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！

龙图腾网恭喜浙江大学申请的专利一种基于深度学习和时序特征增强的视频多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：CN115035159B 。

龙图腾网通过国家知识产权局官网在2025-05-23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：202210632698.3，技术领域涉及：G06T7/246；该发明授权一种基于深度学习和时序特征增强的视频多目标跟踪方法是由刘勇;林叶能;王蒙蒙设计研发完成，并于2022-06-06向国家知识产权局提交的专利申请。

本一种基于深度学习和时序特征增强的视频多目标跟踪方法在说明书摘要公布了：本发明涉及计算机视觉领域，公开了一种基于深度学习和时序特征增强的视频多目标跟踪方法，包括以下步骤：S1、准备和处理数据集，将处理后的数据作为模型训练和测试的输入数据；S2、对模型结构中的目标检测与ReID任务进行分离；S3、利用时序信息构建ReID任务模块改善模型结构；S4、模型的后处理推理，将所述改善后的模型结构应用到多目标跟踪的数据关联匹配过程里。本发针对目标检测与ReID两种任务在训练时存在的问题进行改善，将检测和ReID分支进行了分离，使两块结构在保持功能精度的同时，使其更具独立性并提升了检测的性能。并且利用了时序信息，结合了历史帧的中心点特征并添加了特征加强模块，从而去改善模型在无人机视频序列上的多目标跟踪性能。

本发明授权一种基于深度学习和时序特征增强的视频多目标跟踪方法在权利要求书中公布了：1.一种基于深度学习和时序特征增强的视频多目标跟踪方法，其特征在于，包括以下步骤：S1、准备和处理数据集，将处理后的数据作为模型训练和测试的输入数据；S2、对模型结构中的目标检测与ReID任务进行分离；S3、利用时序信息构建ReID任务模块改善模型结构；S4、模型的后处理推理，将所述改善后的模型结构应用到多目标跟踪的数据关联匹配过程里；所述步骤S3具体分为训练阶段和推理阶段；所述训练阶段具体包括以下步骤：S311、通过数据集的标注信息获取上一帧中特征图相应位置的特征将其与当前特征图进行相似度计算得到上一帧中每一个物体与当前帧每一个点的特征距离；S312、得到上一帧中特征图与当前特征图的两两对应的位置信息之后进行特征融合；所述推理阶段具体包括以下步骤：S321、利用热度图中得到上一帧可能存在的目标数目，并将这些目标对应位置的ReID特征信息作为输入之一到特征模块中；S322、设置一个阈值，若上一帧的中心点与匹配到的当前帧中心点位置相距超过所述阈值，则认为该匹配到的点不可信将其忽略，只保留可信度大的匹配点与当前特征图进行特征融合。

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浙江大学，其通讯地址为：310000 浙江省杭州市西湖区余杭塘路866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”。