基于注意力模型的行人属性识别方法技术

本发明专利技术公开了一种基于注意力模型的行人属性识别方法，具体包括如下步骤：步骤1：对输入图像进行卷积特征提取，得到特征F；步骤2：将步骤1中提取的特征送入CBAM模块进行注意力特征提取，得到注意力特征向量F″；步骤3：经过Inception网络以及每个Inception网络后的CBAM，得到最终的特征向量；步骤4：对特征向量进行识别进而分类得到识别结果。本发明专利技术旨在改进传统算法训练时间长与硬件要求高的缺点，即减小网络模型大小的同时又能保持、接近、甚至优于传统算法的精确度。

Pedestrian attribute recognition based on attention model

【技术实现步骤摘要】
基于注意力模型的行人属性识别方法
本专利技术属于智能识别
，具体涉及一种基于注意力模型的行人属性识别方法。
技术介绍
在智能监控中，行人的属性识别是一个热点研究课题。行人属性是指人的一些可观测的外部特征，可作为重要的生物特征信息被用于行人再识别，安防监控，智慧城市等任务中。根据属性的类型，可将行人属性分为具体属性和抽象属性两个部分。具体属性是对人物图像中，人的不同区域的具体细节描述。例如，发型及头发颜色、帽子、眼镜等。抽象属性与一些抽象概念相对应，如性别、身体方向和年龄，这些抽象概念通常不能从单个区域进行分析。根据不同的特征层次，行人属性识别的方法大致可以分成两类：基于整体区域的分析方法和基于局部区域的分析方法。基于整体区域的分析方法是将整个人体作为输入进行处理，所需的模型通常较为简单。然而，不同于目标检测，行人属性识别是一个细粒度的识别，包含了对同一类中不同子类物体间的更细化的分类。在实际场景中，某些特定的行人属性总是由图像中某一小块区域决定。因此，有许多研究者提出了基于局部区域的分析方法，利用不同属性和身体部位之间的对应关系来本文档来自技高网...

【技术保护点】
1.一种基于注意力模型的行人属性识别方法，其特征在于，具体包括如下步骤：/n步骤1：对输入图像进行卷积特征提取，得到特征F；/n步骤2：将步骤1中提取的特征送入CBAM模块进行注意力特征提取，得到注意力特征向量F″；/n步骤3：经过Inception网络以及每个Inception网络后的CBAM，得到最终的特征向量；/n步骤4：对特征向量进行识别进而分类得到识别结果。/n

【技术特征摘要】
1.一种基于注意力模型的行人属性识别方法，其特征在于，具体包括如下步骤：
步骤1：对输入图像进行卷积特征提取，得到特征F；
步骤2：将步骤1中提取的特征送入CBAM模块进行注意力特征提取，得到注意力特征向量F″；
步骤3：经过Inception网络以及每个Inception网络后的CBAM，得到最终的特征向量；
步骤4：对特征向量进行识别进而分类得到识别结果。


2.如权利要求1所述的一种基于注意力模型的行人属性识别方法，其特征在于，所述步骤2中CBAM是一个结合通道特征以及空间特征的注意力图提取模型，由简称为CAM的通道注意力模块和简称为SAM的空间注意力模块串联而成。


3.如权利要求2所述的一种基于注意力模型的行人属性识别方法，其特征在于，所述步骤2的具体过程如下：
步骤2.1：F通过CAM得到通道注意力图MC(F)；
步骤2.2：MC(F)与F进行元素相乘得到通道注意力特征F′；
步骤2.3：F′传入SAM中，得到空间注意力图MS(F′)；
步骤2.4：MS(F′)再与F′进行元素相乘，得到注意力特征向量F″。


4.如权利要求1所述的一种基于注意力模型的行人属性识别方法，其特征在于，所述步骤3中Inception网络选取Inception-v3作为特征提取的基础网络。


5.如权利要求4所述的一种基于注意力模型的行人属性识别方法，其特征在于，所述步骤3的具体过程如下：
步骤3.1：将步骤2中得到的输出F″输入到Inception网络使用小卷积核进行降维，减少参数的个数；
步骤3.2：将3.1中经过降维的特征输入CBAM模块，进行步骤2中的操作；
步骤3.3：重复上述两个步骤共三次，得到最终的特征向量。


6.如权利要求1所述的一种基于注...

【专利技术属性】
技术研发人员：任劼，胡剑波，章万韩，
申请(专利权)人：西安工程大学，
类型：发明
国别省市：陕西;61