[发明专利]行人属性分类方法、装置、电子设备及存储介质

权利要求书

1.一种行人属性分类方法，其特征在于，包括：

获取待分类图像；

将所述待分类图像输入预先训练的属性分类模型进行属性分类，得到对所述待分类图像的属性分类结果；

所述预先训练的属性分类模型的训练步骤包括：建立原始属性分类模型，并获取样本数据；对所述样本数据进行人体层次结构划分，得到不同层次的人体图像划分结果；获取不同层次的人体图像划分结果中，人体相邻各部位特征流的联系；利用所述人体图像划分结果，以及所述人体各部位特征流的联系，将所述样本数据进行分割，得到不同层次的样本分割图像；利用不同层次的样本分割图像训练所述原始属性分类模型，得到用于将待分类图像进行不同层次的属性识分类的属性分类模型；

将所述待分类图像输入预先训练的属性分类模型对所述待分类图像进行分类的步骤包括：将所述待分类图像进行人体层次结构划分，得到不同层次的人体图像划分结果；获取不同层次的人体图像划分结果中，人体相邻各部位特征流的联系；利用所述人体图像划分结果，以及所述人体各部位特征流的联系，将所述待分类图像进行分割，得到人体图像不同层次的分割图像；对不同层次的分割图像进行属性分类，得到属性分类结果；在利用不同层次的样本分割图像训练所述原始属性分类模型时，所述预先训练的属性分类模型的训练步骤还包括：

获取所述样本数据内人体的全身图像；

将所述全身图像及所述分割图像进行相互监督学习，直至所述相互监督学习的次数达到第一预定次数；

所述将所述全身图像及所述分割图像进行相互监督学习，包括：

利用相邻所述分割图像之间的特征流的联系，将相邻所述分割图像进行融合，得到人体的融合验证图像；

利用所述融合验证图像验证及修正所述全身图像；

将所述全身图像按照相邻所述分割图像之间的特征流的联系进行分割，得到分割验证图像；

利用所述分割验证图像验证及修正所述分割图像。

2.根据权利要求1所述的行人属性分类方法，其特征在于，

在利用不同层次的样本分割图像训练所述原始属性分类模型时，所述预先训练的属性分类模型的训练步骤还包括：

将所述全身图像、所述分割图像各自进行自监督学习，直至所述自监督学习的次数达到第二预定次数；

自监督学习的方法包括：至少获取两次全身图像以及分割图像；将不同次获取的全身图像进行相互监督学习，将不同次获取的相同部位的人体部位图像进行相互监督学习。

3.根据权利要求1所述的行人属性分类方法，其特征在于，

所述利用所述人体图像划分结果，以及所述人体各部位特征流的联系，将所述样本数据进行分割，得到人体图像不同层次的样本分割图像，包括：

利用预先建立的语义分割网络，并将所述人体图像划分结果，以及人体各部位特征流的联系作为所述语义分割网络的条件，对所述样本数据进行分割，得到至少两个不同层次人体的样本分割图像，一个层次人体的样本分割图像包括：上半身图像及下半身图像，另一个层次人体的样本分割图像包括：头部图像、身体图像、腿部图像及脚部图像。

4.根据权利要求3所述的行人属性分类方法，其特征在于，

所述头部图像的属性包括：头部穿戴物体属性、头部动作属性及人体生理属性；

所述身体图像的属性包括：身体穿戴物体属性、身体穿戴颜色属性、身体方位属性、手部是否提取物品的属性；

所述腿部图像的属性包括：腿部穿戴物体属性、腿部穿戴颜色属性；

所述脚部图像的属性包括：鞋子颜色属性、鞋子款式属性。

5.根据权利要求1所述的行人属性分类方法，其特征在于，

所述人体各部位特征流的联系包括：上半身特征与下半身特征的联系、头部特征与身体特征的联系、身体特征与腿部特征的联系、腿部特征与脚部特征的联系。