用于识别穿戴物体属性的方法及装置制造方法及图纸

本申请提供用于识别穿戴物体属性的方法及装置，涉及图像识别领域。本申请基于N个卷积核的第一卷积层来对第一特征进行处理得到第二特征；基于M个卷积核的第二卷积层来对第二特征进行处理，得到第三特征，相当于在之前特征(第二特征)的基础上继续提取穿戴物体的新的特征(第三特征)，也就是从穿戴物体的粗粒度特征(第二特征)中提取穿戴物体的细粒度特征(第三特征)。将得到的第二特征和第三特征进行拼接，这样得到的第四特征既保留了穿戴物体的粗粒度特征又加入了穿戴物体的细粒度特征，这样，第四特征具有更强的表征穿戴物体属性的能力。这样根据第四特征确定的穿戴物体的识别结果更加准确。果更加准确。果更加准确。

【技术实现步骤摘要】
用于识别穿戴物体属性的方法及装置


[0001]本申请属于图像识别领域，尤其涉及用于识别穿戴物体属性的方法及装置。

技术介绍

[0002]随着人工智能技术的不断成熟，人们利用人工智能技术训练得到的网络模型来识别行人身上的穿戴物体。但是该网络模型提取的穿戴物体的特征比较单一，导致该网络模型根据穿戴物体的特征确定的穿戴物体的识别结果不够准确。

技术实现思路

[0003]本申请实施例提供了用于识别穿戴物体属性的方法及装置，可以提高穿戴物体的识别精度。
[0004]为了实现上述目的，第一方面，本申请实施例提供了用于识别穿戴物体属性的方法，该方法应用于第一设备，该方法包括：
[0005]基于待识别的穿戴物体的第一特征在属性识别模型的第一卷积层的N个卷积核分别进行处理，得到第二特征，第二特征的通道数为N；
[0006]基于第二特征在属性识别模型的第二卷积层的M个卷积核分别进行处理，得到第三特征，第三特征的通道数为M；
[0007]基于第二特征与第三特征在属性识别模型的拼接层进行拼接，得到第四特征，第四特征的通道数为M+N，第四特征用于确定待识别的穿戴物体的识别结果；
[0008]其中，M和N为正整数。
[0009]上述方案中，本申请基于N个卷积核的第一卷积层来对第一特征进行处理得到第二特征；基于M个卷积核的第二卷积层来对第二特征进行处理，得到第三特征，相当于在之前特征(第二特征)的基础上继续提取穿戴物体的新的特征(第三特征)，也就是从穿戴物体的粗粒度特征(第二特征)中提取穿戴物体的细粒度特征(第三特征)。将得到的第二特征和第三特征进行拼接，这样得到的第四特征既保留了穿戴物体的粗粒度特征又加入了穿戴物体的细粒度特征，这样，第四特征具有更强的表征穿戴物体属性的能力。这样根据第四特征确定的穿戴物体的识别结果更加准确。
[0010]可选地，属性识别模型还包括第三卷积层、全局池化层和属性识别层，该方法还包括：
[0011]将第四特征在第三卷积层的Q个卷积核分别进行处理，得到第五特征，第五特征的通道数为Q；
[0012]将第二特征与第五特征输入拼接层进行拼接，得到第六特征，第六特征的通道数为Q+N；
[0013]将第六特征输入全局池化层进行全局池化，得到第七特征，第七特征的通道数为Q+N；
[0014]将第七特征输入属性识别层进行识别，得到待识别的穿戴物体的识别结果；其中，
Q为正整数。
[0015]可选地，第一特征为待识别的穿戴物体的原始图像的特征，或者，该方法还包括：
[0016]将待识别的穿戴物体的原始图像的特征输入属性识别模型的第四卷积层的P个卷积核分别进行处理，得到第八特征，第八特征的通道数为P；
[0017]将第八特征输入属性识别模型的第一池化层进行池化，得到第一特征；其中，P为正整数。
[0018]可选地，待识别的穿戴物体为背包，该方法还包括：
[0019]获取第一图像，第一图像包括第一行人目标；
[0020]将第一图像输入行人关键点检测模型，确定第一行人目标的两个肩节点和第一行人目标的两个髋节点；
[0021]根据两个肩节点和两个髋节点，得到原始图像。
[0022]可选地，该方法还包括：
[0023]获取采集的至少一个图像；
[0024]将至少一个图像分别输入行人检测模型，确定至少一个图像中是否存在行人；
[0025]根据至少一个图像中存在行人的一个图像确定第一图像。
[0026]可选地，背包的识别结果包括无背包、背包的包体和背包的背带中的至少一种。
[0027]可选地，属性识别模型还包括第一批量归一化层和第一激活层，基于待识别的穿戴物体的第一特征在属性识别模型的第一卷积层的N个卷积核分别进行处理，得到第二特征，包括：
[0028]将待识别的穿戴物体的第一特征输入第一卷积层的N个卷积核分别进行处理，得到第九特征，第九特征的通道数为N；
[0029]将第九特征输入第一批量归一化层进行归一化，得到第十特征，第十特征的通道数为N；
[0030]将第十特征输入第一激活层进行激活，得到第二特征；和/或，
[0031]属性识别模型还包括第二批量归一化层和第二激活层，其中，基于第二特征在属性识别模型的第二卷积层的M个卷积核分别进行处理，得到第三特征，包括：
[0032]将第二特征输入第二卷积层的M个卷积核分别进行处理，得到第十一特征，第十一特征的通道数为M；
[0033]将第十一特征输入第二批量归一化层进行归一化，得到第十二特征，第十二特征的通道数为M；
[0034]将第十二特征输入第二激活层进行激活，得到第三特征。
[0035]可选地，属性识别模型还包括第二池化层，在将第十特征输入第一激活层进行激活，得到第二特征之后，基于第二特征与第三特征在属性识别模型的拼接层进行拼接，得到第四特征，包括：
[0036]将第二特征输入第二池化层进行池化，得到池化后的第二特征，池化后的第二特征的通道数为N；
[0037]将第三特征与池化后的第二特征输入拼接层进行拼接，得到第四特征。
[0038]第二方面，本申请实施例提供了用于识别穿戴物体属性的装置，该装置包括：
[0039]第一确定单元，用于基于待识别的穿戴物体的第一特征在属性识别模型的第一卷
积层的N个卷积核分别进行处理，得到第二特征，第二特征的通道数为N；
[0040]第一确定单元，还用于基于第二特征在属性识别模型的第二卷积层的M个卷积核分别进行处理，得到第三特征，第三特征的通道数为M；
[0041]第三确定单元，还用于基于第二特征与第三特征在属性识别模型的拼接层进行拼接，得到第四特征，第四特征的通道数为M+N，第四特征用于确定待识别的穿戴物体的识别结果；
[0042]其中，M和N为正整数。
[0043]第三方面，本申请实施例提供用于识别穿戴物体属性的装置，包括处理器，处理器与存储器耦合，处理器用于执行存储器中存储的计算机程序或指令时，以实现上述第一方面或第一方面的任一实施方式的方法。
[0044]第四方面，本申请实施例提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时，以实现上述第一方面或第一方面的任一实施方式的方法。
附图说明
[0045]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0046]图1是本申请实施例提供的用于识别穿戴物体属性的方法的流程图；
[0047]图2是本申请实施例提供的第一特征的示意图；
[0048]图3是本申请实施例提供的确定第一图像的示意图；
[0049]图4是本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于识别穿戴物体属性的方法，其特征在于，所述方法包括：基于待识别的穿戴物体的第一特征在属性识别模型的第一卷积层的N个卷积核分别进行处理，得到第二特征，所述第二特征的通道数为N；基于所述第二特征在所述属性识别模型的第二卷积层的M个卷积核分别进行处理，得到第三特征，所述第三特征的通道数为M；基于所述第二特征与所述第三特征在所述属性识别模型的拼接层进行拼接，得到第四特征，所述第四特征的通道数为M+N，所述第四特征用于确定所述待识别的穿戴物体的识别结果；其中，M和N为正整数。2.如权利要求1所述的方法，其特征在于，所述属性识别模型还包括第三卷积层、全局池化层和属性识别层，所述方法还包括：将所述第四特征在所述第三卷积层的Q个卷积核分别进行处理，得到第五特征，所述第五特征的通道数为Q；将所述第二特征与所述第五特征输入所述拼接层进行拼接，得到第六特征，所述第六特征的通道数为Q+N；将所述第六特征输入所述全局池化层进行全局池化，得到第七特征，所述第七特征的通道数为Q+N；将所述第七特征输入所述属性识别层进行识别，得到所述待识别的穿戴物体的识别结果；其中，Q为正整数。3.如权利要求1所述的方法，其特征在于，所述第一特征为所述待识别的穿戴物体的原始图像的特征，或者，所述方法还包括：将所述待识别的穿戴物体的原始图像的特征输入所述属性识别模型的第四卷积层的P个卷积核分别进行处理，得到第八特征，所述第八特征的通道数为P；将所述第八特征输入所述属性识别模型的第一池化层进行池化，得到所述第一特征；其中，P为正整数。4.如权利要求3所述的方法，其特征在于，所述待识别的穿戴物体为背包，所述方法还包括：获取第一图像，所述第一图像包括第一行人目标；将所述第一图像输入行人关键点检测模型，确定所述第一行人目标的两个肩节点和所述第一行人目标的两个髋节点；根据所述两个肩节点和所述两个髋节点，得到所述原始图像。5.如权利要求4所述的方法，其特征在于，所述方法还包括：获取采集的至少一个图像；将所述至少一个图像分别输入行人检测模型，确定所述至少一个图像中是否存在行人；根据所述至少一个图像中存在行人的一个图像确定所述第一图像。6.如权利要求4所述的方法，其特征在于，所述背包的识别结果包括无背包、背包的包体和背包的背带中的至少一种。
7.如权利要求1所述的方法，其特征在于，所述属性...

【专利技术属性】
技术研发人员：王忠，金一帆，
申请(专利权)人：熵基科技股份有限公司，
类型：发明
国别省市：