【技术实现步骤摘要】
人体属性识别方法、识别模型训练方法及装置
本专利技术涉及人体属性识别
,特别是涉及一种人体属性识别方法、识别模型训练方法及装置。
技术介绍
人体属性识别,是指通过人体属性识别系统识别出人的各种属性,例如,人的性别、年龄段、上身服饰、下身服饰、是否戴帽子、是否戴眼镜、是否挎包、身体朝向、头发长短、头发颜色等。人体属性识别方法经常应用于监控场景中,例如,对摄像设备所采集视频的截图中的行人进行属性识别。相关技术的人体属性识别方法通常为基于深度学习的人体属性识别方法,即,通过将人体图像输入用于对人体属性进行识别的神经网络,输出针对该人体图像中的人物进行人体属性识别的结果。但是,相关技术的人体属性识别方法,通常只是将人体图像作为一个整体进行属性识别,由于所能得到的特征信息有限,因此在对人体的各属性进行识别的过程中,人体属性识别神经网络只能通过有限的特征信息进行人体属性识别,导致人体属性的识别准确性不高。
技术实现思路
本专利技术实施例的目的在于提供一种人体属性识别方法、识别模型训练方法及装置,以进一步提高人体属性的识别准确性。具体技术方案如下:第一方面,本专利技术实施例提 ...
【技术保护点】
1.一种人体属性识别方法,其特征在于,所述方法包括:获取目标图像,所述目标图像为包含人体的图像;将所述目标图像输入预先训练的人体属性识别模型,得到识别结果;所述识别结果包括多个元素,每个元素对应于一个预设的人体属性,每个元素表示所述目标图像属于对应的人体属性的概率;所述人体属性识别模型包括:语义分割模型和卷积神经网络模型,其中,所述语义分割模型基于预设的分割区域生成与每个所述分割区域对应的区域属性信息;所述卷积神经网络模型提取所述目标图像的特征信息,并基于所述特征信息和所述区域属性信息对所述目标图像进行识别。
【技术特征摘要】
1.一种人体属性识别方法,其特征在于,所述方法包括:获取目标图像,所述目标图像为包含人体的图像;将所述目标图像输入预先训练的人体属性识别模型,得到识别结果;所述识别结果包括多个元素,每个元素对应于一个预设的人体属性,每个元素表示所述目标图像属于对应的人体属性的概率;所述人体属性识别模型包括:语义分割模型和卷积神经网络模型,其中,所述语义分割模型基于预设的分割区域生成与每个所述分割区域对应的区域属性信息;所述卷积神经网络模型提取所述目标图像的特征信息,并基于所述特征信息和所述区域属性信息对所述目标图像进行识别。2.根据权利要求1所述的方法,其特征在于,所述语义分割模型基于预设的分割区域生成与每个所述分割区域对应的区域属性信息,包括:将所述目标图像输入预先训练的语义分割模型,得到多个区域属性概率图;其中,每个所述区域属性概率图对应一个所述分割区域;每个所述区域属性概率图包括多个元素,每个元素对应所述目标图像中的一个像素,每个元素用于表示与该元素对应的像素属于预定分割区域的概率。3.根据权利要求1或2所述的方法,其特征在于,所述预设的分割区域包括以下至少一项:人体整体区域、背景区域和人体局部区域;所述人体局部区域包括以下至少一项:头部、上身、下身、手部、脚部。4.根据权利要求2所述的方法,其特征在于,所述基于所述特征信息和所述区域属性信息对所述目标图像进行识别,包括:将所述特征信息分别与各个所述区域属性信息进行融合,得到与每个所述分割区域对应的区域特征信息;基于所述特征信息和所述区域特征信息对所述目标图像进行识别。5.根据权利要求4所述的方法,其特征在于,所述卷积神经网络模型包括第一特征提取模块,所述卷积神经网络模型提取所述目标图像的特征信息,包括:将所述目标图像输入所述第一特征提取模块,得到第一特征图,其中,所述第一特征图包括多个元素,每个元素对应所述目标图像的一个像素,每个元素表示与其对应的像素的特征信息。6.根据权利要求5所述的方法,其特征在于,所述第一特征提取模块包括多个特征提取单元,用于依次对所述目标图像进行特征提取,其中,在先的特征提取单元的输出为在后的特征提取单元的输入;每个所述特征提取单元包括:卷积层、批归一化层和激活函数;在后的特征提取单元的通道数依次大于在先的特征提取单元的通道数。7.根据权利要求6所述的方法,其特征在于,所述将所述特征信息分别与各个所述区域属性信息进行融合处理,得到与每个所述分割区域对应的区域特征信息,包括:将所述第一特征图分别与多个所述区域属性概率图进行逐像素相乘,得到多个聚焦区域特征图;其中,每个所述聚焦区域特征图对应一个分割区域;每个所述聚焦区域特征图表示对其对应的分割区域的特征信息。8.根据权利要求7所述的方法,其特征在于,所述卷积神经网络模型还包括第二特征提取模块,所述基于所述特征信息和所述区域特征信息对所述目标图像进行识别,包括:将所述多个聚焦区域特征图进行合并,得到第二特征图;对所述第二特征图进行降维处理,得到第三特征图;将所述第一特征图和第三特征图进行合并,得到第四特征图;将所述第四特征图输入所述第二特征提取模块,得到第五特征图;对所述第五特征图依次输入池化层、全连接层和激活函数层,得到所述识别结果。9.一种人体属性识别模型的训练方法,其特征在于,应用于如权利要求1-8任一项所述的人体属性识别模型,所述方法包括:构建初始人体属性识别模型,所述初始人体属性识别模型包括:语义分割模型和初始卷积神经网络模型;获取样本图像以及各样本图像对应的人体属性标注信息,所述样本图像为经标注人体属性信息后得到的图像;基于所述样本图像,各样本图像对应的人体属性标注信息,以及所述语义分割模型所生成的区域属性信息,对所述初始人体属性识别模型进行训练,得到所述人体属性识别模型。10.根据权利要求9所述的方法,其特征在于,所述基于所述样本图像,各样本图像对应的人体属性标注信息,以及所述语义分割模型基于预设的分割区域所生成的与每个所述分割区域对应的区域属性信息,对所述初始人体属性识别模型进行训练,包括:将所述样本图像分别输入所述语义分割模型和所述初始卷积神...
【专利技术属性】
技术研发人员:苏驰,李凯,刘弘也,袁宝煜,邓梦玲,
申请(专利权)人:北京金山云网络技术有限公司,北京金山云科技有限公司,
类型:发明
国别省市:北京,11
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。