板分支和搜索区域分支中的模型相同，都采用改进的ResNet-18网络作为特征提取网络； 当给定模板图像、搜索区域图像和填充图像后，将各个图像输入到对应的分支中提取卷积特征；接着在各分支输出的特征张量间进行深度互相关计算；其中目标模板分支与搜索区域分支间的深度互相关结果设为S，目标模板分支与引导分支间的深度互相关结果为S′。

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中国科学院长春光学精密机械与物理研究所，其通讯地址为：130033 吉林省长春市经济技术开发区东南湖大路3888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”。