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！

龙图腾网获悉长春理工大学申请的专利一种基于轨迹自适应小目标检测的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：CN119964032B 。

龙图腾网通过国家知识产权局官网在2026-04-17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：202510025861.3，技术领域涉及：G06V20/17；该发明授权一种基于轨迹自适应小目标检测的跟踪方法是由董筱涵;马元;詹伟达;李锐;王春阳;于国栋;陈宇;郭金鑫设计研发完成，并于2025-01-08向国家知识产权局提交的专利申请。

本一种基于轨迹自适应小目标检测的跟踪方法在说明书摘要公布了：本发明公开一种基于轨迹自适应小目标检测的跟踪方法，具体涉及目标检测技术领域；本发明设计了适用于无人机航拍小目标的双向聚合多尺度金字塔结构网络，使网络提高了多尺度特征融合的概率和次数，来获得更高的检测精度；设计了SF‑C2f特征提取模块，克服传统方法在处理复杂环境时的局限性，减少了部分计算量，同时设计适用于无人机航拍小目标的损失函数，有效提升模型对小目标检测的敏感性，对复杂背景的适应性，使网络更适合无人航拍小目标的检测；设计了目标跟踪AFK轨迹自适应卡尔曼滤波算法，适应无人机航拍小目标运动轨迹的非线性情况。通过本设计融合的方法，令其在多种背景下无人机航拍小目标检测及跟踪任务中都能表现出良好的性能。

本发明授权一种基于轨迹自适应小目标检测的跟踪方法在权利要求书中公布了：1.一种基于轨迹自适应小目标检测的跟踪方法，其特征在于，包括以下步骤： 步骤1.准备数据集：准备无人机航拍小目标的图像数据集； 步骤2.构建目标检测网络模型：构建无人机航拍小目标检测网络，包括主干网络、颈部网络和四个检测头；所述主干网络包括5个卷积下采样模块、4个SF-C2f特征提取模块和SPPF空间金字塔池化模块；所述SF-C2f特征提取模块通过PConv层和SimAM注意力模块提高特征提取性能；所述颈部网络包括上采样模块、SF-C2f特征提取模块和卷积模块，采用双向聚合多尺度金字塔结构网络提高多尺度融合的频率； 步骤3.训练网络模型：将准备好的数据集输入到目标检测网络模型中进行训练，包括预处理无人机拍摄的小目标图像、特征提取、分类和回归操作，以及通过测试图片验证模型性能； 步骤4.设计损失函数：通过构造目标检测网络模型的输出图像并对其进行标记，采用复合损失函数，包括类别分类损失和边框回归损失，类别分类损失采用对比损失函数和交叉熵损失函数，边框回归损失采用DFL损失函数加WIoUv3损失函数； 步骤5.构建目标跟踪网络模型：设计目标跟踪算法，包括级联匹配、计算代价矩阵、采用匈牙利算法进行匹配，采用AFK自适应卡尔曼滤波算法对目标轨迹进行预测和更新； 步骤6.保存模型并选择评价指标：评价目标跟踪算法的准确性和效率； 步骤2中，所述SF-C2f特征提取模块包括：经过第一个卷积层，然后分成两个部分，其中一个部分经过多个瓶颈模块的处理，与另一个部分拼接经过第二个卷积层之后通过SimAm注意力模块输出结果； 所述瓶颈模块包括：输入分两个部分，第一部分通过PConv层经过卷积层后加入批量归一化和ReLU激活函数和输入的另一个部分数据相加输出结果； 所述SimAm注意力模块通过定义能量函数精确地评估同一通道内单个特征与其他特征之间的线性可分性；能量函数定义公式为： ；式中，和分别表示通道中的目标特征信息和其他特征信息，和分别为的线性变换权值和偏置；索引i表示空间维序，为超参数，M为单个通道上所有特征信息的个数。

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长春理工大学，其通讯地址为：130012 吉林省长春市卫星路7089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。