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！

龙图腾网获悉北京理工大学;北京理工大学长三角研究院(嘉兴)申请的专利一种基于中间域的可见光和红外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：CN119540987B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202411350951.1，技术领域涉及：G06V40/10；该发明授权一种基于中间域的可见光和红外跨模态行人重识别方法是由赵三元;陈世强设计研发完成，并于2024-09-26向国家知识产权局提交的专利申请。

本一种基于中间域的可见光和红外跨模态行人重识别方法在说明书摘要公布了：本发明公开的一种基于中间域的可见光和红外跨模态行人重识别方法，属于计算机视觉技术领域。本发明包括步骤：1、利用中间域生成器中源域和目标域权重生成中间域的特征；2、利用交叉熵损失对中间域与源域、目标域的分布差异优化并利用L2范数对领域之间的距离优化；3、对优化后的目标域中的可见光与红外的特征使用DBSCAN聚类方法分配伪标签p，并利用特征存储字典对特征存储；4、构建可见光模态、红外模态下聚类的图表示用于计算节点的相似度；5、对可见光模态和红外模态的相似度进行加权二分图的聚类特征匹配；6、利用ClusterNCE损失对聚类特征匹配进行对比学习。与现有技术相比，本发明能够提升可见光和红外跨模态行人重识别方法中泛化能力。

本发明授权一种基于中间域的可见光和红外跨模态行人重识别方法在权利要求书中公布了：1.一种基于中间域的可见光和红外跨模态行人重识别方法，其特征在于：包括以下步骤， 步骤1：利用中间域生成器中源域和目标域权重生成中间域的特征； 步骤1.1：在中间域生成器中，对源域和目标域所占的权重采用如式1所示方式进行获得； 其中，ws、wt分别表示源域和目标域在生成中间域时所占的权重，MLP表示多层感知机，FC表示全连接层；Favg、Fgem、Fmax分别表示经过平均池化、广义平均池化、最大池化的特征；δ·表示softmax函数； 步骤1.2：将步骤1.1所述的源域和目标域所占的权重用于中间域中，形成中间域的特征； Fm＝wsFs+wtFt2 其中，ws表示源域，wt表示目标域，Fs表示源域权重，Ft表示目标域权重；Fm为中间域的特征； 步骤2：利用交叉熵损失对中间域与源域、目标域的分布差异进行优化，并利用L2范数对领域之间的距离进行优化； 步骤3：对步骤2优化后的目标域中的可见光与红外的特征使用DBSCAN聚类方法分配伪标签p，并利用特征存储字典如式5所示的方式对特征进行存储； 其中，f·表示特征提取器，Vp、Ip、VIp表示可见光模态、红外模态、可见光与红外混合模态中身份为p的特征集，为可见光模态下身份为p的特征集合；红外模态下身份为p的特征集合；为可见光与红外混合模态下身份为p的特征集合；为可见光模态下特征存储字典；为红外模态下特征存储字典；为可见光与红外混合模态下特征存储字典； 步骤4：构建可见光模态、红外模态下聚类的图表示用于计算节点之间的相似度； 步骤5：对步骤4所述的可见光模态和红外模态的相似度进行加权二分图的聚类特征匹配； 其中，为标识符用于表示节点和节点是否属于同一身份；i,j表示待扩展的匹配关系在匹配矩阵Q的索引；表示Qa,b＝1时对应的特征向量；d·为欧式距离；m表示匹配方向，用于确保每个节点都得到匹配；m＝vis表示从可见光模态到红外模态的匹配，m＝ir表示从红外模态到可见光模态的匹配； 步骤6：利用ClusterNCE损失采用如式9所示方式对步骤5所述的聚类特征匹配进行对比学习； 其中，表示存储字典可见光行人特征，存储字典红外行人特征，τ为超参数用于控制类别之间的间距；Fvis为可见光的特征，Fir为红外的特征，[Fvis,Fir]为混合的特征。

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理工大学;北京理工大学长三角研究院(嘉兴)，其通讯地址为：100081 北京市海淀区中关村南大街5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。