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！

龙图腾网恭喜西安电子科技大学申请的专利一种基于UAVTransT网络的无人机目标跟踪方法、系统、设备及介质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：CN119229322B 。

龙图腾网通过国家知识产权局官网在2025-05-06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：202411301936.8，技术领域涉及：G06V20/17；该发明授权一种基于UAVTransT网络的无人机目标跟踪方法、系统、设备及介质是由李晨阳;周绥平;师佳琦;郭峰;高继琛设计研发完成，并于2024-09-18向国家知识产权局提交的专利申请。

本一种基于UAVTransT网络的无人机目标跟踪方法、系统、设备及介质在说明书摘要公布了：一种基于UAVTransT网络的无人机目标跟踪方法、系统、设备及介质，跟踪方法包括以下步骤：构建基于UAVTransT的无人机目标跟踪网络；使用无人机公开数据集中的训练集对基于UAVTransT的无人机目标跟踪网络进行训练，每轮训练结束后，得到一个训练权重文件；通过无人机公开数据集中的验证集对训练权重文件进行验证，选取精度最高的训练权重文件作为最优训练权重文件；使用无人机公开数据集中的测试集和最优训练权重文件对基于UAVTransT的无人机目标跟踪网络进行目标跟踪，得到目标跟踪结果；本发明还提供了实现所述跟踪方法的系统、设备及介质；本发明解决了无人机的目标跟踪方法在背景复杂情况下跟踪精度低，以及光照变化下目标漏跟踪和错误跟踪的问题。

本发明授权一种基于UAVTransT网络的无人机目标跟踪方法、系统、设备及介质在权利要求书中公布了：1.一种基于UAVTransT网络的无人机目标跟踪方法，其特征在于，包括以下步骤：步骤一：构建基于UAVTransT的无人机目标跟踪网络，包括特征提取子网络、特征融合子网络以及分类和回归子网络；所述特征提取子网络，包括Backbone1网络、Backbone2网络、两个频域和空间信息增强模块FSIE；其中，Backbone1网络和Backbone2网络均包括SwinTransformerstage1层、SwinTransformerstage2层和SwinTransformerstage3层，Backbone1网络和Backbone2网络共同组成Backbone网络，Backbone1网络和Backbone2网络之间互相共享权重；频域和空间信息增强模块FSIE包括快速傅里叶变化层FFT、图卷积网络层GCN、多头子注意力机制层、两个前馈网络层FFN、两个求和归一化层、拼接卷积层和全局平均池化层，频域和空间信息增强模块FSIE表示为下式：F'＝NormF4+FFNF4 F2＝ConvCatNormF1+SF,FFF1＝MHSASFQ,SF+FFK,SF+FFVSF＝GCNFFF＝FFTF其中，GCN表示图卷积网络；FFT表示快速傅里叶变化；MHSA表示多头自注意力机制；Norm表示归一化操作；Cat表示拼接操作；Conv表示卷积操作；FFN表示前馈网络；GAP表示全局平均池化操作；表示通道相乘；表示元素相加；F'表示输出的特征图；F表示输入特征图；所述特征融合子网络，包括一个时空特征融合模块STFF和求和层；时空特征融合模块STFF包括三个多头自注意力机制层、两个前馈网络层FFN和五个求和归一化层；所述分类和回归子网络，包括分类网络和回归网络；分类和回归子网络的损失函数采用L1损失、CIoU损失和回归损失的混合损失函数，表示如下式： 其中，表示L1损失；表示CIoU损失；表示回归损失；λL1和λCIoU为平衡系数；Pt表示网络预测出正类别的概率；γ表示均衡系数；P表示真实类别的概率；n表示样本数；wgt和hgt标签框的宽度和高度；wpr和hpr预测框的宽度和高度，IoU表示交并比；ρ是矩形框中心点之间的距离，c是外矩形方框的对角线长度；步骤二：使用无人机公开数据集中的训练集对步骤一构建的基于UAVTransT的无人机目标跟踪网络进行训练，每轮训练结束后，得到一个训练权重文件；通过无人机公开数据集中的验证集对训练权重文件进行验证，选取精度最高的训练权重文件作为最优训练权重文件；步骤三：使用无人机公开数据集中的测试集和步骤二得到的最优训练权重文件对步骤一构建的基于UAVTransT的无人机目标跟踪网络进行目标跟踪，得到目标跟踪结果。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路2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”。