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！

龙图腾网获悉沈阳航空航天大学申请的专利基于多尺度融合的视频行人重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：CN120823619B 。

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：202510919788.4，技术领域涉及：G06V40/10；该发明授权基于多尺度融合的视频行人重识别方法是由王艳辉;孙英超;姬晓飞;杨泽群设计研发完成，并于2025-07-04向国家知识产权局提交的专利申请。

本基于多尺度融合的视频行人重识别方法在说明书摘要公布了：本发明提供了基于多尺度融合的视频行人重识别方法，包括：构建行人浅层特征提取的3DCABlock架构，输出行人的全局浅层特征图；构建行人深度特征提取网络3DISBlock架构，得到具有强判别性的行人深度表征图；构建行人特征矫正模块的Arattention模块，得到更为有效的行人深度特征图；构建行人特征扩张的ATC模块，得到最终行人特征信息。本发明方法可提取多尺度下的更丰富的行人语义特征与多帧行人时空特征，并在较小参数量下有效的对行人身份进行检索，解决了视频行人重识别在多帧特征提取存在的网络模型过于复杂，实时性较差的问题。

本发明授权基于多尺度融合的视频行人重识别方法在权利要求书中公布了：1.基于多尺度融合的视频行人重识别方法，其特征在于，包括： S1：构建行人浅层特征提取的3DCABlock架构，向所述3DCABlock架构中输入特征图，通过架构中的混合3D卷积与Transformer中的交叉注意力机制，输出行人的全局浅层特征图； S2：构建行人深度特征提取网络3DISBlock架构，采用堆叠的多分支融合结构对输入的所述行人的全局浅层特征图进行特征提取，得到具有强判别性的行人深度表征图，其包含多帧行人特征的全局特征信息； S3：构建行人特征矫正模块的Arattention模块，对所述行人深度表征图进行特征提取，得到更为有效的行人深度特征图； S4：构建行人特征扩张的ATC模块，基于上述更为有效的行人深度特征图得到最终行人特征信息； S2中所述行人深度特征提取网络3DISBlock架构对输入的所述行人的全局浅层特征图进行特征提取，包括： 将行人的全局浅层特征图采用三维小核卷积模块去除特征图的背景干扰； 通过交替堆叠3×3×3与1×1×1卷积核形成3D深度可分离卷积特征块； 基于多个3D深度可分离卷积特征块共同构建多分支结构，在时空维度上构建具有不同感受野的四个并行特征提取路径，提取4个不同感受野下的特征：短程细粒度特征、中程语义关联及长程时空依赖性； 将4个不同感受野下的特征通过DYNMGate获取各自的权重，从而加权融合，获得最优的融合结果，作为的行人深度特征； S3中所述行人特征矫正模块的Arattention模块由通道注意力子模块与空间注意力子模块级联构成； 其中所述通道注意力子模块采用双路三维自适应池化捕获通道维度统计特征，经瓶颈结构的全连接层生成通道重要性权重；所述空间注意力子模块沿通道维度聚合均值与最大值特征，通过三维卷积融合时空上下文信息，生成空间显著性掩码； 所述通道注意力子模块与空间注意力子模块分别对输入特征进行通道维度重加权和空间维度重聚焦，分别输出保留时间连续性与空间判别性的增强特征； 通过DYNMGate获取各自特征的权重，从而加权融合并于原特征图残差连接，得到更为有效的行人深度特征； S4中所述行人特征扩张的ATC模块通过多分支分配，从S3输出的特征图中分别获取3个缩减维度的特征图； 将3个缩减维度的特征图通过大小为1×1×1的卷积，获取每个像素的时空重要性，通过3D归一化加Relu激活函数得到去除背景干扰的行人特征图； 同时，将3个缩减维度的特征图通道缩减为原来的0.125，得到三个缩减通道的分支，三个分支分别进行卷积核大小7×1×1、1×7×1、1×1×7的卷积，深度挖掘跨维度特征，与上述去除背景干扰的行人特征图进行拼接，得到最终行人特征信息。

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沈阳航空航天大学，其通讯地址为：110136 辽宁省沈阳市道义经济开发区道义南大街37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。