[發(fā)明專利]一種端到端的人體檢測與屬性識別方法

有效

• 申請?zhí)枺?/td>: 202010889969.4
• 申請日: 2020-08-28
• 公開（公告）號: CN112084913B
• 公開（公告）日: 2022-07-29
• 發(fā)明（設(shè)計(jì)）人: 陳愛國;趙太銀;朱大勇;羅光春;谷俊霖;楊棟棟
• 申請（專利權(quán)）人: 電子科技大學(xué)
• 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(xué)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(gòu)建及訓(xùn)練人體檢測與屬性識別的多任務(wù)網(wǎng)絡(luò)模型：

所述多任務(wù)網(wǎng)絡(luò)模型的網(wǎng)絡(luò)結(jié)構(gòu)包括：

由卷積神經(jīng)網(wǎng)絡(luò)構(gòu)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(gòu)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(yù)測人體位置；

由多個(gè)屬性識別分支所構(gòu)成的屬性識別模塊，其中，屬性識別分支數(shù)與待識別的屬性數(shù)量一致；將人體檢測模塊的回歸器預(yù)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(yīng)映射后的人體位置的特征塊，輸入到各屬性識別分支；

設(shè)置用于訓(xùn)練所述多任務(wù)網(wǎng)絡(luò)模型的訓(xùn)練數(shù)據(jù)集，并對訓(xùn)練數(shù)據(jù)集進(jìn)行數(shù)據(jù)集預(yù)處理后進(jìn)行網(wǎng)絡(luò)模型訓(xùn)練，保存滿足訓(xùn)練需求的多任務(wù)網(wǎng)絡(luò)模型；

且訓(xùn)練時(shí)，所采用的損失函數(shù)包括：

特征提取器包括批歸一化正則化項(xiàng)，即卷積神經(jīng)網(wǎng)絡(luò)的正則化項(xiàng)；

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(wù)損失和針對不同屬性關(guān)系類型的約束函數(shù)；

其中，基于屬性之間的置信度來確定屬性之間的相關(guān)關(guān)系，根據(jù)屬性之間的相關(guān)關(guān)系的建立約束域以及構(gòu)建約束函數(shù)：

計(jì)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(guān)關(guān)系確定為正相關(guān)、單向正相關(guān)和負(fù)相關(guān)三類相關(guān)關(guān)系；其中α為正相關(guān)的下限，β為負(fù)相關(guān)的上限，通過調(diào)節(jié)α,β來調(diào)節(jié)滿足屬性間相關(guān)性的界定區(qū)間；

為三類相關(guān)關(guān)系設(shè)置不同的約束函數(shù)，且約束函數(shù)滿足讓約束域以外的結(jié)果的代價(jià)越大，約束域以內(nèi)的結(jié)果的代價(jià)越小；該約束函數(shù)包括一個(gè)用于調(diào)節(jié)約束函數(shù)的約束強(qiáng)度的參數(shù)λ，λ越大則約束強(qiáng)度越大；

將待處理的圖像輸入到所保存的多任務(wù)網(wǎng)絡(luò)模型，基于屬性識別模塊的網(wǎng)絡(luò)輸出值得到人體屬性的識別結(jié)果。

2.如權(quán)利要求1所述的方法，其特征在于，數(shù)據(jù)集預(yù)處理方式包括：

對人體檢測數(shù)據(jù)集中不含人體對象的樣本進(jìn)行過濾；

屬性識別數(shù)據(jù)集中針對缺省屬性進(jìn)行預(yù)置值處理。