一种年龄分段属性预测方法、装置、介质及设备制造方法及图纸

本发明专利技术公开了一种年龄分段属性预测方法，包括：获取目标图像，所述目标图像包括目标对象的头部区域图像以及人体区域图像；利用特征提取网络对所述目标图像进行特征提取，得到头部区域的局部特征以及人体区域的全局特征；基于所述局部特征、所述全局特征以及年龄段预测网络，获取目标对象所属的年龄段。本发明专利技术针对年龄段属性判别的特点及难点，结合头部区域的局部特征和人体的全局特征进行年龄段判断，提高识别准确度。高识别准确度。高识别准确度。

【技术实现步骤摘要】
一种年龄分段属性预测方法、装置、介质及设备


[0001]本专利技术涉及年龄识
，具体涉及一种年龄分段属性预测方法、装置、介质及设备。

技术介绍

[0002]随着社会的快速发展、监控设备的迅速普及以及城市化建设的不断推进，在诸如安防、交通等场景下对于行人属性识别有着明确的需求。年龄属性作为行人属性的基础属性之一，对于寻人、身份判别等都有重要的辅助作用。若从海量数据中由人工逐一查找定位，费时费力，通过属性识别缩小查找范围对于寻人工作效率有着明显提升。
[0003]受限于光照、角度以及拍照设备的影响，监控场景下的年龄段识别相较于人脸场景有着更高的难度。
[0004]此外，由于真实的业务场景下拍摄到的图像质量差异较大，过往的属性识别算法难以较好泛化到真实场景，会出现较多明显的误识别。因此，如何兼顾环境迥异、质量参差的监控场景图像对于年龄段识别算法有着较高的要求。

技术实现思路

[0005]鉴于以上所述现有技术的缺点，本专利技术的目的在于提供一种年龄分段属性预测方法、装置、介质及设备，用于解决现有技术中的至少一个缺陷。
[0006]为实现上述目的及其他相关目的，本专利技术提供一种年龄分段属性预测方法，包括：
[0007]获取目标图像，所述目标图像包括目标对象的头部区域图像以及人体区域图像；
[0008]利用特征提取网络对所述目标图像进行特征提取，得到头部区域的局部特征以及人体区域的全局特征；
[0009]基于所述局部特征、所述全局特征以及年龄段预测网络，获取目标对象所属的年龄段。
[0010]可选地，所述方法还包括：
[0011]融合所述局部特征和所述全局特征，得到年龄特征；
[0012]所述年龄段预测网络以所述年龄特征作为输入，输出的目标对象所属的年龄段。
[0013]可选地，通过下式融合所述局部特征和所述全局特征，得到年龄特征；
[0014]t(feature
body
，feature
head
)＝feature
body
⊙
L
⊙
feature
head
[0015]其中，t(feature
body
，feature
head
)表示年龄特征，feature
body
表示全局特征，feature
head
表示局部特征，
⊙
表示哈达玛积，L表示权值矩阵，所述权值矩阵用于调节所述局部特征与所述局部特征对年龄段预测的贡献度。
[0016]可选地，所述方法还包括：
[0017]获取样本图像，所述样本图像包括头部区域图像和人体区域图像，所述样本图像中存在对应的年龄标注值；
[0018]根据所述样本图像以及所述样本图像中的年龄标注值，对初始特征提取网络和初
始年龄段预测网络进行训练，得到最终的特征提取网络和年龄段预测网络。
[0019]可选地，所述方法还包括：
[0020]采用自适应的gamma矫正对所述样本图像进行数据增强；
[0021]其中，自适应gamma矫正的参数γ通过如下公式得到：
[0022]γ＝log
10 0.5/log
10 X/255
[0023]其中，X为样本图像像素的平均值。
[0024]可选地，采用resnet网络作为特征提取网络。
[0025]可选地，所述局部特征包括以下至少之一：人脸特征、头发特征、头部姿态特征，所述全局特征包括以下至少之一：服饰特征、人体姿态特征。
[0026]为实现上述目的及其他相关目的，本专利技术提供一种年龄分段属性预测装置，包括：
[0027]图像获取模块，用于获取目标图像，所述目标图像包括目标对象的头部区域图像以及人体区域图像；
[0028]特征提取模块，用于利用特征提取网络对所述目标图像进行特征提取，得到头部区域的局部特征以及人体区域的全局特征；
[0029]年龄段预测模块，用于基于所述局部特征、所述全局特征以及年龄段预测网络，获取目标对象所属的年龄段。
[0030]为实现上述目的及其他相关目的，本专利技术提供一种年龄分段属性预测设备，包括：
[0031]一个或多个处理器；和
[0032]其上存储有指令的一个或多个机器可读介质，当所述一个或多个处理器执行时，使得所述设备执行一个或多个所述的方法。
[0033]为实现上述目的及其他相关目的，本专利技术提供一个或多个机器可读介质，其上存储有指令，当由一个或多个处理器执行时，使得设备执行一个或多个所述的方法。
[0034]如上所述，本专利技术的一种年龄分段属性预测方法、装置、介质及设备，具有以下有益效果：
[0035]本专利技术的一种年龄分段属性预测方法，包括：获取目标图像，所述目标图像包括目标对象的头部区域图像以及人体区域图像；利用特征提取网络对所述目标图像进行特征提取，得到头部区域的局部特征以及人体区域的全局特征；基于所述局部特征、所述全局特征以及年龄段预测网络，获取目标对象所属的年龄段。本专利技术针对年龄段属性判别的特点及难点，结合头部区域的局部特征和人体的全局特征进行年龄段判断，提高识别准确度。
[0036]图附说明
[0037]图1为本专利技术一实施例一种年龄分段属性预测方法的流程图；
[0038]图2为本专利技术另一实施例一种年龄分段属性预测方法的流程图；
[0039]图3为本专利技术一实施例特征提取网络以及年龄段预测网络的训练方法的流程图；
[0040]图4为本专利技术一实施例一种年龄分段属性预测装置的硬件结构示意图；
[0041]图5为本专利技术一实施例中终端设备的硬件结构示意图；
[0042]图6为本专利技术一实施例中终端设备的硬件结构示意图。
具体实施方式
[0043]以下通过特定的具体实例说明本专利技术的实施方式，本领域技术人员可由本说明书
所揭露的内容轻易地了解本专利技术的其他优点与功效。本专利技术还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本专利技术的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
[0044]需要说明的是，以下实施例中所提供的图示仅以示意方式说明本专利技术的基本构想，遂图式中仅显示与本专利技术中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
[0045]基于此，本申请一实施例提供一种年龄分段属性预测方法，图1所示，包括以下步骤：
[0046]S100获取目标图像，所述目标图像包括目标对象的头部区域图像以及人体区域图像；
[0047]S101获取目标图像，所述目标图像包括目标对象的头部区域图像以及人体区域图像；
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种年龄分段属性预测方法，其特征在于，包括：获取目标图像，所述目标图像包括目标对象的头部区域图像以及人体区域图像；利用特征提取网络对所述目标图像进行特征提取，得到头部区域的局部特征以及人体区域的全局特征；基于所述局部特征、所述全局特征以及年龄段预测网络，获取目标对象所属的年龄段。2.根据权利要求1所述的年龄分段属性预测方法，其特征在于，所述方法还包括：融合所述局部特征和所述全局特征，得到年龄特征；所述年龄段预测网络以所述年龄特征作为输入，输出的目标对象所属的年龄段。3.根据权利要求2所述的年龄分段属性预测方法，其特征在于，通过下式融合所述局部特征和所述全局特征，得到年龄特征；t(feature
body
，feature
head
)＝feature
body
⊙
L
⊙
feature
head
其中，t(feature
body
，feature
head
)表示年龄特征，feature
body
表示全局特征，feature
head
表示局部特征，
⊙
表示哈达玛积，L表示权值矩阵，所述权值矩阵用于调节所述局部特征与所述局部特征对年龄段预测的贡献度。4.根据权利要求1所述的年龄分段属性预测方法，其特征在于，所述方法还包括：获取样本图像，所述样本图像包括头部区域图像和人体区域图像，所述样本图像中存在对应的年龄标注值；根据所述样本图像以及所述样本图像中的年龄标...

【专利技术属性】
技术研发人员：杜常辉，
申请(专利权)人：重庆中科云从科技有限公司，
类型：发明
国别省市：