[發明專利]人體屬性識別方法、識別模型訓練方法及裝置

有效

• 申請號: 201910473033.0
• 申請日: 2019-05-31
• 公開（公告）號: CN110175595B
• 公開（公告）日: 2021-03-02
• 發明（設計）人: 蘇馳;李凱;劉弘也;袁寶煜;鄧夢玲
• 申請（專利權）人: 北京金山云網絡技術有限公司;北京金山云科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/34;G06K9/46;G06N3/04
• 代理公司: 北京柏杉松知識產權代理事務所(普通合伙) 11413
• 代理人: 項京;丁蕓

1.一種人體屬性識別方法，其特征在于，所述方法包括：

獲取目標圖像，所述目標圖像為包含人體的圖像；

將所述目標圖像輸入預先訓練的人體屬性識別模型，得到識別結果；所述識別結果包括多個元素，每個元素對應于一個預設的人體屬性，每個元素表示所述目標圖像屬于對應的人體屬性的概率；

所述人體屬性識別模型包括：語義分割模型和卷積神經網絡模型，其中，所述語義分割模型基于預設的分割區域生成與每個所述分割區域對應的區域屬性信息；所述卷積神經網絡模型提取所述目標圖像的特征信息，并基于所述特征信息和所述區域屬性信息對所述目標圖像進行識別。

2.根據權利要求1所述的方法，其特征在于，所述語義分割模型基于預設的分割區域生成與每個所述分割區域對應的區域屬性信息，包括：

將所述目標圖像輸入預先訓練的語義分割模型，得到多個區域屬性概率圖；其中，每個所述區域屬性概率圖對應一個所述分割區域；每個所述區域屬性概率圖包括多個元素，每個元素對應所述目標圖像中的一個像素，每個元素用于表示與該元素對應的像素屬于預定分割區域的概率。

3.根據權利要求1或2所述的方法，其特征在于，所述預設的分割區域包括以下至少一項：人體整體區域、背景區域和人體局部區域；所述人體局部區域包括以下至少一項：頭部、上身、下身、手部、腳部。

4.根據權利要求2所述的方法，其特征在于，所述基于所述特征信息和所述區域屬性信息對所述目標圖像進行識別，包括：

將所述特征信息分別與各個所述區域屬性信息進行融合，得到與每個所述分割區域對應的區域特征信息；

基于所述特征信息和所述區域特征信息對所述目標圖像進行識別。

5.根據權利要求4所述的方法，其特征在于，所述卷積神經網絡模型包括第一特征提取模塊，所述卷積神經網絡模型提取所述目標圖像的特征信息，包括：

將所述目標圖像輸入所述第一特征提取模塊，得到第一特征圖，其中，所述第一特征圖包括多個元素，每個元素對應所述目標圖像的一個像素，每個元素表示與其對應的像素的特征信息。

6.根據權利要求5所述的方法，其特征在于，所述第一特征提取模塊包括多個特征提取單元，用于依次對所述目標圖像進行特征提取，其中，在先的特征提取單元的輸出為在后的特征提取單元的輸入；每個所述特征提取單元包括：卷積層、批歸一化層和激活函數；在后的特征提取單元的通道數依次大于在先的特征提取單元的通道數。

7.根據權利要求6所述的方法，其特征在于，所述將所述特征信息分別與各個所述區域屬性信息進行融合處理，得到與每個所述分割區域對應的區域特征信息，包括：

將所述第一特征圖分別與多個所述區域屬性概率圖進行逐像素相乘，得到多個聚焦區域特征圖；其中，每個所述聚焦區域特征圖對應一個分割區域；每個所述聚焦區域特征圖表示對該所述聚焦區域特征圖對應的分割區域的特征信息。

8.根據權利要求7所述的方法，其特征在于，所述卷積神經網絡模型還包括第二特征提取模塊，所述基于所述特征信息和所述區域特征信息對所述目標圖像進行識別，包括：

將所述多個聚焦區域特征圖進行合并，得到第二特征圖；

對所述第二特征圖進行降維處理，得到第三特征圖；

將所述第一特征圖和第三特征圖進行合并，得到第四特征圖；

將所述第四特征圖輸入所述第二特征提取模塊，得到第五特征圖；

對所述第五特征圖依次輸入池化層、全連接層和激活函數層，得到所述識別結果。