一种图像中的行人属性检测方法及装置制造方法及图纸

本申请实施例公开了一种图像中的行人检测方法及装置，所述方法包括：对待检测图像中行人进行检测，获得包括所述行人的第一行人区域；对所述第一行人区域中所述行人的边缘进行提取，获取所述行人的边缘；将包括所述行人的边缘、且小于所述第一行人区域的区域确定为第二行人区域；在所述第二行人区域中划分出N个子区域，每个子区域包括所述行人的一个身体子区域或包括所述行人的附属物；将所述N个子区域对应的所述待检测图像输入到卷积神经网络中，输出每个区域中包括的身体子区域或附属物的属性特征。

【技术实现步骤摘要】
一种图像中的行人属性检测方法及装置
本申请涉及机器学习
，特别涉及一种图像中的行人属性检测方法及装置。
技术介绍
随着视频监控技术的发展，智能视频监控应用在越来越多的场景中，例如交通、商场、医院、小区、公园等等，智能视频监控的应用为各种场景中，通过图像进行行人属性检测奠定了基础。行人属性的识别，是通过输入含有待检测行人的视频，然后从视频中识别出行人各项属性的一种技术。该技术涉及了计算机视觉、图像处理、模式识别、机器学习等诸多学科。传统的行人属性识别系统中只能根据视频中某一帧的行人整体图像，使用传统的机器学习方法进行行人属性的识别。当行人的定位不精确时对识别的结果影响很大，并且传统机器学习方法所能达到的效果也有限。城市级安防视频量庞大，行人属性结构化识别模型的数量会随着属性数目的增长而越来越多，导致计算量庞大。因此，目前如何解决行人属性的精确识别，提高识别效率，成为了目前亟待解决的问题。
技术实现思路
本申请实施例提供一种图像中的行人属性检测方法及装置，用以提高行人属性检测的效率。本申请实施例提供一种图像中的行人属性检测方法，其特征在于，所述方法包括：对待检测图像中行人进行检测，获得包括所述行人的第一行人区域；对所述第一行人区域中所述行人的边缘进行提取，获取所述行人的边缘；将包括所述行人的边缘、且小于所述第一行人区域的区域确定为第二行人区域；在所述第二行人区域中划分出N个子区域，每个子区域包括所述行人的一个身体子区域或包括所述行人的附属物；将所述N个子区域输入到卷积神经网络中，输出每个子区域中包括的身体子区域或附属物子区域的属性特征。一种可能的实现方式，获得包括所述行人的第一行人区域，包括：获取所述待检测图像的梯度方向直方图；根据所述待检测图像的梯度方向直方图中的梯度密度分布，确定所述待检测图像的特征向量；将所述待检测图像的特征向量与预设的包括行人的样本图像的特征向量进行比较，若确定所述待检测图像的特征向量与所述样本图像的特征向量的差值在预设范围内，则确定所述待检测图像中存在行人，并标定所述行人所在的第一行人区域。一种可能的实现方式，所述确定所述行人的边缘，包括：根据色彩连通区域算法确定所述第一行人区域中行人的边缘。一种可能的实现方式，所述在所述第二行人区域中划分出N个子区域，包括：获取所述第二行人区域的梯度方向直方图；根据所述第二行人区域的梯度方向直方图中的梯度密度分布，确定所述第二行人区域的特征向量；针对所述N个子区域中的任意一个子区域，若确定所述第二行人区域中存在一个子区域的特征向量与预设的样本图像中标定的子区域的特征向量的差值在预设范围内，则确定所述第二行人区域中该子区域的图像特征与所述样本图像中标定的子区域中的图像特征相同，并从所述第二行人区域中划分出该子区域的位置。一种可能的实现方式，所述头部的属性特征至少包括以下一项或多项：年龄，性别，头部配件，脸部配件；所述上半身的属性特征至少包括：衣物的特征；所述下半身的属性特征至少包括：衣物，鞋子；所述手持物的属性特征至少包括：包，推车，行李箱，宠物的手持物是否携带或其颜色、类型。本申请实施例提供一种图像中的行人属性检测装置，所述装置包括：获取单元，用于对待检测图像中行人进行检测；处理单元，用于获得包括所述行人的第一行人区域；对所述第一行人区域中所述行人的边缘进行提取，获取所述行人的边缘；将包括所述行人的边缘、且小于所述第一行人区域的区域确定为第二行人区域；在所述第二行人区域中划分出N个子区域，每个子区域包括所述行人的一个身体子区域或包括所述行人的附属物；将所述N个子区域输入到卷积神经网络中，输出每个子区域中包括的身体子区域或附属物子区域的属性特征。一种可能的实现方式，所述处理单元具体用于：获取所述待检测图像的梯度方向直方图；根据所述待检测图像的梯度方向直方图中的梯度密度分布，确定所述待检测图像的特征向量；将所述待检测图像的特征向量与预设的包括行人的样本图像的特征向量进行比较，若确定所述待检测图像的特征向量与所述样本图像的特征向量的差值在预设范围内，则确定所述待检测图像中存在行人，并标定所述行人所在的第一行人区域。一种可能的实现方式，所述处理单元具体用于：根据色彩连通区域算法确定所述第一行人区域中行人的边缘。一种可能的实现方式，所述处理单元具体用于：获取所述第二行人区域的梯度方向直方图；根据所述第二行人区域的梯度方向直方图中的梯度密度分布，确定所述第二行人区域的特征向量；针对所述N个子区域中的任意一个子区域，若确定所述第二行人区域中存在一个子区域的特征向量与预设的样本图像中标定的子区域的特征向量的差值在预设范围内，则确定所述第二行人区域中该子区域的图像特征与所述样本图像中标定的子区域中的图像特征相同，并从所述第二行人区域中划分出该子区域的位置。一种可能的实现方式，所述头部的属性特征至少包括以下一项或多项：年龄，性别，头部配件，脸部配件；所述上半身的属性特征至少包括：衣物的特征；所述下半身的属性特征至少包括：衣物，鞋子；所述手持物的属性特征至少包括：包，推车，行李箱，宠物的手持物是否携带或其颜色、类型。本申请实施例提供了一种计算机程序产品，包括计算机可读指令，当计算机读取并执行所述计算机可读指令，使得计算机执行如上述任意一项所述的方法。本申请实施例提供一种芯片，所述芯片与存储器相连，用于读取并执行所述存储器中存储的软件程序，以实现上述任一项中各种可能的设计中的方法。本申请实施例提供了一种图像中的行人属性检测方法及装置，该方法中对待检测图像中行人进行检测，获得包括所述行人的第一行人区域；对所述第一行人区域中所述行人的边缘进行提取，获取所述行人的边缘；将包括所述行人的边缘、且小于所述第一行人区域的区域确定为第二行人区域；在所述第二行人区域中划分出N个子区域，每个子区域包括所述行人的一个身体子区域或包括所述行人的附属物；将所述N个子区域对应的所述待检测图像输入到卷积神经网络中，输出每个区域中包括的身体子区域或附属物的属性特征。由于本申请实施例确定的第二行人区域为精确定位后的行人区域，使得对划分的N个子区域更加的精确，采用卷积神经网络一次性识别N个子区域对应的行人属性特征，提高了检测的精度及检测的效率。附图说明图1为本申请实施例提供的一种图像中的行人属性检测方法的流程示意图；图2为本申请实施例提供的一种图像中的行人属性检测的示意图；图3为本申请实施例提供的一种图像中的行人属性检测的示意图；图4为本申请实施例提供的一种图像中的行人属性检测的示意图；图5为本申请实施例提供的一种图像中的行人属性检测的示意图；图6为本申请实施例提供一种卷积神经网络的结构示意图；图7为本申请实施例提供的一种图像中的行人属性检测装置结构示意图。具体实施方式现有技术中，对图像中的行人检测方法主要为使用方向梯度直方图(HistogramofOrientedGradient,HOG)算法对行人目标进行检测，得到的结果检测准确率低、行人包围框过大，导致根据确定的行人区域确定的行人属性精度低的问题。为了有效提高行人属性检测的效率，提高行人属性检测的实时性，便于行人属性检测整体优化，本申请实施例提供了一种图像中的行人属性检测方法及装置。本申请实施例应用于电子设备，具体的该电子设备可以本文档来自技高网...

【技术保护点】
一种图像中的行人属性检测方法，其特征在于，所述方法包括：对待检测图像中行人进行检测，获得包括所述行人的第一行人区域；对所述第一行人区域中所述行人的边缘进行提取，获取所述行人的边缘；将包括所述行人的边缘、且小于所述第一行人区域的区域确定为第二行人区域；在所述第二行人区域中划分出N个子区域，每个子区域包括所述行人的一个身体子区域或包括所述行人的附属物；将所述N个子区域输入到卷积神经网络中，输出每个子区域中包括的身体子区域或附属物子区域的属性特征。

【技术特征摘要】
1.一种图像中的行人属性检测方法，其特征在于，所述方法包括：对待检测图像中行人进行检测，获得包括所述行人的第一行人区域；对所述第一行人区域中所述行人的边缘进行提取，获取所述行人的边缘；将包括所述行人的边缘、且小于所述第一行人区域的区域确定为第二行人区域；在所述第二行人区域中划分出N个子区域，每个子区域包括所述行人的一个身体子区域或包括所述行人的附属物；将所述N个子区域输入到卷积神经网络中，输出每个子区域中包括的身体子区域或附属物子区域的属性特征。2.根据权利要求1所述的方法，其特征在于，获得包括所述行人的第一行人区域，包括：获取所述待检测图像的梯度方向直方图；根据所述待检测图像的梯度方向直方图中的梯度密度分布，确定所述待检测图像的特征向量；将所述待检测图像的特征向量与预设的包括行人的样本图像的特征向量进行比较，若确定所述待检测图像的特征向量与所述样本图像的特征向量的差值在预设范围内，则确定所述待检测图像中存在行人，并标定所述行人所在的第一行人区域。3.根据权利要求1所述的方法，其特征在于，所述确定所述行人的边缘，包括：根据色彩连通区域算法确定所述第一行人区域中行人的边缘。4.根据权利要求1所述的方法，其特征在于，所述在所述第二行人区域中划分出N个子区域，包括：获取所述第二行人区域的梯度方向直方图；根据所述第二行人区域的梯度方向直方图中的梯度密度分布，确定所述第二行人区域的特征向量；针对所述N个子区域中的任意一个子区域，若确定所述第二行人区域中存在一个子区域的特征向量与预设的样本图像中标定的子区域的特征向量的差值在预设范围内，则确定所述第二行人区域中该子区域的图像特征与所述样本图像中标定的子区域中的图像特征相同，并从所述第二行人区域中划分出该子区域的位置。5.根据权利要求1-4任一项所述的方法，其特征在于，所述头部的属性特征至少包括以下一项或多项：年龄，性别，头部配件，脸部配件；所述上半身的属性特征至少包括：衣物的特征；所述下半身的属性特征至少包括：衣物，鞋子；所述手持物的属性特征至少包括：包，推车，行李箱，宠物的手持物是否携带或其颜...

【专利技术属性】
技术研发人员：刘浩，王翔，王彬，陈雪梅，孙英贺，
申请(专利权)人：青岛海信网络科技股份有限公司，
类型：发明
国别省市：山东,37