[發明專利]一種端到端的人體檢測與屬性識別方法

有效

• 申請號: 202010889969.4
• 申請日: 2020-08-28
• 公開（公告）號: CN112084913B
• 公開（公告）日: 2022-07-29
• 發明（設計）人: 陳愛國;趙太銀;朱大勇;羅光春;谷俊霖;楊棟棟
• 申請（專利權）人: 電子科技大學
• 主分類號: G06V20/40
• 分類號: G06V20/40;G06V40/10;G06K9/62;G06N3/04;G06N3/08;G06V10/774
• 代理公司: 電子科技大學專利中心 51203
• 代理人: 周劉英

1.一種端到端的人體檢測與屬性識別方法，其特征在于，包括下列步驟：

構建及訓練人體檢測與屬性識別的多任務網絡模型：

所述多任務網絡模型的網絡結構包括：

由卷積神經網絡構成的特征提取器，用于提取輸入圖像的特征圖；

由分類器與回歸器所構成的人體檢測模塊，輸入為特征提取器提取的特征圖，其中，分類器用于判斷是否為人體，回歸器用于預測人體位置；

由多個屬性識別分支所構成的屬性識別模塊，其中，屬性識別分支數與待識別的屬性數量一致；將人體檢測模塊的回歸器預測的人體位置按比例映射到特征圖，再在特征圖中提取對應映射后的人體位置的特征塊，輸入到各屬性識別分支；

設置用于訓練所述多任務網絡模型的訓練數據集，并對訓練數據集進行數據集預處理后進行網絡模型訓練，保存滿足訓練需求的多任務網絡模型；

且訓練時，所采用的損失函數包括：

特征提取器包括批歸一化正則化項，即卷積神經網絡的正則化項；

人體檢測模塊包括分類損失和回歸損失；

屬性識別模塊包括多任務損失和針對不同屬性關系類型的約束函數；

其中，基于屬性之間的置信度來確定屬性之間的相關關系，根據屬性之間的相關關系的建立約束域以及構建約束函數：

計算任意兩兩屬性之間的置信度，并基于一組閾值α,β將屬性間的相關關系確定為正相關、單向正相關和負相關三類相關關系；其中α為正相關的下限，β為負相關的上限，通過調節α,β來調節滿足屬性間相關性的界定區間；

為三類相關關系設置不同的約束函數，且約束函數滿足讓約束域以外的結果的代價越大，約束域以內的結果的代價越小；該約束函數包括一個用于調節約束函數的約束強度的參數λ，λ越大則約束強度越大；

將待處理的圖像輸入到所保存的多任務網絡模型，基于屬性識別模塊的網絡輸出值得到人體屬性的識別結果。

2.如權利要求1所述的方法，其特征在于，數據集預處理方式包括：

對人體檢測數據集中不含人體對象的樣本進行過濾；

屬性識別數據集中針對缺省屬性進行預置值處理。