【技术实现步骤摘要】
一种基于深度学习的行人属性识别方法和系统
本申请涉及图像处理
，具体涉及一种基于深度学习的行人属性识别方法和系统。
技术介绍
视频监控系统作为一种社会安全保障体系已在日常生活中被广泛应用，银行、商场、超市、宾馆、街角、路口、收费站等公共场所随处可见摄像头等视频采集设备。这类系统的安装极大地增加了社会安全性，对不法分子的行为起到了实时监控和记录的作用，为公安机关侦破案件提供了大量真实可靠的线索。随着技术的发展和人们生活水平的提高，提出了对视频监控中行人属性自动识别的需求，以进一步对行人进行识别、分析和跟踪，其中，行人属性包括行人的肤色、衣着颜色、发色、体形等，由于行人属性识别是基于拍摄的监控视频实现的，在阳光照耀、光线明亮等情况下拍摄的监控视频画面偏色较轻，采用当前的行人属性识别技术可以准确地进行识别，但是，在夜间霓虹灯照射下拍摄的监控视频画面往往存在较为严重的偏色，且随着多彩霓虹灯、多彩灯带、多彩灯箱等彩色照明设备的广泛应用，监控视频画面的偏色时而偏蓝、时而偏红等不断变化，且偏色程度也经常变化，导致难以对监控视...
【技术保护点】
1.一种基于深度学习的行人属性识别方法，其特征在于，包括：/n对待识别图像进行场景识别，并根据识别结果提取所述待识别图像中的第一场景图像，其中，所述待识别图像的图像内容包含行人；/n将所述第一场景图像输入预先训练好的场景偏色还原神经网络模型，利用所述场景偏色还原神经网络模型输出与所述第一场景图像对应的非偏色的第二场景图像；/n计算所述第一场景图像与所述第二场景图像之间的偏色信息；/n根据所述偏色信息对所述待识别图像进行偏色还原，得到偏色还原后的待识别图像；/n根据所述偏色还原后的待识别图像进行行人属性识别。/n
【技术特征摘要】
1.一种基于深度学习的行人属性识别方法，其特征在于，包括：
对待识别图像进行场景识别，并根据识别结果提取所述待识别图像中的第一场景图像，其中，所述待识别图像的图像内容包含行人；
将所述第一场景图像输入预先训练好的场景偏色还原神经网络模型，利用所述场景偏色还原神经网络模型输出与所述第一场景图像对应的非偏色的第二场景图像；
计算所述第一场景图像与所述第二场景图像之间的偏色信息；
根据所述偏色信息对所述待识别图像进行偏色还原，得到偏色还原后的待识别图像；
根据所述偏色还原后的待识别图像进行行人属性识别。
2.根据权利要求1所述的方法，其特征在于，所述待识别图像取自监控摄像机拍摄的监控视频流；
所述对待识别图像进行场景识别，并根据识别结果提取所述待识别图像中的第一场景图像，包括：
采用帧间差分法或光流场法检测所述待识别图像中的行人，确定行人所在区域；
将所述待识别图像中除所述行人所在区域之外的其他区域提取为第一场景图像。
3.根据权利要求1所述的方法，其特征在于，所述对待识别图像进行场景识别，并根据识别结果提取所述待识别图像中的第一场景图像，包括：
采用显著性检测算法检测所述待识别图像中的显著区域，所述显著区域为行人所在区域；
将所述待识别图像中除所述显著区域之外的非显著区域提取为第一场景图像。
4.根据权利要求1所述的方法，其特征在于，所述计算所述第一场景图像与所述第二场景图像之间的偏色信息，包括：
确定多个颜色通道；
针对每个颜色通道，根据所述第一场景图像中各个像素在所述颜色通道的取值和所述第二场景图像中各个像素在所述颜色通道的取值，确定所述第一场景图像与所述第二场景图像在该颜色通道的通道偏色信息；
根据每个所述颜色通道对应的所述通道偏色信息，确定所述所述第一场景图像与所述第二场景图像之间的偏色信息。
5.根据权利要求1所述的方法，其特征在于，所述偏色信息包括所述第一场景图像中各个像素的像素偏色信息；
所述根据所述偏色信息对所述待识别图像进行偏色还原，得到偏色还原后的待识别图像，包括：
根据所述第一场景图像中各个像素的像素偏色信息，预测所述待识别图像中行人所在区域内各个像素的像素偏色信息；
根据所述第一场景图像中各个像素的像素偏色信息和所述行人所在区域内各个像素的像素偏色信息，确定所述待识别图像中各个像素的像素偏色信息；
根据所述待识别图像中各个像素的像素偏色信息，对所述待识别图像进行偏色还原，得到偏色还原后的待识别图像。
6.一种基于深度学习的行人属性识别系统，其特征在于，包括：<...
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。