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！

龙图腾网获悉合肥工业大学申请的专利基于跨模态约束的行人再识别方法、系统、介质、设备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：CN116978058B 。

龙图腾网通过国家知识产权局官网在2026-01-06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：202310690991.X，技术领域涉及：G06V40/10；该发明授权基于跨模态约束的行人再识别方法、系统、介质、设备是由吴晶晶;洪日昌;蒋建国设计研发完成，并于2023-06-12向国家知识产权局提交的专利申请。

本基于跨模态约束的行人再识别方法、系统、介质、设备在说明书摘要公布了：本发明公开了一种基于跨模态约束的行人再识别方法和系统，其中行人再识别方法通过构建提取深度图和RGB图全局深层特征的全局特征提取网络、从深层特征中提取局部特征的局部特征提取网络和提取过渡状态特征的跨模态过渡网络，并通过融合全局损失和局部损失来训练基于跨模态约束的行人再识别系统；利用该系统来进行行人再识别。该方法无需一一对应的跨模态样本对的先验知识能够有效利用跨模态图像中丰富的异质特征，有效提取深度图像中更具有辨别性的特征，进而提升了识别效果。

本发明授权基于跨模态约束的行人再识别方法、系统、介质、设备在权利要求书中公布了：1.一种基于跨模态约束的行人再识别方法，包括训练阶段和识别阶段，其特征在于，所述训练阶段包括： S1、构建全局特征提取网络100，所述全局特征提取网络包括深度图全局分支110、RGB图全局分支120和全局损失计算模块130；所述深度图全局分支110用于提取深度图全局深层特征Dd，包括级联的深度图浅层特征提取模块111和深度图深层特征提取模块112；所述RGB图全局分支120用于提取RGB图全局深层特征Dr，包括级联的RGB图浅层特征提取模块121和RGB图深层特征提取模块122；所述全局损失计算模块130用于根据深度图全局深层特征Dd和RGB图全局深层特征Dr计算全局softmax损失LGS和全局Triplet损失LGT； S2、构建局部特征提取网络200，所述局部特征提取网络包括深度图自适应池化模块210、RGB图自适应池化模块220和局部损失计算模块230；所述深度图自适应池化模块210用于根据深度图全局深层特征提取深度图局部特征Td；所述RGB图自适应池化模块220用于根据RGB图全局深层特征Dr提取RGB图局部特征Tr；所述局部损失计算模块230用于根据深度图局部特征Td和RGB图局部特征Tr计算局部softmax损失LLS和局部Triplet损失LLT； S3、构建跨模态过渡网络300，所述跨模态过渡网络包括全局图模型310和图softmax损失计算模块320；所述全局图模型用于获取深度图全局深层特征Dd和RGB图全局深层特征Dr之间的过渡状态特征Gd,r；所述图softmax损失计算模块320用于根据过渡状态特征Gd,r计算图softmax损失LGR； S4、采用训练集对全局特征提取网络100、局部特征提取网络200和跨模态过渡网络300进行迭代训练，训练过程中每个批次的样本包括M个行人的图像，其中每个行人包括N个深度图和N个RGB图； 所述迭代训练的目标为最小化第一损失函数： 其中上标t表示迭代训练的epoch数，表示1到t-1次迭代的全局softmax损失LGS和全局Triplet损失LGT的平均值； 所述识别阶段包括： S5、将候选集中的RGB图像依次输入RGB图全局分支120，得到对应的RGB图全局深层特征Dr,a和RGB图局部特征Tr,a，Dr,a和Tr,a连接后构成候选图像特征Fa＝[Dr,a,Tr,a]，a＝1,2,…,Num，Num为候选集中RGB图像数量；待识别的深度图像输入深度图全局分支110，得到对应的深度图全局深层特征D′d和深度图局部特征T′d，D′d和T′d连接后构成待识别图像特征F′＝[D′d,T′d]；计算F′与Fa之间的欧氏距离，选择欧氏距离最小值所对应的候选图像作为待识别图像的识别结果。

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合肥工业大学，其通讯地址为：230000 安徽省合肥市包河区屯溪路193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。