行人衣着颜色识别的方法、系统、电子设备和存储介质技术方案

本申请提供了行人衣着颜色识别的方法、系统、电子设备和存储介质，包括：通过预设的训练算法从训练图像中获取行人图像；将所述行人图像在高度方向上划分为上衣图像和裤子图像，所述上衣图像包括：遮挡及误检上衣图像、正常上衣图像，所述裤子图像包括：遮挡及误检裤子图像、正常裤子图像；对所述上衣图像和裤子图像进行颜色标签标注，获取标签上衣图像和标签裤子图像；将所述标签上衣图像和标签裤子图像输入预设的卷积神经网络，获取颜色特征；将待识别图像输入经过所述颜色特征训练的卷积神经网络，获取颜色识别的结果。提高了行人着装颜色识别的可用性；增加了对行人遮挡及误检测的识别，提高了行人着装颜色识别的可靠性。提高了行人着装颜色识别的可靠性。提高了行人着装颜色识别的可靠性。

【技术实现步骤摘要】
行人衣着颜色识别的方法、系统、电子设备和存储介质


[0001]本申请属于颜色识别领域，尤其涉及行人衣着颜色识别的方法、系统、电子设备和存储介质。

技术介绍

[0002]由于视频监控在各地安防的广泛应用，行人的精细化识别显得尤为重要。行人衣着颜色是监控系统中的一个重要属性，也是行人是最显著的外观特征。行人衣着颜色识别旨在识别视频或图像中行人的上衣和裤子颜色，准确的颜色识别可以极大提高找人的效率。
[0003]现有基于深度学习的行人衣着颜色识别方法，通常可以取得比传统识别方式更高的准确率。但是现有方法全部为多分类方法，识别结果为具体某一类颜色，对于纯色的上下身服装有较好效果，对于上半身或下半身为混色的情况不具有适用性。另外，已有深度学习行人颜色识别方法不能克服行人图像中被遮挡或行人误检的情况，在行人被遮挡或误检时，识别的颜色为遮挡物或误检物的颜色，极大降低了衣着颜色识别及检索的可靠性。

技术实现思路

[0004]本专利技术实施例的主要目的在于提供行人衣着颜色识别的方法、系统、电子设备和存储介质，采用颜色多标签模型克服了一般颜色多分类模型对纯色分类效果好但无法处理混色情况的问题，提高了行人着装颜色识别的可用性；增加了对行人遮挡及误检测的识别，提高了行人着装颜色识别的可靠性。
[0005]第一方面，提供了行人衣着颜色识别的方法，所述方法包括：
[0006]通过预设的训练算法从训练图像中获取行人图像；
[0007]将所述行人图像在高度方向上划分为上衣图像和裤子图像，所述上衣图像包括：遮挡及误检上衣图像、正常上衣图像，所述裤子图像包括：遮挡及误检裤子图像、正常裤子图像；
[0008]对所述上衣图像和裤子图像进行颜色标签标注，获取标签上衣图像和标签裤子图像；
[0009]将所述标签上衣图像和标签裤子图像输入预设的卷积神经网络，获取颜色特征；
[0010]将待识别图像输入经过所述颜色特征训练的卷积神经网络，获取颜色识别的结果。
[0011]在一个可能的实现方式中，所述将所述标签上衣图像和标签裤子图像输入预设的卷积神经网络，获取颜色特征，包括：
[0012]将所述标签上衣图像和标签裤子图像调整为预设的标准大小；
[0013]通过pytorch框架构建卷积神经网络resnet18模型对所述经过调整的标签上衣图像和标签裤子图像进行特征提取，获取颜色特征；
[0014]通过反向传播算法以所述标签的平均二分类交叉熵损失为目标损失函数对
resnet18模型进行训练，当损失不再减小时完成所述训练。
[0015]在另一个可能的实现方式中，所述将待识别图像输入经过所述颜色特征训练的卷积神经网络，获取颜色识别的结果，包括：
[0016]将所述待识别图像调整为预设的标准大小；
[0017]将所述经过调整的待识别图像输入经过训练的卷积神经网络，采用逻辑回归二分类算法经过sigmoid激活函数获取对不同标签的概率值，所述标签包括：颜色、遮挡状态或误检状态；
[0018]根据所述概率值确定标签，包括：如果概率值大于预设的概率值阈值，则所述识别的结果为所述概率值对应的标签。
[0019]在另一个可能的实现方式中，采用二分类交叉熵损失对所述卷积神经网络进行训练时，单个样本的损失函数为：Loss
i
＝
‑
y
i
log(h(x))
‑
(1
‑
y
i
)log(1
‑
h(x))，h(x)为sigmoid激活函数，y
i
为所述标签，其值为0或1；对于多个样本，其损失函数为所述多个样本的平均损失：m为样本的数量。
[0020]第二方面，提供了行人衣着颜色识别的系统，所述系统包括：
[0021]行人图像获取模块，用于通过预设的训练算法从训练图像中获取行人图像；
[0022]图像划分模块，用于将所述行人图像在高度方向上划分为上衣图像和裤子图像，所述上衣图像包括：遮挡及误检上衣图像、正常上衣图像，所述裤子图像包括：遮挡及误检裤子图像、正常裤子图像；
[0023]标签标注模块，用于对所述上衣图像和裤子图像进行颜色标签标注，获取标签上衣图像和标签裤子图像；
[0024]颜色特征获取模块，用于将所述标签上衣图像和标签裤子图像输入预设的卷积神经网络，获取颜色特征；
[0025]颜色识别结果获取模块，用于将待识别图像输入经过所述颜色特征训练的卷积神经网络，获取颜色识别的结果。
[0026]在一个可能的实现方式中，所述将所述标签上衣图像和标签裤子图像输入预设的卷积神经网络，获取颜色特征，包括：
[0027]将所述标签上衣图像和标签裤子图像调整为预设的标准大小；
[0028]通过pytorch框架构建卷积神经网络resnet18模型对所述经过调整的标签上衣图像和标签裤子图像进行特征提取，获取颜色特征；
[0029]通过反向传播算法以所述标签的平均二分类交叉熵损失为目标损失函数对resnet18模型进行训练，当损失不再减小时完成所述训练。
[0030]在另一个可能的实现方式中，所述将待识别图像输入经过所述颜色特征训练的卷积神经网络，获取颜色识别的结果，包括：
[0031]将所述待识别图像调整为预设的标准大小；
[0032]将所述经过调整的待识别图像输入经过训练的卷积神经网络，采用逻辑回归二分类算法经过sigmoid激活函数获取对不同标签的概率值，所述标签包括：颜色、
遮挡状态或误检状态；
[0033]根据所述概率值确定标签，包括：如果概率值大于预设的概率值阈值，则所述识别的结果为所述概率值对应的标签。
[0034]在另一个可能的实现方式中，采用二分类交叉熵损失对所述卷积神经网络进行训练时，单个样本的损失函数为：Loss
i
＝
‑
y
i
log(h(x))
‑
(1
‑
y
i
)log(1
‑
h(x))，h(x)为sigmoid激活函数，y
i
为所述标签，其值为0或1；对于多个样本，其损失函数为所述多个样本的平均损失：m为样本的数量。
[0035]第三方面，提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现如第一方面提供的行人衣着颜色识别的方法。
[0036]第四方面，提供了一种非暂态计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现如第一方面提供的行人衣着颜色识别的方法。
附图说明
[0037]为了更清楚地说明本申请实施例中的技术方案，下面将对本申请实施例描述中所需要使用的附图作简单地介绍。
[0038]图1为本专利技术一个实施例提供的行人衣着颜色识别的方法的流程图；<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种行人衣着颜色识别的方法，其特征在于，所述方法包括：通过预设的训练算法从训练图像中获取行人图像；将所述行人图像在高度方向上划分为上衣图像和裤子图像，所述上衣图像包括：遮挡及误检上衣图像、正常上衣图像，所述裤子图像包括：遮挡及误检裤子图像、正常裤子图像；对所述上衣图像和裤子图像进行颜色标签标注，获取标签上衣图像和标签裤子图像；将所述标签上衣图像和标签裤子图像输入预设的卷积神经网络，获取颜色特征；将待识别图像输入经过所述颜色特征训练的卷积神经网络，获取颜色识别的结果。2.如权利要求1所述的方法，其特征在于，所述将所述标签上衣图像和标签裤子图像输入预设的卷积神经网络，获取颜色特征，包括：将所述标签上衣图像和标签裤子图像调整为预设的标准大小；通过pytorch框架构建卷积神经网络resnet18模型对所述经过调整的标签上衣图像和标签裤子图像进行特征提取，获取颜色特征；通过反向传播算法以所述标签的平均二分类交叉熵损失为目标损失函数对resnet18模型进行训练，当损失不再减小时完成所述训练。3.如权利要求1所述的方法，其特征在于，所述将待识别图像输入经过所述颜色特征训练的卷积神经网络，获取颜色识别的结果，包括：将所述待识别图像调整为预设的标准大小；将所述经过调整的待识别图像输入经过训练的卷积神经网络，采用逻辑回归二分类算法经过sigmoid激活函数获取对不同标签的概率值，所述标签包括：颜色、遮挡状态或误检状态；根据所述概率值确定标签，包括：如果概率值大于预设的概率值阈值，则所述识别的结果为所述概率值对应的标签。4.如权利要求3所述的方法，其特征在于，采用二分类交叉熵损失对所述卷积神经网络进行训练时，单个样本的损失函数为：Loss
i
＝
‑
y
i
log(h(x))
‑
(1
‑
y
i
)log(1
‑
h(x))，h(x)为sigmoid激活函数，y
i
为所述标签，其值为0或1；对于多个样本，其损失函数为所述多个样本的平均损失：m为样本的数量。5.一种行人衣着颜色识别的系统，其特征在于，所述系统包括：行人图像获取模块，用于通过预设的训练算法从训练图像中获取行人图像；图像划分模块，用于将所述行人图像在高度方向上划分为上衣图像和裤子图像，所述上衣图像包括：遮挡及误检上衣图像、正常上衣图像，所述裤子图像包...

【专利技术属性】
技术研发人员：查杭，
申请(专利权)人：武汉众智数字技术有限公司，
类型：发明
国别省市：