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

龍圖騰網恭喜浙江工商大學申請的專利一種高性能行人檢索與重識別方法及裝置獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN115063831B 。

龍圖騰網通過國家知識產權局官網在2025-05-30發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210409679.4，技術領域涉及：G06V40/10；該發明授權一種高性能行人檢索與重識別方法及裝置是由華璟;吳紹鑫;孫杰設計研發完成，并于2022-04-19向國家知識產權局提交的專利申請。

本一種高性能行人檢索與重識別方法及裝置在說明書摘要公布了：本發明公開了一種高性能行人檢索與重識別方法及裝置，該方法包括：分別獲取單視角和多視角現實監控場景下的行人數據，對行人數據進行數據標注，其中單視角行人數據與COCO數據集中的行人部分，共同構建行人檢測數據集，多視角行人數據構建行人重識別數據集；利用行人檢測數據集基于Ghost輕量化模型改進的YOLOv5行人檢測算法訓練網絡模型；利用行人重識別數據集訓練得到行人重識別模型；搭建行人搜索系統。本發明通過深度模型壓縮和算法算力的協同優化，從算法到硬件的自上而下的方法來優化深度學習的效率，實現低代價高性能的行人重識別系統。

本發明授權一種高性能行人檢索與重識別方法及裝置在權利要求書中公布了：1.一種高性能行人檢索與重識別方法，其特征在于，包括以下步驟：S1，分別獲取現實監控場景下的單視角行人數據和多視角行人數據，其中，采用單視角行人數據和COCO數據集中的行人部分數據共同構建行人檢測數據集，多視角行人數據構建行人重識別數據集；S2，利用S1中的行人檢測數據集，基于Ghost輕量化模型改進的YOLOv5行人檢測算法訓練行人檢測模型；S3，利用S1中的行人重識別數據集訓練通道級稀疏化剪枝后的行人重識別網絡，得到行人重識別模型；S4，利用S2中訓練好的行人檢測模型和S3中的行人重識別模型基于算豐SC5和云端AI計算加速卡進行量化部署，搭建行人搜索系統；具體為：S41，選取步驟S1中構建的行人檢測訓練集3000張圖片，以及步驟S1中構建的行人重識別訓練集1500張圖片，分別轉換成lmdb數據集，供后續校準量化使用；S42，使用BMNNSDK2SDK工具，將S2和S3中訓練完成的行人檢測模型和行人重識別模型，轉換成fp32umodel文件和對應的prototxt文件，其中fp32umodel是比特平臺私有的格式；S43，使用calibration_use_pb量化工具將步驟S42中轉換后的fp32umodel轉換成比特私有的中間臨時模型int8umodel，以S41中的lmdb數據集作為量化校準，其中int8umodel是量化生成的int8格式的網絡系數文件；S44，使用calibration可視化分析工具，檢查S43轉換后的int8umodel網絡誤差，使用平均絕對百分比誤差和余弦函數作為誤差評價標準，定義如下： 其中，Actuali代表真實值，Forecasti代表預測值,n為樣本個數；S45，通過誤差評價標準確認量化精度正常之后，使用BMNNSDK2SDK提供的BMNETU工具，使用步驟S43的int8umdel模型作為輸入，編譯為BMRuntime所需要的文件，并且在編譯同時，計算每一層NPU模型結果與CPU的計算結果進行對比，得到行人檢測和行人重識別的int8bmodel模型；S46，基于步驟S45量化完成的int8bmodel模型，輸入多路監控視頻流，將每幀視頻創建到指定芯片上，使用步驟S45中量化完成的行人檢測的int8bmodel模型，對每路視頻流中的每幀視頻幀進行行人檢測得到行人邊界框和置信度；S47，使用生成的行人邊界框和置信度經過DIoU-NMS方法進行過濾，若最終的行人置信度小于置信度閾值則進行抑制，得到篩選后的視頻監控行人圖像，公式如下： 其中ε是NMS閾值，Ni是分類置信度，M為最高置信度檢測框，Bi是邊界框，RDIoU是兩個邊界框之間的中心距離；S48，將步驟S47中篩選出的每幀行人，在視頻幀中裁剪，作為行人庫圖片，等達到設定的批處理數量時，將每批次待識別行人庫送入步驟S45中的量化完成的行人重識別的int8bmodel模型提取行人圖片特征，得到候選集特征，輸入一張待查詢的行人圖像，得到查詢集特征；S49，對S48中的候選集特征與查詢集特征進行歐式距離特征計算，從而得到行人相似度值，判斷行人相似度值是否大于預先設定的行人閾值，得到對給定目標行人的重識別結果。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人浙江工商大學，其通訊地址為：310018 浙江省杭州市下沙高教園區學正街18號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。