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！

龙图腾网获悉江南大学申请的专利基于黎曼流形二阶关系建模的视频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：CN121545186B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202610066148.8，技术领域涉及：G06V40/10；该发明授权基于黎曼流形二阶关系建模的视频行人重识别方法及系统是由徐天阳;李民志;于轩;周恒;朱学峰;吴小俊;许亚骏设计研发完成，并于2026-01-19向国家知识产权局提交的专利申请。

本基于黎曼流形二阶关系建模的视频行人重识别方法及系统在说明书摘要公布了：本发明公开一种基于黎曼流形二阶关系建模的视频行人重识别方法及系统，涉及视频行人重识别技术领域。针对现有方法依赖一阶特征、难以捕捉高阶时空关联的问题，本方法通过预处理视频数据、生成块特征表示并编码为帧级特征，拼接块特征计算通道间协方差矩阵并优化为正定对称矩阵；经随机掩码得到掩码矩阵后，输入黎曼流形网络执行多轮双线性映射、非线性激活与跨轮特征融合，最后将融合特征投影至切空间完成检索匹配。本发明通过二阶关系建模挖掘高阶关联信息，结合黎曼流形几何特性与特征融合机制，提升了模型对复杂场景的鲁棒性与识别精度，适用于智能安防、视频监控等领域。

本发明授权基于黎曼流形二阶关系建模的视频行人重识别方法及系统在权利要求书中公布了：1.一种基于黎曼流形二阶关系建模的视频行人重识别方法，其特征在于，包括以下步骤： 步骤S1：分别获取待检索视频集和查询视频集中的RGB行人视频序列，对两类视频集中的每个RGB行人视频序列依次执行去噪、尺寸归一化、帧率统一预处理操作，得到格式一致的预处理后视频数据； 步骤S2：将所述预处理后视频数据中包含的每一帧图像划分为多个图像块，生成包含块特征、类别特征及位置编码的块特征表示； 步骤S3：对所述块特征表示进行编码，得到帧级特征； 步骤S4：拼接所述帧级特征中的各块特征，计算通道间协方差矩阵，在所述通道间协方差矩阵中添加正则项后，得到正定对称矩阵； 步骤S5：对所述正定对称矩阵执行行列维度的随机掩码操作，添加正则项后得到掩码矩阵，具体为： 构建维度为的二进制掩码矩阵M，该矩阵中所有元素的取值仅为0或1，其中元素取值为0表示对应位置需进行掩码屏蔽，取值为1表示保留对应位置的特征信息，D为特征标记的维度，为空间维度； 将所述掩码矩阵M与所述正定对称矩阵进行元素级相乘运算，对矩阵中被所述掩码矩阵M标记为0的元素所在行与列将被同步掩码，向掩码操作后的正定对称矩阵添加正则项，得到最终的掩码矩阵； 步骤S6：将所述掩码矩阵输入黎曼流形网络，依次执行至少两轮双线性映射与非线性激活操作，每完成一轮双线性映射与非线性激活操作后，将当前轮次的输出特征与前序轮次的输出特征进行融合，达到预设的迭代计算次数，得到最终的融合特征； 步骤S7：将所述融合特征投影至切空间，得到切空间特征表示，基于所述切空间特征表示完成行人重识别的检索匹配； 其中，步骤S6中，得到最终的融合特征的方法如下： 将所述掩码矩阵作为黎曼流形网络的初始输入，所述黎曼流形网络由多个连续的特征映射层串联构成，预设迭代轮次为至少两轮； 对每一轮次的输入矩阵，按以下步骤处理： 通过双线性映射层对当前输入矩阵进行维度转换与特征映射，得到双线性映射后的输出矩阵，计算公式为：，其中为预设的列满秩矩阵； 对所述双线性映射后的输出矩阵执行奇异值分解，得到左奇异向量矩阵、奇异值对角矩阵及右奇异向量矩阵，满足分解关系：，其中的对角元素为矩阵的特征值； 基于所述奇异值对角矩阵和预设阈值，构建对角矩阵A，对特征值进行阈值筛选以增强特征判别性，所述对角矩阵A的对角元素定义为： ，其中表示所述奇异值对角矩阵的对角线上第行第列的元素； 基于所述左奇异向量矩阵、所述右奇异向量矩阵和所述对角矩阵A，计算当前轮次非线性激活后的输出特征：； 每完成一轮双线性映射与非线性激活操作后，融合当前轮次的输出特征与所有前序轮次的输出特征，得到融合后的特征矩阵，作为下一轮次的输入； 重复上述步骤，直至达到预设的迭代计算次数，得到第帧的融合特征； 每完成一轮双线性映射与非线性激活操作后，融合当前轮次的输出特征与所有前序轮次的输出特征，得到融合后的特征矩阵的方法如下： 设已执行轮特征映射与激活操作，定义待融合特征集合，其中至为前轮的激活后输出特征，为当前第轮的激活后输出特征； 对所述待融合特征集合中每个输出特征分别执行奇异值分解，得到左奇异向量矩阵、奇异值对角矩阵及右奇异向量矩阵，分解形式为：，； 基于所述左奇异向量矩阵、所述奇异值对角矩阵及所述右奇异向量矩阵，通过对数映射将每个输出特征从非线性黎曼流形投影至对应的线性切空间，得到切空间中的对称矩阵：，其中，是对所述奇异值对角矩阵的每个对角元素逐元素取自然对数； 由于切空间为欧氏空间，对所有投影切空间的对称矩阵求算术均值，得到切空间中的均值矩阵：； 通过指数映射将所述均值矩阵映射回黎曼流形，得到融合后的特征矩阵：，其中表示对进行奇异值分解后的对角矩阵，是对的对角元素逐元素取自然指数；表示对进行奇异值分解后的左奇异向量矩阵，表示对进行奇异值分解后的右奇异向量矩阵。

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江南大学，其通讯地址为：214122 江苏省无锡市滨湖区蠡湖大道1800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。