[发明专利]一种行人属性识别方法、装置、存储介质及终端在审

专利信息
申请号: 201911167625.6 申请日: 2019-11-25
公开(公告)号: CN111191503A 公开(公告)日: 2020-05-22
发明(设计)人: 王弯弯;张尉东;黄晓峰;殷海兵;贾惠柱 申请(专利权)人: 浙江省北大信息技术高等研究院;杭州未名信科科技有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06N3/04;G06N3/08
代理公司: 北京辰权知识产权代理有限公司 11619 代理人: 刘广达
地址: 311200 浙江省杭州市*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 行人 属性 识别 方法 装置 存储 介质 终端
【权利要求书】:

1.一种行人属性识别方法,其特征在于,所述方法包括:

获取目标行人图像;

将所述目标行人图像输入至预先训练的行人属性识别模型中,所述行人属性识别模型是基于第一数据样本和第二数据样本训练生成,所述第二数据样本是将所述第一数据样本输入到预先训练的风格迁移模型中所生成;

输出所述目标行人图像对应的各属性值。

2.根据权利要求1所述的方法,其特征在于,所述获取目标行人图像之前,还包括:

获取第一数据样本和目标测试数据样本;

创建风格迁移模型,将所述第一数据样本和目标测试数据样本输入至所述风格迁移模型中进行训练,生成训练完成的风格迁移模型。

3.根据权利要求2所述的方法,其特征在于,所述将所述第一数据样本和目标测试数据样本输入至所述风格迁移模型中进行训练,生成训练完成的风格迁移模型之后,还包括:

将所述第一样本数据输入至所述训练完成的风格迁移模型中生成第二数据样本。

4.根据权利要求3所述的方法,其特征在于,所述将所述第一样本数据输入至所述训练完成的风格迁移模型中生成第二数据样本之后,还包括:

创建行人属性识别模型;

将所述第一样本数据和所述第二样本数据合并后输入至所述行人属性识别模型中,输出所述模型的损失值;

当所述损失值达到预设阈值时,生成训练完成的行人属性识别模型。

5.一种行人属性识别装置,其特征在于,所述装置包括:

图像获取模块,用于获取目标行人图像;

图像输入模块,用于将所述目标行人图像输入至预先训练的行人属性识别模型中,所述行人属性识别模型是基于第一数据样本和第二数据样本训练生成,所述第二数据样本是将所述第一数据样本输入到预先训练的风格迁移模型中所生成;

属性值输出模块,用于输出所述目标行人图像对应的各属性值。

6.根据权利要求6所述的装置,其特征在于,所述装置还包括:

样本获取模块,用于获取第一数据样本和目标测试数据样本;

第一模型生成模块,用于创建风格迁移模型,将所述第一数据样本和目标测试数据样本输入至所述风格迁移模型中进行训练,生成训练完成的风格迁移模型。

7.根据权利要求7所述的装置,其特征在于,所述装置还包括:

样本生成模块,用于将所述第一样本数据输入至所述训练完成的风格迁移模型中生成第二数据样本。

8.根据权利要求8所述的装置,其特征在于,所述装置还包括:

模型创建模块,用于创建行人属性识别模型;

损失值输出模块,用于将所述第一样本数据和所述第二样本数据合并输入至所述行人属性识别模型中,输出所述模型的损失值;

第二模型生成模块,用于当所述损失值达到预设阈值时,生成训练完成的行人属性识别模型。

9.一种计算机存储介质,其特征在于,所述计算机存储介质存储有多条指令,所述指令适于由处理器加载并执行如权利要求1~4任意一项的方法步骤。

10.一种终端,其特征在于,包括:处理器和存储器;其中,所述存储器存储有计算机程序,所述计算机程序适于由所述处理器加载并执行如权利要求1~4任意一项的方法步骤。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江省北大信息技术高等研究院;杭州未名信科科技有限公司,未经浙江省北大信息技术高等研究院;杭州未名信科科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201911167625.6/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top