[发明专利]行人属性识别方法、装置、电子设备及存储介质

权利要求书

1.一种行人属性识别方法，其特征在于，包括：

获取待识别图像；

将所述待识别图像输入预先训练的属性识别模型进行属性识别，得到对所述待识别图像的属性识别结果；

所述预先训练的属性识别模型的训练步骤包括：建立原始属性识别模型，并获取样本数据；识别所述样本数据中各个人体显著部位；按照所述人体显著部位将所述样本数据对应的样本图像分割，得到预设数量的显著部位图像；利用每个所述样本数据所有的所述显著部位图像训练所述原始属性识别模型，得到属性识别模型；

将所述待识别图像输入预先训练的属性识别模型进行属性识别，得到对所述待识别图像的属性识别结果的步骤包括：识别待识别图像中各个人体显著部位；按照所述人体显著部位将所述待识别图像分割，得到预设数量的显著部位图像；利用所述属性识别模型识别各个显著部位图像的属性，得到属性识别模型生成的属性识别结果；

所述识别所述样本数据中各个人体显著部位的步骤包括：

将所述样本数据输入预先训练的金字塔网络；

利用所述金字塔网络对所述样本数据提取对应的人体特征；

获取所述金字塔网络利用所述人体特征输出的特征模板，所述特征模板内的模板具有与所述金字塔网络的通道维度相同数量的特征数量；

获取所述金字塔网络利用平方差损失函数和激活函数，对所述人体特征回归出的与所述通道的维度相同数量的系数，所述系数与所述特征模板内模板的各个所述特征数量一一对应；

将所述特征模板内各个模板的特征与一一对应的所述系数的乘积进行叠加，得到人体的各个显著部位图像。

2.根据权利要求1所述的行人属性识别方法，其特征在于，

将所述特征模板与各个所述系数的乘积进行叠加还得到人体的整体显著图像；

在得到所述显著部位图像及所述整体显著图像后，所述识别所述样本数据中各个人体显著部位的步骤还包括：

将所述整体显著图像及各个所述显著部位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预定次数。

3.根据权利要求2所述的行人属性识别方法，其特征在于，

所述将所述整体显著图像及各个所述显著部位图像进行相互监督学习，包括：

将所述整体显著图像分割成与所述各个显著部位图像一一对应的分割验证图，并利用所述分割验证图验证及修正各个所述显著部位图像，其中，将各个所述显著部位图像融合成与所述整体显著图像对应的融合验证图，并利用所述融合验证图验证及修正所述整体显著图像，以使所述整体显著图像及各个所述显著部位图像进行相互监督学习。

4.根据权利要求1所述的行人属性识别方法，其特征在于，

所述系数的范围为-1至1之间；

所述通道的维度为32；

所述预设数量为5；

所述人体的各个显著部位图像包括：头部图像、身体图像、腿部图像及脚部图像。

5.根据权利要求4所述的行人属性识别方法，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。

6.根据权利要求4所述的行人属性识别方法，其特征在于，

所述头部图像的属性识别过程如下：

利用所述金字塔网络对待检测图像的人体特征进行提取，并得到头部特征图像；

获取所述金字塔网络利用头所述部特征图像输出的特征模板，以及所述头部图像的系数；

将所述头部特征图像的模板，分别乘以与其一一对应的所述系数，得到头部图像，所述头部图像包括：具有头部特征的确定特征图像，以及，不具有头部特征的否定特征图像；

将所有的所述确定特征图像相加，再减去所述否定特征图像，得到头部显著部位图像；

将所述头部显著部位图像输入所述属性识别模型，得到所述属性识别模型输出的头部属性的识别结果。