[发明专利]一种行人属性识别方法及装置

权利要求书

1.一种行人属性识别方法，其特征在于，包括：

分别获取每个特征块中n个属性的初始识别结果，并分别获取基于空间位置关系确定的每个所述属性在各个所述特征块中的存在概率；所述特征块是将待识别图片的特征图划分成多个区域得到；

根据每个所述特征块中的每个所述属性的所述初始识别结果与所述存在概率，确定所述待识别图片中每个所述属性的识别结果。

2.根据权利要求1所述的方法，其特征在于，所述根据每个所述特征块中的每个所述属性的所述初始识别结果与所述存在概率，确定所述待识别图片中每个所述属性的识别结果，包括：

针对每个所述特征块中的每个所述属性，将所述初始识别结果与所述存在概率相乘，得到每个所述特征块中每个所述属性的识别结果；

针对每个所述属性，确定多个所述特征块的所述属性的识别结果中的最大值，作为所述待识别图片中所述属性的识别结果。

3.根据权利要求1所述的方法，其特征在于，所述分别获取每个特征块中n个属性的初始识别结果，并分别获取基于空间位置关系确定的每个所述属性在各个所述特征块中的存在概率之前，还包括：

利用去除最后一层全连接层的基础网络Resnet-50，对所述待识别图片进行特征提取，得到所述待识别图片的特征图。

4.根据权利要求1所述的方法，其特征在于，所述分别获取每个特征块中n个属性的初始识别结果，包括：

针对每个所述特征块，进行第一操作，得到第一特征信息；所述第一操作包括池化操作；

根据所述第一特征信息，得到所述n个属性的所述初始识别结果。

5.根据权利要求4所述的方法，其特征在于，所述第一操作还包括卷积操作。

6.根据权利要求4所述的方法，其特征在于，所述针对每个所述特征块，进行第一操作，得到第一特征信息，包括：

针对每个所述特征块，按照以下公式进行池化操作：

其中，O为对所述特征块进行池化得到的特征信息，h、w为所述特征块高度的像素值和宽度的像素值，f_xy为所述特征块中高度为x、宽度为y处的像素点的特征值。

7.根据权利要求1-6中任一项所述的方法，其特征在于，所述分别获取每个特征块中n个属性的初始识别结果，并分别获取基于空间位置关系确定的每个所述属性在各个所述特征块中的存在概率，包括：

基于损失函数，训练行人属性识别模型，所述损失函数中每个所述属性对应一个权重值，每个所述属性对应的权重值是根据训练样本中所述属性的正例数和/或负例数确定；

利用所述行人属性识别模型，分别获取每个特征块中n个属性的初始识别结果，并分别获取基于空间位置关系确定的每个所述属性在各个所述特征块中的存在概率。

8.根据权利要求7所述的方法，其特征在于，所述损失函数为：

其中，Q为所述训练样本的数量，n为待识别的属性的数量，l_ks为第k个样本的第s个属性的真实标签，ω_s为第s个属性的权重值，m_ks为第k个样本的第s个属性预测为正例的概率。

9.根据权利要求7所述的方法，其特征在于，所述损失函数中每个所述属性对应的权重值是根据以下公式确定：

其中，ω_s为第s个属性的权重值，l_s为第s个属性的真实标签，p_s为所述训练样本中第s个属性负例比正例的值。

10.根据权利要求7所述的方法，其特征在于，所述基于损失函数，训练行人属性识别模型，包括：

分别计算每个所述特征块识别结果的损失值；

将每个所述特征块识别结果的损失值相加得到的和，作为最终的损失值。