【技术实现步骤摘要】
一种目标对象的多任务属性识别系统
本专利技术属于计算机视觉
，尤其涉及一种目标对象的多任务属性识别系统。
技术介绍
车辆属性识别和行人属性识别是现代智能交通系统的重要组成部分，缓解了越来越严峻的交通压力。车辆属性识别主要包括车辆视角识别、车身颜色识别、车辆类型识别、车辆品牌识别、车辆子品牌识别等信息。车辆属性识别能够通过智能分析车辆，提取出关键的属性信息，对车辆进行文本的语义描述以便对视频中的车辆进行识别、跟踪、检索等操作。行人属性，如年龄、性别、发型、衣服款式、衣服颜色、配饰等，是人类重要的语义描述，可以作为视觉监控中的软生物特征，有利于行人检索、行人识别和行人再识别等应用。目前，车辆属性和行人属性一般需要分别设计不同的神经网络模型进行识别，而对车辆属性进行识别时，又需要针对不同的车辆属性分别训练一个神经网络模型，利用训练好的不同的神经网络模型分别识别并输出同一张车辆图像的不同车辆属性。通过训练多个神经网络模型分别对车辆图像和行人图像进行识别而得到相应图像所对应的不同属性时，需要占用较多的存储资源及计算资源，资源消耗较高。
技术实现思路
为了降低资源消耗，无需...
【技术保护点】
1.一种目标对象的多任务属性识别系统，其特征在于所述系统包括：用于接收外部输入的待识别的目标对象图像的数据输入层；用于对所述数据输入层接收的外部目标对象图像进行浅层学习，学习得到浅层特征信息的第一基础卷积神经网络；用于对所述第一基础卷积神经网络学习得到的所述浅层特征信息进行深度学习的第二基础卷积神经网络；用于提取所述目标对象图像经过所述第一基础卷积神经网络学习得到的局部特征的第一局部特征提取网络；用于提取所述目标对象图像经过所述第一基础卷积神经网络和所述第二基础卷积神经网络学习得到的局部特征的第二局部特征提取网络；用于提取所述目标对象图像全局特征的全局特征提取网络；用于对所...
【技术特征摘要】
1.一种目标对象的多任务属性识别系统，其特征在于所述系统包括：用于接收外部输入的待识别的目标对象图像的数据输入层；用于对所述数据输入层接收的外部目标对象图像进行浅层学习，学习得到浅层特征信息的第一基础卷积神经网络；用于对所述第一基础卷积神经网络学习得到的所述浅层特征信息进行深度学习的第二基础卷积神经网络；用于提取所述目标对象图像经过所述第一基础卷积神经网络学习得到的局部特征的第一局部特征提取网络；用于提取所述目标对象图像经过所述第一基础卷积神经网络和所述第二基础卷积神经网络学习得到的局部特征的第二局部特征提取网络；用于提取所述目标对象图像全局特征的全局特征提取网络；用于对所述数据输入层接收的所述目标对象图像进行识别以判别所述目标对象的视角并获得其属于不同视角置信值的视角识别网络；用于对两个所述局部特征提取网络和所述全局特征提取网络得到的特征数据进行合并处理以形成对应的高级特征数据的融合特征层；用于对所述目标对象图像进行属性识别的多任务属性识别网络。2.根据权利要求1所述的目标对象的多任务属性识别系统，其特征在于上述第一基础卷积神经网络，由多个卷积层、至少一个池化层以及至少一层inception层组成，其中，排列在首位的所述卷积层输入为所述数据输入层接收的所述待识别目标对象图像，提取所述目标对象图像的浅层特征数据，并将所述浅层特征数据输出至与其相连的后置卷积层，后置卷积层对所述浅层特征数据进行特征提取以形成新的特征数据，排列在末位的所述卷积层与所述池化层相连；所述池化层，用于对相连的所述卷积层接收的浅层特征数据进行降维处理以形成低维浅层特征数据，排列在末位的池化层与排在首位的所述inception层相连接；排在末位的所述inception层分别与所述第一局部特征提取网络、所述第二基础卷积神经网络以及所述视角识别网络相连接。3.根据权利要求1所述的目标对象的多任务属性识别系统，其特征在于上述第二基础卷积神经网络，由多层inception层组成，其...
【专利技术属性】
技术研发人员：鞠蓉，邢卫国，
申请(专利权)人：南京斯玛唯得智能技术有限公司，
类型：发明
国别省市：江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。