一种监控视频下的行人属性识别方法技术

一种监控视频下的行人属性识别方法，首先采用行人检测技术，对视频中的行人和背景进行区分，并且提取出包含行人部分的图像，再进一步通过行人属性检测技术，对行人属性的粗粒度属性，包括头部、上身、下身、鞋子和附属物进行检测并提取相应部位的图像，最后选用多分类网络对检测到的每个粗粒度属性部位进行细粒度分类，选择置信度最大的属性类别作为最终结果。本发明专利技术在行人属性识别的精确度上相对于以往方法有所提高，用于安防领域，有利于监控人员在海量视频中快速检索可疑目标，节省了大量时间和精力。

【技术实现步骤摘要】
一种监控视频下的行人属性识别方法
本专利技术涉及智能视频监控、计算机视觉领域，具体涉及一种监控视频下的行人属性识别方法，主要应用于安防项目中视频监控。
技术介绍
近年来，随着硬件设施的进步及算法的改进，机器学习、神经网络和人工智能逐渐普遍应用于解决各类实际问题，并且在各种传统计算机视觉领域有杰出的表现。很多学者就将卷积神经网络延伸使用在了行人属性识别的领域，大部分学者在解决行人属性识别时都采用神经网络的方法，其中包括Sudowe等人提出的ACN行人属性分类模型，LiDangwei等人提出的DeepSAR多个单分类网络和DeepMAR单向量输入网络，中科院李子青团队提出的MLCNN端到端网络模型。这些方法主要都是通过多次训练网络模型参数，通过直接输入图像直接分类得到行人属性，存在以下不足：1、没有对属性位置的精确检测，从而造成识别结果不准确；2、没有考虑属性之间的关联性，仅仅完成分类任务；3、训练网络的数据集较小，不具有代表性。造成这些缺陷的原因一方面是硬件和数据支撑欠缺，另一方面是采用的方法只针对分类问题，而没有本文档来自技高网...

【技术保护点】
1.一种监控视频下的行人属性识别方法，其特征在于：首先采用行人检测技术，对视频中的行人和背景进行区分，并且提取出包含行人部分的图像，再进一步通过行人属性检测技术，对行人属性的粗粒度属性，包括头部、上身、下身、鞋子和附属物进行检测并提取相应部位的图像，最后选用多分类网络对检测到的每个粗粒度属性部位进行细粒度分类，选择置信度最大的属性类别作为最终结果。/n

【技术特征摘要】
1.一种监控视频下的行人属性识别方法，其特征在于：首先采用行人检测技术，对视频中的行人和背景进行区分，并且提取出包含行人部分的图像，再进一步通过行人属性检测技术，对行人属性的粗粒度属性，包括头部、上身、下身、鞋子和附属物进行检测并提取相应部位的图像，最后选用多分类网络对检测到的每个粗粒度属性部位进行细粒度分类...

【专利技术属性】
技术研发人员：李雪，
申请(专利权)人：北京航天长峰科技工业集团有限公司，
类型：发明
国别省市：北京;11