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！

龙图腾网获悉中电莱斯信息系统有限公司申请的专利一种基于行人重识别和分层搜索策略的追踪系统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：CN117037057B 。

龙图腾网通过国家知识产权局官网在2025-12-16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：202310892122.5，技术领域涉及：G06V20/52；该发明授权一种基于行人重识别和分层搜索策略的追踪系统是由黄兆孟;陈鹏;王妍妍;吴帆;王玉坤设计研发完成，并于2023-07-19向国家知识产权局提交的专利申请。

本一种基于行人重识别和分层搜索策略的追踪系统在说明书摘要公布了：本发明公开了一种基于行人重识别和分层搜索策略的追踪系统，包括：数据采集处理模块用于利用跟踪算法从原始监控视频中得到连续性的经过裁剪后的单目标视频片段或单目标图片；分层搜索识别模块包括基础的行人重识别算法和分层搜索策略，行人重识别算法用于目标追踪，分层搜索策略通过计算搜索目标轨迹概率优化计算资源分配；结果展示确认模块对分层搜索识别模块得到的目标进行展示，构建搜索目标时空数据链。本发明提供了一种自动化追踪方案，能够在低人工干预有限计算资源条件下自动识别行踪轨迹，节省人力和时间成本，降本增效。

本发明授权一种基于行人重识别和分层搜索策略的追踪系统在权利要求书中公布了：1.一种基于行人重识别和分层搜索策略的追踪系统，其特征在于，包括：数据采集处理模块、分层搜索识别模块和结果展示确认模块； 其中，所述数据采集处理模块，从不同位置不同环境的监控摄像头所获取的原始视频数据中，利用跟踪算法得到一组连续的经过裁剪的单目标视频片段或单目标图片，即单目标采集数据；所述单目标采集数据包含监控摄像头的地理位置信息； 所述分层搜索识别模块，包括：行人重识别算法和分层搜索策略；其中，行人重识别算法包括：对历史采集的单目标采集数据进行特征提取，得到历史单目标特征，将所述历史单目标特征入库后得到一个特征查询库，用于目标重识别；分层搜索策略包括：非实时分层搜索和实时搜索，其中： 非实时分层搜索：根据给定搜索目标的特征，在对历史单目标进行搜索时使用所述特征查询库查询出所有符合要求的历史单目标，并按时间或位置排序，待进行进一步确认，得到历史待确认搜索目标； 实时搜索：将给定具体需要追踪的目标做为确定搜索目标，系统实时处理包含各种目标的实时视频数据与确定搜索目标的特征比对，筛选出高可信度目标待进一步确认，得到实时待确认搜索目标；所述历史待确认搜索目标和实时待确认搜索目标即为待确认搜索目标； 所述结果展示确认模块，对分层搜索识别模块的待确认搜索目标进行展示，构建搜索目标时空数据链；待确认搜索目标经过人工确认后得到确定搜索目标，人工确认后的确定搜索目标的特征作为增强查询特征应用； 其中，所述追踪系统具体流工作程如下： 步骤1：数据采集处理，数据采集处理模块从监控系统中获取原始数据并进行预处理； 步骤2：行人重识别模型构建，计算提取特征并识别； 步骤3：分级搜索模型构建，划分概率等级； 步骤4：使用分层搜索策略分配计算资源并使用步骤2的行人重识别方法进行识别搜索； 步骤5：结果展示确认； 步骤2中所述的行人重识别模型构建，计算提取特征并识别，具体方法如下： 构建行人重识别模型，使用CNN-RNN重识别模型和步骤1-2中所述的单目标采集数据，对待检测的目标进行重识别，具体方法包括： 步骤2-1：特征提取：即提取多帧图像中的时空特征，具体方法如下： 包含单个待检查目标的多帧图像首先作为一个序列被分别馈送到图像变换的网络中变换为相同的尺寸；然后作为输入进入卷积神经网络CNNs中得到单帧的空间特征；将所述单个待检查目标的一组空间特征按时间顺序输入到循环神经网络RNNs中得到这组空间特征中的时空特征，经时间池化层池化处理得到单个待检测目标的时空特征表示； 所述行人重识别模型中，使用预训练的ResNet50网络作为CNNs网络，使用GRU网络作为RNNs网络，使用得到的行人时空特征表示计算三元组损失作为行人重识别模型的损失函数进行优化并经全连接层变换为Z为向量计算行人ID的交叉熵损失，Z为标注的行人ID数量； 对历史采集的单目标采集数据进行特征提取，得到历史单目标特征，将所述历史单目标特征存入特征查询库； 步骤2-2：相似度计算与特征查询； 使用步骤2-1计算行人时空特征表示的方式得到确定搜索目标的特征；特征查询指使用确定搜索目标的特征在特征库中搜索找到匹配的历史单目标特征，通过计算确定搜索目标的特征与特征库中的历史单目标特征之间的余弦距离，挑选出最小距离的k个历史目标；选取的k个历史目标由人工进行判定；判定后的历史目标的历史单目标特征联合与给定的确定搜索目标的特征作为新的特征进行查询，最后形成完整的确定搜索目标的行进轨迹； 步骤3所述的分级搜索模型，划分概率等级的方法为：分级搜索模型根据地理信息和搜索目标的历史行踪轨迹计算出每个摄像头下一次捕捉到搜索目标的概率值，所述概率值被表示为每个摄像头的概率等级，具体包括如下步骤： 步骤3-1：获取搜索目标的历史轨迹特征，方法如下： 搜索目标的行踪规矩L表示为一系列的摄像头轨迹捕捉点的位置坐标的组合，其中为第i个摄像头的经纬度坐标；第i个摄像头附近半径内的局部地理特征、范围内的第j个摄像头的位置信息以及第i个摄像头的运动矢量信息作为当前摄像头的地理位置信息，即： ； 其中，为地理特征的权重矩阵，为其他摄像头地理位置信息的权重矩阵，与的距离小于，即；为运动矢量的权重矩阵，运动矢量，为当前即第t个摄像头位置，为上一个摄像头位置；半径内的局部地理特征由该局部地理信息经卷积神经网络得到，局部地理信息包含公路及小道能够通行的交通信息，为地理交通图经处理后的脉络图，形式化为；则局部地理特征表示为： ； 其中CNN为卷积神经网络； 搜索目标的历史轨迹特征表示为： ； 步骤3-2：基于搜索目标的历史轨迹特征预测未来轨迹的概率区域，具体方法包括： 构建一个基础的预测网络W2处理搜索目标的历史轨迹信息，采用GRU建模时序关系；预测网络W2的结构如下： ； 其中，为步骤3-1得到的历史轨迹特征表示，GRU为门控神经单元被用于处理时序数据，为一系列摄像头可能捕捉到目标的概率；具体而言为区域内所有N个摄像头的预测概率，即，N为摄像头数量。

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中电莱斯信息系统有限公司，其通讯地址为：210007 江苏省南京市秦淮区苜蓿园东街1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”。

以上内容由龙图腾AI智能生成。