買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉中國礦業大學申請的專利一種遮擋行人重識別方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN114821632B 。

龍圖騰網通過國家知識產權局官網在2025-08-29發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210231378.7，技術領域涉及：G06V40/10；該發明授權一種遮擋行人重識別方法是由汪一;王亮博;周玉設計研發完成，并于2022-03-10向國家知識產權局提交的專利申請。

本一種遮擋行人重識別方法在說明書摘要公布了：本發明公開了一種遮擋行人重識別方法，包括：構建多任務學習網絡，包括全身行人身份重識別分支和遮擋行人身份重識別分支；構建兩個分支各自對應的損失函數L h 和L o ；采用互學習策略對多任務學習網絡進行訓練，兩個分支的CNN特征表達部分共享權重，即先利用L h 對全身行人身份重識別分支進行訓練，將訓練得到的CNN特征表達部分的權重與遮擋行人身份重識別分支的CNN特征表達部分共享，再利用L o 對遮擋行人身份重識別分支進行訓練，將訓練得到的CNN特征表達部分的權重與全身行人身份重識別分支的CNN特征表達部分共享，兩個分支的訓練交替進行；根據訓練好的多任務學習網絡進行遮擋行人重識別，得到識別結果，提高了行人重識別的準確率。

本發明授權一種遮擋行人重識別方法在權利要求書中公布了：1.一種遮擋行人重識別方法，其特征在于，包括如下步驟： 步驟1，構建多任務學習網絡，所述多任務學習網絡包括全身行人身份重識別分支和遮擋行人身份重識別分支；所述全身行人身份重識別分支和遮擋行人身份重識別分支的網絡結構相同，均包括依次連接的CNN特征表達部分、GeM池化層、BN層、FC層和Softmax層； 步驟2，構建所述全身行人身份重識別分支和遮擋行人身份重識別分支各自對應的損失函數Lh和Lo； 將全身行人圖像訓練集表示為其中，表示第i張全身圖像，N表示全身行人訓練圖像的數量，yi為的真實標簽，即第i張全身圖像中行人的真實身份；對于每一張采用隨機擦除方法生成相應的遮擋圖像通過隨機擦除方法生成的遮擋圖像訓練集用表示； 全身行人身份重識別分支對應的損失函數Lh為： 其中，表示全身行人身份重識別分支特征級的互損失，表示全身行人身份重識別分支輸出級的互損失，表示全身行人身份重識別分支的難樣本損失，表示全身行人身份重識別分支的交叉熵損失； 表達式為： 其中，和表示第i張全身圖像和遮擋圖像在最后一層卷積層后輸出的特征圖，‖·‖1表示L1范數； 表達式為： 其中，M表示行人身份類型總數，表示第i張遮擋圖像屬于第j個行人身份的預測分數，表示第i張全身圖像屬于第j個行人身份的預測分數； 表達式為： 每一次迭代時，對于難樣本損失，采用PK采樣法構建訓練批次，從行人的所有身份中隨機選取P個身份，每個身份隨機選取對應的K張全身圖像，構成P×K張圖像進行全身行人重識別分支的訓練；G·表示GeM池化后的特征向量，[B]+＝max{B,0}，‖·‖2表示歐幾里得距離，μ＝0.3，表示每個批次中的第m個樣本，表示與對應的同一身份的正樣本，表示與對應的不同身份的負樣本； 表達式為： 其中，表示第i張全身圖像在第j類上的預測結果，表示第i張全身圖像在第j類上的真實結果，的計算方式為： 其中，τ為確定平滑量的超參數； 遮擋行人身份重識別分支的損失函數Lo為： 其中，表示遮擋行人身份重識別分支特征級的互損失，表示遮擋行人身份重識別分支輸出級的互損失，表示遮擋行人身份重識別分支的難樣本損失，表示遮擋行人身份重識別分支的交叉熵損失； 表達式為： 表達式為： 表達式為： 其中，表示每個批次中的第m個樣本，表示與對應的同一身份的正樣本，表示與對應的不同身份的負樣本； 表達式為： 其中，表示第i張遮擋圖像在第j類上的預測結果，表示第i張遮擋圖像在第j類上的真實結果； 步驟3，采用互學習策略對所述多任務學習網絡進行訓練，兩個分支的CNN特征表達部分共享權重，即先利用損失函數Lh對所述全身行人身份重識別分支進行訓練，將訓練得到的CNN特征表達部分的權重與遮擋行人身份重識別分支的CNN特征表達部分共享，再利用損失函數Lo對所述遮擋行人身份重識別分支進行訓練，將訓練得到的CNN特征表達部分的權重與全身行人身份重識別分支的CNN特征表達部分共享，兩個分支的訓練交替進行； 步驟4，根據訓練好的多任務學習網絡進行遮擋行人重識別，得到識別結果。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人中國礦業大學，其通訊地址為：221116 江蘇省徐州市銅山區大學路1號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。