一种行人属性识别方法、装置、存储介质及终端制造方法及图纸

本发明专利技术公开了一种行人属性识别方法、装置、存储介质及终端，所述方法包括：获取目标行人图像；将所述目标行人图像输入至预先训练的行人属性识别模型中，所述行人属性识别模型是基于第一数据样本和第二数据样本训练生成，所述第二数据样本是将所述第一数据样本输入到预先训练的风格迁移模型中所生成；输出所述目标行人图像对应的各属性值。因此，采用本发明专利技术实施例，由于第二数据样本是将第一数据样本输入至风格迁移模型中生成的，利用相似度高的数据样本对行人属性识别模型进行训练后，当使用行人属性识别模型进行行人属性识别时输出的行人图像对应的各属性值将会更加准确。

A pedestrian attribute recognition method, device, storage medium and terminal

【技术实现步骤摘要】
一种行人属性识别方法、装置、存储介质及终端
本专利技术涉及计算机
，特别涉及一种行人属性识别方法、装置、存储介质及终端。
技术介绍
近年来，基于人的图像识别分析技术取得了广泛的应用，例如年龄识别、公安防和门禁系统等。图像中的行人体型判断，是对行人进行语义描述的一个重要属性，即检测一张行人图片或视频中行人的身高、胖瘦等体型特征。目前，行人属性识别是计算机视觉领域的一个重要研究方向，也是视频监控中结构化分析的重要组成部分。在当前的行人属性识别中，利用包含行人属性标注信息的数据训练出的识别模型进行识别时，由于这种识别模型在训练过程中采集的数据样本对行人的属性标注的不够丰富，当对大量的数据样本进行标注时，浪费时间，增加了成本。因此利用该模型进行识别后导致识别后的结果不够准确。
技术实现思路
本专利技术实施例提供了一种行人属性识别方法、装置、存储介质及终端。为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。第一方面，本专利技术实施例提供了一种行人属性识别方法，所述方法包括：获取目标行人图像；将所述目标行人图像输入至预先训练的行人属性识别模型中，所述行人属性识别模型是基于第一数据样本和第二数据样本训练生成，所述第二数据样本是将所述第一数据样本输入到预先训练的风格迁移模型中所生成；输出所述目标行人图像对应的各属性值。可选的，所述获取目标行人图像之前，还包括：获取第一数据样本和目标测试数据样本；创建风格迁移模型，将所述第一数据样本和目标测试数据样本输入至所述风格迁移模型中进行训练，生成训练完成的风格迁移模型。可选的，所述将所述第一数据样本和目标测试数据样本输入至所述风格迁移模型中进行训练，生成训练完成的风格迁移模型之后，还包括：将所述第一样本数据输入至所述训练完成的风格迁移模型中生成第二数据样本。可选的，所述将所述第一样本数据输入至所述训练完成的风格迁移模型中生成第二数据样本之后，还包括：创建行人属性识别模型；将所述第一样本数据和所述第二样本数据合并后输入至所述行人属性识别模型中，输出所述模型的损失值；当所述损失值达到预设阈值时，生成训练完成的行人属性识别模型。第二方面，本专利技术实施例提供了一种行人属性识别装置，所述装置包括：图像获取模块，用于获取目标行人图像；图像输入模块，用于将所述目标行人图像输入至预先训练的行人属性识别模型中，所述行人属性识别模型是基于第一数据样本和第二数据样本训练生成，所述第二数据样本是将所述第一数据样本输入到预先训练的风格迁移模型中所生成；属性值输出模块，用于输出所述目标行人图像对应的各属性值。可选的，所述装置还包括：样本获取模块，用于获取第一数据样本和目标测试数据样本；第一模型生成模块，用于创建风格迁移模型，将所述第一数据样本和目标测试数据样本输入至所述风格迁移模型中进行训练，生成训练完成的风格迁移模型。可选的，所述装置还包括：样本生成模块，用于将所述第一样本数据输入至所述训练完成的风格迁移模型中生成第二数据样本。可选的，所述装置还包括：模型创建模块，用于创建行人属性识别模型；损失值输出模块，用于将所述第一样本数据和所述第二样本数据合并输入至所述行人属性识别模型中，输出所述模型的损失值；第二模型生成模块，用于当所述损失值达到预设阈值时，生成训练完成的行人属性识别模型。第三方面，本专利技术实施例提供一种计算机存储介质，所述计算机存储介质存储有多条指令，所述指令适于由处理器加载并执行上述的方法步骤。第四方面，本专利技术实施例提供一种终端，可包括：处理器和存储器；其中，所述存储器存储有计算机程序，所述计算机程序适于由所述处理器加载并执行上述的方法步骤。本专利技术实施例提供的技术方案可以包括以下有益效果：在本专利技术实施例中，首先获取目标行人图像，然后将所述目标行人图像输入至预先训练的行人属性识别模型中，所述行人属性识别模型是基于第一数据样本和第二数据样本训练生成，所述第二数据样本是将所述第一数据样本输入到预先训练的风格迁移模型中所生成，最后输出所述目标行人图像对应的各属性值。因此，采用本专利技术实施例，由于第二数据样本是将第一数据样本输入至风格迁移模型中生成的，利用相似度高的数据样本对行人属性识别模型进行训练后，当使用行人属性识别模型进行行人属性识别时输出的行人图像对应的各属性值将会更加准确。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本专利技术。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本专利技术的实施例，并与说明书一起用于解释本专利技术的原理。图1是本专利技术实施例提供的行人属性识别方法的流程示意图；图2是本专利技术实施例提供的另一种行人属性识别方法的流程示意图；图3是本专利技术实施例提供的一种风格迁移模型生成的示意图；图4是本专利技术实施例提供的一种利用风格迁移模型将数据样本转化成另一数据样本的示意图；图5是行人属性识别模型生成的示意图；图6是本专利技术实施例提供的行人属性识别过程的过程示意图；图7是本专利技术实施例提供的模型计算损失值的流程示意图；图8是本专利技术实施例提供的一种行人属性识别装置的结构示意图；图9是本专利技术实施例提供的另一种行人属性识别装置的结构示意图；图10是本专利技术实施例提供的一种终端的结构示意图。具体实施方式以下描述和附图充分地示出本专利技术的具体实施方案，以使本领域的技术人员能够实践它们。应当明确，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本专利技术相一致的所有实施方式。相反，它们仅是如所附权利要求书中所详述的、本专利技术的一些方面相一致的装置和方法的例子。在本专利技术的描述中，需要理解的是，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本专利技术中的具体含义。此外，在本专利技术的描述中，除非另有说明，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。到目前为止，在当前的行人属性识别中，利用包含行人属性标注信息的数据训练出的识别模型进行识别时，由于这种识别模型在训练本文档来自技高网...

【技术保护点】
1.一种行人属性识别方法，其特征在于，所述方法包括：/n获取目标行人图像；/n将所述目标行人图像输入至预先训练的行人属性识别模型中，所述行人属性识别模型是基于第一数据样本和第二数据样本训练生成，所述第二数据样本是将所述第一数据样本输入到预先训练的风格迁移模型中所生成；/n输出所述目标行人图像对应的各属性值。/n

【技术特征摘要】
1.一种行人属性识别方法，其特征在于，所述方法包括：
获取目标行人图像；
将所述目标行人图像输入至预先训练的行人属性识别模型中，所述行人属性识别模型是基于第一数据样本和第二数据样本训练生成，所述第二数据样本是将所述第一数据样本输入到预先训练的风格迁移模型中所生成；
输出所述目标行人图像对应的各属性值。


2.根据权利要求1所述的方法，其特征在于，所述获取目标行人图像之前，还包括：
获取第一数据样本和目标测试数据样本；
创建风格迁移模型，将所述第一数据样本和目标测试数据样本输入至所述风格迁移模型中进行训练，生成训练完成的风格迁移模型。


3.根据权利要求2所述的方法，其特征在于，所述将所述第一数据样本和目标测试数据样本输入至所述风格迁移模型中进行训练，生成训练完成的风格迁移模型之后，还包括：
将所述第一样本数据输入至所述训练完成的风格迁移模型中生成第二数据样本。


4.根据权利要求3所述的方法，其特征在于，所述将所述第一样本数据输入至所述训练完成的风格迁移模型中生成第二数据样本之后，还包括：
创建行人属性识别模型；
将所述第一样本数据和所述第二样本数据合并后输入至所述行人属性识别模型中，输出所述模型的损失值；
当所述损失值达到预设阈值时，生成训练完成的行人属性识别模型。


5.一种行人属性识别装置，其特征在于，所述装置包括：
图像获取模块，用于获取目标行人图像；
图像输入模块，用于将所述目标行人图像输入至预先训...

【专利技术属性】
技术研发人员：王弯弯，张尉东，黄晓峰，殷海兵，贾惠柱，
申请(专利权)人：浙江省北大信息技术高等研究院，杭州未名信科科技有限公司，
类型：发明
国别省市：浙江;33