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！

龙图腾网获悉聊城大学申请的专利面向原始监控视频的无监督行人搜索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：CN120339916B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202510482521.3，技术领域涉及：G06V20/40；该发明授权面向原始监控视频的无监督行人搜索方法是由冯德瀛;魏衍侠;穆健;赵颖设计研发完成，并于2025-04-17向国家知识产权局提交的专利申请。

本面向原始监控视频的无监督行人搜索方法在说明书摘要公布了：本发明涉及一种面向原始监控视频的无监督行人搜索方法，包括：采用预训练的神经网络在原始监控视频中检测行人区域，并采用特征编码器生成行人特征；在原始监控视频中，基于行人的视觉相似度和上下文相似度，查找行人特征的第一近邻关系并组织行人特征的链式结构，确定行人特征的空间分布并根据分割区域实现无监督聚类，生成行人的身份类别及其伪标签；在前向传播过程中，从类别区分性学习、单摄像头对比学习和多摄像头对比学习三个分支，分别计算各个分支的对比损失函数，并根据动量更新机制分别更新聚类中心记忆库和多摄像头记忆库；将三个分支的对比损失函数进行联合优化，在反向传播过程中通过多次迭代最小化总损失值，优化特征编码器的参数。

本发明授权面向原始监控视频的无监督行人搜索方法在权利要求书中公布了：1.一种面向原始监控视频的无监督行人搜索方法，其特征在于，包括下列步骤： 采用预训练的神经网络在原始监控视频中检测行人区域，并采用特征编码器生成行人特征； 将类别总数未知的行人特征聚类问题看作图分割问题，每个节点代表一个行人特征，节点之间的连接表示行人特征之间的相似度，每块分割区域代表一个聚类类别；在原始监控视频中，同一个时刻单个摄像头内出现的多个行人属于不同的身份类别，但是在不同的时刻，不同的摄像头内可能会出现同一个行人，据此，基于行人特征的视觉相似度和上下文相似度，计算加权的总相似度，查找行人特征的第一近邻关系并组织行人特征的链式结构，确定行人特征的空间分布并根据分割区域实现无监督聚类；根据聚类类别标注行人的身份类别，根据聚类中心生成行人的伪标签，其中，查找行人特征的第一近邻关系并组织行人特征的链式结构的方法为：根据行人特征的第一近邻关系，构建对称稀疏矩阵进行图分割，在t时刻，矩阵，其中表示第m个行人特征的第一近邻是行人特征n，表示第n个行人特征的第一近邻是行人特征m，表示第m个行人特征和第n个行人特征的第一近邻相同，和分别表示第m个行人特征和第n个行人特征出现的时刻；如果，表示第m个行人特征和第n个行人特征之间存在连接；基于行人特征之间的链式结构，构建行人特征之间的连通分量； 在前向传播过程中，从类别区分性学习、单摄像头对比学习和多摄像头对比学习三个分支，分别计算各个分支的对比损失函数，并根据动量更新机制分别更新聚类中心记忆库和多摄像头记忆库，包括： 1在类别区分性学习分支中，计算类别对比损失函数，其中q表示训练集中的查询行人特征,表示查询行人特征q对应的聚类中心，表示第t次迭代中第i个聚类中心，表示温度系数；根据动量更新机制，更新聚类中心记忆库，并且计算为，其中表示训练集中与其聚类中心视觉相似度最小的查询行人特征，表示聚类中心记忆库的动量更新系数； 2在单摄像头对比学习分支中，计算单视角对比损失函数，其中表示对应的相关的聚类中心，表示在单摄像头训练集中与具有最小视觉相似度的查询行人特征，表示与查询行人特征q较为相似的不相关的聚类中心，表示不相关聚类中心的数量，表示温度系数； 3在多摄像头对比学习分支中，计算多视角对比损失函数，其中表示第t次迭代中具有摄像头标签的第i个聚类中心，表示对应的具有不同摄像头标签的相关聚类中心，表示在多摄像头训练集中与具有最大视觉相似度的查询行人特征，表示温度系数；多摄像头记忆库Mp由N个单摄像头记忆库组成，第j个监控摄像头对应单摄像头记忆库；根据动量更新机制，更新单摄像头记忆库，并且计算为，其中表示单摄像头记忆库的动量更新系数； 将三个分支的对比损失函数进行联合优化，在反向传播过程中通过多次迭代最小化总损失值，从而优化特征编码器的参数。

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聊城大学，其通讯地址为：252000 山东省聊城市东昌府区湖南路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”。

以上内容由龙图腾AI智能生成。