[发明专利]面向监控视频的行人属性预测方法

权利要求书

1.一种面向监控视频的行人属性预测方法，其特征是，使用等间隔采样等方法对监控视频数据进行采样，得到一系列监控视频帧，之后采用行人检测的方法来检测视频中存在的行人，并截取出行人图像；将得到的行人图像数据送入行人精细化识别网络，生成一系列行人的属性信息，最终将这些行人图像及其属性与原视频帧进行整合，构造检索系统，最终实现通过输入行人的属性特征快速检索到符合检索条件的行人图像和视频帧。

2.如权利要求1所述的面向监控视频的行人属性预测方法，其特征是，行人精细化识别网络包含两个子网络，分别是精细化类别识别网络和精细化颜色识别网络，两个子网络分别训练，都采用快速区域卷积神经faster-RCNN网络来实现，行人的属性根据用户指定设置，首先构建训练数据，通过人工标注行人图像中行人的性别和头部，上衣，下衣，包的位置及其属性得到训练数据，之后分别训练精细化类别识别网络和精细化颜色识别网络；精细化类别识别网络是将头的位置及其头发长短，上衣位置及其类别，下衣位置及其类别，包的位置及其类别等一起作为类别标签送入faster-RCNN网络进行训练，最终训练得到的网络能够检测出行人身体各部分和包的位置，及其个部分所属的种类，精细化颜色识别网络是将上衣位置及其颜色，下衣位置及其颜色，包的位置及其颜色一起作为类别标签送入faster-RCNN网络进行训练，最终训练得到的网络能够检测出行人身体各部分和包的位置，及其个部分所属的颜色。

3.如权利要求1所述的面向监控视频的行人属性预测方法，其特征是，行人的属性包括头发长度，上衣类别，上衣颜色，下衣类别，下衣颜色，包的种类，包的颜色内容；更进一步具体来说，其中头发长度包含长发和短发类别，上衣包含衬衫、T恤衫、外套、羽绒服和其他种类上衣类别，下衣包含长裤、短裤、长裙、短裙和其他种类下衣类别，包的种类包括单肩包、双肩包、拉杆箱、钱包和其他种类包类别，颜色包含黑、白、红、黄、蓝、绿、紫、棕、灰、橙多色类别。

4.如权利要求2所述的面向监控视频的行人属性预测方法，其特征是，faster-RCNN网络进行训练具体步骤是，首先对图像提取CNN特征，得到整张图片的特征图，之后将特征图送入区域建议网络得到行人各部分的候选区域，将得到的区域建议作用到特征图上，得到各候选区域的CNN特征，之后经过ROI池化层将不同的区域特征映射到相同维度，最后将特征分别送入分类器进行分类和进行边界框的回归，得到最终的精细化类别和精细化颜色分类结果。