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！

龙图腾网获悉中山大学申请的专利一种基于动量网络和对比学习的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：CN114724075B 。

龙图腾网通过国家知识产权局官网在2025-07-08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：202210214375.2，技术领域涉及：G06V20/52；该发明授权一种基于动量网络和对比学习的行人重识别方法及系统是由谢晓华;胡仕腾;赖剑煌设计研发完成，并于2022-03-04向国家知识产权局提交的专利申请。

本一种基于动量网络和对比学习的行人重识别方法及系统在说明书摘要公布了：本发明公开了一种基于动量网络和对比学习的行人重识别方法及系统，该方法包括：获取行人图片并进行标注处理；初始化动量网络和主干网络；提取行人图片特征；对行人图片平均特征集合进行对比损失计算并更新主干网络和动量网络；对行人图片平均特征集合进行层次聚类处理并赋予伪标签；对聚类结果进行对比损失计算并更新主干网络和动量网络；更新行人图片平均特征集合；多次对行人重识别模型进行迭代优化，输出优化后的行人重识别模型。本发明通过设计动量网络减轻数据训练过程中噪声的干扰，能够在降低人工标注成本的情况下提高行人重识别效果。本发明作为一种基于动量网络和对比学习的行人重识别方法及系统，可广泛应用于计算机视觉技术领域。

本发明授权一种基于动量网络和对比学习的行人重识别方法及系统在权利要求书中公布了：1.一种基于动量网络和对比学习的行人重识别方法，其特征在于，包括以下步骤： 获取行人图片并进行标注处理，得到具有单摄像头下标签的行人图片数据集； 基于使用预训练的深度卷积神经网络模型分别对行人重识别模型中的动量网络和主干网络进行初始化，得到初始化后的动量网络和初始化后的主干网络； 基于初始化后的动量网络对具有单摄像头下标签的行人图片数据集进行特征提取处理，得到行人图片平均特征集合； 基于初始化后的主干网络对行人图片平均特征集合进行单摄像头下的对比损失计算并依次更新初始化后的主干网络和初始化后的动量网络，得到第一更新主干网络和第一更新动量网络； 基于第一更新动量网络对行人图片平均特征集合进行层次聚类处理并赋予伪标签，得到聚类结果； 基于第一更新主干网络对聚类结果进行跨摄像头下的对比损失计算并反向传播，依次更新第一更新主干网络和第一更新动量网络，得到第二更新主干网络和第二更新动量网络； 基于第二更新动量网络更新行人图片平均特征集合，得到更新后的行人图片平均特征集合； 循环层次聚类算法步骤和跨摄像头下的对比损失计算步骤对行人重识别模型进行多次迭代优化，直至迭代次数达到预设值，输出优化后的行人重识别模型； 根据优化后的行人重识别模型进行跨摄像头行人重识别应用； 所述单摄像头下的对比损失计算采用对比损失计算，公式如下： 上式中，L表示第一损失值，c表示摄像头的索引值，Nc表示在摄像头c下的行人标签总数，Dc表示摄像头c下的行人图片平均特征集合，j、k表示单摄像头下行人图片平均特征集合的索引值，fxi表示样本xi的特征，表示与摄像头c下的样本xi对应的所有标签为j的行人图片平均特征集合，τ表示调节因子； 所述跨摄像头下的对比损失计算采用解耦对比损失计算，公式如下： 上式中，L表示第二损失值，N表示具有伪标签的样本总数，fxi表示样本xi的特征，mj表示与样本xi具有相同伪标签的单摄像头下的行人图片平均特征集合，P表示样本xi所属聚类中包含的来自不同摄像头的正样本行人数，Nneg表示负样本行人的采样数量，mk表示与样本xi距离较近的属于其它聚类的负样本单摄像头下的行人图片平均特征集合，τ表示调节因子，[·]+表示当值为负时取值为0。

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山大学，其通讯地址为：510275 广东省广州市海珠区新港西路135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”。