【技术实现步骤摘要】
人体属性识别方法、装置、设备及存储介质
[0001]本专利技术涉及人工智能
，提供一种人体属性识别方法、装置、设备及存储介质。
技术介绍
[0002]随着人工智能技术的快速发展，深度学习成为人工智能领域的一个重要研究方向，近年来在各个领域取得了很多重要成果，特别是，在很多室外场景中，利用人体属性算法进行识别，以寻找具有特定特征的人。人体属性识别是对人物的性别、年龄、衣物的类型和颜色等的识别，被广泛应用于危险行为预警、商场和车站等公共场所的目标人物锁定等领域。
[0003]目前的人体属性算法大多针对单帧图片进行识别，然而在实际使用的时候，由于摄像头的角度、光照及遮挡的原因，导致不能有效识别，且利用单帧图片识别有时并不能获得所有具有高置信度的属性结果，导致人体属性识别的结果不准确，进一步会影响其他模块的工作。
技术实现思路
[0004]本专利技术实施例提供一种人体属性识别方法、装置、设备及存储介质，以解决现有技术人体属性识别结果不准确影响其他模块工作的问题。
[0005]为了解决上述问题，第...
【技术保护点】
【技术特征摘要】
1.一种人体属性识别方法，其特征在于，所述方法包括：采集连续帧图像，通过目标追踪算法对所述连续帧图像进行处理，生成目标人体的人体区域图像；根据目标人体的预设识别条件，将所述人体区域图像输入至预训练的多任务识别模型，确定所述人体区域图像对应的属性识别结果；根据所述属性识别结果及预设属性分数，确定所述目标人体的属性预测结果。2.根据权利要求1所述的方法，其特征在于，所述采集连续帧图像，通过目标追踪算法对所述连续帧图像进行处理，生成目标人体的人体区域图像，包括：采集连续帧图像，根据目标追踪算法对所述连续帧图像进行人体追踪，确定目标人体以及所述目标人体在所述连续帧图像的位置；根据所述目标人体的位置，裁剪所述连续帧图像，生成人体区域图像。3.根据权利要求1所述的方法，其特征在于，所述根据目标人体的预设识别条件，将所述人体区域图像输入至预训练的多任务识别模型，确定所述人体区域图像对应的属性识别结果，包括：若检测到所述目标人体在所述连续帧图像中出现次数大于或等于预设阈值，或者在连续帧图像的预设帧未检测到所述目标人体，将所述人体区域图像输入至预训练的多任务识别模型；确定多个所述人体区域图像对应的属性识别结果。4.根据权利要求1所述的方法，其特征在于，所述根据所述属性识别结果及预设属性分数，确定所述目标人体的属性预测结果，包括：对多个所述人体区域图像对应的属性识别结果按照所述预设属性分数进行加权求和；将求和后属性分数最高的属性识别结果确定为所述目标人体的属性预测结果。5.根据权利要求1所述的方法，其特征在于，所述采集连续帧图像，通过目标追踪算法对所述连续帧图像进行处理，生成目标人体的人体区域图像之前，还包括：采集人体图像，将所述人体图像确定为数据集；对所述数据集进行人体检测，裁剪人体区域图像，标注所述人体区域图像对应属性得到训练集；其中，所述训练集包括所述人体区域图像、所述人体区域图像对应的人体属性标注信息；根据所述训练集训练多任务识别模型，得到识别人体所有属性的多任务识别模型。6.根据权利要求5所述的方法，其特征在于，所述根据所述训练集训练多任务识别模型，得到识别人体所有属性的多任务识别模型，包括：基于所述训练集，通过所述多任务识别模型的第一神经网络获取原始特征图；其中，所述第一神经网络用于特征提取；根据预设注意力特征图及所述原始特征图，通过所述多任务识别模型的属性分类网络，得到各属性的输出特征图；根据各属性的所述输出特征图，输出人体各属性的预测识别结果，得到识别人体所有属性的多任务识别模型。7.根据权利要求6所述的方法，其特征在于，所述根据预设注意力特征图及所述原始特征图，通过所述多任务识别模型的属性分类网络，得到各属性的输出特征图，包括：
对预先获取的特征图进行池化操作，生成第一池化特征图；对所述第一池化特征图进行卷积操作，生成所述预设注意力特征图；根据所述原始特征图，调整所述预设注意力特征图的权重，确定所述输出特征图的区域权重；通过所述多任务识别模型的属性分...
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。