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！

龙图腾网获悉中国人民解放军火箭军工程大学申请的专利基于强化语义一致性的无监督跨模态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：CN121545187B 。

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：202610076289.8，技术领域涉及：G06V40/10；该发明授权基于强化语义一致性的无监督跨模态视频行人重识别方法是由张聪;王涛;苏延召;赵建伟;许东升;孙开磊;姜楠;李宗壮;肖时文设计研发完成，并于2026-01-21向国家知识产权局提交的专利申请。

本基于强化语义一致性的无监督跨模态视频行人重识别方法在说明书摘要公布了：本发明公开了一种基于强化语义一致性的无监督跨模态视频行人重识别方法，涉及图像识别技术领域，包括将多张重识别行人的图像输入训练好的行人重识别模型，获得重识别结果；行人重识别模型的训练：区分每个模态每个轨道内各帧图像为困难帧或简单帧，获取困难轨道特征和简单轨道特征；生成可靠记忆字典；对简单帧进行傅里叶增强并建议跨模态匹配关系；利用非对称交叉对比学习策略促进行人重识别模型的训练。本发明利用傅里叶变换加强可见光和红外模态之间的高级语义一致性，促进构建可靠跨模态对应关系，利用困难记忆字典学习可靠轨道的判别性特征，同时利用可靠记忆字典学习困难轨道的判别性特征，无需人工标注即可实现性能提升。

本发明授权基于强化语义一致性的无监督跨模态视频行人重识别方法在权利要求书中公布了：1.基于强化语义一致性的无监督跨模态视频行人重识别方法，其特征在于，包括： 获取重识别行人的图像，所述重识别行人的图像包括可见光图像和红外图像，多张可见光图像组成可见光模态，多张红外图像组成红外模态； 将多张重识别行人的图像输入训练好的行人重识别模型，获得重识别结果，所述行人重识别模型的训练过程包括： 步骤1、计算每个模态每个轨道内各帧图像的特征均值，以及各帧图像特征值与对应轨道内特征均值之间的余弦相似度，设置每个轨道内的余弦相似度阈值参数，余弦相似度大于对应轨道内的余弦相似度阈值参数的帧为简单帧，余弦相似度不大于对应轨道内的余弦相似度阈值参数的帧为困难帧； 对每个轨道构建困难帧特征和容易帧特征； 对困难帧特征和容易帧特征分别进行平均池化处理，得到困难轨道特征和简单轨道特征； 步骤2、分别对可见光模态和红外模态的简单轨道特征进行聚类，预测可见光模态内伪标签和红外模态内伪标签；根据预测可见光模态内伪标签和红外模态内伪标签，以简单轨道特征的聚类中心分别生成可见光模态的可靠记忆字典和红外模态的可靠记忆字典； 分别对可见光模态和红外模态的困难轨道特征进行聚类，以困难轨道特征的聚类中心分别生成可见光模态的困难记忆字典和红外模态的困难记忆字典； 步骤3、对简单轨道特征中简单帧进行傅里叶增强； 应用最优传输策略在傅里叶增强的可见光模态和红外模态之间建立可靠的跨模态匹配关系，并同时最小化传输计划成本，得出最优运输方案，基于最优运输方案，获得两组相互匹配的伪标签； 步骤4、利用非对称交叉对比学习策略，通过将可见光模态的简单轨道特征与可见光模态的困难记忆字典进行交互对比学习，将可见光模态的困难轨道特征与可见光模态的可靠记忆字典进行交互对比学习，同时通过将红外模态的简单轨道特征与红外模态的困难记忆字典进行交互对比学习，将红外模态的困难轨道特征与红外模态的可靠记忆字典进行交互对比学习，获得第一损失函数； 利用非对称交叉对比学习策略，通过将傅里叶增强后跨模态匹配的简单轨道特征分别与可见光模态的可靠记忆字典和红外模态的可靠记忆字典进行交互对比学习，获得第二损失函数； 利用第一损失函数和第二损失函数促进行人重识别模型的学习共性和判别性的模态不变特征训练。

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中国人民解放军火箭军工程大学，其通讯地址为：710025 陕西省西安市灞桥区洪庆街道同心路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。