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！

龙图腾网获悉长安大学申请的专利一种基于时空对比无监督学习的车辆再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：CN114998848B 。

龙图腾网通过国家知识产权局官网在2026-01-23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：202210561631.5，技术领域涉及：G06V20/54；该发明授权一种基于时空对比无监督学习的车辆再识别方法是由房建武;杨晶;周俊飞;席江波设计研发完成，并于2022-05-23向国家知识产权局提交的专利申请。

本一种基于时空对比无监督学习的车辆再识别方法在说明书摘要公布了：本发明涉及道路监控视频车辆检测领域，具体涉及一种基于时空对比无监督学习的车辆再识别方法。通过利用视觉时孔特征提取模型，融合了摄像机编号、时间戳记等时空信息和图片本身的视觉信息，构造出了更具代表性的融合特征，实现了对摄像机身份编号以及时间戳记的有效利用，通过时空信息对无监督车辆再识别模型加以约束，提升了模型的精度。

本发明授权一种基于时空对比无监督学习的车辆再识别方法在权利要求书中公布了：1.一种基于时空对比无监督学习的车辆再识别方法，其特征在于，包括以下步骤： 步骤1，从道路监控视频中提取多张具有摄像机编号标签和时间戳记标签的车辆图像，构成训练集； 步骤2，建立融合特征提取模型，提取训练集图片的视觉时空融合特征和时空特征；将时空特征输入至时空区间分类器，得到时空评分； 融合特征提取模型包含深度残差网络ResNet50与多层感知机MLP；深度残差网络ResNet50的网络输入为大小为H×W×3的RGB图片，网络输出为视觉特征；多层感知机MLP的网络输入为摄像机编号和时间戳记，网络输出为时空特征；深度残差网络ResNet50的网络输出与多层感知机MLP的网络输出进行残差融合，得到视觉时空融合特征； 步骤3，根据视觉时空融合特征计算训练集中两图片之间的杰卡德距离，得到M×M的杰卡德距离矩阵，其中M为训练集中图片的张数； 步骤4，依据杰卡德距离矩阵，使用密度聚类算法DBSCAN对训练集图片的视觉时空融合特征进行聚类，为训练集图片分配伪标签； 步骤5，构造融合特征字典； 具体的，首先统计训练集所有图片的摄像机编号和时间戳记，对每个摄像机下的图片划分时间区间； 其次，在训练集每个伪标签类别的每个时空区间中随机抽取一张图片的距离时空融合特征，计算训练集每个伪标签类别下全部时空区间的距离时空融合特征的平均值； 最后，将平均值作为对应伪标签类别的代表特征，构造大小为C×L的融合特征字典；其中C为伪标签的类别数，L为特征的维度大小； 步骤6，计算训练集图片的融合特征与融合特征字典的对比损失，计算训练集图片的时空评分与时空区间的交叉熵损失；利用对比损失与交叉熵损失之和训练融合特征提取模型； 步骤7，使用训练好的融合特征提取模型，从道路监控视频中提取具有摄像机编号标签和时间戳记标签的待识别车辆图像，提取待识别车辆的视觉时空融合特征；使用训练好的融合特征提取模型，从道路监控视频中提取出提取具有摄像机编号标签和时间戳记标签的所有车辆图像，分别提取每个车辆的视觉时空融合特征； 步骤8，分别计算待识别车辆的视觉时空融合特征与每个车辆的视觉时空融合特征之间的欧氏距离；欧式距离越小，则该视觉时空融合特征对应的车辆越有可能与待识别车辆为同一车辆。

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长安大学，其通讯地址为：710064 陕西省西安市二环南路中段126号长安大学；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。