买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉山东科技大学申请的专利一种基于特征增强的跨模态行人重识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120220043B 。

龙图腾网通过国家知识产权局官网在2025-09-26发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510207764.6，技术领域涉及：G06V20/52；该发明授权一种基于特征增强的跨模态行人重识别方法是由张鹏;陆家祺;张晓林;王青杰;李豪杰;单彩峰设计研发完成，并于2025-02-25向国家知识产权局提交的专利申请。

本一种基于特征增强的跨模态行人重识别方法在说明书摘要公布了：本发明公开了一种基于特征增强的跨模态行人重识别方法，属于计算机视觉领域，包括如下步骤：步骤1、获取数据集并进行预处理，利用通道增强策略生成新的模态；步骤2、构建基于特征增强的跨模态行人重识别网络模型；步骤3、构建损失函数，基于训练数据集和损失函数对模型进行训练优化；步骤4、基于训练完成的模型进行跨模态行人重识别。本发明通过特征增强提高了跨模态行人重识别模型的准确性。

本发明授权一种基于特征增强的跨模态行人重识别方法在权利要求书中公布了：1.一种基于特征增强的跨模态行人重识别方法，其特征在于，包括如下步骤： 步骤1、获取数据集并进行预处理，利用通道增强策略生成新的模态； 步骤2、构建基于特征增强的跨模态行人重识别网络模型； 跨模态行人重识别网络模型包括三部分，分别为：补丁嵌入部分、特征增强算法部分和编码部分；补丁嵌入部分包括图像切分和嵌入操作；特征增强算法部分包含注意融合特征模块和高斯变异特征模块；编码部分包括三个权重共享的编码器； 跨模态行人重识别网络模型的工作过程为： 步骤2.1、在补丁嵌入部分进行图像切分和嵌入，获取图像集t的一系列补丁集pt；具体过程为：将可见光图像集红外图像集增强图像集输入到模型中，其中是第个可见光图像，Nv为可见光图像数量；是第个红外图像，Nr是红外图像数量；是第个增强图像，Nc是增强图像数量；对于可见光、红外和增强图像集，定义相应的标识标签集，分别为可见光图像标识标签集红外图像标识标签集和增强图像标识标签集定义图像集Xt表示可见光图像集Xv、红外图像集Xr或增强图像集Xc中的一种，Xt∈{Xv,Xr,Xc}； 输入到模型前，需要对输入图像进行补丁嵌入操作：将图像集中的每一张图像切分为一系列补丁，并将补丁映射到一个高维特征空间，得到对应的补丁集，公式为： pt＝PatchEmbeddingXt； 其中，pt为图像集Xt的一系列补丁集；PatchEmbedding·为补丁嵌入操作；图像集中图像的数量与补丁集的数量相对应； 步骤2.2、基于注意融合特征模块获取融合后的补丁，更新补丁集；具体过程为： 步骤2.2.1、预先设置交叉率，根据交叉率来随机选取身份相同的两组不同的补丁集 进行注意融合特征操作，分别为pa中第i个、第I个补丁；分别为pb中第j个、第J个补丁，对这两组补丁集进行相乘并归一化来构建注意力矩阵，公式为： W＝softmaxpa*pb； 其中，W为注意力矩阵；softmax·为softmax函数； 步骤2.2.2、从补丁集pa中随机选择一个补丁利用注意力矩阵，找出补丁集pb中与相似度最大的补丁确定当前的索引j及j周围相邻索引为有效的索引；根据有效的索引从pb中提取对应的特征值，并从注意力矩阵W中提取索引对应的注意力分数，然后对提取的注意力分数重新归一化并构建新注意力矩阵，具体为： W′＝softmaxwj,j∈vaildindices； 其中，W′为新注意力矩阵；wj为注意力矩阵W中索引j处的注意力分数；vaildindices为有效的索引； 步骤2.2.3、根据新注意力矩阵与对应的特征值，得到融合后的补丁，公式为： 其中，pr为融合后的补丁；wj′为新注意力矩阵W′中索引j处的注意力分数，注意力矩阵与新注意力矩阵的索引序号相对应； 步骤2.2.4、最后将pa中的替换为融合后的补丁pr，得到更新补丁集 步骤2.3、高斯变异特征模块采用高斯变异策略对补丁进行变异，并更新补丁集；具体过程为：首先，定义输入的一系列相同身份的补丁为原始补丁集ps，计算ps的统计量，包括均值和方差；根据计算出的均值μ和方差σ2，定义了一个高斯分布Nμ,σ2；从ps中选取其中一个身份的一系列补丁组成原始变异补丁集s为某个特定的身份，m为某个特定的身份中的某一个样本，为pm中第个补丁，为pm中第个补丁；从高斯分布中采样，遍历原始变异补丁集pm中的每个补丁，预先设置变异率，根据变异率将个体替换为从高斯分布中采样的点；均值和方差的计算公式为： 其中，为原始补丁集ps中第h个补丁；H为原始补丁集ps中补丁的数量； 从高斯模型中抽取的新特征样本pnew符合高斯分布，具体为： pnew～Nμ,σ2； 最后将原始变异补丁集中的样本替换为采样得到的新特征样本pnew，得到新变异补丁集 步骤2.4、将原始输入的图像集t的一系列补丁集pt输入特征增强算法部分，特征增强算法部分中的注意融合特征模块和高斯变异特征模块按照步骤2.2和步骤2.3的过程并行执行，最终优化得到新的一系列补丁集pt′，并将pt′输入到三个权重共享的编码器中，一个编码器处理一种模态的图像，以获得每个模态的预测值特征；公式为： 其中，Ft为图像集Xt的预测值特征；为权重共享的编码器； 步骤3、构建损失函数，基于训练数据集和损失函数对模型进行训练优化； 步骤4、基于训练完成的模型进行跨模态行人重识别。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人山东科技大学，其通讯地址为：266590 山东省青岛市黄岛区前湾港路579号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。