一种基于多任务深度学习的行人属性识别方法技术

本发明专利技术提供一种基于多任务深度学习的行人属性识别方法，利用行人检测算法在监控视频检测出多姿态的行人样本图；对所检测出的行人样本图进行重命名，并进行行人属性手工标注，划分训练集样本和测试集样本；对训练集样本进行训练，得到多任务行人属性识别模型，针对任务的需求设计多任务行人属性识别网络；利用多任务行人属性识别模型对测试集样本每个图片输出其属于所有属性中所有类别的置信度。设计了一个多任务的深度网络，在一个网络中学习所有的行人属性，该方法不仅解决了资源的占用问题，同时由于在同一个网络中进行特征共享，大大提升了模型的识别精度和速度。

【技术实现步骤摘要】
一种基于多任务深度学习的行人属性识别方法
本专利技术属于计算机视觉与模式识别领域，更具体地涉及一种基于多任务深度学习的行人属性识别方法。
技术介绍
近年来，监控摄像头在城市中得到大量普及，对人们生活起到了保驾护航的作用。如今全球每天监控录像产生数据量就达到上千PB，随着高清4K技术的推广和普及，该数据量还将会成倍增长，视频监控也将步入更高清的大数据井喷时代。如何从海量的数据中进行有用的信息检索？是现代安防重点解决的问题之一。在以往数据规模较小，通常人为从监控视频中找到符合特征的行人。如今随着监控数据的海量增长，人力资源成本的提高，仅依靠人力筛选已变得不切实际；另一方面，刑事案件往往对检索具有时效性要求。所以如何准确对视频中行人进行自动化描述和识别，对实现行人的快速检索具有十分重要的意义。行人属性的识别是实现视频中行人检索的前提，目前学术界就行人属性识别也做了相关研究，大致可以分为基于传统特征算法的行人属性识别、基于深度学习的行人属性识别两种，具体方案如下：1、基于传统特征算法的行人属性识别，这种方法需要进行特征模板的选取设计，如上衣颜色，利用上衣区域设计颜色特征匹配模板，并进行颜色分本文档来自技高网...

【技术保护点】
1.一种基于多任务深度学习的行人属性识别方法，其特征在于：包括如下步骤：S1：获取多个点位、场景的监控视频，利用行人检测算法在监控视频检测出多姿态的行人样本图；S2：对S1检测出的所述行人样本图进行重命名，并进行行人属性手工标注，划分训练集样本和测试集样本；S3：针对任务的需求设计多任务行人属性识别网络；S4:将所述步骤S2收集的所述训练集样本放入所述步骤S3所设计的所述多任务行人属性识别网络进行训练，得到多任务行人属性识别模型；S5:对于所述测试集样本，利用所述步骤S4得到的所述多任务行人属性识别模型对其中每个图片输出其属于所有属性中所有类别的置信度。

【技术特征摘要】
1.一种基于多任务深度学习的行人属性识别方法，其特征在于：包括如下步骤：S1：获取多个点位、场景的监控视频，利用行人检测算法在监控视频检测出多姿态的行人样本图；S2：对S1检测出的所述行人样本图进行重命名，并进行行人属性手工标注，划分训练集样本和测试集样本；S3：针对任务的需求设计多任务行人属性识别网络；S4:将所述步骤S2收集的所述训练集样本放入所述步骤S3所设计的所述多任务行人属性识别网络进行训练，得到多任务行人属性识别模型；S5:对于所述测试集样本，利用所述步骤S4得到的所述多任务行人属性识别模型对其中每个图片输出其属于所有属性中所有类别的置信度。2.根据权利要求1所述的方法，其特征在于：在所述步骤S5中，还包括按照类别置信度大小排序，得到所述测试集样本图片在所有属性中所属的类别。3.根据权利要求1所述的方法，其特征在于：在所述步骤S2中，还包括对所述行人样本图中相同姿态下的行人样本进行筛选和过滤，对剩余行人样本进行人工标注，给出该剩余行人样本每个图片所有类别的标签。4.根据权利要求...

【专利技术属性】
技术研发人员：毛亮，林焕凯，朱婷婷，黄仝宇，汪刚，宋一兵，侯玉清，刘双广，
申请(专利权)人：高新兴科技集团股份有限公司，
类型：发明
国别省市：广东,44