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！

龙图腾网获悉新疆大学申请的专利一种基于遮挡模拟和特征融合的遮挡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：CN119992597B 。

龙图腾网通过国家知识产权局官网在2025-12-05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：202510108769.3，技术领域涉及：G06V40/10；该发明授权一种基于遮挡模拟和特征融合的遮挡行人重识别方法是由汪烈军;王力;程述立;杜安钰设计研发完成，并于2025-01-23向国家知识产权局提交的专利申请。

本一种基于遮挡模拟和特征融合的遮挡行人重识别方法在说明书摘要公布了：本发明公开了一种基于遮挡模拟和特征融合的遮挡行人重识别方法，属于计算机视觉技术领域，需构建一个基于遮挡模拟和Token约束的特征耦合网络，具体步骤包括：S1：整合行人图像数据集；S2：设计基于分块混合的遮挡模拟策略；S3：建立骨干网络；S4：设计基于分块混合的遮挡模拟策略；S5：建立局部‑全局特征耦合模块；S6：设计损失函数；本发明基于Transformer的方法能够有效地处理长距离信息的依赖关系，同时无需借助于额外的辅助模型，能够提高模型应对各种遮挡场景的鲁棒性。

本发明授权一种基于遮挡模拟和特征融合的遮挡行人重识别方法在权利要求书中公布了：1.一种基于遮挡模拟和特征融合的遮挡行人重识别方法，其特征在于：构建一个基于遮挡模拟和Token约束的特征耦合网络，具体步骤包括： S1：整合行人图像数据集，将数据集划分为训练集、验证集和测试集，以便在不同阶段使用，同时将数据集照片尺寸裁剪成256*128； S2：设计基于分块混合的遮挡模拟策略，从一个批次的原始输入图像中选择两个不同的训练样本来融合成一个新的训练样本，模拟出现实世界中更加多样化的遮挡情况，增强网络在各种遮挡情况下感知目标人物的能力； S3：建立骨干网络，将新的训练图像输入到ViT特征提取骨干网络中，用于提取全局和局部特征； S4：设计基于分块混合的遮挡模拟策略，将最后一个Transformer层的类令牌通过Token正交嵌入模块，以获得有区别的类令牌表示，确保其在特征嵌入空间中与补丁令牌保持表征差异； S5：建立局部-全局特征耦合模块，将局部分类特征和局部补丁特征分别重塑馈送到多尺度Transformer特征集成模块中，获得更具细粒度的局部增强特征，并与全局表示相互补充，这大大降低了遮挡或非目标区域对网络的不利影响； S6：设计损失函数，通过损失函数来评估模型预测结果； 所述步骤S4中提出基于分块混合的遮挡模拟策略，具体步骤包括： S41：将最后一个Transformer层的类令牌表示为，其中，K为类令牌的数量；在此之前为了抑制过拟合同时减少特征间的共适应性并稳定梯度，引入Dropout和BatchNormalization对输入特征进行一个预处理；然后沿着特征维度进行L2归一化确保特征嵌入在进入矩阵操作之前具有稳定的尺度，上述过程可表述为： ； 上述式中，表示Frobenius范数，是设计用来防止除零的数； S42：基于先验知识，通过正交约束能够实现类间分离同时增强类内紧凑性，有助于模型提高对相似类的区分度；为了保持类令牌与patch令牌之间的差异性，对经过L2归一化的类令牌施加正交约束为： ； 上述式中，是单位矩阵；为HuberLoss，用它来约束特征之间的相似度使其接近正交； S43：在真实场景中，遮挡具有极大的不确定性，在对类令牌施加约束的同时，可能导致网络学习到过于复杂且高度差异化的特征表示，所以引入正则化约束来控制模型权值的大小，帮助网络学习更加稀疏的特征表示，避免权值过大导致模型对某些特征的过度依赖，公式如下： ； 上述式中，表示权重衰减系数用于控制正则化的强度；最终正交约束和正则化约束协同作用，表述如下： 。

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新疆大学，其通讯地址为：830046 新疆维吾尔自治区乌鲁木齐市天山区胜利路街道666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。