本发明专利技术提供一种基于跨域辅助训练的属性识别方法、系统、设备及介质，方法包括：形成人体基准图像；将无属性标签的图像集中每一图像进行人体部位分割，生成人体部位分割结果，随机选取一遮挡图片；将遮挡图片覆盖于人体基准图像，形成遮挡合成图像，判断遮挡合成图像中获取人体基准图像中人体各个部位是否可见；若否，对应修改该部位对应的属性标签，并形成遮挡合成图像的属性标签；提取各图像特征，并输入至预设属性预测模型和预设人体主体预测模型，以获取属性预测结果和人体主体预测结果。本发明专利技术大大提高了数据数量和多样性，并且实现了只对图像中的主体人体进行属性识别，并有效合理利用合成数据，提高了本发明专利技术在训练阶段的稳定性和收敛速度。稳定性和收敛速度。稳定性和收敛速度。
【技术实现步骤摘要】
基于跨域辅助训练的属性识别方法、系统、设备及介质
[0001]本专利技术属于图像识别
，涉及一种识别方法和系统，特别是涉及一种基于跨域辅 助训练的属性识别方法、系统、设备及介质。
技术介绍
[0002]行人属性是对行人外观特征的自然语言描述，通常行人属性包括行人的生物属性，比如 性别、年龄、身高等；外观属性：比如服饰颜色，样式等；行人附属物：比如手提包，背包， 戴眼镜等。行人属性识别是计算机视觉技术的一个热门领域，也具有很高的商业应用价值。 目前在视频监控，行人重识别，人脸识别，身份验证等等领域都有应用案例。
[0003]行人属性识别是一个多标签分类问题，这个研究方向通常会遇到以下几个问题：一是图 像复杂度高，做为图像的主体人体，可能会出现各种姿态，各种遮挡的情况，同时成像可能 会出现光照不佳，运动模糊；二是数据分布严重不均衡，呈长尾分布；三是由于属性标注工 作量大，数据量偏少，训练容易过拟合。
[0004]顾客属性识别是行人属性识别的一个细分子类，是对零售店，超市等购物场所的顾客进 行属性识别。这个任务在具有行人属性识别难点的同时，由于应用场景特殊，会存在更加严 重的遮挡情形，比如顾客与顾客之间的遮挡，顾客与货架之间遮挡。因此，这个领域的有标 注的数据数量更少，挑战更大。另外，在顾客之间有严重遮挡时，辨别出图片中的主体人体， 并只识别该人体的属性是一个难点。
[0005]因此，如何提供一种基于跨域辅助训练的属性识别方法、系统、设备及介质，以解决现 有技术无法解决顾客属性识别的遮挡及主体判断问题，实已成为本领域技术人员亟待解决的 技术问题。
技术实现思路
[0006]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基于跨域辅助训练的属性识 别方法、系统、设备及介质，用于解决现有技术无法解决顾客属性识别的遮挡及主体判断问 题。
[0007]为实现上述目的及其他相关目的，本专利技术一方面提供一种基于跨域辅助训练的属性识别 方法，包括：对具有属性标签的图像进行人体部位分割，形成人体基准图像；将无属性标 签的图像集中每一图像进行人体部位分割，生成人体部位分割结果，从所述人体部位分割结 果中随机选取一张图像作为遮挡图片；将所述遮挡图片覆盖于所述人体基准图像，形成遮挡 合成图像，并判断遮挡合成图像中获取所述人体基准图像中人体各个部位是否可见；若是， 则无需修改该部位对应的属性标签；若否，则对应修改该部位对应的属性标签；将未修改的 属性标签和修改的属性标签进行整合，以形成所述遮挡合成图像的属性标签；对所述具有属 性标签的图像、无属性标签的图像集中的图像及遮挡合成图像进行基础特征提取，将从所述 具有属性标签的图像和所述遮挡合成图像中提取的基础特征输入至预设属性预测模型和预设 人体主体预测模型，以获取属性预测结果和人体主体预测结果。
[0008]于本专利技术的一实施例中，所述基于跨域辅助训练的属性识别方法还包括分别对所述属性 预测结果和所述人体主体预测结果进行损失计算，以获取最小损失值对应的预设属性预测模 型和预设人体主体预测模型，并将其作为属性预测应用模型和人体主体预测应用模型。
[0009]于本专利技术的一实施例中，在所述基于跨域辅助训练的属性识别方法的实际应用过程中， 所述基于跨域辅助训练的属性识别方法还包括：将待预测图像输入，并对所述待预测图像进 行基础特征提取；将所述待预测图像中提取的基础特征输入至所述属性预测应用模型和所述 人体主体预测应用模型，以获取所述待预测图像的属性及图像中的人体主体。
[0010]于本专利技术的一实施例中，将所述遮挡图片覆盖于所述人体基准图像，形成遮挡合成图 像，并判断遮挡合成图像中获取所述人体基准图像中人体各个部位是否可见的步骤包括：于 人体基准图像中查找头部掩膜，计算人头中心坐标，并将从人头中心坐标至底边之间随机分 成N个分段，并为随机分段分配与之匹配的遮挡点发生于该分段的概率。
[0011]于本专利技术的一实施例中，将所述遮挡图片覆盖于所述人体基准图像，形成遮挡合成图 像，并判断遮挡合成图像中获取所述人体基准图像中人体各个部位是否可见的步骤还包括： 根据人头中心坐标和为N个分段分配的概率，计算随机生成的遮挡点的坐标；所述遮挡点用 于确定遮挡图片覆盖人体基准图像上的锚点；将所述人头中心坐标和遮挡点的坐标对齐，将 所述遮挡图片覆盖于所述人体基准图像，同时按照人体掩膜，剔除所述遮挡图片的非人体部 位，形成遮挡合成图像；计算所述人体基准图像中各个分块被遮挡图片遮挡的遮挡比例，以 判断遮挡合成图像中获取所述人体基准图像中人体各个部位是否可见；其中，若一部位遮挡 比例大于预设比例阈值，则判定该部位不可见。
[0012]于本专利技术的一实施例中，计算随机生成的遮挡点的坐标的步骤包括：于x方向随机获取 一个0到1之间的第一随机值，于y方向获取一个0到1的第二随机值，根据第二随机值判 断该遮挡点所属分段；根据该遮挡点所属分段，再于y方向获取一个0到1的第三随机值； 根据遮挡图片的宽度和所述第一随机值相乘，计算随机生成的遮挡点的横坐标；根据人头中 心坐标的纵坐标，人头中心到所属分段的顶端点的距离，所属分段顶端点到底端点的距离， 计算随机生成的遮挡点的纵坐标。
[0013]于本专利技术的一实施例中，将从所述具有属性标签的图像和所述遮挡合成图像中提取的基 础特征输入至预设属性预测模型和预设人体主体预测模型，以获取属性预测结果和人体主体 预测结果的步骤包括：通过所述预设属性预测模型对所述具有属性标签的图像和所述遮挡合 成图像中提取的基础特征进行预测后，输出若干分支，每一分支负责预测一个属性；其中， 于所述分支中查找最大索引以获取属性预测结果；通过预设人体主体预测模型对所述遮挡合 成图像和无属性标签的图像集中提取的基础特征进行预测绘后，输出预测图，其中，人体主 体预测结果包括预测图中人体区域的像素为1，非人体区域的像素为0。
[0014]本专利技术另一方面一种基于跨域辅助训练的属性识别系统，包括：分割模块，用于对具有 属性标签的图像进行人体部位分割，形成人体基准图像及将无属性标签的图像集中每一图像 进行人体部位分割，生成人体部位分割结果；图像合成和标签生成模块，用于从所述人体部 位分割结果中随机选取一张图像作为遮挡图片；将所述遮挡图片覆盖于所述
人体基准图像， 形成遮挡合成图像，并判断遮挡合成图像中获取所述人体基准图像中人体各个部位是否可 见；若是，则无需修改该部位对应的属性标签；若否，则对应修改该部位对应的属性标签； 将未修改的属性标签和修改的属性标签进行整合，以形成所述遮挡合成图像的属性标签；特 征提取模块，用于对所述具有属性标签的图像、无属性标签的图像集中的图像及遮挡合成图 像进行基础特征提取；预测模块，用于将从所述具有属性标签的图像和所述遮挡合成图像中 提取的基础特征输入至预设属性预测模型和预设人体主体预测模型，以获取属性预测结果和 人体主体预测结果。
[0015]本专利技术又一方面提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理 器执行时实本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于跨域辅助训练的属性识别方法，其特征在于，包括：对具有属性标签的图像进行人体部位分割，形成人体基准图像；将无属性标签的图像集中每一图像进行人体部位分割，生成人体部位分割结果，从所述人体部位分割结果中随机选取一张图像作为遮挡图片；将所述遮挡图片覆盖于所述人体基准图像，形成遮挡合成图像，并判断遮挡合成图像中获取所述人体基准图像中人体各个部位是否可见；若是，则无需修改该部位对应的属性标签；若否，则对应修改该部位对应的属性标签；将未修改的属性标签和修改的属性标签进行整合，以形成所述遮挡合成图像的属性标签；对所述具有属性标签的图像、无属性标签的图像集中的图像及遮挡合成图像进行基础特征提取，将从所述具有属性标签的图像和所述遮挡合成图像中提取的基础特征输入至预设属性预测模型和预设人体主体预测模型，以获取属性预测结果和人体主体预测结果。2.根据权利要求1所述的基于跨域辅助训练的属性识别方法，其特征在于，所述基于跨域辅助训练的属性识别方法还包括分别对所述属性预测结果和所述人体主体预测结果进行损失计算，以获取最小损失值对应的预设属性预测模型和预设人体主体预测模型，并将其作为属性预测应用模型和人体主体预测应用模型。3.根据权利要求2所述的基于跨域辅助训练的属性识别方法，其特征在于，在所述基于跨域辅助训练的属性识别方法的实际应用过程中，所述基于跨域辅助训练的属性识别方法还包括：将待预测图像输入，并对所述待预测图像进行基础特征提取；将所述待预测图像中提取的基础特征输入至所述属性预测应用模型和所述人体主体预测应用模型，以获取所述待预测图像的属性及图像中的人体主体。4.根据权利要求1所述的基于跨域辅助训练的属性识别方法，其特征在于，将所述遮挡图片覆盖于所述人体基准图像，形成遮挡合成图像，并判断遮挡合成图像中获取所述人体基准图像中人体各个部位是否可见的步骤包括：于人体基准图像中查找头部掩膜，计算人头中心坐标，并将从人头中心坐标至底边之间随机分成N个分段，并为随机分段分配与之匹配的遮挡点发生于该分段的概率。5.根据权利要求4所述的基于跨域辅助训练的属性识别方法，其特征在于，将所述遮挡图片覆盖于所述人体基准图像，形成遮挡合成图像，并判断遮挡合成图像中获取所述人体基准图像中人体各个部位是否可见的步骤还包括：根据人头中心坐标和为N个分段分配的概率，计算随机生成的遮挡点的坐标；所述遮挡点用于确定遮挡图片覆盖人体基准图像上的锚点；将所述人头中心坐标和遮挡点的坐标对齐，将所述遮挡图片覆盖于所述人体基准图像，同时按照人体掩膜，剔除所述遮挡图片的非人体部位，形成遮挡合成图像；计算所述人体基准图像中各个分块被遮挡图片遮挡的遮挡比例，以判断遮挡合成图像中获取所述人体基准图像中人体各个部位是否可见；其中，若一部位遮挡比例大于预设比...
【专利技术属性】
技术研发人员：游浩泉，党毅飞，马卫民，
申请(专利权)人：汇纳科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。