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

龍圖騰網(wǎng)獲悉中國礦業(yè)大學(xué)申請的專利一種遮擋行人重識別方法獲國家發(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：CN114821632B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-08-29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：202210231378.7，技術(shù)領(lǐng)域涉及：G06V40/10；該發(fā)明授權(quán)一種遮擋行人重識別方法是由汪一;王亮博;周玉設(shè)計(jì)研發(fā)完成，并于2022-03-10向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種遮擋行人重識別方法在說明書摘要公布了：本發(fā)明公開了一種遮擋行人重識別方法，包括：構(gòu)建多任務(wù)學(xué)習(xí)網(wǎng)絡(luò)，包括全身行人身份重識別分支和遮擋行人身份重識別分支；構(gòu)建兩個(gè)分支各自對應(yīng)的損失函數(shù)L h 和L o ；采用互學(xué)習(xí)策略對多任務(wù)學(xué)習(xí)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，兩個(gè)分支的CNN特征表達(dá)部分共享權(quán)重，即先利用L h 對全身行人身份重識別分支進(jìn)行訓(xùn)練，將訓(xùn)練得到的CNN特征表達(dá)部分的權(quán)重與遮擋行人身份重識別分支的CNN特征表達(dá)部分共享，再利用L o 對遮擋行人身份重識別分支進(jìn)行訓(xùn)練，將訓(xùn)練得到的CNN特征表達(dá)部分的權(quán)重與全身行人身份重識別分支的CNN特征表達(dá)部分共享，兩個(gè)分支的訓(xùn)練交替進(jìn)行；根據(jù)訓(xùn)練好的多任務(wù)學(xué)習(xí)網(wǎng)絡(luò)進(jìn)行遮擋行人重識別，得到識別結(jié)果，提高了行人重識別的準(zhǔn)確率。

本發(fā)明授權(quán)一種遮擋行人重識別方法在權(quán)利要求書中公布了：1.一種遮擋行人重識別方法，其特征在于，包括如下步驟： 步驟1，構(gòu)建多任務(wù)學(xué)習(xí)網(wǎng)絡(luò)，所述多任務(wù)學(xué)習(xí)網(wǎng)絡(luò)包括全身行人身份重識別分支和遮擋行人身份重識別分支；所述全身行人身份重識別分支和遮擋行人身份重識別分支的網(wǎng)絡(luò)結(jié)構(gòu)相同，均包括依次連接的CNN特征表達(dá)部分、GeM池化層、BN層、FC層和Softmax層； 步驟2，構(gòu)建所述全身行人身份重識別分支和遮擋行人身份重識別分支各自對應(yīng)的損失函數(shù)Lh和Lo； 將全身行人圖像訓(xùn)練集表示為其中，表示第i張全身圖像，N表示全身行人訓(xùn)練圖像的數(shù)量，yi為的真實(shí)標(biāo)簽，即第i張全身圖像中行人的真實(shí)身份；對于每一張采用隨機(jī)擦除方法生成相應(yīng)的遮擋圖像通過隨機(jī)擦除方法生成的遮擋圖像訓(xùn)練集用表示； 全身行人身份重識別分支對應(yīng)的損失函數(shù)Lh為： 其中，表示全身行人身份重識別分支特征級的互損失，表示全身行人身份重識別分支輸出級的互損失，表示全身行人身份重識別分支的難樣本損失，表示全身行人身份重識別分支的交叉熵?fù)p失； 表達(dá)式為： 其中，和表示第i張全身圖像和遮擋圖像在最后一層卷積層后輸出的特征圖，‖·‖1表示L1范數(shù)； 表達(dá)式為： 其中，M表示行人身份類型總數(shù)，表示第i張遮擋圖像屬于第j個(gè)行人身份的預(yù)測分?jǐn)?shù)，表示第i張全身圖像屬于第j個(gè)行人身份的預(yù)測分?jǐn)?shù)； 表達(dá)式為： 每一次迭代時(shí)，對于難樣本損失，采用PK采樣法構(gòu)建訓(xùn)練批次，從行人的所有身份中隨機(jī)選取P個(gè)身份，每個(gè)身份隨機(jī)選取對應(yīng)的K張全身圖像，構(gòu)成P×K張圖像進(jìn)行全身行人重識別分支的訓(xùn)練；G·表示GeM池化后的特征向量，[B]+＝max{B,0}，‖·‖2表示歐幾里得距離，μ＝0.3，表示每個(gè)批次中的第m個(gè)樣本，表示與對應(yīng)的同一身份的正樣本，表示與對應(yīng)的不同身份的負(fù)樣本； 表達(dá)式為： 其中，表示第i張全身圖像在第j類上的預(yù)測結(jié)果，表示第i張全身圖像在第j類上的真實(shí)結(jié)果，的計(jì)算方式為： 其中，τ為確定平滑量的超參數(shù)； 遮擋行人身份重識別分支的損失函數(shù)Lo為： 其中，表示遮擋行人身份重識別分支特征級的互損失，表示遮擋行人身份重識別分支輸出級的互損失，表示遮擋行人身份重識別分支的難樣本損失，表示遮擋行人身份重識別分支的交叉熵?fù)p失； 表達(dá)式為： 表達(dá)式為： 表達(dá)式為： 其中，表示每個(gè)批次中的第m個(gè)樣本，表示與對應(yīng)的同一身份的正樣本，表示與對應(yīng)的不同身份的負(fù)樣本； 表達(dá)式為： 其中，表示第i張遮擋圖像在第j類上的預(yù)測結(jié)果，表示第i張遮擋圖像在第j類上的真實(shí)結(jié)果； 步驟3，采用互學(xué)習(xí)策略對所述多任務(wù)學(xué)習(xí)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，兩個(gè)分支的CNN特征表達(dá)部分共享權(quán)重，即先利用損失函數(shù)Lh對所述全身行人身份重識別分支進(jìn)行訓(xùn)練，將訓(xùn)練得到的CNN特征表達(dá)部分的權(quán)重與遮擋行人身份重識別分支的CNN特征表達(dá)部分共享，再利用損失函數(shù)Lo對所述遮擋行人身份重識別分支進(jìn)行訓(xùn)練，將訓(xùn)練得到的CNN特征表達(dá)部分的權(quán)重與全身行人身份重識別分支的CNN特征表達(dá)部分共享，兩個(gè)分支的訓(xùn)練交替進(jìn)行； 步驟4，根據(jù)訓(xùn)練好的多任務(wù)學(xué)習(xí)網(wǎng)絡(luò)進(jìn)行遮擋行人重識別，得到識別結(jié)果。

如需購買、轉(zhuǎn)讓、實(shí)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)人中國礦業(yè)大學(xué)，其通訊地址為：221116 江蘇省徐州市銅山區(qū)大學(xué)路1號；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)”。