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！

龙图腾网获悉安徽大学申请的专利一种基于交叉一致性的多光谱车辆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：CN116503792B 。

龙图腾网通过国家知识产权局官网在2025-08-01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：202210049114.X，技术领域涉及：G06V20/52；该发明授权一种基于交叉一致性的多光谱车辆重识别方法是由郑爱华;朱贤朋;李成龙;汤进;罗斌设计研发完成，并于2022-01-17向国家知识产权局提交的专利申请。

本一种基于交叉一致性的多光谱车辆重识别方法在说明书摘要公布了：本发明公开一种基于交叉一致性的多光谱车辆重识别方法，提出交叉一致性多流网络，通过同时约束同一车辆多光谱特征在模态和样本层面上的一致性来帮助多流网络更好的学习多光谱情景下的车辆特征；本发明重新构建数据集MSVR310，弥补当前已有数据集在数据多样性上的不知足，这极大地丰富数据集的数据多样性并包含有更多的挑战。本发明将新提出的交叉一致性多流网络作为新的多光谱车辆重识别模型，该多光谱车辆重识别模型在MSVR310数据集或其他多光谱车辆重识别数据集上均实现较好的重识别效果，为复杂光照环境和恶劣天气下车辆重识别提供了有效的解决思路。

本发明授权一种基于交叉一致性的多光谱车辆重识别方法在权利要求书中公布了：1.一种基于交叉一致性的多光谱车辆重识别方法，其特征在于：包括训练阶段和测试阶段； 步骤1：训练阶段包括以下步骤： 步骤1-1：从多光谱车辆重识别数据集中同时获取同一辆车的多个多光谱样本，每个样本均包括一张可见光图像、一张近红外图像和一张热红外图像； 步骤1-2：将所得多光谱样本输入交叉一致性多流网络进行训练； 所述交叉一致性多流网络包括三支卷积神经网络，通过这三支卷积神经网络分别提取各样本的三种光谱特征，每支卷积神经网络的第一部分和第二部分中间均嵌入一个自适应层归一化单元；输入的光谱样本依次经过对应卷积神经网络的第一部分、自适应层归一化单元和第二部分，输出对应最终特征，然后将所得对应最终特征经过批归一化操作并送入分类器进行类别预测； 步骤1-3：将来自同一辆车的不同样本视为一组，在组内分别对各个样本包含的多光谱特征计算均值，作为该样本的样本中心特征；对组内不同光谱下的特征计算均值作为该光谱的模态中心特征；最后根据计算好的组内各样本中心特征和各模态中心特征计算交叉中心损失；同时根据各分支的类别预测结果与真值标签对比，计算交叉熵损失； 步骤1-4：完成上述步骤1-1至步骤1-3后，将计算得到的交叉中心损失与各分支的交叉熵损失相加，得到总损失并进行反向传播，之后使用随机梯度下降算法根据总损失值更新整个模型中的所有参数； 接着重复步骤1-1至步骤1-4，直到损失值收敛，网络达到最优表现，训练结束得到训练好的交叉一致性多流网络； 步骤2：测试阶段包括以下步骤： 步骤2-1：从多光谱车辆重识别数据集载入车辆的一个样本，该样本包括一张可见光图像、一张近红外图像和一张热红外图像，将样本输入到步骤1所得训练好的交叉一致性多流网络； 步骤2-2：通过交叉一致性多流网络的第一部分提取输入样本的中层特征，将中层特征送入对应自适应层归一化单元对特征分布进行调整，将调整后中层特征再送入交叉一致性多流网络的第二部分获取对应的最终特征；接着将所得三种最终特征在通道层面进行拼接，拼接后的特征作为输入样本最终的特征表达； 步骤2-3：将测试集分为查询集和检索集，对检索集中所有样本图像通过步骤2-1和步骤2-2提取对应特征表达； 步骤2-4：在查询集中对输入的单一查询车辆样本通过步骤2-1和步骤2-2提取对应特征表达，并与步骤2-3所得检索集中的样本特征进行比对，进而判断检索集中是否包含查询车辆。

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安徽大学，其通讯地址为：230601 安徽省合肥市经开区九龙路111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”。