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一种基于多频域特征的跨模态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：CN120472506B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202510985677.3，技术领域涉及：G06V40/10；该发明授权一种基于多频域特征的跨模态行人重识别方法及系统是由辜弘炀;杨小冈;卢瑞涛;蒲磊;韩思明设计研发完成，并于2025-07-17向国家知识产权局提交的专利申请。

本一种基于多频域特征的跨模态行人重识别方法及系统在说明书摘要公布了：本申请公开了一种基于多频域特征的跨模态行人重识别方法及系统，涉及行人重识别领域，该方法包括：获取行人图像集；构建跨模态行人重识别模型；构建总损失函数；基于行人图像训练集和总损失函数对跨模态行人重识别模型进行训练；将待识别的行人图像和行人图像测试集输入至训练好的跨模态行人重识别模型，得到图像特征；利用图像特征，计算待识别的行人图像与行人图像测试集中每个图像之间的余弦相似度；根据余弦相似度对行人图像测试集中的图像进行排序；根据排序结果，得到与待识别行人图像最相似的行人图像，完成跨模态行人重识别，本申请可解决现有技术中存在的计算效率低、资源消耗大以及特征表示多样性和鲁棒性不足的问题。

本发明授权一种基于多频域特征的跨模态行人重识别方法及系统在权利要求书中公布了：1.一种基于多频域特征的跨模态行人重识别方法，其特征在于，所述基于多频域特征的跨模态行人重识别方法包括： 获取行人图像集；所述行人图像集包括行人图像训练集和行人图像测试集，所述行人图像训练集和行人图像测试集均包括模态V和模态I的行人图像； 构建跨模态行人重识别模型；所述跨模态行人重识别模型包括：ResNet50模型、高低频调制模块以及频率感知多样性增强模块；所述ResNet50模型包括第一残差模块组、第二残差模块组、第三残差模块组以及第四残差模块组；所述高低频调制模块位于所述第二残差模块组中的第三残差模块和第四差残模块之后，以及第三残差模块组中的第四残差模块和第五残差模块之后；所述频率感知多样性增强模块位于所述第三残差模块组之后； 构建总损失函数； 基于所述行人图像训练集和总损失函数对所述跨模态行人重识别模型进行训练； 将待识别的行人图像和行人图像测试集输入至训练好的跨模态行人重识别模型，得到图像特征；所述待识别的行人图像与所述行人图像测试集属于不同模态； 利用所述图像特征，计算待识别行人图像与行人图像测试集中每个图像之间的余弦相似度； 根据所述余弦相似度对行人图像测试集中的图像进行排序； 根据排序结果，得到与待识别行人图像最相似的行人图像，完成跨模态行人重识别； 所述高低频调制模块，具体包括以下步骤： 对输入的特征进行高低频分解，得到高频分量和低频分量； 对所述高频分量和所述低频分量进行增强； 对增强后的高频分量和低频分量进行调制； 将调制后的高频分量和低频分量进行融合，得到融合后的特征； 将所述融合后的特征和所述输入的特征通过残差连接和零初始化的批归一化相加，得到高低频调制模块的输出特征； 所述频率感知多样性增强模块，具体包括以下步骤： 获取第三残差模块组的输出特征； 对所述第三残差模块组的输出特征的幅度按照频率级别分解为多个不重叠的区域； 对同一个区域内的幅度求取平均值，得到多个平均值； 对多个平均值进行拼接，得到拼接后的特征； 基于所述拼接后的特征计算每个区域的注意力权重； 基于所述注意力权重对每个区域的幅度进行加权，得到加权后的幅度特征； 将加权后的幅度特征与相位相结合，得到结合后的特征； 对所述结合后的特征采用IFFT进行逆变换，得到逆变换后的特征； 对逆变换后的特征进行批归一化，得到频率感知多样性增强模块的输出特征； 所述构建总损失函数包括： 构建跨模态软损失函数； 构建跨模态排序正则化损失函数； 构建身份识别损失函数； 构建加权正则化三元组损失函数； 基于所述跨模态软损失函数、跨模态排序正则化损失函数、身份识别损失函数以及加权正则化三元组损失函数得到最终的总损失函数。

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。