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！

龙图腾网获悉中国民航科学技术研究院;重庆交通大学申请的专利基于空时域特征提取与自适应聚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：CN120071389B 。

龙图腾网通过国家知识产权局官网在2025-09-09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：202510075234.0，技术领域涉及：G06V40/10；该发明授权基于空时域特征提取与自适应聚合的视频行人重识别方法是由王广超;刘新龙;周翰汶;高永烨;陈琛设计研发完成，并于2025-01-17向国家知识产权局提交的专利申请。

本基于空时域特征提取与自适应聚合的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空时域特征提取与自适应聚合的视频行人重识别方法，方法步骤如下，构建视频行人重识别模型；通过主干网络提取初始的帧级特征图；由空间特征聚合模块获取局部特征和全局特征，并通过特征聚合模块提取融合局部特征和全局特征的帧级特征；时域特征聚合模块基于注意力机制用于聚合帧级特征，以提取用于视频重识别的视频级特征，通过此过程，实现一个端到端的视频行人重识别流程。与现有技术相比，本发明设计了空间特征聚合模块和时序特征聚合模块这两个核心模块，可生成具有判别性和鲁棒性的视频级特征，够有效应对帧遮挡以及类间差异较小等挑战，并且可以显著提升视频级表示的判别性和鲁棒性。

本发明授权基于空时域特征提取与自适应聚合的视频行人重识别方法在权利要求书中公布了：1.一种基于空时域特征提取与自适应聚合的视频行人重识别方法，其特征在于：方法步骤如下， 步骤一，构建视频行人重识别模型，所述视频行人重识别模型由主干网络、空间特征聚合模块SFA和时序特征聚合模块TFA三个主要模块构成； 所述空间特征聚合模块SFA包括局部特征提取模块LFE、全局特征提取模块GFE以及基于注意力机制的特征融合模块AFA， 所述局部特征提取模块LFE通过注意力机制检测局部显著性区域，从主干网络提取的浅层特征中，提取具有几何特性的局部特征描述； 所述全局特征提取模块GFE通过广义均值池化，从主干网络提取的深层特征中，提取具有几何特性的全局特征描述； 所述特征融合模块AFA基于注意力机制，利用自注意力模块对局部特征和全局特征进行融合，并获取具有局部和全局语义的帧级特征描述； 所述局部特征提取模块LFE提取具有几何特性的局部特征描述的方法如下， 记主干网络提取的第帧图像的浅层特征为，则基于显著性区域检测的局部特征描述可表示为： ； 式中，表示用于局部显著性区域检测的注意力矩阵，表示按通道的元素级乘积运算，表示核为的最大池化操作； 上述注意力矩阵可公式化表示为： ； 式中，和表示线性映射权值，和分别表示和非线性激活函数; 所述全局特征提取模块GFE提取具有几何特性的全局特征描述的方法如下， 记主干网络提取的第帧图像的深层特征为，则基于广义均值池化提取的全局特征描述为，其中可表示为： ； 式中，表示特征图中第个通道的第个元素，；为可学习的超参数，初始化为3.0； 步骤二，给定输入的视频片段，通过主干网络提取初始的帧级特征图，包括浅层特征图和深层特征图； 步骤三，将浅层特征图和深层特征图分别输入空间特征聚合模块SFA中，由SFA中的局部和全局特征提取模块分别获取局部特征和全局特征，并通过基于注意力机制的特征聚合模块提取融合局部特征和全局特征的帧级特征； 步骤四，以帧级特征作为输入，时域特征聚合模块基于注意力机制用于聚合帧级特征，以提取用于视频重识别的视频级特征，通过此过程，实现一个端到端的视频行人重识别流程。

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民航科学技术研究院;重庆交通大学，其通讯地址为：100028 北京市朝阳区西坝河北里甲24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”。