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！

龙图腾网获悉西安电子科技大学申请的专利基于将干扰因素隔离以实现换衣人员重新识别的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：CN119251872B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202411309153.4，技术领域涉及：G06F30/27；该发明授权基于将干扰因素隔离以实现换衣人员重新识别的方法是由程德;李宇博;方超伟;朱明瑞;王楠楠;高新波设计研发完成，并于2024-09-19向国家知识产权局提交的专利申请。

本基于将干扰因素隔离以实现换衣人员重新识别的方法在说明书摘要公布了：本发明公开了一种基于将干扰因素隔离以实现换衣人员重新识别的方法，涉及工智能图像处理技术领域，该方法包括：获取待查询图像和图库图像集；将待查询图像输入至训练好的换衣模型中，得到待查询特征向量，并将图库图像集输入至训练好的换衣模型中，得筛选结果特征向量集；分别计算待查询特征向量与筛选结果特征向量集中每个筛选结果特征向量之间的距离，得到多个距离集合；确定多个距离集合中的最小值，并确定最小值对应的筛选结果特征向量；根据筛选结果特征向量确定与待查询图像对应的图库图像集图像；实现了提取的特征能够忽略衣服和摄像头的差异，从而有效地区分两幅图像是否属于同一行人。

本发明授权基于将干扰因素隔离以实现换衣人员重新识别的方法在权利要求书中公布了：1.一种基于将干扰因素隔离以实现换衣人员重新识别的方法，其特征在于，包括： 获取待查询图像和图库图像集； 将所述待查询图像输入至训练完成的换衣模型中，得到待查询特征向量，并将所述图库图像集输入至训练完成的换衣模型中，得筛选结果特征向量集；其中，所述换衣模型包括：双流身份特征学习框架和生成对抗干扰因子解耦网络，所述双流身份特征学习框架用于提取与衣服布料无关的身份特征；所述生成对抗干扰因子解耦网络用于抵消干扰因素对所述身份特征的干扰； 在训练所述换衣模型的过程中，通过计算双流身份特征学习框架的第一损失函数调整双流身份特征学习框架的参数；其中，计算训练中的双流身份特征学习框架的第一损失函数，包括： 利用双流身份特征学习框架对原始图像进行原始图像流处理，得到原始流处理结果；其中，所述原始流处理结果，包括：第一特征向量和第一维概率向量；其中，表示训练集行人类别数； 利用双流身份特征学习框架对所述原始图像进行衣服擦除流处理，得到衣服擦除流处理结果；其中，所述衣服擦除流处理结果，包括：第二特征向量和第二维概率向量； 利用所述原始流处理结果和所述衣服擦除流处理结果，计算得到所述双流身份特征学习框架的第一损失函数； 在训练所述换衣模型的过程中，通过计算所述对抗干扰因子解耦网络的交叉熵损失函数和分配损失函数，调整生成对抗干扰因子解耦网络的参数，其中，计算所述对抗干扰因子解耦网络的交叉熵损失函数和分配损失函数，包括： 利用生成对抗干扰因子解耦网络中的干扰因素识别分支对所述原始图像进行干扰特征提取，得到干扰因素特征； 利用所述干扰因素特征计算所述干扰因素识别分支的交叉熵损失函数和所述干扰因素解耦目标的分配损失函数； 这里，所述利用所述干扰因素特征计算所述干扰因素识别分支的交叉熵损失函数和所述干扰因素解耦目标的分配损失函数，包括： 所述干扰因素识别分支利用第一分类器和第二分类器，对所述干扰因素特征进行特征提取，得到服装和相机编号； 所述干扰因素识别分支根据所述服装和所述相机编号计算所述生成对抗干扰因子解耦网络的交叉熵损失函数； 将所述干扰因素特征补充至所述第一特征向量中，得到中间特征向量； 根据所述中间特征向量确定行人分类器的分配损失函数； 所述生成对抗干扰因子解耦网络的训练方式，包括： 所述特征解纠缠模块利用第一特征生成器对所述干扰因素特征进行域转移，得到第一转移信息，并利用第二特征生成器对所述第一特征向量进行域转移，得到第二转移信息； 利用与所述第一特征生成器对应的第一判别器对所述第一转移信息的真实性进行判别，得到第一判别结果；利用与所述第二特征生成器对应的第二判别器对所述第二转移信息的真实性进行判别，得到第二判别结果； 根据所述第一判别结果对所述第一转移信息进行域恢复，得到第一恢复信息，并根据所述第二判别结果对所述第二转移信息进行域恢复，得到第二恢复信息； 根据所述干扰因素特征与所述第一恢复信息，以及所述第一特征向量与所述第二恢复信息，确定循环一致性损失函数； 根据所述第一判别结果和所述第二判别结果，确定对抗的损失函数； 根据所述第一判别结果和所述第二判别结果，确定生成器损失函数； 根据所述循环一致性损失函数、所述对抗的损失函数和所述生成器损失函数，对所述生成对抗干扰因子解耦网络进行训练； 分别计算所述待查询特征向量与所述筛选结果特征向量集中每个筛选结果特征向量之间的距离，得到多个距离构成的距离集合； 确定所述距离集合中的最小值，并确定所述最小值对应的筛选结果特征向量； 根据所述筛选结果特征向量，确定图库图像集中与所述待查询图像对应的目标图像。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市太白南路2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。