本发明公开了一种基于姿态估计和特征关联的行人重识别方法和装置，在获取待查询行人图像后，分别通过姿态估计网络和全局特征提取网络提取局部关键点热力图和全局特征图，然后将降维后的全局特征图与局部关键点热力图进行元素间相乘，得到局部关键点特征序列，再将局部关键点特征序列和全局特征图通过前景姿态非局部网络得到局部姿态联合特征。对全局特征图进行自适应平均池化操作，然后与局部姿态联合特征进行非线性融合，得到融合特征，最后根据融合特征计算待查询行人图像与数据库中图像的相似度，输出查询结果。本发明克服了局部特征无关性问题，以及全局特征和局部特征融合的问题，提高了行人重识别的准确率。
📄 2023107138914
📂 G06V40_10
👤 浙江工业大学
📅 2023-06-15
本发明公开了一种基于深度特征重构的遮挡行人重识别方法，包括如下步骤，步骤1.1：给定待匹配的带遮挡行人的图像；步骤1.2：设计特征提取网络FPSN；步骤1.3：给待匹配图像Pd和Pc中的行人进行姿态预测，得到行人骨架；步骤2.1：根据骨架将图像Pd和Pc中的行人划分为头部，左右躯干以及上下腿部五个子图部分；步骤3.1：将图像Pdb和Pcb行分别放入FPSN网络中进行特征提取；步骤3.3：用Y中的块yj对X中任意的小块xi进行稀疏重构；步骤4.1：计算xi与yj的余弦相似度tij；步骤4.2：计算xi与Y之间的距离di；步骤4.3：根据式(1)计算图像Pd和Pc之间相似度；本发明的优点是：利用行人姿态估计，深度学习以及特征重构的方法，将行人图像进行子区域划分和遮挡部分处理。
📄 2019107654220
📂 G06K9_00
👤 浙江工业大学
📅 2019-08-19
本发明提供一种基于局部和通道组合特征的行人重识别方法。本发明通过数据增强的方式，模拟各种遮挡发生的情况，提升了对于遮挡问题的鲁棒性。同时使用STN对图片进行缩放，旋转和平移，来对齐行人图片。将图片进行水平分割，得到不同部位的特征。对于整张行人图片的全局特征，通过分类损失使其正确分类行人身份，再通过相似度损失使得相同行人的特征分布地更加紧密，不同行人的特征分布地更加疏远。对于局部和通道组合特征，通过相似度损失对这些不同身体部位上的不同模式进行比较。最终将两种特征融合作为行人描述符，进一步提升了行人描述符的判别力。通过提高行人描述符的抗遮挡和判别能力，可以进行较为准确的行人重识别。
📄 2020104609029
📂 G06V40_10
👤 杭州电子科技大学
📅 2020-05-27
本发明属于行人重识别技术领域，公开了一种半耦合字典对学习的行人重识别方法及系统，分别提取CGVID数据集中真彩视频和灰阶视频的时空特征；输入训练集以及参数，训练模型；然后经过多次迭代更新，训练得到字典对DC和DG、视频间映射W和V、映射矩阵P；根据学习到的模型，对测试集的灰阶视频和真彩视频分别进行稀疏表示；给定测试集中任一灰阶视频，计算它与各真彩视频的距离，并按距离值大小升序排列，最后选取距离值最小的真彩视频作为该灰阶视频的真实匹配。本发明方法不仅能够适应新的真彩和灰阶视频之间的行人重识别场景，还能有效提高识别效率。
📄 201910246990X
📂 G06K9_00
👤 广东石油化工学院
📅 2019-03-29
本发明属于图像检索技术领域，公开了一种基于半耦合鉴别字典学习的叶遮挡行人重识别方法及系统，从两个公共的行人重识别数据集上加入真实的枝叶遮挡，包括有遮挡视频和普通视频；然后分别对有遮挡视频和普通视频进行特征提取；其次是对提取出来的样本特征进行处理，引入字典学习方法，从遮挡视频和普通视频中学习投影矩阵；引入鉴别思想学习字典对。本发明学习半耦合映射矩阵和鉴别字典对，半耦合映射矩阵可以补偿遮挡视频和普通视频之间的差异，鉴别字典对可以使同一个人在不同相机中更紧凑，不同的人在不同的相机中分离；在2个公开数据集上的实验结果证明，所提出的方法具有更好的识别性能。
📄 2019103440985
📂 G06K9_00
👤 广东石油化工学院
📅 2019-04-26
本发明涉及计算机视觉领域，公开了一种遮挡条件下基于块划分姿态辅助对齐的行人重识别方法，包括：S1、获取含有遮挡的行人图像，对含有遮挡的所述行人图像进行预处理；S2、使用深度残差网络，提取出进行预处理后的所述行人图像的高阶特征图；S3、通过自上向下的人体姿态估计器，从预处理后的所述行人图像提取出行人的人体关节点；S4、利用所述有效关键点生成注意力热图；S5、将所述高阶特征图均匀块划分；S6、使用全局‑分区总损失函数对所述初始行人重识别网络模型进行训练；S7、将查询图像、候选图像作为所述行人重识别网络模型的输入，从所述候选图像中检索出与所述查询图像相同身份的候选排序。本发明提高行人重识别精度。
📄 2023100896013
📂 G06V40_10
👤 重庆邮电大学
📅 2023-02-09
本发明公开了一种基于不确定性联合注意力的人的重识别方法及系统，应用于人体识别技术领域。方法包括以下步骤：S1、提取输入图像的全局特征，空间特征和关键点特征；S2、对关键点特征和空间特征进行联合学习，得到联合特征；S3、构建联合特征与上下文信息的关系特征，得到上下文关系特征。本发明设计了一种上下文关系网络，使同一个体的所有局部特征均包含上下文关系特征，解决了当不同个体的局部特征具有相似属性时，会混淆个体间局部特征而出现误识别的问题；抛弃得分较低的像素区域，并与相应的局部空间特征进行联合，增强局部特征的可信度，能够获得更具显著性的局部特征。
📄 2023101908446
📂 G06V40_10
👤 浙江理工大学
📅 2023-03-02
本发明公开了一种行人重识别的批量处理系统，涉及数据处理技术领域，为解决现有技术中行人重识别的批量处理速度慢的问题而发明。该系统主要包括：中央处理器CPU和图形处理器GPU；CPU将待处理图像的图像数据读入内存；CPU将图片数据进行矩阵拼接生成批量图像数据，批量图像数据保存在内存中；GPU将批量图像数据读入显存；GPU将批量图像数据输入残差神经网络模型，提取批量图像数据的批量图像特征，并将批量图像特征保存在显存中；GPU将批量图像特征读入内存；CPU将批量图像特征分解为与待处理图像一一对应的图像特征向量，以便于识别待处理图像。该系统主要应用于行人重识别的过程中。
📄 2019106166319
📂 G06K9_00
👤 平安科技(深圳)有限公司
📅 2019-07-09
本发明公开了一种视觉‑语言信息交互增益的行人重识别方法，涉及跨模态行人识别技术领域。本发明提出了数据处理优化与深度交互融合方案，主要包含了四个处理阶段：数据处理阶段通过显著性网络生成热力图，结合网格模块实现非均匀采样以放大关键区域特征；属性提取阶段采用Grounded SAM模型生成视觉属性掩码，同时利用GPT2模型解析文本属性；特征融合阶段将视觉属性掩码与原始图像特征加权融合，并通过CLIP模型实现跨模态编码；损失优化阶段设计层次化对齐损失函数，依据相似度细分样本对，优化难样本对齐。本发明通过显著性采样增强关键特征表达、双模态属性深度交互及层次化损失优化，显著提升复杂场景下的行人重识别准确率。
📄 2025113676684
📂 G06F18_24
👤 湖南师范大学
📅 2025-09-24
本发明公开了一种基于跨相机通道信息交互和时空语义感知的无监督行人重识别方法，主要包含以下步骤：将无监督行人重识别数据集输入到跨相机联合学习框架；在跨相机联合学习框架中，提取相机内的局部特征和跨相机的全局特征，结合两者捕捉跨相机特征分布的依赖关系并生成伪标签；通过多尺度通道交互注意力模块建模通道间的关系，提升身份相关特征的区分度并抑制背景干扰；使用时空标签惩罚机制，结合时间信息细化标签分布，提高对伪标签不确定性的鲁棒性；构建损失函数迭代调整网络参数以优化模型；在训练阶段，对查询行人图像与图像库进行相似性比较，查找同一行人的图像。本发明有效解决了行人图像的无标签跨相机差异问题，增强了行人重识别的鲁棒性。
📄 2025101900119
📂 G06V40_10
👤 石家庄铁道大学
📅 2025-02-20
本发明公开了一种多尺度遮挡抑制的遮挡行人重识别方法，所述方法包括以下步骤：利用双重遮挡增强模块生成更多样化的遮挡数据，将增强后的图片输入到遮挡感知空间注意力模块和部位特征匹配模块；在遮挡感知空间注意力模块中，使用主干网络提取行人图像特征，通过遮挡感知空间注意力块聚焦行人图像非遮挡区域并得到全局特征；在部位特征匹配模块中，利用人体解析模型获得身体部位热图并获取部位特征和前景特征，使用混合图匹配块匹配非遮挡身体部位；构建损失函数，对网络参数进行迭代优化；将最终提取到的行人图像特征与图像库中的各个图像进行相似性度量，输出匹配列表。本发明有效地解决了行人图像的遮挡问题，有效地提取了行人图像的鲁棒特征。
📄 2023114018442
📂 G06V40_10
👤 石家庄铁道大学
📅 2023-10-27
本发明公开了一种有效且轻量的多尺度行人重识别方法，所述方法包括以下步骤：使用轻量的主干网络提取输入行人图像的特征；利用金字塔特征融合模块对主干网络得到的特征图进行融合处理；构建损失函数，对网络参数进行迭代优化；将最终提取到的行人图像特征与图像库中的各个图像进行相似性度量，输出匹配列表。本发明在保持较低的模型复杂度的同时，有效的提取行人图像的特征，并通过对特征的融合处理，增强了所得行人图像特征的鲁棒性，达到了优异的行人重识别性能。
📄 2023111287786
📂 G06V10_62
👤 石家庄铁道大学
📅 2023-09-04
柿子坊 · 知识产权运营
柿子坊知识产权运营平台