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！

龙图腾网获悉四川大学申请的专利一种基于图像对齐和通道增强的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：CN119495110B 。

龙图腾网通过国家知识产权局官网在2026-04-28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：202311022504.9，技术领域涉及：G06V40/10；该发明授权一种基于图像对齐和通道增强的跨模态行人重识别方法是由吴晓红;陈怡;陈洪刚;何小海;王正勇;滕奇志设计研发完成，并于2023-08-15向国家知识产权局提交的专利申请。

本一种基于图像对齐和通道增强的跨模态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图像对齐和通道增强的跨模态行人重识别方法。主要包括：1利用随机通道交换增强来生成与颜色无关的行人图像；2使用空间变换网络对存在错位的可见光和红外行人图像进行自适应对齐调整，3用嵌有CBRnon‑local注意力的ResNet50网络分别提取可见光行人图像和红外行人图像的特征；4联合使用身份损失、加权正则化三元组损失和可见光‑红外共享损失对模型进行约束。本发明主要应用于行人重识别领域，在视频监控、图像检索等领域中具有开阔的应用前景。

本发明授权一种基于图像对齐和通道增强的跨模态行人重识别方法在权利要求书中公布了：1.一种基于图像对齐和通道增强的跨模态行人重识别方法，其特征在于包括以下步骤： 1利用随机通道交换增强RandomChannelExchangeableEnhancement,CE来生成与颜色无关的行人图像，学习单通道红外图像和可见光图像的每个彩色通道之间的关系； 2使用空间变换网络SpatialTransformerNetwork,STN对存在错位的可见光和红外行人图像进行自适应对齐调整，并分别将对齐后的可见光和红外行人图像与原图像进行像素级别的融合； 3用嵌有CBRnon-local注意力的ResNet50网络分别提取可见光行人图像和红外行人图像的特征； 4联合使用身份损失IDloss、加权正则化三元组损失WeightedregularizationTripletloss和可见光-红外共享损失Visible-Infraredloss对模型进行约束，实现提高跨模态行人重识别精度的目的； 所述步骤3中CBRnon-local注意力包括四个CBR组件，由卷积层，批归一化层和非线性激活函数leakyrelu组成；CBRnon-local注意力的输入特征的尺寸为，其中表示batchsize，表示通道数，和分别表示特征的高度和宽度；，和定义如下： 1 2 3 其中表示批归一化函数，表示激活函数，表示将和维度合并为，batchsize和通道数保持不变；CBRnon-local注意力可表示为： 4 5 其中代表待计算响应的输出位置的索引，代表枚举的所有可能位置的索引；用于计算和所有可能的关联位置之间的关系；计算位置处输入信号的表示；公式8根据不同位置之间的关系计算响应；CBRnon-local的block的公式为： 6 其中“”表示残差连接； 所述步骤4联合损失函数对模型进行优化，方法如下： 设和则分别代表输入可见光图像和红外图像的身份预测概率，表达式如下： 7 8 其中和分别代表身份为时输入的可见光图像和红外图像的标签信息，则和；对于包含个行人的数据集，随机选择个行人，对于每个行人，随机选择该行人的张可见光图像和张红外图像，ID损失公式如下： 9 假设是训练批次中的可见光锚样本，是具有相同身份的红外正样本，是具有不同身份的红外负样本；加权正则化三元组损失函数定义为 10 11 12 其中表示锚点样本的正样本集，是负样本集，和分别表示正样本和负样本的距离权重；类似地，定义如下： 13 14 15 整体的加权正则化三元组损失为： 16 假设一个训练批次中的可见光图片和红外图片的锚点特征分别为和，以为例，我们计算其在模态内和模态间与其他正样本的平均距离： 17 18 定义为： 19 当判别特征仅出现在一种模态中时，和之间的差异会增加，这种异常将被捕获；在和的双向优化过程中，仅出现在一种模态中的不可靠特征将被抑制，在两种模态中都出现的可靠特征将被增强； 总损失函数定义如下： 20 其中和是平衡相应项的超参数，设置为1。

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四川大学，其通讯地址为：610065 四川省成都市武侯区一环路南一段24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。