一种人体属性识别方法、装置、电子设备及介质制造方法及图纸

本公开实施例中提供了一种人体属性识别方法、装置、电子设备及介质，属于图像处理技术领域，具体包括：获取包含目标人员的目标图像；将所述目标图像划分为多个子图像，其中，全部所述子图像分别包含所述目标人员不同的人体特征图像；识别所述目标图像中的人体特征得到第一属性值，以及，识别全部所述子图像中的人体特征得到全部所述子图像分别对应的第二属性值；将所述第一属性值与全部所述第二属性值进行比对，得到所述目标人员对应的识别结果；输出所述识别结果。通过本公开的方案，分别识别目标图像整体，以及，针对目标图像划分的子图像进行单独识别，然后将识别结果比对，选取最符合的属性值作为识别结果，提高了识别效率和识别精准度。

【技术实现步骤摘要】
一种人体属性识别方法、装置、电子设备及介质
本公开实施例涉及图像处理
，尤其涉及一种人体属性识别方法、装置、电子设备及介质。
技术介绍
目前，设置互联网的普及，越来越多的生活场景或者工作场景都变得越来越智能化，随着深度学习的发展，出现了很多基于深度学习的人体属性识别方法。但是现有的人体属性识别方法，大部分应用过程是选取监控获取的视频流或抓拍进行分析，由于是远距离拍摄以及分辨率较低，对于整体图像进行分析时，经常会造成误判，以及，在数据缺失的情况下，不能合理根据人体特征识别图像中包含的人体属性。可见，亟需一种识别效率和识别精准度高的人体属性识别方法。
技术实现思路
有鉴于此，本公开实施例提供一种人体属性识别方法、装置、电子设备及介质，至少部分解决现有技术中识别效率和识别精准度低的问题。第一方面，本公开实施例提供了一种人体属性识别方法，包括：获取包含目标人员的目标图像；将所述目标图像划分为多个子图像，其中，全部所述子图像分别包含所述目标人员不同的人体特征图像；识别所述目标图像中的人体特本文档来自技高网...

【技术保护点】
1.一种人体属性识别方法，其特征在于，包括：/n获取包含目标人员的目标图像；/n将所述目标图像划分为多个子图像，其中，全部所述子图像分别包含所述目标人员不同的人体特征图像；/n识别所述目标图像中的人体特征得到第一属性值，以及，识别全部所述子图像中的人体特征得到全部所述子图像分别对应的第二属性值；/n将所述第一属性值与全部所述第二属性值进行比对，得到所述目标人员对应的识别结果；/n输出所述识别结果。/n

【技术特征摘要】
1.一种人体属性识别方法，其特征在于，包括：
获取包含目标人员的目标图像；
将所述目标图像划分为多个子图像，其中，全部所述子图像分别包含所述目标人员不同的人体特征图像；
识别所述目标图像中的人体特征得到第一属性值，以及，识别全部所述子图像中的人体特征得到全部所述子图像分别对应的第二属性值；
将所述第一属性值与全部所述第二属性值进行比对，得到所述目标人员对应的识别结果；
输出所述识别结果。


2.根据权利要求1所述的方法，其特征在于，所述获取包含目标人员的目标图像的步骤之前，所述方法还包括：
采集多张包含所述目标人员的初始图像；
选取包含所述目标人员的人体特征最多的初始图像作为所述目标图像。


3.根据权利要求1所述的方法，其特征在于，所述识别所述目标图像中的特征得到第一属性值的步骤，包括：
将所述目标图像输入整体识别模型；
依次识别所述目标图像中包含的全部人体特征，输出所述第一属性值。


4.根据权利要求3所述的方法，其特征在于，所述识别全部所述子图像中的人体特征得到全部所述子图像分别对应的第二属性值的步骤，包括：
选取全部所述子图像对应的子识别模型；
将全部所述子图像输入其对应的所述子识别模型，将输出结果形成所述第二属性值。


5.根据权利要求4所述的方法，其特征在于，所述将所述目标图像输入整体识别模型的步骤之前，所述方法还包括：
利用预设数量的样本图像训练卷积神经网络，得到所述识别模型；
所述选取全部所述子图像对应的子识别模型的步骤之前，所述方法还包括：
将全部所述样本图像根据所述人体特征划分为多个样本子图像；
将全部所述样本子图像分别对所述卷积神经网络进行训练，得到不同所述人体特征对应的所述子识别模...

【专利技术属性】
技术研发人员：李婷婷，
申请(专利权)人：北京赢识科技有限公司，
类型：发明
国别省市：北京;11