[发明专利]一种目标的属性识别方法、装置及电子设备

权利要求书

1.一种目标的属性识别方法，其特征在于，所述方法包括：

获得待检测图像；

从所述待检测图像中，获得所包含车辆的驾驶室区域对应的驾驶室位置信息；

基于预设目标检测模型以及所述驾驶室位置信息，从所述待检测图像中，确定所述驾驶室区域中装饰物所在区域对应的装饰物位置信息；

基于预设属性分类模型、所述装饰物位置信息以及所述待检测图像，确定所述装饰物的属性，所述预设属性分类模型为预设卷积神经网络模型；

在所述基于预设属性分类模型以及所述装饰物位置信息，确定所述装饰物的属性的步骤之前，所述方法还包括：

建立所述预设卷积神经网络模型的过程，其中，所述过程包括：

获得多张第二样本图像，其中，所述多张第二样本图像包括：包含属性被标识为第一预期属性的装饰物的第二正样本图像、包含属性被标识为第二预期属性的装饰物的第二负样本图像，以及包含属性被标识为第三预期属性的非装饰物的第二非装饰物样本图像；

获得每一第二正样本图像对应的第三标定信息，每一第二负样本图像对应的第四标定信息，以及每一第二非装饰物样本图像对应的第五标定信息，其中，每一第三标定信息包括：所对应第二正样本图像所包含驾驶室区域中，装饰物所在区域对应的第三预期位置信息及该装饰物对应的第一预期属性；每一第四标定信息包括：所对应第二负样本图像所包含驾驶室区域中，装饰物所在区域对应的第四预期位置信息及该装饰物对应的第二预期属性；每一第五标定信息包括：所对应第二非装饰物样本图像所包含驾驶室区域中，非装饰物所在区域对应的第五预期位置信息及该非装饰物对应的第三预期属性；

基于所述第二正样本图像及对应的第三预期位置信息和第一预期属性、所述第二负样本图像及对应的第四预期位置信息和第二预期属性、所述第二非装饰物样本图像及对应的第五预期位置信息和第三预期属性，训练初始卷积神经网络模型，得到所述预设卷积神经网络模型。

2.根据权利要求1所述的方法，其特征在于，所述基于预设目标检测模型以及所述驾驶室位置信息，从所述待检测图像中，确定所述驾驶室区域中装饰物所在区域对应的装饰物位置信息的步骤，包括：

将所述待检测图像以及所述驾驶室位置信息输入所述预设目标检测模型，所述预设目标检测模型基于所述驾驶室位置信息，提取所述待检测图像对应的待检测梯度方向直方图特征；基于所提取的待检测梯度方向直方图特征，确定所述驾驶室区域中装饰物所在区域对应的装饰物位置信息。

3.根据权利要求1所述的方法，其特征在于，所述预设目标检测模型为预设DPM目标检测模型；

在所述基于预设目标检测模型以及所述驾驶室位置信息，从所述待检测图像中，确定所述驾驶室区域中装饰物所在区域对应的装饰物位置信息的步骤之前，所述方法还包括：

建立所述预设DPM目标检测模型的过程，所述过程包括：

获得多张第一样本图像，其中，所述多张第一样本图像包括：第一正样本图像以及第一负样本图像，所述第一正样本图像为：所包含驾驶室区域包含装饰物的图像，所述第一负样本图像为：所包含驾驶室区域不包含装饰物的图像；

获得每一第一正样本图像对应的第一标定信息，以及每一第一负样本图像对应的第二标定信息，其中，每一第一标定信息包括：所对应第一正样本图像所包含驾驶室区域中，装饰物所在区域对应的第一预期位置信息；每一第二标定信息包括：所对应第一负样本图像所包含驾驶室区域中，满足预设标定条件的区域对应的第二预期位置信息；

基于所述第一正样本图像与所述第一正样本图像对应的第一预期位置信息、所述第一负样本图像与所述第一负样本图像对应的第二预期位置信息，训练初始DPM目标检测模型，得到所述预设DPM目标检测模型。