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！

龙图腾网获悉中国人民解放军军事航天部队航天工程大学申请的专利一种结合CNN和解码器的卫星视频单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：CN119919454B 。

龙图腾网通过国家知识产权局官网在2025-07-11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：202510406597.8，技术领域涉及：G06T7/246；该发明授权一种结合CNN和解码器的卫星视频单目标跟踪方法是由王鹏;陈美瑜;薛武;刘宪;乔羽;李文浩;张序枫设计研发完成，并于2025-04-02向国家知识产权局提交的专利申请。

本一种结合CNN和解码器的卫星视频单目标跟踪方法在说明书摘要公布了：本发明属于遥感跟踪技术领域，涉及一种结合CNN和解码器的卫星视频单目标跟踪方法。本发明包括：通过CNN特征提取网络提取卫星视频当前视频帧和单目标的模板图像各自的空间特征图；根据空间特征图生成当前视频帧的空间特征；基于解码器对当前视频帧的空间特征和上一视频帧的时间特征生成当前视频帧的时间特征；基于当前视频帧的空间特征和时间特征生成时空融合特征；采用深度学习模型的预测头基于时空融合特征生成单目标的跟踪结果。本发明通过CNN特征提取网络对目标进行特征提取，通过解码器对提取特征进行交互并生成时空融合特征，利用时空信息进行跟踪，能够对卫星视频中目标进行准确识别，进而提高目标跟踪的准确性和跟踪的精度。

本发明授权一种结合CNN和解码器的卫星视频单目标跟踪方法在权利要求书中公布了：1.一种结合CNN和解码器的卫星视频单目标跟踪方法，其特征在于，包括： 通过预设的CNN特征提取网络分别对卫星视频的当前视频帧和单目标对应的模板图像进行特征提取处理，得到所述当前视频帧对应的空间特征图和所述模板图像对应的空间特征图； 根据所述当前视频帧对应的空间特征图和所述模板图像对应的空间特征图生成所述当前视频帧对应的空间特征； 基于预设的解码器对所述当前视频帧对应的空间特征和上一视频帧的时间特征进行特征的交互增强处理，得到所述当前视频帧对应的时间特征； 将所述当前视频帧分别对应的空间特征和时间特征进行时空信息融合处理，得到所述当前视频帧对应的时空融合特征； 采用深度学习模型的预测头基于所述时空融合特征进行预测处理，基于预测处理结果生成所述当前视频帧中单目标的跟踪结果； 所述通过预设的CNN特征提取网络分别对卫星视频的当前视频帧和单目标对应的模板图像进行特征提取处理，包括： 通过所述CNN特征提取网络的卷积层分别对所述当前视频帧和所述模板图像进行局部特征提取，得到各自对应的局部特征图； 通过所述CNN特征提取网络的最大池化层分别对两个所述局部特征图进行降维处理； 通过所述CNN特征提取网络的卷积块分别对降维处理后的两个局部特征图进行目标特征提取，得到所述当前视频帧对应的空间特征图和所述模板图像对应的空间特征图； 所述通过所述CNN特征提取网络的卷积块分别对降维处理后的两个局部特征图进行目标特征提取，包括： 通过所述卷积块内的卷积层对所述局部特征图进行提取，得到所述局部特征图对应的第一特征图； 将所述局部特征图与所述局部特征图对应的第一特征图进行第一次相加融合得到融合特征图； 通过所述卷积块内的可变形卷积层对所述融合特征图进行提取，得到所述局部特征图对应的第二特征图； 将所述融合特征图与所述第二特征图进行第二次相加融合得到所述局部特征图对应的空间特征图； 所述基于预设的解码器对所述当前视频帧对应的空间特征和上一视频帧的时间特征进行特征的交互增强处理，包括： 根据所述当前视频帧对应的空间特征和所述上一视频帧的时间特征确定各自对应的查询向量； 将所述当前视频帧对应的查询向量和所述上一视频帧对应的查询向量输入所述解码器的第一多头注意力中，所述第一多头注意力的输出向量依次经过所述解码器的第一归一化层和第一跳跃连接，生成所述解码器的第二多头注意力的输入向量； 将所述第二多头注意力的输入向量和所述当前视频帧对应的空间特征输入所述第二多头注意力，所述第二多头注意力的输出向量依次经过所述解码器的第二归一化层、全连接前馈网络层、第三归一化层和第二跳跃连接，得到所述当前视频帧对应的时间特征。

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中国人民解放军军事航天部队航天工程大学，其通讯地址为：101407 北京市怀柔区雁栖镇八一路一号；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”。