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！

龍圖騰網獲悉中國民航科學技術研究院;重慶交通大學申請的專利基于空時域特征提取與自適應聚合的視頻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：CN120071389B 。

龍圖騰網通過國家知識產權局官網在2025-09-09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：202510075234.0，技術領域涉及：G06V40/10；該發明授權基于空時域特征提取與自適應聚合的視頻行人重識別方法是由王廣超;劉新龍;周翰汶;高永燁;陳琛設計研發完成，并于2025-01-17向國家知識產權局提交的專利申請。

本基于空時域特征提取與自適應聚合的視頻行人重識別方法在說明書摘要公布了：本發明公開了一種基于空時域特征提取與自適應聚合的視頻行人重識別方法，方法步驟如下，構建視頻行人重識別模型；通過主干網絡提取初始的幀級特征圖；由空間特征聚合模塊獲取局部特征和全局特征，并通過特征聚合模塊提取融合局部特征和全局特征的幀級特征；時域特征聚合模塊基于注意力機制用于聚合幀級特征，以提取用于視頻重識別的視頻級特征，通過此過程，實現一個端到端的視頻行人重識別流程。與現有技術相比，本發明設計了空間特征聚合模塊和時序特征聚合模塊這兩個核心模塊，可生成具有判別性和魯棒性的視頻級特征，夠有效應對幀遮擋以及類間差異較小等挑戰，并且可以顯著提升視頻級表示的判別性和魯棒性。

本發明授權基于空時域特征提取與自適應聚合的視頻行人重識別方法在權利要求書中公布了：1.一種基于空時域特征提取與自適應聚合的視頻行人重識別方法，其特征在于：方法步驟如下， 步驟一，構建視頻行人重識別模型，所述視頻行人重識別模型由主干網絡、空間特征聚合模塊SFA和時序特征聚合模塊TFA三個主要模塊構成； 所述空間特征聚合模塊SFA包括局部特征提取模塊LFE、全局特征提取模塊GFE以及基于注意力機制的特征融合模塊AFA， 所述局部特征提取模塊LFE通過注意力機制檢測局部顯著性區域，從主干網絡提取的淺層特征中，提取具有幾何特性的局部特征描述； 所述全局特征提取模塊GFE通過廣義均值池化，從主干網絡提取的深層特征中，提取具有幾何特性的全局特征描述； 所述特征融合模塊AFA基于注意力機制，利用自注意力模塊對局部特征和全局特征進行融合，并獲取具有局部和全局語義的幀級特征描述； 所述局部特征提取模塊LFE提取具有幾何特性的局部特征描述的方法如下， 記主干網絡提取的第幀圖像的淺層特征為，則基于顯著性區域檢測的局部特征描述可表示為： ； 式中，表示用于局部顯著性區域檢測的注意力矩陣，表示按通道的元素級乘積運算，表示核為的最大池化操作； 上述注意力矩陣可公式化表示為： ； 式中，和表示線性映射權值，和分別表示和非線性激活函數; 所述全局特征提取模塊GFE提取具有幾何特性的全局特征描述的方法如下， 記主干網絡提取的第幀圖像的深層特征為，則基于廣義均值池化提取的全局特征描述為，其中可表示為： ； 式中，表示特征圖中第個通道的第個元素，；為可學習的超參數，初始化為3.0； 步驟二，給定輸入的視頻片段，通過主干網絡提取初始的幀級特征圖，包括淺層特征圖和深層特征圖； 步驟三，將淺層特征圖和深層特征圖分別輸入空間特征聚合模塊SFA中，由SFA中的局部和全局特征提取模塊分別獲取局部特征和全局特征，并通過基于注意力機制的特征聚合模塊提取融合局部特征和全局特征的幀級特征； 步驟四，以幀級特征作為輸入，時域特征聚合模塊基于注意力機制用于聚合幀級特征，以提取用于視頻重識別的視頻級特征，通過此過程，實現一個端到端的視頻行人重識別流程。

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民航科學技術研究院;重慶交通大學，其通訊地址為：100028 北京市朝陽區西壩河北里甲24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”。