[发明专利]行人图像识别方法、装置、电子设备及存储介质

说明书

本发明公开了一种行人图像识别方法、装置、电子设备及存储介质，涉及人工智能领域，该方法包括：获取待检测行人图像，并对待检测行人图像进行预处理，该待检测行人图像包括：带遮罩的人脸图像；将预处理后的图像输入至预先训练的人脸检测模型，以输出人脸图像，人脸检测模型基于历史行人图像和经过数据增强处理的历史行人图像进行训练，数据增加处理为对历史行人图像进行模板遮罩添加处理，该历史行人的人脸图像未带遮罩；将输出的人脸图像输入至预先训练的多属性识别模型，以输出与该人脸图像相应的多个属性，多属性识别模型基于人脸图像的多粒度特征识别人脸图像的属性。通过本发明，可以有效提高行人、包括带口罩行人的多属性识别的准确率。

技术领域

本发明涉及人工智能领域，具体涉及一种行人图像识别方法、装置、电子设备及存储介质。

背景技术

行人属性识别是通过监控场景识别行人的一组属性，在身份识别、安防领域有着重要的应用和研究价值。目前，行人属性识别可以根据特征提取方式的不同分为两种：传统的行人多属性识别方法和基于深度学习的属性识别方法。

传统的行人多属性识别方法使用支持向量机、Boosting算法、决策树等方法作为分类器用于多标签学习。这些方法大都基于手工特征，不能准确提取出行人图像中隐含的属性特征。

基于深度学习的方法通过卷积神经网络对监控场景中的行人图像进行深度特征提取，能够更好地分析行人的属性。现在对于行人属性识别网络的学习，为了保证属性识别的准确率，对每个属性都需要大量带有标注的样本图像进行学习训练网络模型。然而，在现实场景中以多对象多标签居多，这就导致了行人属性识别网络在小样本属性上(例如，带口罩行人)识别表现效果不佳的问题。

发明内容

有鉴于此，本发明提供一种行人图像识别方法、装置、电子设备及存储介质，以解决上述提及的至少一个问题。

根据本发明的第一方面，提供一种行人图像识别方法，所述方法包括：

获取待检测行人图像，并对所述待检测行人图像进行预处理，该待检测行人图像包括：带遮罩的人脸图像；

将预处理后的图像输入至预先训练的人脸检测模型，以输出人脸图像，所述人脸检测模型基于历史行人图像和经过数据增强处理的历史行人图像进行训练，所述数据增加处理为对所述历史行人图像进行模板遮罩添加处理，该历史行人的人脸图像未带遮罩；

将输出的人脸图像输入至预先训练的多属性识别模型，以输出与该人脸图像相应的多个属性，所述多属性识别模型基于人脸图像的多粒度特征识别人脸图像的属性。

进一步地，通过如下方式训练所述人脸检测模型：获取历史行人图像，并根据预定算法确定所述历史行人图像中的历史人脸图像中的关键点；根据所述历史人脸图像中的关键点和预先构建的模板遮罩库对所述历史人脸图像进行数据增强处理，以生成历史模板遮罩人脸图像；根据所述历史行人图像和所述历史模板遮罩人脸图像训练所述人脸检测模型。

其中，根据所述历史人脸图像中的关键点和预先构建的模板遮罩库对所述历史人脸图像进行数据增强处理，以生成历史模板遮罩人脸图像包括：根据所述历史人脸图像中的关键点位置和关键点之间的距离确定该历史人脸的倾斜角度；根据所述历史人脸图像中的关键点和该历史人脸的倾斜角度从所述模板遮罩库选择模板遮罩；将选择的模板遮罩添加到所述历史人脸图像上，以生成所述历史模板遮罩人脸图像。

进一步地，通过如下方式构建所述模板遮罩库：获取初始遮罩图像；根据预先确定的人脸图像中的关键点位置对所述初始遮罩图像进行标定处理，以生成透明背景遮罩；对所述透明背景遮罩进行几何变换和色彩调整处理，以生成不同类别、色彩和角度的模板遮罩；根据生成的不同类别、色彩和角度的模板遮罩构建模板遮罩库。