[发明专利]属性识别、监控数据分析方法、设备及存储介质

权利要求书

1.一种属性识别方法，其特征在于，包括：

响应客户端对第一接口的调用请求，获取接口参数包含的第一图像；所述第一图像包含移动对象；

将所述第一图像输入神经网络模型，所述神经网络模型包括多级特征提取网络以及多个属性识别分支，一级特征提取网络对应一个属性识别分支；

在所述神经网络模型中，基于所述多级特征提取网络，对所述第一图像进行多级特征提取操作；

基于所述多个属性识别分支，分别根据对应的特征提取网络提取到的特征，识别对应粒度级别的属性，得到所述移动对象的不同粒度的属性的预测值；

将所述移动对象的不同粒度的属性的预测值返回至所述客户端。

2.一种监控数据分析方法，其特征在于，包括：

获取对目标场所进行拍摄得到的监控图像，所述监控图像包括移动对象；

将所述监控图像输入神经网络模型，所述神经网络模型包括多级特征提取网络以及多个属性识别分支，一级特征提取网络对应一个属性识别分支；

在所述神经网络模型中，基于所述多级特征提取网络，对所述监控图像进行多级特征提取操作；

基于所述多个属性识别分支，分别根据对应的特征提取网络提取到的特征，识别对应粒度级别的属性，得到所述移动对象的不同粒度的属性的预测值。

3.根据权利要求2所述的方法，其特征在于，还包括：

获取指定对象的不同粒度的属性的值；

按照属性对应的粒度级别，将所述移动对象的不同粒度的属性的预测值与所述指定对象的不同粒度的属性的值进行对比；

若根据所述对比的结果，确定所述移动对象的部分属性的值与所述指定对象的部分属性的值的相似度满足设定条件，则确定所述指定对象位于所述目标场所中。

4.一种属性识别方法，其特征在于，包括：

获取包含移动对象的第一图像；

将所述第一图像输入神经网络模型，所述神经网络模型包括多级特征提取网络以及多个属性识别分支，一级特征提取网络对应一个属性识别分支；

在所述神经网络模型中，基于所述多级特征提取网络，对所述第一图像进行多级特征提取操作；

基于所述多个属性识别分支，分别根据对应的特征提取网络提取到的特征，识别对应粒度级别的属性，得到所述移动对象的不同粒度的属性的预测值。

5.根据权利要求4所述的方法，其特征在于，所述多个属性识别分支中的任一属性识别分支，包括：

依次连接的定位网络、局部特征提取网络以及属性分类网络；

其中，所述定位网络与所述属性识别分支对应的特征提取网络连接，所述定位网络用于对所述属性识别分支对应的粒度级别的属性进行定位。

6.根据权利要求4所述的方法，其特征在于，基于所述多个属性识别分支，分别根据对应的特征提取网络提取到的特征，识别对应粒度级别的属性，包括：

针对所述多级特征提取网络中的第一特征提取网络，将所述第一特征提取网络提取到的第一特征图像，输入与所述第一特征提取网络对应的第一属性识别分支；

在所述第一属性识别分支中，根据所述第一特征图像，确定用于局部定位的目标特征图像；

根据所述目标特征图像以及预先根据样本图像学习到的第一粒度级别的属性对应的定位参数，计算所述第一粒度级别的属性的位置的预测值；

根据所述第一粒度级别的属性的位置的预测值，从所述目标特征图像中提取局部图像特征；

基于提取到的所述局部图像特征以及预先学习到的属性分类参数，识别所述移动对象的第一粒度级别的属性，得到所述第一粒度级别的属性的预测值。

7.根据权利要求6所述的方法，其特征在于，在所述第一属性识别分支中，根据所述第一特征图像，确定用于局部定位的目标特征图像，包括：

将所述第一特征图像，作为所述目标特征图像；或者，

将第二特征图像输入所述第一属性识别分支，并对所述第一特征图像和所述第二特征图像进行融合操作，得到所述目标特征图像；其中，所述第二特征图像由所述多级特征提取网中的第二特征提取网络输出。