[發明專利]一種人體屬性識別方法及裝置在審
| 申請號: | 202010173390.8 | 申請日: | 2020-03-12 |
| 公開(公告)號: | CN111339991A | 公開(公告)日: | 2020-06-26 |
| 發明(設計)人: | 周峰 | 申請(專利權)人: | 北京愛筆科技有限公司 |
| 主分類號: | G06K9/00 | 分類號: | G06K9/00;G06K9/46;G06K9/62;G06N3/04 |
| 代理公司: | 北京集佳知識產權代理有限公司 11227 | 代理人: | 柳欣 |
| 地址: | 100094 北京市海淀區北清路*** | 國省代碼: | 北京;11 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 人體 屬性 識別 方法 裝置 | ||
1.一種人體屬性識別方法,其特征在于,包括:
獲取待識別的目標圖像,所述目標圖像為目標顧客的逛店圖像;
從所述目標圖像中,提取表征所述目標顧客的圖像特征;
將從所述目標圖像中提取的圖像特征輸入至人體屬性識別模型,以識別出所述目標顧客的人體屬性。
2.根據權利要求1所述的方法,其特征在于,所述從所述目標圖像中,提取表征所述目標顧客的圖像特征,包括:
利用基于快速區域的卷積網絡Faster-RCNN對所述目標圖像進行檢測,通過池化層輸出所述圖像特征。
3.根據權利要求1或2所述的方法,其特征在于,
所述人體屬性識別模型的數量為至少一個,且,
不同的人體屬性識別模型基于相同的所述圖像特征分別輸出對應的人體屬性。
4.根據權利要求1所述的方法,其特征在于,構建所述人體屬性識別模型,包括:
獲取顧客的人體屬性訓練圖像;
提取所述顧客的人體屬性訓練圖像的圖像特征;
根據所述顧客的人體屬性訓練圖像的圖像特征以及所述顧客的人體屬性訓練圖像對應的人體屬性識別標簽對初始人體屬性識別模型進行訓練,生成所述人體屬性識別模型。
5.根據權利要求4所述的方法,其特征在于,所述初始人體屬性識別模型包括全連階層和非線性變換層。
6.根據權利要求4至5任一項所述的方法,其特征在于,所述方法還包括:
獲取顧客的人體屬性驗證圖像;
提取所述顧客的人體屬性驗證圖像的圖像特征;
將所述顧客的人體屬性驗證圖像的圖像特征輸入所述人體屬性識別模型,獲得所述顧客的人體屬性驗證圖像的識別結果;
當所述顧客的人體屬性驗證圖像的識別結果與所述顧客的人體屬性驗證圖像對應的標記結果不一致時,將所述顧客的人體屬性驗證圖像重新作為所述顧客的人體屬性訓練圖像,對所述人體屬性識別模型進行更新。
7.一種人體屬性識別裝置,其特征在于,包括:
第一獲取單元,用于獲取待識別的目標圖像,所述目標圖像為目標顧客的逛店圖像;
第一提取單元,用于從所述目標圖像中,提取表征所述目標顧客的圖像特征;
人體屬性識別模型,用于基于所述第一提取單元輸出的圖像特征,識別出所述目標顧客的人體屬性。
8.根據權利要求7所述的裝置,其特征在于,所述第一提取單元具體用于:
利用基于快速區域的卷積網絡Faster-RCNN對所述目標圖像進行檢測,通過池化層輸出所述圖像特征。
9.根據權利要求7或8所述的裝置,其特征在于,
所述人體屬性識別模型數量為至少一個,且,
不同的人體屬性識別模型基于相同的所述圖像特征分別輸出對應的人體屬性。
10.根據權利要求7所述的裝置,其特征在于,所述裝置還包括:
第二獲取單元,用于獲取顧客的人體屬性訓練圖像;
第二提取單元,用于提取所述顧客的人體屬性訓練圖像的圖像特征;
訓練單元,用于根據所述顧客的人體屬性訓練圖像的圖像特征以及所述顧客的人體屬性訓練圖像對應的人體屬性識別標簽對初始人體屬性識別模型進行訓練,生成所述人體屬性識別模型。
11.根據權利要求10所述的裝置,其特征在于,所述初始人體屬性識別模型包括全連階層和非線性變換層。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于北京愛筆科技有限公司,未經北京愛筆科技有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202010173390.8/1.html,轉載請聲明來源鉆瓜專利網。





