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！

龙图腾网获悉南京航空航天大学申请的专利基于表征学习的跨摄像头视频行人搜索方法、终端设备和计算机可读存储介质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：CN119152540B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202410943047.5，技术领域涉及：G06V40/10；该发明授权基于表征学习的跨摄像头视频行人搜索方法、终端设备和计算机可读存储介质是由秦杰;应天成;权荣设计研发完成，并于2024-07-15向国家知识产权局提交的专利申请。

本基于表征学习的跨摄像头视频行人搜索方法、终端设备和计算机可读存储介质在说明书摘要公布了：本发明公开了基于表征学习的跨摄像头视频行人搜索方法、终端设备和计算机可读存储介质，包括如下步骤：获取跨摄像头视频行人数据，构建查询集以及查询集对应候选视频库；将视频输入到目标检测网络中，学习每个行人边界框、边界框的置信度分数以及每个行人的特征；将行人边界框和特征输入基于时序特征融合的多目标跟踪网络中，对视频帧进行数据关联，获取每个行人的轨迹以及每个轨迹的时序特征；将查询集中的行人轨迹特征向量与该行人在候选视频库中的所有行人轨迹特征向量进行相似度计算，并且进行精确度计算。本发明针对现实视频监控场景，通过利用视频中长期时序特征对行人特征进行提取以及数据关联，实现跨摄像头场景下下对目标行人的搜索。

本发明授权基于表征学习的跨摄像头视频行人搜索方法、终端设备和计算机可读存储介质在权利要求书中公布了：1.一种基于表征学习的跨摄像头视频行人搜索方法，其特征在于，包括： 获取跨摄像头视频行人数据，划分训练集和测试集；构建查询集以及查询集对应的候选视频库； 将跨摄像头视频行人数据输入到目标检测网络中，学习每个行人边界框、边界框的置信度分数以及每个行人的特征； 获取每个行人的轨迹以及每个轨迹的时序特征； 将查询集中的行人轨迹特征向量与该行人在候选视频库中的所有行人轨迹特征向量进行相似度计算，并且进行精确度计算； 获取每个行人的轨迹以及每个轨迹的时序特征包括： 将测试集输入到训练好的目标检测网络中，获取每帧图像的行人边界框、置信度分数以及特征，根据分数阈值获取边界框以及对应的特征，高于分数阈值的即为高分边界框，低于分数阈值则为低分边界框； 采用卡尔曼滤波来预测每个轨迹在当前帧图像中的新位置； 将轨迹与高分边界框进行第一次关联，第一次关联融合特征距离和交并比距离： 所述的特征距离：首先对当前帧图像中边界框的行人重识别特征与轨迹中的行人重识别特征使用马氏距离进行相似度计算，将马氏距离与在行人重识别特征上计算的余弦距离融合得到特征距离矩阵，具体计算公式如下： Df＝λDr+1-λDm, 其中λ是权重参数，Dr为边界框的行人重识别特征与轨迹中的行人重识别特征计算出的马氏距离矩阵，Dm为边界框的行人重识别特征与轨迹中的行人重识别特征计算出的余弦距离矩阵，Df为马氏距离矩阵与余弦距离矩阵加权后得到的特征距离矩阵； 所述的交并比距离，对边界框与卡尔曼滤波预测出的边界框使用交并比计算距离矩阵，得到交并比距离矩阵，具体计算公式如下： 其中A和B分别代表当前帧图像的边界框与卡尔曼滤波预测的边界框； 得到特征距离矩阵后，使用马氏距离将特征距离与运动信息融合，得到融合卡尔曼滤波运动信息的代价矩阵，具体计算公式如下： 其中m是目标行人，o是卡尔曼滤波预测的行人边界框，μm是目标行人预测状态的均值，∑m是协方差矩阵，δ是权重参数； 得到特征距离矩阵和交并比距离矩阵之后通过阈值筛选和门函数将特征距离矩阵和交并比距离矩阵融合，即选取特征距离矩阵和交并比距离矩阵中每个位置的最小代价放入代价矩阵中的对应位置，得到融合后的代价矩阵，之后再将交并比距离矩阵与边界框置信度分数进行融合，得到融合边界框置信度分数信息的特征距离，具体计算公式如下： Fcostt,d＝1-1-Diou×Sm,d, 其中S表示检测分数数组，d表示检测结果； 之后通过匈牙利算法对当前边界框与现有的轨迹进行分配，得到第一次关联的匹配结果、未匹配的边界框以及未匹配的轨迹，在匹配的过程中，每当轨迹与当前帧图像的边界框匹配成功，则会将该边界框的行人特征以及长期时序特征加入到该轨迹信息中；其中长期时序特征的计算公式如下： 其中B为时序特征权重，为上一帧图像的长期时序特征，为当前帧图像目标行人的特征； 将未匹配轨迹再次与未匹配边界框进行第二次关联，第二次关联只使用特征距离，对未匹配的轨迹特征与未匹配的边界框的行人重识别特征，使用马氏距离进行相似度计算，得到代价矩阵，通过匈牙利算法对未匹配边界框与现有的未匹配的轨迹进行分配，删除仍未匹配的边界框，保留第二次仍未匹配的轨迹；第二次仍未匹配的轨迹会被归为丢失状态，在一定帧数中若未再出现该轨迹则将其删除； 为剩余高分边界框生成新轨迹，其中生成新轨迹时会加入当前帧图像的行人特征，以便后续时序特征的计算。

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南京航空航天大学，其通讯地址为：213300 江苏省常州市溧阳市滨河东路29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。