咨询电话：13280638997
传真：0533-3110363
邮箱：kefu@shizifang.com
24小时咨询热线13280638997
24小时咨询热线著 录 项 目：
| 专利/申请号： | CN202510370363.2 | 专利名称： | 一种基于自适应关联的复杂场景下多目标追踪方法 |
| 申请日： | 2025-03-27 | 申请/专利权人 | 南京信息工程大学 |
| 专利类型： | 发明 | 地址： | 江苏省南京市江北新区华富路1号数智溪谷4号楼 |
| 专利状态： | 已下证 查询审查信息 | IPC分类号： | G06T7/246 分类检索 |
| 公开/公告日： | 2025-07-04 | 转让价格： | 【平台担保交易】 |
| 公开/公告号： | CN119887850B | 交易状态： | 等待洽谈 搜索相似专利 |
| 浏览量： | 5 | 所属领域： | 计算机视觉 机器学习 智能视频监控专利转让搜索 |
应用场景：交通管理中的车辆与行人追踪；安防监控中的异常行为检测；无人机群体目标跟踪；工业自动化中的机器协作
摘 要：本发明提供了一种基于自适应关联的复杂场景下多目标追踪方法，包括：步骤1，获取包含多目标运动的视频帧序列，对视频帧序列进行预处理；步骤2，构建新的目标检测网络模型；新的目标检测网络模型以YOLO11模型作为基准模型，包括骨干网络、颈部网络和头部网络；步骤3，对新的目标检测网络模型进行整体多尺度特征训练与学习；步骤4，对目标检测网络模型进行性能评估与评价；步骤5，将检测框对象输入到追踪算法，预测目标轨迹。本发明引入自适应阈值和相机偏移补偿机制，增强了追踪在不同环境下的抗干扰能力。将本发明提出的模型进行消融实验，并与常用的深度学习模型对比，在相同的测试条件下，本发明具有优秀的检测和追踪性能。
| 交易方 | 企业 | 个人 |
| 买家 | 营业执照副本复印件（需盖公章） | 身份证复印件（签字） |
| 专利转让委托书（需盖公章）一式两份 | 专利转让委托书（需签字）一式两份 | |
| 专利转让协议（需盖公章）一式两份 | 专利转让协议（需签字）一式两份 | |
| 卖家 | 营业执照副本复印件（需盖公章） | 身份证复印件（需申请人签字） |
| 解除代理委托书（需盖公章）一式两份（如专利通过代理机构申请） | 解除代理委托书（需签字）一式两份（如专利通过代理机构申请） | |
| 专利转让协议（需盖公章）一式两份 | 专利转让协议（需签字）一式两份 | |
| 专利请求书或手续合格通知书、授权通知书复印件 | 专利请求书或手续合格通知书、专利授权通知书复印件 | |
| 专利证原件（若授权下证） | 专利证原件（若授权下证） |
| 日期 | 法律信息 | 备注 |
| 申请号 | 专利名称 | 发布日期 |
| 2014101273171 | 【发明】基于分层模糊c均值的图像分割方法 | 2025/10/15 |
| 2024112349125 | 【发明】一种鲁棒的无人机-无人船协同相对视觉定位方法和系统 | 2025/10/15 |
| 2025104137001 | 【发明】多重免疫荧光图像自动分析方法、介质及程序产品 | 2025/10/15 |
| 2022105822187 | 【发明】一种基于改进LSD的磁极倒转图信息抽取方法 | 2025/10/15 |
| 2023103160622 | 【发明】一种双分支图像异常检测方法、装置、设备及介质 | 2025/10/15 |
| 2025104547171 | 【发明】一种基于深度学习的乳腺癌预后预测的多模态融合方法 | 2025/10/15 |
| 2022106713420 | 【发明】基于多尺度损失函数的改进型U-Net云图分割方法 | 2025/10/15 |
| 2024119640662 | 【发明】基于计算机视觉的羽毛球落点预测方法及系统 | 2025/10/15 |
| 2025104137548 | 【发明】一种基于图神经网络的视频风格迁移姿态检测方法 | 2025/10/15 |
| 2025107673104 | 【发明】一种噪声抑制模态融合对齐的工业图像异常检测方法 | 2025/10/15 |
