Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 厦门理工学院陈思获国家专利权

厦门理工学院陈思获国家专利权

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!

龙图腾网获悉厦门理工学院申请的专利基于多帧交互与多层融合的视频行人重识别方法及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:CN116778384B

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:202310751151.X,技术领域涉及:G06V20/40;该发明授权基于多帧交互与多层融合的视频行人重识别方法及系统是由陈思;达慧;王大寒;朱顺痣;吴芸;庄蔚蔚设计研发完成,并于2023-06-25向国家知识产权局提交的专利申请。

基于多帧交互与多层融合的视频行人重识别方法及系统在说明书摘要公布了:本发明涉及一种基于多帧交互与多层融合的视频行人重识别方法及系统,该方法包括以下步骤:1从数据集中抽取多个行人的视频序列,形成由视频序列组成的训练数据集;2构建基于多帧交互与多层融合的视频行人重识别网络模型,所述视频行人重识别网络模型主要包括帧内空间交互模块、多帧时序交互模块、多级别局部增强模块、分割策略模块和多帧分类头结合模块;通过使用训练数据集对视频行人重识别网络模型进行训练,得到网络模型参数;3将训练好的视频行人重识别网络模型用于检索测试视频中含有该行人的视频,实现视频行人重识别。该方法及系统有利于获得更加稳定、鲁棒、准确的视频行人重识别结果。

本发明授权基于多帧交互与多层融合的视频行人重识别方法及系统在权利要求书中公布了:1.一种基于多帧交互与多层融合的视频行人重识别方法,其特征在于,包括以下步骤: 1从数据集中抽取多个行人的视频序列,形成由视频序列组成的训练数据集; 2构建基于多帧交互与多层融合的视频行人重识别网络模型,所述视频行人重识别网络模型主要包括帧内空间交互模块、多帧时序交互模块、多级别局部增强模块、分割策略模块和多帧分类头结合模块;通过使用训练数据集对视频行人重识别网络模型进行训练,得到网络模型参数; 3将训练好的视频行人重识别网络模型用于检索测试视频中含有该行人的视频,实现视频行人重识别; 所述视频行人重识别网络模型的工作过程为: A首先对视频内每张单帧图片进行处理,通过对单帧图片进行切割获取一个固定大小块的序列,再通过卷积操作和展平操作生成2D维度的块特征嵌入,加入分类头信息、摄像头信息嵌入和位置信息嵌入生成帧内空间交互模块的输入,然后通过帧内空间交互模块对输入的视频内多张单帧图片的特征嵌入分别基于视觉Transformer进行帧内特征提取,经过若干帧内空间交互模块后,在浅层、中层、高层网络,将输出的视频内多张单帧特征输入多帧时序交互模块; B各层多帧时序交互模块分别对每个单帧特征进行同一视频剩余帧共性特征的获取,然后将视频内多个单帧特征分别输入多级别局部增强模块; C各层多级别局部增强模块在低、中、高层网络对每个单帧特征进行多级别特征融合和行人特征的局部增强,然后将每个单帧特征输入帧内空间交互模块; D将最后的帧内空间交互模块输出的高层特征通过分割策略模块对单帧特征进行包括无分割、水平分割、竖直分割和块分割的四种分割方式的分割,将分割的每个部分输入帧内空间交互模块; E通过多帧分类头结合模块将视频内每张单帧图片特征进行结合,生成视频序列级别特征,用于视频行人重识别检索任务;将经过多帧分类头结合模块输出的各分割策略特征分别进行三元组损失和分类损失计算,通过优化器减小正样本之间的距离,增大负样本之间的距离,并且减少模型分类行人的误差; 步骤B中,利用-1个多头帧间对齐注意力操作和多层感知机操作进行当前处理帧与 视频内剩余所有帧的时序交互; 以当前处理帧的后一帧作为第一个交互帧进行多头帧间对齐注意力操作和多层感知 机操作,将交互后的输出特征继续按顺序与接下来的帧进行多头帧间对齐注意力操作和多 层感知机操作,直到与当前处理帧的前一帧交互完成,输出特征表示为; 首先获取输入特征,包括当前处理帧和待交互的视频剩余帧,其中表示视频内某一帧,表示第个多帧时序交互模块,表 示视频内帧的数量;利用线性映射对每个帧生成特征; 帧索引序列表示为,对于当前处理第n帧与视频内剩余 某一帧交互得到的特征表示为: 其中,由层归一化生成,下标n和表示第帧和第帧的索引,表示当前处理第帧与第帧交互后得到的特征;表示多头帧间对齐注意力操作,表示残差连接,表示层归一化,表示 多层感知机操作,取中0到-2位置对应的索引值; 多头帧间对齐注意力操作包含个头,即其包含的帧间对齐注意力操作同时进行次, 并将多个帧间对齐注意力操作输出的特征进行结合,当前处理第帧与同一视频内剩余某 一帧的多头帧内对齐操作的过程表示为: 其中,是可学习参数,表示MIAA中的第个头,IAA表示帧间对齐注意力操 作; 多头帧内对齐操作中帧间对齐注意力操作的过程表示为: 其中,表示正则化,表示归一化指数函数。

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厦门理工学院,其通讯地址为:361024 福建省厦门市集美区理工路600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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。