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！

龙图腾网获悉浙江工业大学申请的专利一种基于多特征分层融合学习的跨模态行人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：CN119251862B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202411101372.3，技术领域涉及：G06V40/10；该发明授权一种基于多特征分层融合学习的跨模态行人重识别方法是由产思贤;孟炜浩;卢雅婷;王佳龙;毛家发;白琮设计研发完成，并于2024-08-12向国家知识产权局提交的专利申请。

本一种基于多特征分层融合学习的跨模态行人重识别方法在说明书摘要公布了：本发明属于图像处理技术领域，公开了一种基于多特征分层融合学习的跨模态行人重识别方法。包括将数据集划分为自然光集与红外线集；设置一个模态特征增强模块，将原始的行人图像进行模态增强；构建四流Resnet50主干网络模型；将生成的增强图像作为主干网络的输入，提取特征图；设置一个基于时序的特征融合模块，将特征图进行层级时序融合；联合优化损失训练模型；查询图像和图库中图像分别经模型提取特征后进行匹配。本发明有效缓解了模态差异，提高重识别准确度。

本发明授权一种基于多特征分层融合学习的跨模态行人重识别方法在权利要求书中公布了：1.一种基于多特征分层融合学习的跨模态行人重识别方法，其特征在于，所述基于多特征分层融合学习的跨模态行人重识别方法，包括： 步骤S1、给定一张可见光模态图像红外线模态图像作为查询图像，以及给定包含红外线模态图像可见光模态图像的图像库； 步骤S2、加载多特征分层融合学习网络，所述多特征分层融合学习网络包括模态特征增强模块、四流Resnet-50主干网络模型和基于时序的特征融合模块； 步骤S3、通过所述模态特征增强模块对可见光模态图像和红外线模态图像分别进行两种模态增强，得到可见光第一增强模态图像、可见光第二增强模态图像、红外线第一增强模态图像和红外线第二增强模态图像； 步骤S4、将可见光第一增强模态图像、可见光第二增强模态图像、红外线第一增强模态图像和红外线第二增强模态图像输入四流Resnet-50主干网络模型，输出不同尺寸的特征图C2、C3、C4和C5； 步骤S5、将不同尺寸的特征图C2、C3、C4和C5输入基于时序的特征融合模块进行层级时序融合，所述基于时序的特征融合模块操作如下： 将特征图C3和C4分别经过1×1卷积和上采样统一成与特征图C2相同的尺寸，分别记为特征f3和f4，同时将特征图C2记为特征f2，将特征图C5经过1×1卷积和上采样统一成与特征图C2相同的尺寸，记为特征fori； 首先将特征ft传入LSTM2网络进行处理，t∈[2,T]为层级，且最高层级T＝4，然后将输出的结果与原始特征进行融合，得到融合后的特征用如下公式表示： 然后对得到的特征进行注意力处理，得到特征用如下公式表示： 最后将得到的特征与特征fori进一步融合，用如下公式表示： 其中，SEt表示针对第t层级特征的注意力处理操作，表示第t层级的融合特征，fout表示基于时序的特征融合模块最终输出的融合特征，且fout＝ 表示可见光第一增强模态融合特征，表示可见光第二增强模态融合特征，表示红外线第一增强模态融合特征，表示红外线第二增强模态融合特征； 步骤S6、基于可见光对应的融合特征以及红外线对应的融合特征计算查询图像和图像库中图像的匹配度，提取图像库中匹配度最高的前top-k张图像作为重识别结果。

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浙江工业大学，其通讯地址为：310014 浙江省杭州市下城区潮王路18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。