[发明专利]行人属性识别方法、装置和计算机设备

权利要求书

1.一种行人属性识别方法，包括：

对行人图像进行下采样生成特征片段序列；

将所述特征片段序列输入第一自注意力模型提取特征片段之间的关系权重，根据所述关系权重对所述特征片段序列进行更新，得到第一次更新后的特征片段序列；

将所述第一次更新后的特征片段序列输入特征片段与属性注意力模型提取特征片段与属性之间的关系权重，根据所述关系权重对所述第一次更新后的特征片段序列进行更新得到第二次更新后的特征片段序列；

将所述第二次更新后的特征片段序列输入第二自注意力模型提取属性之间的关系权重，根据所述关系权重对所述第二次更新后的特征片段序列进行更新得到第三次更新后的特征片段序列；

根据所述第三次更新后的特征片段序列进行行人属性识别，获得行人属性识别结果。

2.根据权利要求1所述的方法，其特征在于，所述对行人图像进行下采样生成特征片段序列，包括：

从待处理图像中获取行人图像；

将所述行人图像输入第一卷积神经网络提取特征图；

将所述特征图输入空间注意力模型提取空间注意力图；

对所述特征图及所述空间注意力图进行掩模操作，生成背景滤除特征图；

将所述背景滤除特征图输入第二卷积神经网络生成特征片段序列。

3.根据权利要求2所述的方法，其特征在于，所述第一卷积神经网络及所述第二卷积神经网络为深度残差网络ResNet101或深度残差网络ResNet50。

4.根据权利要求1所述的方法，其特征在于，所述将所述特征片段序列输入第一自注意力模型提取特征片段之间的关系权重，根据所述关系权重对所述特征片段序列进行更新，得到第一次更新后的特征片段序列，包括：

获取所述特征片段序列中的任意一个子序列；

将所述子序列作为所述第一自注意力模型的三个输入序列向量，计算所述三个输入序列向量的其中两个输入序列向量的相似度；

对所述相似度进行尺度缩放、归一化处理得到所述子序列的注意力权重；

将所述特征片段序列中的每一个子序列的注意力权重与所述特征片段序列相乘得到第一次更新后的特征片段序列。

5.根据权利要求1所述的方法，其特征在于，所述将所述第二次更新后的特征片段序列输入第二自注意力模型提取属性之间的关系权重，根据所述关系权重对所述第二次更新后的特征片段序列进行更新得到第三次更新后的特征片段序列，包括：

获取所述第二次更新后的特征片段序列中的任意一个子序列；

将所述子序列作为所述第二自注意力模型的三个输入序列向量，计算所述三个输入序列向量的其中两个输入序列向量的相似度；

对所述相似度进行尺度缩放、归一化处理得到所述子序列的注意力权重；

将所述第二次更新后的特征片段序列中的每一个子序列的注意力权重与所述第二次更新后的特征片段序列相乘得到第三次更新后的特征片段序列。

6.根据权利要求4或5所述的方法，其特征在于，所述计算所述三个输入序列向量的其中两个输入序列向量的相似度，包括：

将所述三个输入序列向量的其中两个输入序列向量做内积运算，得到所述三个输入序列向量的其中两个输入序列向量的相似度；或通过余弦相似性方式来计算所述三个输入序列向量的其中两个输入序列向量的相似度。