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！

龙图腾网获悉北京交通大学申请的专利一种隐私保护的行人重识别方法、系统和装置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：CN120071383B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202411891973.9，技术领域涉及：G06V40/10；该发明授权一种隐私保护的行人重识别方法、系统和装置是由金一;苏楦雯;杨纪明;王伟;李浥东;王涛设计研发完成，并于2024-12-20向国家知识产权局提交的专利申请。

本一种隐私保护的行人重识别方法、系统和装置在说明书摘要公布了：本发明涉及一种隐私保护的行人重识别方法，包括如下步骤：S1：数据准备：S2：预处理阶段；S3：频域转换阶段：对S2得到的特征集合进行频域转换，以Xh,w表示频域转换后的频率域中的DCT系数，并将转换后的频域图片分割为关键通道和非关键通道；S4：特征增强阶段：S5：计算模型行人重识别任务中的交叉熵总体损失和生成器的总体损失；S6：向模型补充到由客户端发送的匿名化低频信息，补充信息后模型再一次进行行人重识别的任务，计算其交叉熵损失和生成器总体损失；S7：重复S4‑S6，直到生成的模型测试结果符合预期或者达到训练次数。

本发明授权一种隐私保护的行人重识别方法、系统和装置在权利要求书中公布了：1.一种隐私保护的行人重识别方法，其特征在于，包括如下步骤： S1：数据准备：从行人的视频序列采样出T帧图像，作为模型输入的视频片段 S2：预处理阶段：利用DCT的离散性，使用卷积神经网络主干网络对S1得到的每一帧图像进行空间特征提取得到的特征图，得到的特征集合表示为其中C代表通道数，H和W分别代表特征图的高度和宽度； S3：频域转换阶段：对S2得到的特征集合进行频域转换，以Xh,w表示频域转换后的频率域中的DCT系数，并将转换后的频域图片分割为关键通道和非关键通道； S4：特征增强阶段：通过计算通道维度的L2范数构建注意力得分，然后通过归一化处理生成注意力图，突出视频中每一帧中最重要的区域或特征；然后训练生成模型； S5：计算模型行人重识别任务中的交叉熵总体损失和生成器的总体损失； S6：向模型补充到由客户端发送的匿名化低频信息，补充信息后模型再一次进行行人重识别的任务，计算其交叉熵损失和生成器总体损失； S7：重复S4-S6，直到生成的模型测试结果符合预期或者达到训练次数； 所述步骤S3具体包括以下步骤： S31：计算每个频率带在最大响应值X时的通道能量： 其中，表示第K个频率带的第c个通道能力，表示第c个通道的DCT系数； S32：确定threshold的阈值，然后根据Ckey＝{c|Ecthreshold}的规则，将转换后的频域图片分割为关键通道和非关键通道，其中关键通道包含低频信息，非关键通道包含高频信息，Ckey表示被选为关键通道的集合； S33：高频信息传输到服务器端，低频信息传输到客户端，用于模型训练和推理的分割图像表示：服务器端：客户端：所述步骤S4还包括： 在训练阶段，利用频率域中的最低频率分量来增强视频序列中共享特征的表示，专注于提取整个视频序列中共有的特征，以增强模型对行人身份的识别能力；通过引入帧级注意力映射，模型能够学习视频中每一帧的重要性，并用于增强序列内共有特征的表示： Af＝σWight·mf+b 其中，Af表示第f帧的注意力映射，σ表示sigmoid激活函数，Wight和b分别表示学习到的权重和偏置，mf表示第f帧的特征图； 整个序列的特征图： 其中，m′表示整个视频序列的特征图，T表示视频序列中的帧数，⊙表示逐元素乘法；在训练阶段，使用帧间注意力映射的差异作为正则化项，以拉近视频中帧的共有信息，帧间正则化项： 其中，Rm′表示正则化项，用于减少相邻帧间注意力映射的差异，‖·‖F表示Frobenius范数； 其中，mshared表示整个视频序列的共享特征，表示第f帧的最低频率分量。

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北京交通大学，其通讯地址为：100044 北京市海淀区西直门外上园村3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。