[發明專利]行人屬性的識別方法、系統、計算機設備和存儲介質

在審

• 申請號: 202011124766.2
• 申請日: 2020-10-20
• 公開（公告）號: CN112232231A
• 公開（公告）日: 2021-01-15
• 發明（設計）人: 郁強;張香偉;毛云青
• 申請（專利權）人: 城云科技（中國）有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06N3/08
• 代理公司: 無錫市匯誠永信專利代理事務所(普通合伙) 32260
• 代理人: 李珍珍

1.一種行人屬性的識別方法，其特征在于，所述方法包括：

獲取實時視頻，從所述實時視頻中提取圖像幀，將所述圖像幀輸入到已訓練的目標檢測模型，得到所述已訓練的目標檢測模型輸出的行人圖像；其中，所述已訓練的目標檢測模型為利用行人圖像樣本集訓練后獲得的用于行人目標檢測的神經網絡模型；

將所述行人圖像輸入到已訓練的行人識別模型，根據預設的行人屬性，得到所述已訓練的行人識別模型輸出的分類結果；其中，所述預設的行人屬性包括性別屬性、年齡屬性；

根據所述分類結果得到不同性別屬性和不同年齡屬性的行人人數及所占比例。

2.根據權利要求1所述的行人屬性的識別方法，其特征在于，所述已訓練的目標檢測模型包括特征提取網絡和預測網絡；

獲取實時視頻，從所述實時視頻中提取圖像幀，將所述圖像幀輸入到已訓練的目標檢測模型，得到所述已訓練的目標檢測模型輸出的行人圖像包括：

獲取實時視頻；

根據所述實時視頻得到連續一段時間內同一地點的待檢測圖像；

將所述待檢測圖像輸入到特征提取網絡中，經過所述特征提取網絡中復數個殘差模塊，得到所述待檢測圖像的淺層特征圖、中層特征圖及深層特征圖；其中，每個所述殘差模塊包括至少一個殘差塊，在所述殘差塊中通過學習和利用特征圖通道之間的相關性，篩選出針對通道的注意力，將所述殘差塊的輸出項和旁路連接支路的特征圖進行拼接作為下一個殘差塊的輸入特征圖；

將所述淺層特征圖、所述中層特征圖及所述深層特征圖輸入到預測網絡中進行融合，得到所述待檢測圖像中的一個或多個行人圖像。

3.根據權利要求2所述的行人屬性的識別方法，其特征在于，在所述殘差塊中通過學習和利用特征圖通道之間的相關性，篩選出針對通道的注意力，將所述殘差塊的輸出項和旁路連接支路的特征圖進行拼接作為下一個殘差塊的輸入特征圖包括：

將所述待檢測圖像進行1*1卷積升維后經過混合深度可分離卷積進行特征提取，輸出特征圖；

將所述特征圖分別輸入到通道注意力模塊和特征圖注意力模塊；

在所述通道注意力模塊對所述特征圖進行池化、重塑、升維、特征壓縮操作，將輸出項與所述通道注意力模塊的輸入項相乘并進行降維卷積；

在所述特征圖注意力模塊對所述特征圖分組后經過混合深度可分離卷積進行特征提取，對每組的輸出項進行拼接并進行降維卷積；

將所述通道注意力模塊和所述特征圖注意力模塊的得到的結果進行元素級相加操作，將所述殘差塊的輸出項和旁路連接支路的特征圖進行拼接作為下一個殘差塊的輸入特征圖。

4.根據權利要求2所述的行人屬性的識別方法，其特征在于，所述預測網絡為交叉雙向特征金字塔模塊。

5.根據權利要求4所述的行人屬性的識別方法，其特征在于，將所述待檢測圖像輸入到所述已訓練的特征提取網絡中；其中，所述待檢測圖像為三通道圖；

將所述三通道圖經過3*3卷積后輸入到殘差網絡中，其中，所述殘差網絡包括從輸入端至輸出端的第一殘差模塊、第二殘差模塊、第三殘差模塊、第四殘差模塊、第五殘差模塊、第六殘差模塊以及第七殘差模塊，所述第一殘差模塊、所述第二殘差模塊、所述第三殘差模塊、所述第四殘差模塊、所述第五殘差模塊、所述第六殘差模塊以及所述第七殘差模塊中分別對應殘差塊的數量為1個、2個、2個、3個、3個、4個以及1個；

在所述第四殘差模塊得到淺層特征圖，在所述第五殘差模塊得到中層特征圖，在所述第六殘差模塊得到深層特征圖；

在所述第三殘差模塊和所述第七殘差模塊的輸出設置三個融合單元進行相鄰兩層或三層特征融合；在所述第四殘差模塊、所述第五殘差模塊和所述第六殘差模塊設置七個融合單元且每層的分辨率相等，在所述第四殘差模塊、所述第五殘差模塊和所述第六殘差模塊的倒數第二個融合單元將特征圖融合到一起，所述融合單元的融合方法為上采樣或者下采樣；

在所述第四殘差模塊、所述第五殘差模塊、所述第六殘差模塊的所述融合單元后面分別接一個頭部預測模塊，通過所述頭部預測模塊得到所述待檢測圖像中待測目標的位置、待測目標包圍框的大小以及置信度。