本发明属于深度学习技术领域，尤其涉及一种基于深度学习的行人检测与重识别方法、系统及终端，包括以下步骤：S1，数据预处理：对行人图像按照ID进行排列划分为训练集和测试集，集合之间的图像互不重复；S2，构建行人重识别模型：使用深度学习框架PyTorch搭建L2GNet模型，该模型总共由17个卷积层组成，每个卷积使用ReLU作为激活函数；S3，模型训练：在训练集上训练L2GNet，根据反向传播原理迭代更新该网络的参数；S4，将测试集数据输入训练好的模型进行检测与重识别任务，计算行人重识别性能指标并保存查询到的行人图像。本发明通过搭建一个行人检测与重识别模型，训练完成之后的模型，可以用于行人检测与重识别任务。
📄 2023110938366
📂 G06V40_10
👤 浙江师范大学
📅 2023-08-28
本发明公开了一种基于多模态融合与时空增强网络的无人机行为识别方法，涉及计算机视觉与人工智能技术领域，包括从输入的无人机视频中，利用轻量化姿态估计模型逐帧提取人体关节点坐标，生成初始骨架序列；对初始骨架序列进行增强处理，将增强后的骨架序列输入到双分支时空增强网络进行时空特征提取；从无人机视频中，利用分组视觉模型检测并分割场景中的物体，获取像素级物体掩码及其语义类别；基于检测到的物体，构建时空动态图网络；将时空特征与时空动态图进行跨模态融合；对融合后的特征进行分类，输出最终识别结果。本发明显著提升了低质量视频中行为识别鲁棒性，有效缓解了遮挡和多视角变化带来的干扰，增强了对人‑物交互语义的理解能力。
📄 2025114464391
📂 G06V40_10
👤 青岛科技大学
📅 2025-10-11
一种基于深度学习的行人跟踪与重识别方法，包括以下步骤；步骤1：对视频图像逐帧进行行人目标检测；步骤2：采用DeepSort模型对步骤1中每帧检测到的行人进行特征提取，生成.npy文件；步骤3：采用Fastreid进行行人重识别检测，根据预设的行人图片底库进行特征提取，生成.npy文件；步骤4：将每个行人目标的特征提取结果与特定行人底库的特征提取结果进行余弦相似度计算，如果大于阈值γ，则判别为需要重识别的特定行人目标，并进行行人的跟踪，否则不进行目标跟踪；本发明可精确定位出跨时间、跨区域、跨摄像头的特定行人，并可通过实时视频进行推理与检测，并通过一系列的改进达到最优的效果，最终完成项目落地，以后可普遍应用于智能监控、智能安防等系统。
📄 2022106578486
📂 G06V40_10
👤 烟台大学
📅 2022-06-10
本发明属于行人检测技术领域，公开了一种弱监督行人检测方法、系统、介质、设备及处理终端，构造增益算子对红外图像进行基于高频增益的显著性对比度增强，获得具有突出行人信息的高对比度红外图像；采用引导滤波对图像进行多尺度分解，获得增强后红外图像和可见光图像的子基础层和子细节层；构建基于图像特征相似性和图像边缘保留的目标函数，引入海洋捕食者优化算法生成融合图像；引入亮度感知分类器实现基于弱监督学习框架的数据集标注迁移；在YOLOv5网络中引入卷积块注意力模型，结合通道注意力和空间注意力实现弱监督行人的检测。本发明能够提高行人目标的重要性并抑制背景干扰，实现对多尺度目标的准确检测，减少人工标注工作量。
📄 2021112689354
📂 G06V40_10
👤 西安科技大学
📅 2021-10-21
本发明提供了一种基于深度学习的羊只生命特征识别方法，该方法包括：确定研究的羊只生命特征，制作羊只生命特征数据集，构建羊只生命特征识别模型，基于羊只生命特征数据集对羊只生命特征识别模型进行训练，基于羊只生命特征数据集对训练后的羊只生命特征识别模型进行性能评估，输出羊只生命特征识别结果。本发明能够实现羊只生命特征识别，且参数量和计算量小于其他广泛使用的目标检测网络模型，综合精度高于其他目标检测网络模型，可广泛应用于人工智能与畜牧业的交叉领域。
📄 2024114070709
📂 G06V40_10
👤 中国农业大学
📅 2024-10-10
本发明公开了一种基于注意力引导和多尺度标签生成的跨域行人重识别方法。本发明提出了一种基于注意力引导和多尺度标签生成的渐进式学习框架。首先，设计了一个注意力机制引导的背景约束模块，旨在突出图像中有用的前景行人信息，减轻背景杂波的干扰。这有利于引导模型学习更多与行人身份相关的判别特征，从而提高行人特征的辨识度。其次，为了挖掘图像中的细节特征信息，该模型从全局到局部、从浅层到深层挖掘潜在的相似性，从不同的视角为行人生成伪标签。结果表明，这种方法具有更好的鲁棒性和自适应能力，有效的增强了模型的泛化能力。
📄 2021112153718
📂 G06V40_10
👤 杭州电子科技大学
📅 2021-10-19
本申请公开了安全帽佩戴检测方法、装置、设备及存储介质，涉及人工智能领域，具体为深度学习、云计算、计算机视觉。安全帽佩戴检测方法包括：获取摄像设备采集的第一图像，第一图像中包括至少一个人体图像；在第一图像中确定至少一个人体图像和至少一个头部图像；根据至少一个人体图像所在的区域和至少一个头部图像所在的区域，在至少一个人体图像中确定每个头部图像对应的人体图像；根据至少一个头部图像的类型，对至少一个头部图像对应的人体图像进行处理。提高安全帽佩戴检测方法的准确性，避免漏检或错检，节省人力劳动。
📄 2020110270040
📂 G06V40_10
👤 北京百度网讯科技有限公司
📅 2020-09-25
本申请公开了一种行人再识别模型的训练方法、装置、设备和存储介质，涉及计算机视觉、智能交通和深度学习领域。具体实现方案为：获取多个有标签的样本数据及各有标签的样本数据的来源、多个无标签的样本数据及各无标签的样本数据的来源；确定各无标签的样本数据对应的伪标签；根据所述多个有标签的样本数据及来源，以及所述多个无标签的样本数据、对应的伪标签和来源，对行人再识别模型进行训练。根据本申请的技术，可以提高行人再识别模型的精度。
📄 2020106152126
📂 G06V40_10
👤 北京百度网讯科技有限公司
📅 2020-06-30
本申请公开了人体属性的识别方法、装置、电子设备和存储介质，涉及人工智能技术领域，具体为深度学习、图像处理、计算机视觉技术领域，可应用于人体识别等场景。具体实现方案为：从待处理视频中获取至少两帧图像；通过对每帧图像进行人体检测，确定图像中人体的检测框信息，其中，检测框信息包括第一检测框位置；从图像中提取第一检测框位置对应的第一图像区域；对第一图像区域进行人体属性识别以生成第一识别结果。该方法先对图像进行人体检测，再对基于人体检测结果提取得到的人体区域图像进行人体属性识别，提高了识别结果的准确性。
📄 2022108280645
📂 G06V40_10
👤 北京百度网讯科技有限公司
📅 2022-07-14
本发明公开了一种基于VisionTransformer注意力筛选的行人重识别方法。通过根据注意力响应值获取被重点关注的行人特征，帮助模型训练和识别。本发明包含以下步骤：1、获取具有行人身份标签的行人图像，对图像进行图像增强操作，并对图像统一处理以保证模型能够接收图像集的输入；2、构建基于Vision Transformer的全局‑局部特征抽取的行人重识别模型；3、训练行人重识别模型，直到模型收敛；4、针对训练好的模型使用测试集评估模型泛化性能。本发明使用的注意力筛选相比于对特征进行随机打乱，能够更好地帮助模型训练，提升模型的辨别能力，同时减少干扰特征对模型识别的影响，提升了模型的鲁棒性。
📄 2023107340323
📂 G06V40_10
👤 杭州电子科技大学
📅 2023-06-20
本发明公开了基于层次聚类及边噪学习的无监督跨模态行人再识别方法，包括：采集行人的可见光图像和红外图像，提取可见光特征向量和红外特征向量；对于每个可见光特征向量，在红外特征空间内检索最优匹配的红外特征向量，构建统一图并进行特征传播，得到增强特征向量；然后进行分簇，划分噪声节点与非噪声节点；在同簇不同模态的噪声节点之间构建边界协同特征；基于动态阈值筛选噪声节点，并进行加权聚合形成噪声协同特征；构建截断高斯分布模拟行人的加入与退出情况，将同一簇中的所有行人视为一个伪聚类群体，并获得伪聚类群体中心；构建损失函数并进行训练。本发明专注于在已有伪标签的基础上，显式地挖掘和协调边界、噪声，以增强鲁棒性。
📄 2026106386200
📂 G06V40_10
👤 南京信息工程大学
📅 2026-05-11
一种基于昇腾处理器的指节纹和指静脉身份识别装置，包括昇腾处理器图像处理子系统以及指节纹和指静脉图像采集子系统，系统以搭载昇腾310处理器的Atlas200模块为核心设计嵌入式平台，构建了昇腾处理器图像处理子系统；以650nm和850nm光波长的LED阵列和摄像头为核心搭建指节纹和指静脉图像采集子系统，光强可调；同时，在图像采集过程中通过预处理和图像评估获得最佳质量图像，并使用Triplet Loss函数神经网络进行高效的特征匹配，实现身份识别。本发明有效地解决不同环境下指节纹和指静脉图像差异明显、手指图像识别算法难以实时实现以及低功耗和小型化条件下系统开发的难题。
📄 2021103185067
📂 G06V40_10
👤 浙江工业大学
📅 2021-03-25
柿子坊 · 知识产权运营
柿子坊知识产权运营平台