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！

龙图腾网获悉上海交通大学申请的专利面向无人机航拍视频的多目标跟踪方法与系统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：CN115953431B 。

龙图腾网通过国家知识产权局官网在2026-05-12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：202211668829.X，技术领域涉及：G06T7/246；该发明授权面向无人机航拍视频的多目标跟踪方法与系统是由刘晓瑞;饶若楠;薛广涛;蒋丰亦设计研发完成，并于2022-12-24向国家知识产权局提交的专利申请。

本面向无人机航拍视频的多目标跟踪方法与系统在说明书摘要公布了：一种面向无人机航拍视频的多目标跟踪方法与系统，通过多尺度逐像素目标检测网络MSPNet从视频帧中提取出目标类别与边界框后，进一步通过多粒度融合特征提取网络MaskMGN提取目标的表观特征向量，通过基于时序与检测置信度的加权移动平均方法TCMWA计算轨迹的表观特征向量，通过表观特征向量与卡尔曼运动模型对轨迹与检测结果进行数据关联，得到多目标跟踪的结果。本发明对目标检测与表观特征提取部分进行改进，解决无人机航拍视频中存在的背景复杂、目标尺度小、目标遮挡、视角可变换等问题，能够有效提升无人机航拍视频的多目标跟踪精度。

本发明授权面向无人机航拍视频的多目标跟踪方法与系统在权利要求书中公布了：1.一种面向无人机航拍视频的在线多目标跟踪方法，其特征在于，通过多尺度逐像素目标检测网络MSPNet从视频帧中提取出目标类别与边界框后，进一步通过多粒度融合特征提取网络MaskMGN提取目标的表观特征向量，通过基于时序与检测置信度的加权移动平均方法TCMWA计算轨迹的表观特征向量，通过表观特征向量与基于卡尔曼滤波的运动特征对当前轨迹与检测结果进行数据关联，得到多目标跟踪的结果，具体包括： 步骤1：读取视频文件或者图像序列并进行预处理，包括补边、裁剪和缩放，得到若干尺寸相同的视频帧； 步骤2：采用多尺度逐像素目标检测网络MSPNet作为目标检测器对预处理后的视频帧进行目标检测，得到目标检测结果； 步骤3：通过多粒度融合特征提取网络MaskMGN对步骤2中检测到的目标进行表观特征向量的提取，通过TCMWA计算轨迹的表观特征向量，并计算相似度，具体包括： 步骤3.1：获取目标检测模型MSPNet对当前帧的检测结果，裁剪目标区域图像； 步骤3.2：基于MaskMGN对当前帧目标检测结果裁剪出来的目标图像进行特征提取，获取固定维度的表观特征向量； 步骤3.3：基于目标历史帧的特征向量，使用基于时序与检测置信度的移动加权平均法TCMWA预测跟踪的轨迹在当前帧的特征向量，该特征向量的维度与MaskMGN输出的特征向量的维度一致； 所述的TCMWA方法中对历史帧t检测置信度为c的表观特征向量赋予的权重为ct； 步骤3.4：计算当前帧检测到的目标与当前跟踪的轨迹之间的余弦相似度，并生成相似度矩阵，其中：、分别表示目标与轨迹的表观特征向量； 步骤4：提取目标与轨迹的运动特征并计算相似度，具体包括： 步骤4.1：获取当前帧检测到的目标的边界框坐标，并转化为[u,v,a,h]格式，其中：u,v为目标中心位置的坐标，a,h为目标框的纵横比与高度； 步骤4.2：基于卡尔曼滤波算法预测当前跟踪轨迹在当前帧的位置，其中：为k-1时刻目标运动状态的估计值，为观测向量的预测值，为观测向量方差的预测值，F,Q为卡尔曼滤波器的参数； 步骤4.3：计算检测结果中的边界框与轨迹预测结果中的边界框两两之间的马氏距离，并生成相似度度量矩阵，其中：、分别表示目标与轨迹的运动特征向量，表示轨迹在当前时刻观测空间的协方差矩阵； 步骤5：对检测结果与当前轨迹进行数据关联。

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上海交通大学，其通讯地址为：200240 上海市闵行区东川路800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”。

以上内容由龙图腾AI智能生成。