[發明專利]屬性識別裝置和方法及存儲介質

在審

• 申請號: 201810721890.3
• 申請日: 2018-07-04
• 公開（公告）號: CN110689030A
• 公開（公告）日: 2020-01-14
• 發明（設計）人: 李巖;黃耀海;黃星奕
• 申請（專利權）人: 佳能株式會社
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46
• 代理公司: 11293 北京怡豐知識產權代理有限公司
• 代理人: 遲軍;李艷麗

本發明公開了一種屬性識別裝置和方法及存儲介質。所述屬性識別裝置包括：利用特征提取神經網絡，從圖像中提取第一特征的單元；利用第一識別神經網絡，基于第一特征識別圖像中的對象的第一屬性的單元；及利用第二識別神經網絡，基于第一特征識別所述對象的至少一個第二屬性的單元，其中基于第一屬性從多個第二識別神經網絡候選中確定一個第二識別神經網絡候選作為所述第二識別神經網絡。根據本發明，能夠大大地減少整個的識別處理所需耗費的時間。

技術領域

本發明涉及圖像處理，尤其涉及例如屬性識別。

背景技術

由于人物屬性通?？梢悦枥L一個人的容貌和/或身形，因此人物屬性識別(尤其是，多任務的人物屬性識別)通常被用于進行例如人群統計、身份驗證等監控處理。其中，容貌例如包括人物的年齡、人物的性別、人物的種族、人物的發色、人物是否佩戴眼鏡、人物是否佩戴口罩等，身形例如包括人物的身高、人物的體重、人物所穿的衣服、人物是否背著包、人物是否拉著行李箱等。其中，多任務的人物屬性識別表示要同時識別出一個人的多個屬性。然而，在實際的監控處理中，由于監控場景的多變性和復雜性通常會導致所捕獲的圖像的光照不足、所捕獲的圖像中的人物的面部/身體被遮擋等情況，從而如何在多變的監控場景中保持較高的人物屬性識別的識別精度便成為整個監控處理中的重要環節。

針對多變和復雜的場景，“Switching Convolutional Neural Network forCrowd Counting”(Deepak Babu Sam,Shiv Surya,R.Venkatesh Babu；IEEE ComputerSociety,2017:4031-4039)中公開了一種示例性的處理方法，其主要是通過利用兩個相互獨立的神經網絡來估計圖像中的人群密度。具體地，首先，利用一個神經網絡來確定與圖像中的人群密度對應的一個等級，其中，與人群密度對應的一個等級表示在該等級下可具有的人數的范圍；其次，根據確定的等級從一組神經網絡候選中選擇一個與該等級對應的神經網絡候選，其中，該組神經網絡候選中的每一個神經網絡候選對應于人群密度的一個等級；然后，利用所選擇的神經網絡候選來估計該圖像中的實際的人群密度，以確保不同等級下的人群密度估計的精度。

根據上述示例性的處理方法，可知，對于不同場景(也即，多變和復雜的場景)下的人物屬性識別，可通過利用兩個相互獨立的神經網絡來改善識別的精度。例如，可先利用一個神經網絡來識別圖像的場景，其中，該場景例如可以通過圖像中的人物的某一屬性(例如，是否戴口罩)來識別得到；之后選擇與該場景對應的神經網絡來識別圖像中的人物屬性(例如，年齡、性別等)。然而，通過利用這兩個神經網絡分別進行的場景識別操作與人物屬性識別操作是相互獨立的，并且場景識別操作的結果也僅僅是用于為人物屬性識別操作選擇出一個合適的神經網絡以進行相應的識別操作，而并未考慮這兩個識別操作之間可能存在的相互關聯和相互影響，從而使得整個的識別處理需要耗費較長的時間。

發明內容

鑒于上面的背景技術中的記載，本發明旨在解決上述問題中的至少一點。

根據本發明的一個方面，提供一種屬性識別裝置，所述屬性識別裝置包括：提取單元，利用特征提取神經網絡，從圖像中提取第一特征；第一識別單元，利用第一識別神經網絡，基于所述第一特征識別所述圖像中的對象的第一屬性；及，第二識別單元，利用第二識別神經網絡，基于所述第一特征識別所述對象的至少一個第二屬性，其中基于所述第一屬性從多個第二識別神經網絡候選中確定一個第二識別神經網絡候選作為所述第二識別神經網絡。其中，所述第一屬性例如為所述對象是否被遮擋物遮擋。

根據本發明的另一個方面，提供一種屬性識別方法，所述屬性識別方法包括：提取步驟，利用特征提取神經網絡，從圖像中提取第一特征；第一識別步驟，利用第一識別神經網絡，基于所述第一特征識別所述圖像中的對象的第一屬性；及，第二識別單元步驟，利用第二識別神經網絡，基于所述第一特征識別所述對象的至少一個第二屬性，其中基于所述第一屬性從多個第二識別神經網絡候選中確定一個第二識別神經網絡候選作為所述第二識別神經網絡。