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！

龙图腾网获悉西安工业大学申请的专利一种利用属性特征构建图卷积网络的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：CN115205894B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202210651462.4，技术领域涉及：G06V40/10；该发明授权一种利用属性特征构建图卷积网络的行人重识别方法是由胡秀华;惠燕;梁颖宇;吴玺;刘焕;赵婧;胡旭洋;尤世界设计研发完成，并于2022-06-10向国家知识产权局提交的专利申请。

本一种利用属性特征构建图卷积网络的行人重识别方法在说明书摘要公布了：本发明涉及图像处理技术领域，具体涉及一种利用属性特征构建图卷积网络的行人重识别方法。本发明方法给出的一种结合属性和身体部位构建图卷积网络的行人重识别方法，能够通过多尺度上下文感知网络高效学习全局特征，利用身体解析模型提取人体部位语义分割特征，并基于属性相关性筛选删除对识别结果影响相对较小的属性节点，构建得到维度较低的图网络模型提取局部特征。本发明通过融合全局特征与局部特征学习得到更全面的行人特征描述，能够减少不同感受野之间的冗余信息，提取更为丰富的行人图像全局特征，有效增强视觉上下文信息，并根据属性预测进行图像筛选，有效减少图库图像匹配范围，优化检索过程。

本发明授权一种利用属性特征构建图卷积网络的行人重识别方法在权利要求书中公布了：1.一种利用属性特征构建图卷积网络的行人重识别方法，其特征在于，包括以下步骤： 步骤一、构建提取全局特征的多尺度上下文感知网络和利用行人属性及身体部位进行推理得到局部特征的图卷积网络： 所述多尺度上下文感知网络的构建中：采用不同膨胀比的空洞卷积以获得增强的多尺度感受野； 所述图卷积网络模型的构建中：利用人体解析模型提取人体部位的掩膜图，得到每个身体部位的视觉特征，由一个查找词嵌入表示行人属性，在所得身体部位特征和筛选降维的属性特征的基础上构造一个图卷积网络，该图包含相关矩阵条件下的关键属性节点和身体部位节点，然后采用图卷积网络对其进行推理，编码得到更具代表性的局部特征； 步骤二、基于属性预测值优化图像匹配处理：依据步骤一构建的上下文感知网络和图卷积网络对图库图像进行特征提取和属性预测，将具有高置信度的属性预测视为查询图像和图库图像的可靠预测，然后删除掉可靠属性与查询图像不同的图库候选图像； 所述步骤一图卷积网络模型的构建中，包括以下具体的方法： 1身体部位节点表示方法 将身体部位分为头部、上半身、下半身和胳膊区域，每一个行人图像分割成NP个身体部位，用一组掩码表示，其中Hk是一个与行人图像大小相同的二进制掩码，将每个掩码Hk缩放到与特征图F相同的大小，应用L1归一化后为H′k；特征图F∈RW×H×D具有W×H位置，每个位置i都与一个特征向量fi∈RD相关联；第k个身体部位计算如公式1所示： 其中是H′k位置i处的标量值，投影到D维向量上； 2利用关键属性节点和身体部位节点构建图网络模型：包括关键属性节点的优化选取、图的构建和图卷积神经网络的推理 ①属性节点的选取 保留8个关键属性节点； ②图的构建 定义图为G＝V，E，节点为V＝{V1，V2，...，VN}，节点总数为NG＝NA+NP，其中，NA为属性数目，NP为身体部位数目；图中每个节点表征一个行人属性或身体部位，使用D维特征向量xv对其初始化；属性用词嵌入向量表示，其中NA为属性个数，DW为词嵌入向量的维数； 图由相关矩阵表示，它包含每条边Vi，Vj∈E相关的权值；相关矩阵M具体表示为： 其中，表示属性与属性之间的相关矩阵，表示身体部位与部位之间的相关矩阵，表示身体部位与属性之间的相关矩阵，表示属性与身体部位之间的相关矩阵； ③对图卷积网络进行推理计算 将身体部位与属性作为节点构建成一个图，对其进行推理，编码成更具代表性的局部特征，获得的特征与全局特征进行连接。

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工业大学，其通讯地址为：710032 陕西省西安市未央区学府中路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。