[发明专利]基于GCN的行人属性识别方法、系统、介质及电子设备

说明书

本发明提供一种基于GCN的行人属性识别方法、系统、介质及电子设备，其中，所述方法包括获取目标行人的轨迹数据，其中，所述轨迹数据至少包括停留地点、行人轨迹以及停留时间；基于预设的编码规则对所述轨迹数据进行编码，其中，所述编码规则为利用预设的二维矩阵对所述停留地点、所述行人轨迹以及所述停留时间进行编码；将编码后的所述轨迹数据作图形式表达，得到图结构数据；将所述图结构数据输入到训练好的GCN网络模型进行属性识别，得到与所述目标行人对应的行人属性。本发明可以根据轨迹对目标进行属性识别，判断其身份，能够细化客流数据。

技术领域

本发明涉及数据分析技术领域，特别是涉及一种基于GCN的行人属性识别方法、系统、介质及电子设备。

背景技术

随着经济腾飞与人工智能科技的快速发展，线下经营商超、社区、场馆和公园景点等适应时代发展的需求、追求可持续性的效益，对于客流信息愈加关注。而在客流信息中，会依据行人属性去区分顾客和无效客流如保洁、保安、工作人员以及外卖快递等。

市面上常见的方法，主要通过视觉信息，依据人员的着装配饰进行属性识别。但在实际场景应用中，存在着以下两个问题：第一，着装难以统一，在不同场景中，同属性人员服装存在明显差异。这导致了依赖图像信息的视觉算法难以泛化应用，即不同场景中需要专属识别模型；第二，未穿戴工装的情况，实际场景中，会存在人员未按规定着装，比如外卖快递员，未穿着指定着装；骑手在场景中摘下头盔；或公司未规定着装要求等等。而视觉算法对于上述多类情况，是无法识别的。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种基于GCN的行人属性识别方法、系统、介质及电子设备，用于解决现有技术中存在无法识别行人职业属性的问题。

为实现上述目的及其他相关目的，本发明提供一种基于GCN的行人属性识别方法，所述方法包括：获取目标行人的轨迹数据，其中，所述轨迹数据至少包括停留地点、行人轨迹以及停留时间；基于预设的编码规则对所述轨迹数据进行编码，其中，所述编码规则为利用预设的二维矩阵对所述停留地点、所述行人轨迹以及所述停留时间进行编码；将编码后的所述轨迹数据作图形式表达，得到图结构数据；将所述图结构数据输入到训练好的GCN网络模型进行属性识别，得到与所述目标行人对应的行人属性。

于本发明的一实施例中，所述获取目标行人的轨迹数据包括：

根据自然时间顺序采集所述目标行人对应的所述停留地点以及所述停留时间；

基于所述停留地点以及所述停留时间，结合所述自然时间顺序得到所述目标行人对应的所述行人轨迹；

基于所述停留地点、所述停留时间以及所述行人轨迹得到所述轨迹数据。

于本发明的一实施例中，利用二维矩阵L对所述停留地点进行编码，包括：

基于预设的地点编号得到所述二维矩阵L的行向量；

基于地点类型以及楼层信息得到所述二维矩阵L的列向量。

于本发明的一实施例中，利用二维矩阵T对所述行人轨迹进行编码，包括：

基于所述目标行人出发点对应的所述地点编号作为所述二维矩阵T的第一行，基于所述目标行人到达点对应的所述地点编号作为所述二维矩阵T的第二行；

基于每一段所述行人轨迹对应的所述自然时间顺序作为所述二维矩阵T的列向量。

于本发明的一实施例中，利用二维矩阵S对所述停留时间进行编码，包括：

基于所述行人轨迹出发点对应的所述停留时间作为所述二维矩阵S的第一行，基于所述行人轨迹到达点对应的所述停留时间作为所述二维矩阵S的第二行；

基于所述行人轨迹的轨迹段数量作为所述二维矩阵S的列向量。