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！

龙图腾网获悉西北工业大学申请的专利一种基于模型结构自主进化的行人图像重识别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：CN116935438B 。

龙图腾网通过国家知识产权局官网在2025-06-27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：202310866357.7，技术领域涉及：G06V40/10；该发明授权一种基于模型结构自主进化的行人图像重识别方法是由张艳宁;王鹏;陈鸿宇;矫炳亮;高丽颖设计研发完成，并于2023-07-14向国家知识产权局提交的专利申请。

本一种基于模型结构自主进化的行人图像重识别方法在说明书摘要公布了：本发明公开了一种基于模型结构自主进化的行人图像重识别方法，主要结构分为三个功能模块：基本特征提取模块、自进化多尺度特征强化模块、多部位细粒度对齐模块。在基本特征提取模块中，使用视觉卷积神经网络来提取图像的基本特征。此后，将自进化多尺度特征强化模块插入基本特征提取模块中，采用动态路由机制负责多尺度的视觉特征增强，利用基本特征提取模块提取的深层和浅层特征，通过逐层尺度变换和特征精炼，引导模型学习如何从基本视觉特征到自适应多尺度特征的进化。最后，在多部位细粒度对齐模块中，利用外部语义知识引导模型提取多部位的行人特征，实现局部特征的匹配。本发明能够提高局部行人图像检索任务的准确率。

本发明授权一种基于模型结构自主进化的行人图像重识别方法在权利要求书中公布了：1.一种基于模型结构自主进化的行人图像重识别方法，其特征在于，包括如下步骤： 步骤1：构建基于模型结构自进化的目标重识别网络，包括基本特征提取模块、自进化多尺度特征强化模块和多部位细粒度对齐模块； 步骤1-1：所述基本特征提取模块由残差网络构成；将残差网络根据中间特征的尺度大小进行拆分，逐层提取不同尺度的基础视觉特征，每加深一层残差网络层，基本特征尺度变为原先的一半，对于每张输入的图片，基本特征提取模块将提取图片的三种不同尺度特征、、用于后续的进化，对应特征大小分别为、、，其中和分别表示输入通道维度和特征大小； 步骤1-2：所述自进化多尺度特征强化模块以基本特征提取模块的特征为输入，并利用一系列进化单元来生成尺度自适应的进化特征；在身份信息的弱监督下，自进化多尺度特征强化模块为每一层特征生成自适应的尺度进化路径，并通过特征逐层进化的方式提高语义丰富性，动态提取多尺度特征； 在训练过程中，通过不断进化深层和浅层语义的交互融合方式，最终为每一个样本生成自适应的最佳尺度进化方式集合； 步骤1-2-1：所述进化单元包括进化门控函数和进化精炼操作，进化门控函数负责在身份信息的弱监督下对特征尺度进行进化，生成尺度进化分数，尺度进化分数用于选择适合样本的尺度转换操作，包括保持分辨率、上采样、下采样三种尺度操作；进化精炼操作用于进一步进化当前层的语义信息，提高语义丰富度； 当前进化单元将上一层的进化单元输出进行求和，得到求和输入； 将首先被送入进化门控函数中，通过卷积和自适应最大池化得到的特征向量，并送入SoftMax得到尺度进化分数，选取的最大概率值并激活对应的尺度转换操作： 其中代表离散采样操作，代表最大池化操作，代表1*1卷积操作，代表对应的卷积层参数； 所述进化精炼操作是重复利用先前的特征，并将其送入3*3卷积层中，通过批归一化和正切激活函数对特征的非线性分布进行重新映射，生成精炼进化特征，由公式表示为： 其中为卷积层参数； 在得到精炼进化特征和尺度进化分数后，生成当前层进化单元的最终输出，具体由公式表示为： 其中代表对应激活的尺度转换操作； 步骤1-2-2：得到进化单元后，将其逐层排列构成路由层，每层路由层是由三个进化单元构成，分别负责处理不同的尺度特征输入，路由层之间的相互连接通过进化单元的相互激活实现，首先将、、输入第一个路由层对应尺度的进化单元、、，并将处理结果送入当前路由层激活的下一个路由层中，通过逐层尺度特征进化和精炼，得到最终的自进化的多尺度特征； 步骤1-3：多部位细粒度对齐模块用于提取图像级部件掩码过滤视觉无关的背景区域；利用外部语义知识引导模型提取多部位的行人特征，实现局部特征的匹配； 步骤1-3-1：多部位细粒度对齐模块的输入为步骤1-2中生成的自进化的多尺度特征，复制残差网络的最后一层，用于生成粗粒度部件特征；引入轻量级语义分割头，利用语义分割头生成行人部件掩码，使用额外的预先训练的人体语义解析模型来生成部分行人部件掩码和完整行人掩码作为监督信息，引导模型进行训练，提取细粒度部件特征，缓解背景噪音带来的影响；具体用公式表示为： 最终并行得到头部特征、上半身特征、下半身特征、脚部特征、全身特征，在计算图像对之间的相似性时，利用部件级特征实现对齐和匹配； 引入可见阈值判断图像对的共同可见部位，只将共同可见的特征作为输入进行匹配，具体地，只有掩码中存在可见概率大于0.5的点时，才能视为该部位可见；公式表示为： 步骤2：使用行人重识别数据集训练网络，设置训练超参数，使用Adam优化器完成训练； 测试网络时，使用欧氏距离作为相似度的评估指标对计算视觉特征距离进行评估； 步骤3：组合上述步骤建立的各模块，输入待检索的行人图像，根据相似性对图像进行排序，若给出的查询结果与实际行人ID相同，则认为查询成功。

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北工业大学，其通讯地址为：710072 陕西省西安市友谊西路127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”。