買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜北京大學深圳研究生院申請的專利一種基于隱式表征解耦網(wǎng)絡的遮擋行人重識別方法及系統(tǒng)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN113901922B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-05-23發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202111180384.6，技術(shù)領(lǐng)域涉及：G06V40/10；該發(fā)明授權(quán)一種基于隱式表征解耦網(wǎng)絡的遮擋行人重識別方法及系統(tǒng)是由張健;賈夢溪;程鑫華設計研發(fā)完成，并于2021-10-11向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種基于隱式表征解耦網(wǎng)絡的遮擋行人重識別方法及系統(tǒng)在說明書摘要公布了：一種基于隱式表征解耦網(wǎng)絡的遮擋行人重識別方法，包括：進行行人圖片輸入、遮擋樣本增強，以及行人圖片的預處理；行人特征提取和解耦：用卷積神經(jīng)網(wǎng)絡提取行人圖像的緊湊全局特征，并使用Transformer在語義偏好對象查詢的引導下，對輸入的行人特征解耦，得到行人ID相關(guān)特征和ID無關(guān)特征；對比特征學習：對行人ID相關(guān)的特征與ID無關(guān)特征進行相反的判別性約束，將遮擋物及背景噪聲從行人特征中分離出來，抑制遮擋對行人匹配的干擾；行人圖像檢索，使用行人ID相關(guān)特征計算查詢圖像和圖像庫中圖像之間的相似度矩陣并排序，輸出排序結(jié)果。本發(fā)明方法可以自動解耦出行人語義特征同時消除遮擋噪聲干擾，在遮擋場景下實現(xiàn)魯棒的行人特征提取和匹配。

本發(fā)明授權(quán)一種基于隱式表征解耦網(wǎng)絡的遮擋行人重識別方法及系統(tǒng)在權(quán)利要求書中公布了：1.一種基于隱式表征解耦網(wǎng)絡的遮擋行人重識別方法，其特征在于，包括以下步驟：S1.進行行人圖片輸入、遮擋樣本增強以及行人圖片的預處理；S2.行人特征提取和解耦：用卷積神經(jīng)網(wǎng)絡提取行人圖像的緊湊的行人全局特征，并使用深度自注意力變換網(wǎng)絡在語義偏好對象查詢的引導下，對輸入的行人特征解耦，得到行人ID相關(guān)特征和ID無關(guān)特征，包括以下子步驟：D3.將預處理好的圖片輸入卷積神經(jīng)網(wǎng)絡，提取出緊湊的行人全局特征，然后將緊湊的行人全局特征拉平成一維序列并輔以可學習的位置編碼，輸入到所述深度自注意力變換網(wǎng)絡的編碼器和解碼器中；D4.所述深度自注意力變換網(wǎng)絡的解碼器在可學習的語義對象查詢的引導下，對輸入的行人特征解耦，得到所述行人ID相關(guān)特征和ID無關(guān)特征；S3.對比特征學習：對所述行人ID相關(guān)特征與ID無關(guān)特征進行相反的判別性約束，將遮擋物及背景噪聲從行人特征中分離出來，抑制遮擋對行人匹配的干擾，包括以下子步驟：D5.利用語義偏好對比特征學習方法，對所述行人ID相關(guān)特征與ID無關(guān)特征進行相反的判別性約束，將遮擋物及背景噪聲從行人特征中分離出來，抑制了遮擋對行人匹配的干擾；D6.在模型的訓練過程中，使用交叉熵損失和三元組對比損失對提取出的所述行人ID相關(guān)特征進行約束，使用反向三元組對比損失對所述行人ID無關(guān)特征進行約束；以及S4.行人圖像檢索：使用所述行人ID相關(guān)特征計算查詢圖像和圖像庫中圖像之間的相似度矩陣并排序，輸出排序結(jié)果。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人北京大學深圳研究生院，其通訊地址為：518055 廣東省深圳市南山區(qū)西麗鎮(zhèn)麗水路深圳大學城北大校區(qū)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。