[发明专利]一种行人属性区域信息获取方法、装置及设备

权利要求书

1.一种行人属性区域信息获取方法，其特征在于，所述方法包括：

获取待识别图像；

针对所述待识别图像中的每一像素点，获得该像素点所属行人具有各个属性的概率，并根据所获得的概率确定该像素点所属行人具有的属性，其中，行人具有的属性为：能够可视化、且用于表征行人外观特征的属性；

将所确定的属性相同、且位置相邻的像素点形成的图像区域识别为所述待识别图像中行人的属性区域；

对于每一属性区域，将针对该属性区域内像素点确定的属性作为所要获取的属性区域的信息；

所述针对所述待识别图像中的每一像素点，获得该像素点所属行人具有各个属性的概率，并根据所获得的概率确定该像素点所属行人具有的属性的步骤，包括：

将所述待识别图像输入至预先训练的概率预估模型，得到所述待识别图像中每一像素点所属行人具有各个属性的概率，其中，所述概率预估模型为：采用样本图像和样本图像中每一像素点所属行人的标注属性对预设模型进行训练得到的、用于估算图像中各个像素点所属行人具有各个属性概率的模型，所述样本图像为：通过语义标注确定图像中行人的属性区域后得到的图像，所述标注属性是根据属性区域表征的行人的属性获得的属性；

根据所获得的概率确定每一像素点所属行人具有的属性；

利用以下方式得到所述概率预估模型：

从视频采集设备采集的视频数据中获得用于进行模型训练的样本图像；

对样本图像中行人所具有的属性进行语义标注，根据语义标注结果确定样本图像中行人的属性区域，并根据所确定的属性区域表征的行人的属性，获得样本图像中每一像素点所属行人的标注属性；

将样本图像输入到所述预设模型，得到样本图像中每一像素点所属行人具有各个属性的预估概率；

根据得到的预估概率，确定样本图像中每一像素点所属行人的预估属性；

利用预设的交叉熵损失算法，计算所确定预估属性和所获得标注属性之间的损失值；

判断所述损失值是否小于预设阈值；

如果否，利用梯度下降算法调整所述预设模型中的参数，并返回所述将样本图像输入到所述预设模型，得到样本图像中每一像素点所属行人具有各个属性的预估概率的步骤；

如果是，将所述预设模型作为所述概率预估模型；

其中，利用以下公式计算损失值：

其中，C为损失值，n为像素点个数，y为像素点所属行人的标注属性，a为像素点所属行人的预估属性的概率。

2.如权利要求1所述的方法，其特征在于，所述获取待识别图像的步骤，包括：

获取视频采集设备采集的视频数据；

将所述视频数据中包含的每一视频帧的大小调整至预设大小；

针对每一调整后的视频帧，分别识别该视频帧中包含的各个行人所在的行人区域；

将识别行人区域后的每一视频帧分别作为一个待识别图像。

3.如权利要求1所述的方法，其特征在于，在所述从视频采集设备采集的视频数据中获得用于进行模型训练的样本图像的步骤之前，还包括：

从预设数据集存储的图像中选取预设数量个图像，作为训练图像；

对各个训练图像中行人所具有的属性进行语义标注，并根据语义标注结果确定训练图像中行人的属性区域；

根据所确定的属性区域表征的行人的属性，获得训练图像中每一像素点所属行人的标注属性；

利用各个训练图像和各个训练图像中每一像素点所属行人的标注属性，对所述预设模型的初始模型进行训练，得到用于预估图像中每一像素点所属行人具有各个属性的预估概率的所述预设模型。