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！

龙图腾网获悉西安交通大学申请的专利基于身份和姿势特征解耦的行人重识别方法、系统及设备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：CN119649406B 。

龙图腾网通过国家知识产权局官网在2026-01-13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：202411728637.2，技术领域涉及：G06V40/10；该发明授权基于身份和姿势特征解耦的行人重识别方法、系统及设备是由胡卫;吴启;樊昕昊;朱利设计研发完成，并于2024-11-28向国家知识产权局提交的专利申请。

本基于身份和姿势特征解耦的行人重识别方法、系统及设备在说明书摘要公布了：本发明提供一种基于身份和姿势特征解耦的行人重识别方法、系统及设备，包括，对扩展后的行人姿势图像数据进行细粒度姿势标签分配，获得带有姿态标签的训练集；对身份和姿势特征解耦模型进行训练，计算待识别行人图像和目标行人图像的深度特征相似度，选择相似度最大的图像作为重识别结果输出，实现对行人的重识别。该方法能够处理并扩展大量的行人姿势图像数据，为模型提供了丰富的训练样本，从而在面对新数据或未知场景时表现出更强的识别能力，解决了在实际场景中，由于行人姿势变化的影响，导致来自同一身份的不同姿势的行人图像具有巨大的视觉外观差异，最终导致行人重识别准确率低的问题。

本发明授权基于身份和姿势特征解耦的行人重识别方法、系统及设备在权利要求书中公布了：1.一种基于身份和姿势特征解耦的行人重识别方法，其特征在于，包括， 获取行人姿势图像数据并进行扩展，对扩展后的行人姿势图像数据进行细粒度姿势标签分配，获得带有姿态标签的训练集； 基于带有姿态标签的训练集对身份和姿势特征解耦模型进行训练； 基于训练好的身份和姿势特征解耦模型，计算待识别行人图像和目标行人图像的深度特征相似度，选择相似度最大的图像作为重识别结果输出，实现对行人的重识别； 构建身份和姿势特征解耦模型，具体为： 所述身份和姿势特征解耦模型包括L个特征解耦块、姿势特征分类头以及身份特征分类头，每个特征解耦块由身份特征提取器、姿势特征提取器和交叉注意力模块构成； 身份特征提取器和姿势特征提取器分别用于对浅层的身份特征和姿势特征学习以提取深层的身份特征和姿势特征，交叉注意力模块用于对深层的身份特征和姿势特征进行特征解耦去除身份特征和姿势特征中的噪声； 身份特征提取器采用深度学习网络或Re-ID网络为基础结构； 基于训练好的身份和姿势特征解耦模型进行推理，实现行人重识别，具体为： 去除掉身份和姿势特征解耦模型中的姿势特征分类头，利用身份特征，分别计算待识别行人图像和目标行人图像的深度特征，根据待识别行人图像和目标行人图像的深度特征之间距离得到待识别行人图像与目标行人图像的相似度；根据待识别行人图像与目标行人图像的相似度大小按降序对待识别行人图像进行排序，将相似度最大的待识别行人图像作为输出结果，完成对行人的重识别； 交叉注意力模块用于对深层的身份特征和姿势特征进行特征解耦去除身份特征和姿势特征中的噪声，具体为： 基于身份特征与姿势特征，分别给定宽度为W、高度为H和C个通道的中间特征张量； 基于身份特征与姿势特征的每个中间特征张量的所有空间位置分别形成个节点的图G，分别将每个空间位置上的C维特征向量作为特征节点； 将身份特征与姿势特征的图G嵌入空间中，将姿势特征节点对身份特征节点的影响以及身份特征节点对姿势特征节点的影响定义为嵌入空间中的点积亲和性，构成亲和度矩阵，进而生成归一化的注意力权重； 基于注意力权重，对身份特征与姿势特征的所有空间位置的特征进行加权求和，并根据对应任意两个位置的特征相似度自适应决定注意权值，得到身份特征与姿势特征中的噪声，分别表示为： 其中，为身份特征中的噪声；姿势特征中的噪声，分别为输入身份特征与姿势特征在嵌入空间的映射，分别为身份特征中姿势相关的区域和姿势特征中身份相关的区域； 将所有身份特征与姿势特征中的噪声级联拼接后得到了维度为的身份特征噪声集和姿势特征噪声集，进而分别去除身份特征和姿势特征中的噪声集和。

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西安交通大学，其通讯地址为：710049 陕西省西安市碑林区咸宁西路28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。