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！

龙图腾网获悉安徽大学申请的专利一种基于压力信息的足迹跨模态检索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：CN116863316B 。

龙图腾网通过国家知识产权局官网在2026-02-03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：202310770788.3，技术领域涉及：G06V20/00；该发明授权一种基于压力信息的足迹跨模态检索方法是由王年;姜朝辉;唐俊;朱明;鲍文霞;张艳;樊旭晨;周旭东设计研发完成，并于2023-06-28向国家知识产权局提交的专利申请。

本一种基于压力信息的足迹跨模态检索方法在说明书摘要公布了：本发明涉及足迹分析领域，尤其涉及一种基于压力信息的足迹跨模态检索方法，包括：现场采集成趟油墨捺印足迹图像，并根据足迹压力将成趟油墨捺印足迹图像转换为足迹数据集；根据足迹数据集中的每个像素点的灰度级进行彩色转换，得到彩色图像；采用深度卷积神经网络提取彩色图像的全局特征和局部特征，并对全局特征和局部特征进行动态调整；将调整后的全局特征和局部特征融合，实现多层次的特征检索。本发明采用全局特征和局部特征相结合的方式，并且使用注意力机制进行动态调整，针对含有大量细节信息的足迹图像进行识别和搜索时，能够更加准确地识别和检索足迹的真实身份信息。

本发明授权一种基于压力信息的足迹跨模态检索方法在权利要求书中公布了：1.一种基于压力信息的足迹跨模态检索方法，其特征在于，包括： S1：现场采集成趟油墨捺印足迹图像，并根据足迹压力将成趟油墨捺印足迹图像转换为足迹数据集； S2：根据足迹数据集中的每个像素点的灰度级进行彩色转换，得到彩色图像； S3：采用深度卷积神经网络提取彩色图像的全局特征和局部特征，并对全局特征和局部特征进行动态调整； S4：将调整后的全局特征和局部特征融合，实现多层次的特征检索； 所述步骤S3包括以下步骤： S31：采用至少两个深度卷积神经网络分别对彩色图像的全局特征和局部特征进行提取； S32：将全局特征使用最大值池化层得到具有分辨性的全局核心特征f1； S33：将全局特征使用平均值池化得到全局平均特征f2； S34：将f1和f2卷积后相减，获得全局特征F，其中，F表示平均特征和核心特征之间的差异特征； 所述深度卷积神经网络包括有CBAM模块： 所述CBAM模块包括有通道注意力模块和空间注意力模块； 所述通道注意力模块通过获取每个通道的重要性权重，然后将其应用于局部特征上的每个通道，以增强通道维度的特征表示能力； 所述空间注意力模块通过获取每个空间位置的重要性权重，然后将其应用于局部特征上的每个空间位置，以增强空间维度的特征表示能力； 所述深度卷积神经网络采用渐进式训练方法，具体包括以下步骤： S311：对深度卷积神经网络的每一层进行迭代，并使用CEloss和HardTripletLoss对训练进行约束，逐步增加网络的深度和复杂度，直到整个网络训练完成。

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安徽大学，其通讯地址为：230000 安徽省合肥市肥西路3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。