一种行人属性识别中的图像数据均衡方法技术

本发明专利技术提供一种行人属性识别中的图像数据均衡方法，包括以下步骤：形成行人属性集合和稀有属性阈值集合；对每张图片的各种行人属性的属性正负性进行标注；统计每种行人属性的分布比例，进而判断每种行人属性是否为稀有属性；对于每张图片，如果其具有稀有属性，则进行设定次数的增强，得到最终的训练集和测试集。本发明专利技术提供一种行人属性识别中的图像数据均衡方法，可以得到行人属性分布均衡的训练集和测试集，进而提高行人属性识别精度。进而提高行人属性识别精度。进而提高行人属性识别精度。

【技术实现步骤摘要】
一种行人属性识别中的图像数据均衡方法


[0001]本专利技术属于计算机视觉及行人属性识别
，具体涉及一种行人属性识别中的图像数据均衡方法。

技术介绍

[0002]作为计算机视觉领域的重要研究内容之一，行人属性识别是对视频图片中的行人目标的外观属性，如上衣颜色、裤子颜色、是否带帽子、是否带眼镜等进行识别。行人属性信息是行人的高层语义信息，将行人属性信息集成到行人检测、行人重识别等任务中，可以获得更好的性能，为智能视频分析提供重要支撑。
[0003]现有的行人属性识别技术中，常用的数据集包括PETA,RAP,PA
‑
100K等，表现SOTA的算法主要包括ALM,Strong BaseLine等。由于行人属性包含种类较多，且诸如年龄属性中幼儿数据，颜色属性中银色、紫色等属性数据较难采集，现有的数据集存在属性分布不均衡的问题，因此，当采用基于深度学习的行人属性识别算法时，由于数据集属性分布不均衡，导致行人属性识别准确率差异较大。
[0004]因此，数据分布不均衡问题，是行人属性识别领域亟待解决的问题。
专本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种行人属性识别中的图像数据均衡方法，其特征在于，包括以下步骤：步骤1，预定义m种行人属性，对m种行人属性的出现概率进行统计，按出现概率由低到高的顺序，对m种行人属性进行排序，由此形成行人属性集合S＝[s1,s2,...,s
m
]；其中，s1,s2,...,s
m
分别代表一种行人属性，m代表行人属性的数量；定义稀有属性阈值集合Y＝[y1,y2,...,y
m
]；其中，y1代表行人属性s1的稀有属性阈值，y2代表行人属性s2的稀有属性阈值,...,y
m
代表行人属性s
m
的稀有属性阈值；其中，y1,y2,...,y
m
按从小到大的顺序排列；步骤2，选择w张图片，由此形成图片集合U＝[u1,u2,...,u
w
]，其中，u1,u2,...,u
w
分别代表一张图片；步骤3，对于图片集合U中的每张图片，表示为：u
i
，i＝1,2,...,w，均对其m种行人属性s1,s2,...,s
m
的属性正负性进行标注，形成图片u
i
的图片标签S
i
＝[s
i1
,s
i2
,...,s
im
]；其中，s
i1
代表图片u
i
的行人属性s1的属性正负性，即：如果图片u
i
符合行人属性s1，则s
i1
为正，相反，s
i1
为负；s
i2
代表图片u
i
的行人属性s2的属性正负性,...,s
im
代表图片u
i
的行人属性s
m
的属性正负性；步骤4，对图片集合U中的每张图片完成行人属性正负性标注后，在图片集合U中，统计每种行人属性的分布比例，进而判断每种行人属性是否为稀有属性；具体的，对于行人属性集合S＝[s1,s2,...,s
m
]中的每种行人属性，表示为s
j
，j＝1,2,...,m，采用以下方法判断其是否为稀有属性：步骤4.1，在图片集合U中，统计行人属性s
j
为正的图片数量，为n
j
；采用下式，计算得到行人属性s
j
的正样本数量比例ρ
j
：ρ
j
＝n
j
/w步骤4.2，比较比例ρ
j
和行人属性s
j
的稀有属性阈值y
j
；如果ρ
j
小于y
j
，则认为行人属性s
j
为稀有属性；否则，认为行人属性s
j
为非稀有属性；步骤5，如果行人属性s
j
为稀有属性，则采用下式，计算得到增强次数d
j
：d
j
＝y
j
/ρ
j
步骤6，由此得到稀有属性集合V0；其中，稀有属性集合并且，得到稀有属性集合中每种稀有属性的增强次数，形成稀有属性增强次数表；步骤7，预建立初始为空的训练集train_set和初始为空的测试集test_set；步骤8，以图片集合U为原始的图片，采用...

【专利技术属性】
技术研发人员：李晋军，瞿洪桂，孙家乐，高云丽，
申请(专利权)人：北京中电兴发科技有限公司，
类型：发明
国别省市：