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！

龙图腾网恭喜浙江工商大学申请的专利一种高性能行人检索与重识别方法及装置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：CN115063831B 。

龙图腾网通过国家知识产权局官网在2025-05-30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：202210409679.4，技术领域涉及：G06V40/10；该发明授权一种高性能行人检索与重识别方法及装置是由华璟;吴绍鑫;孙杰设计研发完成，并于2022-04-19向国家知识产权局提交的专利申请。

本一种高性能行人检索与重识别方法及装置在说明书摘要公布了：本发明公开了一种高性能行人检索与重识别方法及装置，该方法包括：分别获取单视角和多视角现实监控场景下的行人数据，对行人数据进行数据标注，其中单视角行人数据与COCO数据集中的行人部分，共同构建行人检测数据集，多视角行人数据构建行人重识别数据集；利用行人检测数据集基于Ghost轻量化模型改进的YOLOv5行人检测算法训练网络模型；利用行人重识别数据集训练得到行人重识别模型；搭建行人搜索系统。本发明通过深度模型压缩和算法算力的协同优化，从算法到硬件的自上而下的方法来优化深度学习的效率，实现低代价高性能的行人重识别系统。

本发明授权一种高性能行人检索与重识别方法及装置在权利要求书中公布了：1.一种高性能行人检索与重识别方法，其特征在于，包括以下步骤：S1，分别获取现实监控场景下的单视角行人数据和多视角行人数据，其中，采用单视角行人数据和COCO数据集中的行人部分数据共同构建行人检测数据集，多视角行人数据构建行人重识别数据集；S2，利用S1中的行人检测数据集，基于Ghost轻量化模型改进的YOLOv5行人检测算法训练行人检测模型；S3，利用S1中的行人重识别数据集训练通道级稀疏化剪枝后的行人重识别网络，得到行人重识别模型；S4，利用S2中训练好的行人检测模型和S3中的行人重识别模型基于算丰SC5和云端AI计算加速卡进行量化部署，搭建行人搜索系统；具体为：S41，选取步骤S1中构建的行人检测训练集3000张图片，以及步骤S1中构建的行人重识别训练集1500张图片，分别转换成lmdb数据集，供后续校准量化使用；S42，使用BMNNSDK2SDK工具，将S2和S3中训练完成的行人检测模型和行人重识别模型，转换成fp32umodel文件和对应的prototxt文件，其中fp32umodel是比特平台私有的格式；S43，使用calibration_use_pb量化工具将步骤S42中转换后的fp32umodel转换成比特私有的中间临时模型int8umodel，以S41中的lmdb数据集作为量化校准，其中int8umodel是量化生成的int8格式的网络系数文件；S44，使用calibration可视化分析工具，检查S43转换后的int8umodel网络误差，使用平均绝对百分比误差和余弦函数作为误差评价标准，定义如下： 其中，Actuali代表真实值，Forecasti代表预测值,n为样本个数；S45，通过误差评价标准确认量化精度正常之后，使用BMNNSDK2SDK提供的BMNETU工具，使用步骤S43的int8umdel模型作为输入，编译为BMRuntime所需要的文件，并且在编译同时，计算每一层NPU模型结果与CPU的计算结果进行对比，得到行人检测和行人重识别的int8bmodel模型；S46，基于步骤S45量化完成的int8bmodel模型，输入多路监控视频流，将每帧视频创建到指定芯片上，使用步骤S45中量化完成的行人检测的int8bmodel模型，对每路视频流中的每帧视频帧进行行人检测得到行人边界框和置信度；S47，使用生成的行人边界框和置信度经过DIoU-NMS方法进行过滤，若最终的行人置信度小于置信度阈值则进行抑制，得到筛选后的视频监控行人图像，公式如下： 其中ε是NMS阈值，Ni是分类置信度，M为最高置信度检测框，Bi是边界框，RDIoU是两个边界框之间的中心距离；S48，将步骤S47中筛选出的每帧行人，在视频帧中裁剪，作为行人库图片，等达到设定的批处理数量时，将每批次待识别行人库送入步骤S45中的量化完成的行人重识别的int8bmodel模型提取行人图片特征，得到候选集特征，输入一张待查询的行人图像，得到查询集特征；S49，对S48中的候选集特征与查询集特征进行欧式距离特征计算，从而得到行人相似度值，判断行人相似度值是否大于预先设定的行人阈值，得到对给定目标行人的重识别结果。

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浙江工商大学，其通讯地址为：310018 浙江省杭州市下沙高教园区学正街18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”。