一种人体属性识别方法、装置、设备及介质制造方法及图纸

本发明专利技术公开了一种人体属性识别方法、装置、设备及介质，应用于图像识别技术领域，用以解决多个人体属性无法同时识别的问题。该方法为：确定监控图像中的人体区域图像；将人体区域图像输入多属性卷积神经网络模型，得到人体区域图像中的各个人体属性对应于预先定义的每一个属性值的概率；其中，多属性卷积神经网络模型是利用多属性卷积神经网络对预先获得的训练图像进行多属性识别训练得到的；基于人体区域图像中的各个人体属性对应于预先定义的每一个属性值的概率，确定人体区域图像中的各个人体属性的属性值，这样，利用多属性卷积神经网络模型来识别人体属性，不仅实现了多个人体属性的同时识别，也提高了多个人体属性的识别效率。

A Human Attribute Recognition Method, Device, Equipment and Media

The invention discloses a human body attribute recognition method, device, device and medium, which is applied in the field of image recognition technology to solve the problem that multiple human body attributes can not be recognized simultaneously. The method is to determine the human body region image in the monitoring image; input the human body region image into the multi-attribute convolution neural network model to obtain the probability that each human body attribute in the human body region image corresponds to each predefined attribute value; among them, the multi-attribute convolution neural network model is based on the multi-attribute convolution neural network model. The network trains the pre-acquired training image for multi-attribute recognition. Based on the probability that each human body attribute in the human body region image corresponds to each predefined attribute value, the attribute values of each human body attribute in the human body region image are determined. In this way, the multi-attribute convolution neural network model is used to recognize the human body. Human attributes not only realize the simultaneous recognition of multiple human attributes, but also improve the recognition efficiency of multiple human attributes.

【技术实现步骤摘要】
一种人体属性识别方法、装置、设备及介质
本专利技术涉及图像识别
，尤其涉及一种人体属性识别方法、装置、设备及介质。
技术介绍
人体属性识别是对人物的性别、年龄、衣物的类型和颜色等的识别，被广泛应用于危险行为预警、交通违章监控、工业安防和自动售货机、自动柜员机(AutomaticTellerMachine，ATM)、商场和车站等公共场所的目标人物锁定等领域。虽然，目前的人体属性识别技术已经取得了很大的成就，但是，大多数的人体属性识别技术都是针对单一的人体属性进行识别，无法同时识别多个人体属性。
技术实现思路
本专利技术实施例提供了一种人体属性识别方法、装置、设备及介质，用以解决现有技术中的人体属性识别方法无法同时识别多个人体属性的问题。本专利技术实施例提供的具体技术方案如下：第一方面，本专利技术实施例提供了一种人体属性识别方法，包括：确定监控图像中的人体区域图像；将人体区域图像输入多属性卷积神经网络模型，得到人体区域图像中的各个人体属性对应于预先定义的每一个属性值的概率；其中，多属性卷积神经网络模型是利用多属性卷积神经网络对预先获得的训练图像进行多属性识别训练得到的；基于人体区域图像本文档来自技高网...

【技术保护点】
1.一种人体属性识别方法，其特征在于，包括：确定监控图像中的人体区域图像；将所述人体区域图像输入多属性卷积神经网络模型，得到所述人体区域图像中的各个人体属性对应于预先定义的每一个属性值的概率；其中，所述多属性卷积神经网络模型是利用多属性卷积神经网络对预先获得的训练图像进行多属性识别训练得到的；基于所述人体区域图像中的各个人体属性对应于预先定义的每一个属性值的概率，确定所述人体区域图像中的各个人体属性的属性值。

【技术特征摘要】
1.一种人体属性识别方法，其特征在于，包括：确定监控图像中的人体区域图像；将所述人体区域图像输入多属性卷积神经网络模型，得到所述人体区域图像中的各个人体属性对应于预先定义的每一个属性值的概率；其中，所述多属性卷积神经网络模型是利用多属性卷积神经网络对预先获得的训练图像进行多属性识别训练得到的；基于所述人体区域图像中的各个人体属性对应于预先定义的每一个属性值的概率，确定所述人体区域图像中的各个人体属性的属性值。2.如权利要求1所述的人体属性识别方法，其特征在于，利用多属性卷积神经网络对预先获得的训练图像进行多属性识别训练得到所述多属性卷积神经网络模型，包括：根据预先定义的各个人体属性的属性值，并依次通过所述多属性卷积神经网络的数据输入层、卷积计算层、激励层和全连接层，对预先获得的训练图像进行多属性识别训练，得到所述多属性卷积神经网络模型；或者，根据预先定义的各个人体属性的属性值，并依次通过所述多属性卷积神经网络的数据输入层、卷积计算层、激励层和全局平均池化层，对预先获得的训练图像进行多属性识别训练，得到所述多属性卷积神经网络模型。3.如权利要求2所述的人体属性识别方法，其特征在于，还包括：确定所述多属性卷积神经网络模型输出的所述训练图像的各个人体属性的预测属性值与预先定义的各个人体属性的真实属性值之间的差异度；根据所述差异度，调整所述多属性卷积神经网络模型对应的各层网络参数。4.如权利要求3所述的人体属性识别方法，其特征在于，确定所述多属性卷积神经网络模型输出的所述训练图像的各个人体属性的预测属性值与预先定义的各个人体属性的真实属性值之间的差异度，包括：利用交叉熵损失函数，确定各个人体属性的预测属性值与预先定义的各个人体属性的真实属性值之间的差异度。5.如权利要求2-4任一项所述的人体属性识别方法，其特征在于，还包括：当增加新人体属性和/或为原人体属性增加新属性值时，按照设定比例选取新训练图像和原训练图像为训练图像；利用所述多属性卷积神经网络对所述训练图像进行多属性识别训练，得到增加有新人体属性和/或新属性值的多属性卷积神经网络模型。6.如权利要求1所述的人体属性识别方法，其特征在于，基于所述人体区域图像中的各个人体属性对应于预先定义的每一个属性值的概率，确定所述人体区域图像中的各个人体属性的属性值，包括：针对所述人体区域图像中的每一个人体属性，从所述人体属性对应于预先定义的每一个属性值的概率中，选取对应的概率最大的属性值作为所述人体属性的属性值。7.一种人体属性识别装置，其特征在于，包括：确定单元，用于确定监控图像中的人体区域图像；获取单元，用于将所述人体区域图像输入多属性卷积神经网络模型，得到所述人体区域图像中的各个人体属性对应于预先...

【专利技术属性】
技术研发人员：杨思骞，李季檩，吴永坚，晏轶超，贺珂珂，葛彦昊，黄飞跃，汪铖杰，
申请(专利权)人：腾讯科技深圳有限公司，腾讯云计算北京有限责任公司，
类型：发明
国别省市：广东,44