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！

龙图腾网获悉集美大学;深圳市赛维网络科技有限公司申请的专利一种行人重识别方法、终端设备及存储介质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：CN115690840B 。

龙图腾网通过国家知识产权局官网在2025-12-30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：202211308979.X，技术领域涉及：G06V40/10；该发明授权一种行人重识别方法、终端设备及存储介质是由王宗跃;谢道顺;陈屹东;苏锦河;陈文平;陈智鹏设计研发完成，并于2022-10-25向国家知识产权局提交的专利申请。

本一种行人重识别方法、终端设备及存储介质在说明书摘要公布了：本发明涉及一种行人重识别方法、终端设备及存储介质，该方法中包括：提取图像数据集各幅图像的多通道特征；针对图像数据集每幅图像提取其局部特征；将多通道特征和局部特征合并为全局特征，将图像数据集所有图像的全局特征构建为图像数据集的特征库；提取待查询行人图像的高级语义特征；计算待查询行人图像的高级语义特征与图像数据集各幅图像的全局特征的相似度，将相似度最高时图像数据集中的图像作为待查询行人图像的同一人物图像。本发明改善了目前深度学习行人重识别网络存在的全局表征能力限制问题，同时改善了由于人体的空间错位导致语义不对齐进而造成误差的问题。

本发明授权一种行人重识别方法、终端设备及存储介质在权利要求书中公布了：1.一种行人重识别方法，其特征在于，包括以下步骤： S1：采集由不同人物对应的行人图像组成的图像数据集，同时采集与图像数据集的图像属于同一人物的不同图像作为待查询行人图像，对待查询行人图像在图像数据集的相同人物图像进行标注，基于标注后的待查询行人图像和图像数据集构建训练集； S2：构建行人重识别网络模型，将图像数据集和待查询行人图像作为模型的输入，模型的输出为图像数据集中待查询行人图像的同一人物图像；通过训练集对模型进行训练； 模型的实现过程包括： S21：提取图像数据集各幅图像的多通道特征； S22：针对图像数据集每幅图像提取其局部特征； S23：将多通道特征和局部特征合并为全局特征，将图像数据集所有图像的全局特征构建为图像数据集的特征库； S24：提取待查询行人图像的高级语义特征； S25：计算待查询行人图像的高级语义特征与图像数据集各幅图像的全局特征的相似度，将相似度最高时图像数据集中的图像作为待查询行人图像的同一人物图像； S3：通过训练后的行人重识别网络模型进行待查询行人图像的识别； 步骤S21中多通道特征的提取过程包括以下步骤： S211：将图像输入DenseNet网络得到图像的特征图； S212：将特征图输入最大池化层得到第一特征向量； S213：将特征图输入平均池化层得到第二特征向量； S214：将第一特征向量与第二特征向量相加得到多通道特征； 其中，步骤S22中局部特征的提取过程包括以下步骤： S221：将每幅图像均匀裁剪为多个子图； S222：将子图输入基础卷积神经网络中得到每个子图的特征图； S223：将子图的特征图输入最大池化层得到子图级特征，将子图的特征图输入多层感知机得到子图的相关矩阵； S224：将子图级特征与子图的相关矩阵输入图卷积神经网络后，得到子图之间的关联关系； S225：将子图之间的关联关系输入多层感知机得到图像的局部特征； 其中，步骤S24中高级语义特征的提取过程包括以下步骤： S241：提取待查询行人图像的5维特征向量； S242：将5维特征向量输入特征金字塔网络后得到待查询行人图像的语义特征； S243：基于待查询行人图像的语义特征，采用聚类算法将图像分组为超像素； S244：基于超像素分组结果，采用多头注意力机制提取待查询行人图像的高级语义特征。

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集美大学;深圳市赛维网络科技有限公司，其通讯地址为：361000 福建省厦门市集美区银江路185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。