2025年4月，工程中心研究团队在仪器测量领域国际顶级期刊《IEEE Transactions on Instrumentation and Measurement》发表题为“Multiscale Spatio-Temporal Information Cascade Single-Object Visual Tracker”的研究论文。
该研究提出了一种基于时空信息融合（STIF）的多尺度级联单目标跟踪框架，该框架更全面地整合了目标的时空信息，更深入地交互了搜索区域和模板中的信息。特别是，为了建立广泛的时空特征相关性，引入了STIF网络，该网络使用基于Transform的编码器-解码器结构将目标搜索区域的全局非线性时空信息与静态和动态模板交叉融合，有效地进行基于融合的传播。为了关注丰富的空间语义信息，我们设计了多尺度特征提取（MFE）网络，以及基于编码器-解码器结构的特征级联聚合（FCA）模块，可以有效地进行基于交互的传播。最后，使用边界框预测头和IoU分数头分别预测目标的确切位置并更新动态模板。广泛的实验表明，该方法比基线方法获得了更好的跟踪性能。
第一作者为倪笑宇（Xiaoyu Ni），北京化工大学智能过程系统工程中心博士研究生。通讯作者为袁亮，研究方向为智能机器人技术、机器视觉与图像处理、数字孪生、工业物联网等，主持国家自然科学基金项目若干；韩永明，教授，博士生导师，国家优青，计算机系系主任，研究领域包括人工智能、机器学习、系统建模及优化、能效评价、数据分析与信息集成、智能优化等。
《IEEE Transactions on Instrumentation and Measurement》（IEEE TIM）是仪器科学与测量技术领域的旗舰期刊，创刊于1952年，重点关注新型传感技术、智能测量系统及工业应用创新，以方法严谨性和技术落地性著称，年均录用率约18%。