成果的特点：本发明提出一种基于卷积自注意力模块的孪生网络目标跟踪方法与系统，该方法包括：构建特征融合网络模型；通过卷积神经网络模型对模板分支上的目标图像特征以及搜索区域目标图像特征中的局部区域进行学习，以得到对应的局部语义信息，对局部语义信息进行聚合得到全局上下文相关信息；对特征融合网络模型进行预训练；利用预训练后的特征融合网络模型，在模板分支中提取目标图像特征以及搜索区域目标图像特征，并引入到带有锚点的区域建议网络的分类分支与回归分支中；并分别进行深度互相关卷积计算以得到相似度得分；对最大相似度得分的目标候选块进行目标跟踪。本发明可提高目标图像和搜索区域目标图像的全局匹配的准确性，实现更准确的跟踪。

前期研发投入（如财力、人力、物力等）：1.省级项目补贴中花费0.6万元；2.人力：2人。

研发周期：2021年3月-2021年9月

转化方式及过程：

转化方式：转让

转化过程：1.成果完成人寻找买方协议定价，双方达成初步转化合同；2.完成成果人下载并填写《南昌工程学院科技成果转化申报表》、合同草案（科技部印制），拟转公司营业执照复印件，专利证书复印件，相关成果完成人签字；3.学院审核并签字盖章；4.公示15日；5.成果转化中心审核；6.双方签订合同。

转化收益（如合同金额、到账金额等）：合同金额12.6万元，到账金额12.6万元。

单位内部或外部的第三方技术转移机构发挥的作用：第三方知识产权机构提供了咨询服务、变更服务。

收益分配情况（包括奖励比例、奖励金额及奖励人次等）：1.王军：99.65% 115000；2.孟晨晨：0.35% 400。

转化成果应用领域：计算机视觉、人工智能

产生的经济和社会效益：该技术应用在智能机器人等终端设备，应用领域为智能制造，有效地增强了智能终端产品的功能，产生了经济效益约30万。