[发明专利]目标识别处理方法及装置、存储介质、电子装置

权利要求书

1.一种目标识别处理方法，其特征在于，包括：

将包括目标对象的目标图像输入到预先训练的第一目标神经网络模型中，得到对应于所述目标对象的着装信息的着装图像区域，其中，所述第一目标神经网络模型中包括M个网络分支，所述M个网络分支中每个网络分支中包括串联连接的卷积层和检测层，所述M是大于1的自然数；

对所述着装图像区域进行属性识别，确定对应于所述目标对象的着装信息的属性信息。

2.根据权利要求1所述的方法，其特征在于，将包括目标对象的目标图像输入到预先训练的第一目标神经网络模型中，得到对应于所述目标对象的着装信息的着装图像区域，包括：

将所述目标图像输入到第一网络分支中的卷积层，得到第一图像特征信息；将所述第一图像特征信息输入至所述第一网络分支中的检测层，得到第一着装图像区域；以及

将所述目标图像输入到第二网络分支中的卷积层，得到第二图像特征信息；将所述第二图像特征信息输入至所述第二网络分支中的检测层，得到第二着装图像区域，其中，所述第一网络分支和所述第二网络分支为所述M个网络分支中的不同网络分支；

融合所述第一着装图像区域和所述第二着装图像区域，确定所述目标对象的着装信息的着装图像区域。

3.根据权利要求1所述的方法，其特征在于，对所述着装图像区域进行属性识别，确定所述目标对象的着装信息的属性信息，包括：

将所述着装图像区域输入到第二目标神经网络模型，基于所述第二目标神经网络模型中的颜色特征提取通道，输出所述目标对象的着装衣物的颜色，其中，所述着装信息包括所述目标对象的着装衣物，所述属性信息包括所述着装衣物的颜色。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

训练第二神经网络模型，得到所述第二目标神经网络模型，其中，训练第二神经网络模型，得到所述第二目标神经网络模型，包括：

将获取的N个样本图像从RGB颜色空间转换至LAB颜色空间，其中，所述N是大于或等于1的自然数；

在所述LAB颜色空间计算所述N个样本图像之间的色差距离，得到距离矩阵；

利用所述距离矩阵构建所述N个样本图像的层次聚类；

利用层次聚类算法反复迭代所述层次聚类，将所述N个样本图像划分至M个类别簇中，得到训练数据，其中，所述M是大于或等于1的自然数；

利用所述训练数据训练所述第二神经网络模型，得到所述第二目标神经网络模型。

5.根据权利要求4所述的方法，其特征在于，将获取的N个样本图像从RGB颜色空间转换至LAB颜色空间，包括：

将所述N个样本图像从RGB颜色空间转换至XYZ颜色空间；

将所述N个样本图像从所述XYZ颜色空间转换至所述LAB颜色空间。

6.根据权利要求4所述的方法，其特征在于，利用所述训练数据训练所述第二神经网络模型，得到所述第二目标神经网络模型，包括：

确定所述训练数据中的每个颜色数据所属的颜色大类；

按照所述颜色大类合并所述训练数据中的颜色数据，得到合并数据；

将所述训练数据和所述合并数据确定为训练数据集；

利用所述训练数据集训练所述第二神经网络模型，得到所述第二目标神经网络模型。

7.根据权利要求6所述的方法，其特征在于，利用所述训练数据集训练所述第二神经网络模型，得到所述第二目标神经网络模型，包括：

将所述训练数据集中的每个训练数据输入到所述第二神经网络模型中的特征提取通道，得到所述特征提取通道输出的颜色特征；

基于所述颜色特征训练得到所述第二目标神经网络模型。