[发明专利]一种基于视角自适应特征学习的行人性别识别方法

权利要求书

1.一种基于视角自适应特征学习的行人性别识别方法，其特征在于，包括视角自适应训练过程、性别识别过程；

视角自适应训练过程步骤如下：

1.1)基础模型训练步骤：选取N张具有性别标签属性的训练图像，输入卷积神经网络中进行训练，直至卷积神经网络收敛，得到基础模型M；

1.2)视角影响分数计算步骤：把训练图像分为前向视角、背向视角和其他视角，分别输入基础模型M用于提取特征，根据提取的特征计算相应视角的平均影响分数；

1.3)视角微调步骤：利用各个视角的平均影响分数对基础模型M进行视角调整，直至模型收敛，得到特征提取模型P；

性别识别过程步骤如下：

2.1)将测试图像以及从步骤1.2)获得的平均影响分数输入特征提取模型P，经前向传播，获得视角自适应特征；

2.2)利用Softmax分类函数对视角自适应特征计算其性别概率，输出性别识别结果；

基础模型训练步骤具体如下：

1.1.1)随机选取N张具有性别标签属性的训练图像；

1.1.2)将选取的训练图像输入卷积神经网络进行训练；

1.1.3)重复步骤1.1.1)、步骤1.1.2)，直到卷积神经网络收敛，得到基础模型M；

视角影响分数计算步骤具体如下：

1.2.1)将训练图像分为前向视角、背向视角和其他视角；

1.2.2)将三种视角的训练图像分别输入步骤1.1.3)得到的基础模型M，通过前向传播，获得三种视角下的行人深度特征γ_frontal、γ_back、γ_other；

1.2.3)根据三种视角下的行人深度特征γ_frontal、γ_back、γ_other，计算相对应的平均影响分数

视角微调步骤具体如下：

1.3.1)将步骤1.2.3)各个视角的平均影响分数对基础模型M进行视角调整；

1.3.2)重复步骤1.3.1)，直至模型收敛，得到特征提取模型P。

2.根据权利要求1所述的基于视角自适应特征学习的行人性别识别方法，其特征在于，前向视角的平均影响分数的计算过程如下：

网络特征输出层第j个神经元的平均影响分数为：

I_j,frontal＝L(γ_frontal\j)-L(γ_frontal)；

其中，F表示前向视角行人的深度特征集合，E(·)为求均值操作，I_j,frontal表示第j个神经元的影响分数，γ_frontal表示基础模型M输出的d维特征向量，γ_frontal\j表示将网络特征输出层第j个神经元响应置为0时得到的特征向量，L(·)表示Softmax Loss函数。

3.根据权利要求1所述的基于视角自适应特征学习的行人性别识别方法，其特征在于，背向视角的平均影响分数的计算过程如下：/

网络特征输出层第j个神经元的平均影响分数为：

I_j,back＝L(γ_back\j)-L(γ_back)；

其中，F表示背向视角行人的深度特征集合，E(·)为求均值操作，I_j,back表示第j个神经元的影响分数，γ_back表示基础模型M输出的d维特征向量，γ_back\j表示将网络特征输出层第j个神经元响应置为0时得到的特征向量，L(·)表示Softmax Loss函数。