[發(fā)明專利]一種聯(lián)合局部區(qū)域檢測與多級特征抓取的行人多屬性識別方法

在審

• 申請?zhí)枺?/td>: 202110508765.6
• 申請日: 2021-05-12
• 公開（公告）號: CN113139501A
• 公開（公告）日: 2021-07-20
• 發(fā)明（設計）人: 樓群
• 申請（專利權）人: 深圳市七誠科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/34;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發(fā)明提供一種聯(lián)合局部區(qū)域檢測與多級特征抓取的行人多屬性識別方法，涉及行人屬性識別技術領域。該聯(lián)合局部區(qū)域檢測與多級特征抓取的行人多屬性識別方法，包括行人分割模塊、特征融合模塊和多任務學習模塊，所述行人分割模塊、特征融合模塊和多任務學習模塊融合成一個端到端的框架。本發(fā)明提供一種聯(lián)合局部區(qū)域檢測與多級特征抓取的行人多屬性識別方法，基于對身份識別技術的深度學習，在減少無關信息的同時充分利用屬性相關性信息，解決樣本分布不均衡問題的同時增強對行人屬性的識別能力，并且搭建了一個完整的行人多屬性識別框架，可以解決環(huán)境信息干擾問題，還能充分利用多屬性相關性以及額外的輔助信息來增強對各局部屬性的識別能力。

技術領域

本發(fā)明涉及行人屬性識別技術領域，具體為一種聯(lián)合局部區(qū)域檢測與多級特征抓取的行人多屬性識別方法。

背景技術

行人屬性指人員的屬性，例如面部、衣服、飾品、年齡等，對這些屬性的準確識別不僅可以提高智能機器對人類的認識能力，而且在許多實際應用技術中起著關鍵作用，例如：基于視頻的智能化商業(yè)化推薦、視頻監(jiān)控中的行人重識別、以及基于屬性的行人檢索等。

現(xiàn)有行人屬性識別的方法主要包括基于手工特征提取的方法以及基于深度學習的方法，基于手工特征提取的方法主要是利用低層特征例如顏色、紋理等進行識別和檢測，利用HOG等方法獲取特征的表達。基于這類傳統(tǒng)特征提取算法的行人屬性識別方法很快便達到了瓶頸，隨著深度學習的發(fā)展，越來越多的行人屬性識別研究開始采用深度學習的方法，基于深度學習的方法是運用大量樣本和標簽以監(jiān)督學習的方式不斷訓練網(wǎng)絡參數(shù)，使訓練好的分類器利用訓練特征自主的進行屬性識別，一種簡單的方法就是將整個行人圖像送入深度神經網(wǎng)絡，讓神經網(wǎng)絡自適應學習局部屬性和特征之間的關系。

行人屬性與行人身體的局部部位有著很強的對應關系，例如頭發(fā)的長短屬性可以對應到行人的頭部區(qū)域，而褲子的長短則可以對應到行人的腿部區(qū)域，是否帶有口罩和眼鏡則對應的是行人面部更加細粒度的部位，因此現(xiàn)有的一些研究方法首先對屬性位置進行檢測，然后利用相關區(qū)域進行分割，再對分割后的圖像分別進行卷積特征訓練，最后聯(lián)合多個深度特征進行屬性分類，針對不同區(qū)域所關注的不同區(qū)域特征，注意力機制也被應用于行人屬性識別中，不同屬性之間是具有一定聯(lián)系的，即語義屬性之間存在相關性，比如穿裙子和高跟鞋的行人大部分性別時女性，因此“裙子”和“高更鞋”以及“性別”之間就具有了潛在的相關性，因此若行人圖像質量較差，分辨率較低，導致某些屬性再行人圖像中不易分辨時，屬性之間的相關性就可以用來輔助預測屬性的分布。

基于手工特征提取的方法不具有較強的泛化性，并且特征提取時間較長，不適合大數(shù)據(jù)集的特征提取，為了更好的學習屬性特征，需要建立一個復雜的數(shù)學關系從低級特征對高級語義信息進行描述，難以形成一套通用的體系，目前主流的基于深度學習的行人屬性識別方法仍無法有效的利用屬性之間的相關性，并且對于樣本分布不均衡的屬性識別效果較差，除此之外，環(huán)境的影響也會干擾注意力機制對局部屬性區(qū)域特征增強的效果，進而影響屬性識別的效果。

發(fā)明內容

(一)解決的技術問題

針對現(xiàn)有技術的不足，本發(fā)明提供了一種聯(lián)合局部區(qū)域檢測與多級特征抓取的行人多屬性識別方法，解決了基于手工特征提取的方法不具有較強的泛化性，并且特征提取時間較長，不適合大數(shù)據(jù)集的特征提取，主流的基于深度學習的行人屬性識別方法仍無法有效的利用屬性之間的相關性，對于樣本分布不均衡的屬性識別效果較差，并且環(huán)境的影響也會干擾注意力機制對局部屬性區(qū)域特征增強的效果的問題。

(二)技術方案

為實現(xiàn)以上目的，本發(fā)明通過以下技術方案予以實現(xiàn)：一種聯(lián)合局部區(qū)域檢測與多級特征抓取的行人多屬性識別方法，包括行人分割模塊、特征融合模塊和多任務學習模塊，所述行人分割模塊、特征融合模塊和多任務學習模塊融合成一個端到端的框架；

行人分割模塊，利用注意力機制將行人與環(huán)境分離，消除外界環(huán)境的干擾；