[发明专利]一种图像中的行人属性检测方法及装置

说明书

本申请实施例公开了一种图像中的行人检测方法及装置，所述方法包括：对待检测图像中行人进行检测，获得包括所述行人的第一行人区域；对所述第一行人区域中所述行人的边缘进行提取，获取所述行人的边缘；将包括所述行人的边缘、且小于所述第一行人区域的区域确定为第二行人区域；在所述第二行人区域中划分出N个子区域，每个子区域包括所述行人的一个身体子区域或包括所述行人的附属物；将所述N个子区域对应的所述待检测图像输入到卷积神经网络中，输出每个区域中包括的身体子区域或附属物的属性特征。

技术领域

本申请涉及机器学习技术领域，特别涉及一种图像中的行人属性检测方法及装置。

背景技术

随着视频监控技术的发展，智能视频监控应用在越来越多的场景中，例如交通、商场、医院、小区、公园等等，智能视频监控的应用为各种场景中，通过图像进行行人属性检测奠定了基础。

行人属性的识别，是通过输入含有待检测行人的视频，然后从视频中识别出行人各项属性的一种技术。该技术涉及了计算机视觉、图像处理、模式识别、机器学习等诸多学科。

传统的行人属性识别系统中只能根据视频中某一帧的行人整体图像，使用传统的机器学习方法进行行人属性的识别。当行人的定位不精确时对识别的结果影响很大，并且传统机器学习方法所能达到的效果也有限。城市级安防视频量庞大，行人属性结构化识别模型的数量会随着属性数目的增长而越来越多，导致计算量庞大。

因此，目前如何解决行人属性的精确识别，提高识别效率，成为了目前亟待解决的问题。

发明内容

本申请实施例提供一种图像中的行人属性检测方法及装置，用以提高行人属性检测的效率。

本申请实施例提供一种图像中的行人属性检测方法，其特征在于，所述方法包括：

对待检测图像中行人进行检测，获得包括所述行人的第一行人区域；

对所述第一行人区域中所述行人的边缘进行提取，获取所述行人的边缘；

将包括所述行人的边缘、且小于所述第一行人区域的区域确定为第二行人区域；

在所述第二行人区域中划分出N个子区域，每个子区域包括所述行人的一个身体子区域或包括所述行人的附属物；

将所述N个子区域输入到卷积神经网络中，输出每个子区域中包括的身体子区域或附属物子区域的属性特征。

一种可能的实现方式，获得包括所述行人的第一行人区域，包括：

获取所述待检测图像的梯度方向直方图；

根据所述待检测图像的梯度方向直方图中的梯度密度分布，确定所述待检测图像的特征向量；

将所述待检测图像的特征向量与预设的包括行人的样本图像的特征向量进行比较，若确定所述待检测图像的特征向量与所述样本图像的特征向量的差值在预设范围内，则确定所述待检测图像中存在行人，并标定所述行人所在的第一行人区域。

一种可能的实现方式，所述确定所述行人的边缘，包括：

根据色彩连通区域算法确定所述第一行人区域中行人的边缘。

一种可能的实现方式，所述在所述第二行人区域中划分出N个子区域，包括：

获取所述第二行人区域的梯度方向直方图；

根据所述第二行人区域的梯度方向直方图中的梯度密度分布，确定所述第二行人区域的特征向量；