[發明專利]一種基于深度學習的行人屬性識別方法和系統

有效

• 申請號: 202010614419.1
• 申請日: 2020-06-30
• 公開（公告）號: CN111898448B
• 公開（公告）日: 2023-10-24
• 發明（設計）人: 賈川民
• 申請（專利權）人: 北京大學
• 主分類號: G06V40/10
• 分類號: G06V40/10;G06V20/52
• 代理公司: 北京辰權知識產權代理有限公司 11619
• 代理人: 付婧

1.一種基于深度學習的行人屬性識別方法，其特征在于，包括：

對待識別圖像進行場景識別，并根據識別結果提取所述待識別圖像中的第一場景圖像，其中，所述待識別圖像的圖像內容包含行人；

將所述第一場景圖像輸入預先訓練好的場景偏色還原神經網絡模型，利用所述場景偏色還原神經網絡模型輸出與所述第一場景圖像對應的非偏色的第二場景圖像；

計算所述第一場景圖像與所述第二場景圖像之間的偏色信息；

根據所述偏色信息對所述待識別圖像進行偏色還原，得到偏色還原后的待識別圖像；

根據所述偏色還原后的待識別圖像進行行人屬性識別。

2.根據權利要求1所述的方法，其特征在于，所述待識別圖像取自監控攝像機拍攝的監控視頻流；

所述對待識別圖像進行場景識別，并根據識別結果提取所述待識別圖像中的第一場景圖像，包括：

采用幀間差分法或光流場法檢測所述待識別圖像中的行人，確定行人所在區域；

將所述待識別圖像中除所述行人所在區域之外的其他區域提取為第一場景圖像。

3.根據權利要求1所述的方法，其特征在于，所述對待識別圖像進行場景識別，并根據識別結果提取所述待識別圖像中的第一場景圖像，包括：

采用顯著性檢測算法檢測所述待識別圖像中的顯著區域，所述顯著區域為行人所在區域；

將所述待識別圖像中除所述顯著區域之外的非顯著區域提取為第一場景圖像。

4.根據權利要求1所述的方法，其特征在于，所述計算所述第一場景圖像與所述第二場景圖像之間的偏色信息，包括：

確定多個顏色通道；

針對每個顏色通道，根據所述第一場景圖像中各個像素在所述顏色通道的取值和所述第二場景圖像中各個像素在所述顏色通道的取值，確定所述第一場景圖像與所述第二場景圖像在該顏色通道的通道偏色信息；

根據每個所述顏色通道對應的所述通道偏色信息，確定所述所述第一場景圖像與所述第二場景圖像之間的偏色信息。

5.根據權利要求1所述的方法，其特征在于，所述偏色信息包括所述第一場景圖像中各個像素的像素偏色信息；

所述根據所述偏色信息對所述待識別圖像進行偏色還原，得到偏色還原后的待識別圖像，包括：

根據所述第一場景圖像中各個像素的像素偏色信息，預測所述待識別圖像中行人所在區域內各個像素的像素偏色信息；

根據所述第一場景圖像中各個像素的像素偏色信息和所述行人所在區域內各個像素的像素偏色信息，確定所述待識別圖像中各個像素的像素偏色信息；

根據所述待識別圖像中各個像素的像素偏色信息，對所述待識別圖像進行偏色還原，得到偏色還原后的待識別圖像。

6.一種基于深度學習的行人屬性識別系統，其特征在于，包括：

第一場景圖像提取模塊，用于對待識別圖像進行場景識別，并根據識別結果提取所述待識別圖像中的第一場景圖像，其中，所述待識別圖像的圖像內容包含行人；

第二場景圖像輸出模塊，用于將所述第一場景圖像輸入預先訓練好的場景偏色還原神經網絡模型，利用所述場景偏色還原神經網絡模型輸出與所述第一場景圖像對應的非偏色的第二場景圖像；

偏色信息計算模塊，用于計算所述第一場景圖像與所述第二場景圖像之間的偏色信息；

偏色還原模塊，用于根據所述偏色信息對所述待識別圖像進行偏色還原，得到偏色還原后的待識別圖像；

行人屬性識別模塊，用于根據所述偏色還原后的待識別圖像進行行人屬性識別。

7.根據權利要求6所述的系統，其特征在于，所述待識別圖像取自監控攝像機拍攝的監控視頻流；

所述第一場景圖像提取模塊，包括：

行人區域識別單元，用于采用幀間差分法或光流場法檢測所述待識別圖像中的行人，確定行人所在區域；

第一場景圖像提取單元，用于將所述待識別圖像中除所述行人所在區域之外的其他區域提取為第一場景圖像。