[發(fā)明專利]人物屬性識別方法、裝置、計算機(jī)設(shè)備及存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 202010696089.5
• 申請日: 2020-07-20
• 公開（公告）號: CN111738213B
• 公開（公告）日: 2021-02-09
• 發(fā)明（設(shè)計）人: 董菲;于溦
• 申請（專利權(quán)）人: 平安國際智慧城市科技股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 深圳市賽恩倍吉知識產(chǎn)權(quán)代理有限公司 44334
• 代理人: 楊毅玲;孫芬

1.一種人物屬性識別方法，其特征在于，所述方法包括：

利用第一殘差網(wǎng)絡(luò)按照遮擋區(qū)域?qū)ΥR別人物圖像進(jìn)行分類，得到所述待識別人物圖像的圖像類型，所述圖像類型包括無遮擋圖像、上部遮擋圖像、中部遮擋圖像和下部遮擋圖像；

若所述待識別人物圖像是遮擋圖像，則將所述待識別人物圖像和所述圖像類型輸入多尺度生成對抗網(wǎng)絡(luò)，所述多尺度生成對抗網(wǎng)絡(luò)根據(jù)所述圖像類型生成所述待識別人物圖像的去遮擋圖像；

將所述待識別人物圖像的去遮擋圖像輸入屬性識別網(wǎng)絡(luò)進(jìn)行屬性識別，包括：

對所述待識別人物圖像的去遮擋圖像進(jìn)行特征提取，得到所述待識別人物圖像的全身特征圖；

從所述全身特征圖中分割出頭肩特征圖、上半身特征圖和下半身特征圖；

將所述頭肩特征圖、所述上半身特征圖、所述下半身特征圖和所述全身特征圖進(jìn)行全局平均池化，將所述上半身特征圖、所述下半身特征圖和所述全身特征圖經(jīng)全局平均池化得到的特征值組成特征向量；

對所述特征向量進(jìn)行特征篩選，得到與人物屬性相關(guān)聯(lián)的區(qū)域特征，所述人物屬性包括如下任意一項(xiàng)或多項(xiàng)：年齡、體型、性別、發(fā)型、上半身著裝及顏色、下半身著裝及顏色、鞋子及顏色；

根據(jù)所述與人物屬性相關(guān)聯(lián)的區(qū)域特征進(jìn)行屬性分類，得到所述待識別人物圖像的人物屬性；

所述將所述待識別人物圖像的去遮擋圖像輸入屬性識別網(wǎng)絡(luò)進(jìn)行屬性識別之前，所述方法還包括：

對所述屬性識別網(wǎng)絡(luò)進(jìn)行訓(xùn)練；

訓(xùn)練所述屬性識別網(wǎng)絡(luò)使用的損失函數(shù)為：

w_l為權(quán)重，

N、L分別表示每個簇中訓(xùn)練樣本的數(shù)目、每個訓(xùn)練樣本的人物屬性數(shù)目；

y_il為第i個訓(xùn)練樣本的第l個人物屬性的真實(shí)標(biāo)簽；

為所述屬性識別網(wǎng)絡(luò)對第i個訓(xùn)練樣本的第l個人物屬性的預(yù)測值；

μ_i為第i個訓(xùn)練樣本的遮擋系數(shù)，m_i為第i個訓(xùn)練樣本的遮擋比例，未遮擋圖像μ_i＝1；

p_l表示第l個人物屬性在訓(xùn)練集中所占比例；

所述方法還包括：

在訓(xùn)練所述第一殘差網(wǎng)絡(luò)進(jìn)行之前，對所述多尺度生成對抗網(wǎng)絡(luò)進(jìn)行訓(xùn)練，在所述多尺度生成對抗網(wǎng)絡(luò)訓(xùn)練完成后，將隨機(jī)添加遮擋的樣本圖像輸入到所述多尺度生成對抗網(wǎng)絡(luò)，得到去遮擋樣本圖像，將所述去遮擋樣本圖像添加到所述第一殘差網(wǎng)絡(luò)的訓(xùn)練數(shù)據(jù)中以擴(kuò)充所述第一殘差網(wǎng)絡(luò)的訓(xùn)練數(shù)據(jù)，基于擴(kuò)充后的所述第一殘差網(wǎng)絡(luò)的訓(xùn)練數(shù)據(jù)對所述第一殘差網(wǎng)絡(luò)進(jìn)行訓(xùn)練。

2.如權(quán)利要求1所述的人物屬性識別方法，其特征在于，所述多尺度生成對抗網(wǎng)絡(luò)包括第一生成器、第二生成器和判別器，其中：

所述第一生成器的輸入是第一尺度的遮擋圖像，所述第一生成器根據(jù)所述第一尺度的遮擋圖像生成第一特征矩陣，根據(jù)所述第一特征矩陣生成第一尺度的去遮擋圖像；

所述第二生成器的輸入是將所述第一尺度的遮擋圖像放大一倍得到的第二尺度的遮擋圖像，所述第二生成器根據(jù)所述第二尺度的遮擋圖像并融合所述第一特征矩陣生成第二特征矩陣，根據(jù)所述第二特征矩陣生成第二尺度的去遮擋圖像；

所述判別器的輸入是第二尺度的去遮擋圖像和第二尺度的原始無遮擋圖像，所述判別器根據(jù)所述第二尺度的去遮擋圖像生成第一判別值，根據(jù)所述第二尺度的遮擋圖像對應(yīng)的第二尺度的原始無遮擋圖像生成第二判別值，根據(jù)所述第一判別值和所述第二判別值優(yōu)化所述第一生成器、所述第二生成器和所述判別器。

3.如權(quán)利要求1所述的人物屬性識別方法，其特征在于，所述按照遮擋區(qū)域?qū)ΥR別人物圖像進(jìn)行分類包括：

利用第一殘差網(wǎng)絡(luò)按照遮擋區(qū)域?qū)λ龃R別人物圖像進(jìn)行分類。

4.如權(quán)利要求1所述的人物屬性識別方法，其特征在于，所述對所述待識別人物圖像的去遮擋圖像進(jìn)行特征提取包括：

利用第二殘差網(wǎng)絡(luò)對所述待識別人物圖像的去遮擋圖像進(jìn)行特征提取，所述第二殘差網(wǎng)絡(luò)引入通道維度的注意力機(jī)制，所述第二殘差網(wǎng)絡(luò)在每個殘差塊的卷積層之后連接一個全局平均池化層、兩個全連接層和一個Sigmoid層，用于計算各個特征通道的權(quán)值，根據(jù)該權(quán)值對殘差塊的卷積層輸出的特征圖進(jìn)行加權(quán)運(yùn)算，完成特征的重標(biāo)定。