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！

龙图腾网获悉中国矿业大学申请的专利一种遮挡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：CN114821632B 。

龙图腾网通过国家知识产权局官网在2025-08-29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：202210231378.7，技术领域涉及：G06V40/10；该发明授权一种遮挡行人重识别方法是由汪一;王亮博;周玉设计研发完成，并于2022-03-10向国家知识产权局提交的专利申请。

本一种遮挡行人重识别方法在说明书摘要公布了：本发明公开了一种遮挡行人重识别方法，包括：构建多任务学习网络，包括全身行人身份重识别分支和遮挡行人身份重识别分支；构建两个分支各自对应的损失函数L h 和L o ；采用互学习策略对多任务学习网络进行训练，两个分支的CNN特征表达部分共享权重，即先利用L h 对全身行人身份重识别分支进行训练，将训练得到的CNN特征表达部分的权重与遮挡行人身份重识别分支的CNN特征表达部分共享，再利用L o 对遮挡行人身份重识别分支进行训练，将训练得到的CNN特征表达部分的权重与全身行人身份重识别分支的CNN特征表达部分共享，两个分支的训练交替进行；根据训练好的多任务学习网络进行遮挡行人重识别，得到识别结果，提高了行人重识别的准确率。

本发明授权一种遮挡行人重识别方法在权利要求书中公布了：1.一种遮挡行人重识别方法，其特征在于，包括如下步骤： 步骤1，构建多任务学习网络，所述多任务学习网络包括全身行人身份重识别分支和遮挡行人身份重识别分支；所述全身行人身份重识别分支和遮挡行人身份重识别分支的网络结构相同，均包括依次连接的CNN特征表达部分、GeM池化层、BN层、FC层和Softmax层； 步骤2，构建所述全身行人身份重识别分支和遮挡行人身份重识别分支各自对应的损失函数Lh和Lo； 将全身行人图像训练集表示为其中，表示第i张全身图像，N表示全身行人训练图像的数量，yi为的真实标签，即第i张全身图像中行人的真实身份；对于每一张采用随机擦除方法生成相应的遮挡图像通过随机擦除方法生成的遮挡图像训练集用表示； 全身行人身份重识别分支对应的损失函数Lh为： 其中，表示全身行人身份重识别分支特征级的互损失，表示全身行人身份重识别分支输出级的互损失，表示全身行人身份重识别分支的难样本损失，表示全身行人身份重识别分支的交叉熵损失； 表达式为： 其中，和表示第i张全身图像和遮挡图像在最后一层卷积层后输出的特征图，‖·‖1表示L1范数； 表达式为： 其中，M表示行人身份类型总数，表示第i张遮挡图像属于第j个行人身份的预测分数，表示第i张全身图像属于第j个行人身份的预测分数； 表达式为： 每一次迭代时，对于难样本损失，采用PK采样法构建训练批次，从行人的所有身份中随机选取P个身份，每个身份随机选取对应的K张全身图像，构成P×K张图像进行全身行人重识别分支的训练；G·表示GeM池化后的特征向量，[B]+＝max{B,0}，‖·‖2表示欧几里得距离，μ＝0.3，表示每个批次中的第m个样本，表示与对应的同一身份的正样本，表示与对应的不同身份的负样本； 表达式为： 其中，表示第i张全身图像在第j类上的预测结果，表示第i张全身图像在第j类上的真实结果，的计算方式为： 其中，τ为确定平滑量的超参数； 遮挡行人身份重识别分支的损失函数Lo为： 其中，表示遮挡行人身份重识别分支特征级的互损失，表示遮挡行人身份重识别分支输出级的互损失，表示遮挡行人身份重识别分支的难样本损失，表示遮挡行人身份重识别分支的交叉熵损失； 表达式为： 表达式为： 表达式为： 其中，表示每个批次中的第m个样本，表示与对应的同一身份的正样本，表示与对应的不同身份的负样本； 表达式为： 其中，表示第i张遮挡图像在第j类上的预测结果，表示第i张遮挡图像在第j类上的真实结果； 步骤3，采用互学习策略对所述多任务学习网络进行训练，两个分支的CNN特征表达部分共享权重，即先利用损失函数Lh对所述全身行人身份重识别分支进行训练，将训练得到的CNN特征表达部分的权重与遮挡行人身份重识别分支的CNN特征表达部分共享，再利用损失函数Lo对所述遮挡行人身份重识别分支进行训练，将训练得到的CNN特征表达部分的权重与全身行人身份重识别分支的CNN特征表达部分共享，两个分支的训练交替进行； 步骤4，根据训练好的多任务学习网络进行遮挡行人重识别，得到识别结果。

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矿业大学，其通讯地址为：221116 江苏省徐州市铜山区大学路1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”。