基于高阶结构多样性特征学习的行人属性识别方法和系统技术方案

本发明专利技术提出一种基于高阶结构多样性特征学习的行人属性识别方法和系统，包括：将行人图像输入主干网络中，利用多个Transformer编码层对输入的图像进行行人属性特征提取并输出初步属性特征向量F；将预先训练好的高阶结构模块HFMM嵌入到主干网络中，输入初步属性特征向量F，输出高阶细粒度特征向量；将输出的高阶细粒度特征向量送入属性分类层，进一步提取和组合特征，使用softmax函数将特征向量转换为类别概率分布，并利用二元交叉熵损失函数BCELoss来衡量预测类别与真实类别之间的差异，并输出类别概率分布。本发明专利技术的方法能够在训练过程中提供全面的特征表示和鲁棒性，而不会影响推理过程中的简单性和计算效率。

【技术实现步骤摘要】

本专利技术属于行人属性识别，具体涉及一种基于高阶结构多样性特征学习的行人属性识别方法和系统。

技术介绍

1、行人属性识别(par)在视频监控应用中应用广泛，在识别个人的一系列语义属性，包括年龄、性别、服装风格等方面起着至关重要的作用。par可以应用于各种应用，如行人、人脸检索和识别。

2、为了解决par中显示的挑战，现有的方法都致力于增强每个特定属性区域的特征表示，大致可分为两类：基于部分的方法和注意嵌入方法。然而，基于部分的方法中首先使用区域建议网络或人类语义解析、分割技术识别不同的身体区域，随后par模型直接利用提取的区域学习判别特征。这种方法的有效性与区域定位步骤的可靠性密切相关。在实际应用中，如果区域提议网络不能正确识别物体上与属性相关的区域，将会影响par系统的性能，而且提取方法在提取身体区域时会消耗更多的计算资源。

3、而采用注意力嵌入方法来强调行人图像中的特定区域，例如单肩包，这是身体区域检测器难以检测到的。这种方法采用空间或通道注意机制来突出信息属性区域并减轻无关噪声，空间注意生成一个粗糙的空间掩码来学习固定空间位置本文档来自技高网...

【技术保护点】

1.一种基于高阶结构多样性特征学习的行人属性识别方法，其特征在于，该方法包括如下步骤：

2.根据权利要求1所述的基于高阶结构多样性特征学习的行人属性识别方法，其特征在于，还包括：

3.根据权利要求1所述的基于高阶结构多样性特征学习的行人属性识别方法，其特征在于，所述高阶结构模块HFMM包括引入应用于F的高阶多项式预测器，生成包含特征激活的高阶统计的尺度特征映射，主要利用1*1卷积，ReLU和Sigmoid激活函数来实现，具体包括：

4.根据权利要求3所述的基于高阶结构多样性特征学习的行人属性识别方法，其特征在于，所述高阶结构模块HFMM包括引入应用于F...

【技术特征摘要】

1.一种基于高阶结构多样性特征学习的行人属性识别方法，其特征在于，该方法包括如下步骤：

2.根据权利要求1所述的基于高阶结构多样性特征学习的行人属性识别方法，其特征在于，还包括：

3.根据权利要求1所述的基于高阶结构多样性特征学习的行人属性识别方法，其特征在于，所述高阶结构模块hfmm包括引入应用于f的高阶多项式预测器，生成包含特征激活的高阶统计的尺度特征映射，主要利用1*1卷积，relu和sigmoid激活函数来实现，具体包括：

4.根据权利要求3所述的基于高阶结构多样性特征学习的行人属性识别方法，其特征在于，所述高阶结构模块hfmm包括引入应用于f的高阶多项式预测器，生成包含特征激活的高阶统计的尺度特征映射，表示为：

5.根据权利...

【专利技术属性】
技术研发人员：吴俊毅，高志鹏，魏超，吴鸿伟，朱海勇，吴文，赵建强，
申请(专利权)人：厦门市美亚柏科信息安全研究所有限公司，
类型：发明
国别省市：