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！

龙图腾网获悉西安电子科技大学;中国电子科技集团公司电子科学研究院申请的专利一种基于时空特征互补融合的行人重识别和步态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：CN116110118B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202211392912.9，技术领域涉及：G06V40/20；该发明授权一种基于时空特征互补融合的行人重识别和步态识别方法是由杨曦;汪贤;袁柳;魏梓钰;杨东设计研发完成，并于2022-11-08向国家知识产权局提交的专利申请。

本一种基于时空特征互补融合的行人重识别和步态识别方法在说明书摘要公布了：本发明涉及一种基于时空特征互补融合的行人重识别和步态识别方法，包括：获取待检测视频中的待检测光学图像和待检测行人步态图像；将待检测光学图像和待检测行人步态图像分别输入行人重识别网络和步态识别网络，行人重识别网络和步态识别网络分别输出第一行人特征和第一行人步态特征；将行人重识别网络输出的第一行人特征和步态识别网络输出的第一行人步态特征输入至训练好的步态特征辅助行人重识别网络的时空特征互补融合模块进行特征融合，得到初始行人特征向量；将初始行人特征向量和第一行人特征按照维度连接并进行归一化，得到最终行人特征向量。本发明的步态特征辅助行人重识别方法提高了行人重识别算法模型的准确率。

本发明授权一种基于时空特征互补融合的行人重识别和步态识别方法在权利要求书中公布了：1.一种基于时空特征互补融合的行人重识别和步态识别方法，其特征在于，所述行人重识别和步态识别方法包括： 步骤1、获取待检测视频中的待检测光学图像和待检测行人步态图像，其中，所述待检测光学图像为从所述待检测视频提取的原始图像，所述待检测行人步态图像为利用所述待检测光学图像得到的行人的轮廓图像； 步骤2、将所述待检测光学图像和所述待检测行人步态图像分别输入训练好的步态特征辅助行人重识别网络的行人重识别网络和步态识别网络，所述行人重识别网络和所述步态识别网络分别输出所述第一行人特征和所述第一行人步态特征； 步骤3、将所述行人重识别网络输出的第一行人特征和所述步态识别网络输出的第一行人步态特征输入至所述训练好的步态特征辅助行人重识别网络的时空特征互补融合模块进行特征融合，得到初始行人特征向量； 步骤4、将所述初始行人特征向量和所述第一行人特征按照维度连接并进行归一化，得到最终行人特征向量； 所述步骤3包括： 步骤3.1、将第一行人特征做平均池化得到第二行人特征，对所述第二行人特征做归一化得到第一行人特征向量，将第一行人步态特征做时间池化和广义平均池化得到第二行人步态特征，所述第二行人步态特征经过全连接层和归一化处理得到第一行人步态特征向量； 步骤3.2、通过两个第一线性层将所述第一行人特征向量和所述第一行人步态特征向量分别映射到同一维度，得到同一维度的第二行人特征向量和第二行人步态特征向量； 步骤3.3、将所述第二行人特征向量和所述第二行人步态特征向量按照维度连接起来得到连接后的第一维度向量； 步骤3.4、采用两个第二线性层对所述第一维度向量分别进行降维处理，并经过RELU激活函数激活得到两个第二维度向量； 步骤3.5、采用第三线性层将其中一个第二维度向量映射到维度为N的第三维度向量，采用第四线性层将另外一个第二维度向量映射到N×N维向量，并且将N×N维向量的尺寸重新排列到N，N，作为动态权重； 步骤3.6、将所述第三维度向量与所述动态权重做矩阵乘法，得到N维融合特征向量； 步骤3.7、使用第五线性层将N维融合特征向量进行升维处理，并和所述第一行人特征做残差连接得到初始行人特征向量。

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西安电子科技大学;中国电子科技集团公司电子科学研究院，其通讯地址为：710071 陕西省西安市太白南路2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。