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！

龙图腾网获悉厦门理工学院申请的专利基于高阶结构建模的跨模态行人重识别方法及系统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：CN117218603B 。

龙图腾网通过国家知识产权局官网在2026-02-17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：202311366734.7，技术领域涉及：G06V20/52；该发明授权基于高阶结构建模的跨模态行人重识别方法及系统是由陈思;邱刘翔;王大寒;朱顺痣;吴芸;许华荣设计研发完成，并于2023-10-20向国家知识产权局提交的专利申请。

本基于高阶结构建模的跨模态行人重识别方法及系统在说明书摘要公布了：本发明涉及一种基于高阶结构建模的跨模态行人重识别方法及系统，该方法包括：1从数据集中成对抽取多个行人的VIS图片和IR图片，形成VIS‑IR图片对训练数据集；2构建跨模态行人重识别网络模型，跨模态行人重识别网络模型主要包括用于提取图像基本特征的骨干网络、用于提取不同范围尺度特征的短长范围特征提取模块、用于学习图像中高阶结构信息的高阶结构学习模块和用于减少行人在不同模态下差异的共享空间学习模块；通过训练数据集对模型进行训练，得到可泛化的模型参数；3将训练好的跨模态行人重识别网络模型用于跨模态检索，实现不同模态之间的行人重识别。该方法及系统有利于获得更加稳定、鲁棒、准确的跨模态行人重识别结果。

本发明授权基于高阶结构建模的跨模态行人重识别方法及系统在权利要求书中公布了：1.一种基于高阶结构建模的跨模态行人重识别方法，其特征在于，包括以下步骤： 1从数据集中成对抽取多个行人的可见光VIS图片和红外IR图片，形成VIS‑IR图片对训练数据集； 2构建基于高阶结构建模的跨模态行人重识别网络模型，所述跨模态行人重识别网络模型主要包括骨干网络、短长范围特征提取模块、高阶结构学习模块和共享空间学习模块，所述骨干网络用于提取图像的基本特征，所述短长范围特征提取模块用于从图像中提取不同范围尺度的特征，所述高阶结构学习模块用于学习图像中的高阶结构信息，以更好地表示行人的特征，所述共享空间学习模块用于减少行人在不同模态下的差异；通过VIS‑IR图片对训练数据集对跨模态行人重识别网络模型进行训练，得到可泛化的模型参数； 3将训练好的跨模态行人重识别网络模型用于跨模态检索，实现不同模态之间的行人重识别； 步骤2中，所述跨模态行人重识别网络模型的实现方法为： A对成对输入的VIS图片和IR图片，通过骨干网络提取行人VIS基本特征和行人IR基本特征，然后将提取到的行人VIS基本特征和行人IR基本特征输入到短长范围特征提取模块中，提取行人VIS短长范围特征和行人IR短长范围特征； B通过高阶结构学习模块来获取行人VIS短长范围特征和行人IR短长范围特征中包含的高阶结构信息，得到行人VIS短长范围增强特征和行人IR短长范围增强特征，以刻画行人的不同局部特征之间的高阶关系，且不受模型坍塌影响，从而增强特征表示； C将得到的行人VIS短长范围增强特征和行人IR短长范围增强特征输入共享空间学习模块，通过生成中间特征来学习有判别性且合理的共享特征空间，以减少模态差异的负面影响； D引入模态‑范围行人中心对比损失来提升特征表示并减少相同行人VIS、IR和中间特征之间的差异，并且联合分类损失和三元组损失，以最小化损失值为目标，通过VIS‑IR图片对进行跨模态行人重识别网络模型的迭代训练，进而得到训练好的跨模态行人重识别网络模型； 步骤B中，为了避免超图模型在构建行人高阶关系时出现超边表示趋同的问题，引入特征白化操作使特征映射到球形空间，减少特征之间的耦合，以更好地建立特征节点之间的高阶关系，白化后的特征节点如下所示： 其中，为集合中特征的每一个特征节点；表示特征的均值；表示由科列斯基分解得到的下三角矩阵；和表示仿射变换参数； 使用互相关学习关联矩阵Y来获取节点之间的联系，如下所示： Y其中，；表示节点的数量，其等于；表示超边个数；表示通道数；表示线性转换层；和分别表示对角线运算学习距离度量方法和节点对相应超边的贡献函数；表示阶跃函数；然后通过超图卷积得到高阶结构增强的行人特征，其表示为： 其中，表示单位矩阵；表示权重矩阵；和表示节点度矩阵和超边度矩阵；为可学习参数；对应于行人VIS、IR短范围特征和行人VIS、IR长范围特征，得到行人VIS、IR短范围增强特征和行人VIS、IR长范围增强特征，从而得到结构增强特征集合。

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厦门理工学院，其通讯地址为：361024 福建省厦门市集美区理工路600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。