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！

龙图腾网获悉天津理工大学申请的专利换装行人重识别方法、装置、设备和计算机可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：CN115482508B 。

龙图腾网通过国家知识产权局官网在2026-01-02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：202211171601.X，技术领域涉及：G06V20/52；该发明授权换装行人重识别方法、装置、设备和计算机可存储介质是由龚丽敏;徐海霞;高赞;温显斌设计研发完成，并于2022-09-26向国家知识产权局提交的专利申请。

本换装行人重识别方法、装置、设备和计算机可存储介质在说明书摘要公布了：本发明属于计算机视觉技术领域，具体地说，是一种基于细粒度语义选择与屏蔽的，换装行人重识别方法、系统、电子设备及存储介质。本发明包含两个特征提取网络，分别获取行人的像素级标签及相应的部位像素预测向量和图像的全局特征。通过输入的行人图像以及相应的像素级标签，可以获取行人的图像特征、各部位区域特征以及前景特征。通过像素级标签，选择性的选取除服装外的语义部位学习人体表征，再将这些部位表征输入到注意力模块，让原始图像特征突出行人的肢体等部位信息而抑制服装等信息，这样让换装行人重识别模型学习更多服装无关信息为行人提取更具有判别性和更鲁棒的特征表示。本发明尤适用于公共安全领域。

本发明授权换装行人重识别方法、装置、设备和计算机可存储介质在权利要求书中公布了：1.一种换装行人重识别方法；其特征在于，该方法具体包含以下步骤： 1获取原始图像并进行数据增强，随机裁剪、水平翻转和随机擦除操作； 2将原始图像输入网络中得到行人图像对应的像素标签及相应的部位特征和图像的全局特征； 3通过像素标签选取除服装外的人体部分特征并按通道拼接，将其送入注意力模块获取相应部位增强的特征表示； 4测试阶段使用图像的全局特征来进行相似度匹配，并将排序结果作为重识别结果进行输出； 利用损失函数对局部增强的特征表示、全局特征表示与像素标签分类进行训练约束； 步骤2所述网络由两个分支组成；特征提取网络A采用HRNet网络结构；特征提取网络B采用基于ViT‐B16的TransReID模型结构；其中通过特征提取网络A可以获得行人各部位的像素标签以及人体的5个局部语义特征，其中该像素标签分别为用0-5来表示背景、头部、上衣、下衣、胳膊和腿六个部分；5个局部语义特征分别为头部特征、上衣特征、下衣特征、胳膊特征和腿部特征；通过特征提取网络B提取行人的全局特征； 步骤3所述通过像素标签选取除服装区域外的语义特征并按通道拼接，输入注意力模块进行特征增强按以下步骤实施； 3-1输入一小批次图像，B表示输入批次的大小；表示输入的图像，其形状为C*H*W，C表示通道数、H表示高度、W表示宽度；通过特征提取网络A获得输入图像的人体语义分割预测图，其形状为B*k*14h*14w，其中B表示输入图像的批次大小，h和w分别表示输入图像的高度和宽度，k表示特征提取网络A预测的像素标签的类别数；使用softmax函数得到每个像素类别的预测向量，其形状为k*14h*14w； 3-2将特征提取网络B提取的全局特征f_global与像素类别为1、4、5的预测向量逐像素相乘得到相应类别的局部特征f_1，f_4，f_5，为了屏蔽服装区域的语义信息，将像素类别为上衣像素标签2和下衣像素标签3的预测向量与一个0向量相乘得到上衣的局部特征f_2和下衣的局部特征f_3，分别将这些局部特征进行全局池化后按通道将它们顺序拼接得到一个除服装外的特征表示f_part； 3-3将步骤3-2所得特征f_part输入注意力模块学习一个加权特征向量并对该特征图的通道特征进行重新赋权重，并通过全局池化操作来获取除服装外语义增强的特征表示；其中所述注意力模块由一个全局平均池化与两个全连接层组成，其公式表示为；F_w=F_C2F_C1F_GAPf_part，其中f_part表示特征图；F_GAP表示全局池化；F_C1，F_C2分别表示两个全连接层的权重矩阵。

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天津理工大学，其通讯地址为：300384 天津市西青区宾水西道391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。