[发明专利]联合对抗生成网络的行人属性识别方法、系统及装置

说明书

本发明公开了联合对抗生成网络的行人属性识别方法、系统、装置及介质，方法包括：获取待识别图像数据；通过行人属性识别模块对待识别图像数据进行识别，得到行人属性；行人属性识别模块通过以下步骤训练得到：获取行人属性识别的训练样本数据；根据训练样本数据训练得到第一行人属性识别模块；对训练样本数据进行编码，得到编码特征；将编码特征输入至对抗生成解码模块进行解码后，得到第二行人属性识别模块，并通过对抗生成判别器对解码结果进行校验；确定行人属性识别损失函数；根据行人属性识别损失函数，训练得到行人属性识别模块。本发明提高了识别的准确率，可广泛应用于人工智能技术领域。

技术领域

本发明涉及人工智能技术领域，尤其是一种联合对抗生成网络的行人属性识别方法、系统、装置及介质。

背景技术

随着科技的进步和人们对于安全意识的不断提高，各行业的视频监控应用越来越多，摄像头每天产生的视频数以亿计。在海量视频数据面前，准确分析视频中的人、车、物、事件等需求越来越迫切，视频结构化信息提取就显得尤为必要。行人属性识别是视频结构化信息中的关键信息，是行人信息的基础，具有广泛的实用价值。目前学术界和工业界在行人属性识别方面做了大量研究，提出了不少有价值的算法。较为常用的行人属性识别方法主要有基于全图的行人属性识别方法、基于局部图的行人属性识别方法、基于注意力机制的行人属性识别方法、基于序列化的行人属性识别方法、基于新损失函数的行人属性识别方法、基于先验知识的行人属性识别方法。

由于从监控视频或图片中抓拍的行人目标不可避免的会存在背景杂乱以及行人被遮挡等问题，特别是监控场景低照度、恶劣天气(雨、雪、大雾)等复杂场景下的行人属性识别在实际应用时的效果并不理想。

其中，基于全图的行人属性识别方法，需要收集大量的复杂场景图片对模型进行训练调整，难以克服各种光照下的颜色等行人属性识别问题。

基于局部图像的行人属性识别方法，过程繁琐，耗时过长，且定位行人分析部件可能不太准确，比较粗糙，不具备实用性。

基于注意力机制的行人属性识别方法和基于序列化的行人属性识别方法，能够很好的学习关联信息，但针对光照和复杂背景的场景无法较好的学习到准确率的行人特征属性。

基于新损失函数的行人属性识别方法，提升了识别能力，对于复杂背景的行人属性识别，难以达到较好的识别准确率。

基于先验知识的属性识别方法，是一种多帧信息融合的方法，难以克服复杂场景下的行人属性识别问题。

发明内容

有鉴于此，本发明实施例提供联合对抗生成网络的行人属性识别方法、系统、装置及介质，提高识别准确率。

本发明的第一方面提供了一种联合对抗生成网络的行人属性识别方法，包括：

获取待识别图像数据；

通过行人属性识别模块对所述待识别图像数据进行识别，得到行人属性；

其中，所述行人属性识别模块通过以下步骤训练得到：

获取行人属性识别的训练样本数据；

根据所述训练样本数据训练得到第一行人属性识别模块；

通过对抗生成编码模块对所述训练样本数据进行编码，得到编码特征，所述编码特征包括光照变化信息和天气变化信息；

将所述编码特征输入至对抗生成解码模块进行解码后，得到第二行人属性识别模块，并通过对抗生成判别器对解码结果进行校验；

根据所述第一行人属性识别模块和所述第二行人属性识别模块确定行人属性识别损失函数；

根据所述行人属性识别损失函数，训练得到行人属性识别模块。