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！

龙图腾网获悉复旦大学;上海新氦类脑智能科技有限公司申请的专利基于多分支特征表示的人物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：CN115565119B 。

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：202110734604.9，技术领域涉及：G06V20/52；该发明授权基于多分支特征表示的人物重识别方法是由王浔彦;梁龙飞;李斌;薛向阳设计研发完成，并于2021-06-30向国家知识产权局提交的专利申请。

本基于多分支特征表示的人物重识别方法在说明书摘要公布了：本发明提供一种基于多分支特征表示的人物重识别方法，用于对小视频中复杂场景下的人物进行重识别，其特征在于，包括：步骤S1，获取待处理的小视频，将小视频的数据解析成逐帧的图像序列；步骤S2，将图像序列输入至预定检测模型，得到小视频的每帧图像中的人物包围框；步骤S3，将人物包围框输入至预定追踪模型，获取每个镜头内的人物帧序列；步骤S4，将人物帧序列输入至已完成预先训练的人物重识别模型中，使得人物帧序列连接起来进行推理，从而获得小视频中与人物ID相对应的每个人物的帧序列集合。

本发明授权基于多分支特征表示的人物重识别方法在权利要求书中公布了：1.一种基于多分支特征表示的人物重识别方法，用于对复杂场景下的小视频中的人物进行重识别，其特征在于，包括以下步骤： 步骤S1，获取待处理的小视频，将所述小视频的数据解析成逐帧的图像序列； 步骤S2，将所述图像序列输入至预定检测模型，得到所述小视频的每帧图像中的人物包围框； 步骤S3，将所述人物包围框输入至预定追踪模型，获取每个镜头内的人物帧序列； 步骤S4，将所述人物帧序列输入至已完成预先训练的人物重识别模型中，使得所述人物帧序列连接起来进行推理，从而获得所述小视频中与人物ID相对应的每个人物的帧序列集合， 其中，所述人物重识别模型包含骨干网络、多分支特征表示网络以及一个预定人体姿态估计网络； 所述人物重识别模型的预先训练过程包括以下步骤： 步骤A1，收集已公开的人物图像，并对所述人物图像进行数据增强处理； 步骤A2，由所述预定人体姿态估计网络获得与所述人物图像对应的关键点热力图和关键点置信度； 步骤A3，将人物图像输入至所述骨干网络，获得对应的全局人物特征； 步骤A4，将所述全局人物特征和所述关键点热力图输入至所述多分支特征表示网络，通过多分支特征表示网络的多个特征分支输出的特征向量组成对应的特征集合； 步骤A5，对所述多分支特征表示网络以及所述骨干网络采用交叉熵损失监督的方式进行网络训练并计算多分支特征表示网络的三个特征分支的交叉熵损失； 步骤A6，重复所述步骤A5直至判断所述网络训练满足预定终止条件； 步骤A7，得到完成所述网络训练的所述人物重识别模型， 其中，所述人物帧序列中的人物图像为待查询人物图像，所述推理是通过所述关键点热力图与所述关键点置信度引导所述人物重识别模型对所述特征集合进行各自的可见区域匹配，从而计算出所述待查询人物图像与预定的检索库人物图像的相似度距离，包括以下步骤： 步骤B1，计算所述待查询人物图像与所述预定的检索库人物图像的全局特征分支输出结果之间的距离； 步骤B2，计算所述待查询人物图像与所述预定的检索库人物图像的区域特征分支输出结果在公共可视区域之间的距离； 步骤B3，计算所述待查询人物图像与所述预定的检索库人物图像的姿态特征分支输出结果在共享可视姿态集合之间的距离； 步骤B4，将每个特征分支最后的相似度距离通过加权的计算方式得到所述待查询人物图像与所述预定的检索库人物图像最终的相似度距离， 所述预定检测模型为公开的训练好的检测模型YOLOv3，所述预定追踪模型为公开的训练好的追踪模型DeepSort，所述预定人体姿态估计网络为公开的训练好的人体姿态估计模型AlphaPose； 所述人体姿态估计模型AlphaPose引导所述特征集合进行人物的相似度计算，并通过加权的方式得到总的人物相似度， 所述多分支特征表示网络包含多分支特征提取网络，所述多分支特征提取网络由3个特征分支组成，分别为姿态引导的全局特征分支、区域特征分支、以及姿态特征分支。

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复旦大学;上海新氦类脑智能科技有限公司，其通讯地址为：200433 上海市杨浦区邯郸路220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。