[发明专利]用于人物识别的方法和系统

权利要求书

1.一种用于识别图像中的人物的方法，包括：

通过卷积神经网络中的特征提取层从所述图像提取特征图；

通过所述卷积神经网络中的关注区域建议层从所述特征图裁剪出含有候选人物的关注区域；以及

通过所述卷积神经网络中的人物识别层根据目标人物的预设图像识别所述关注区域中所含的所述候选人物，以获取所述候选人物的识别结果。

2.根据权利要求1所述的方法，其中，在所述根据目标人物的预设图像识别所述关注区域中所含的所述候选人物之前，还包括：

将所裁剪出的所述关注区域池化为具有固定长度的特征向量。

3.根据权利要求1所述的方法，其中，所述关注区域建议层和所述人物识别层被同步训练。

4.根据权利要求1所述的方法，其中，所述关注区域包含与所述候选人物重叠的限界框；

在所述根据目标人物的预设图像识别所述关注区域中所含的所述候选人物之前，还包括：对所述限界框的位置进行微调以增强所述限界框与所述候选人物的重叠。

5.根据权利要求1所述的方法，其中，在所述根据目标人物的预设图像识别所述关注区域中所含的所述候选人物之前，还包括：对所述关注区域进行降采样处理。

6.根据权利要求1所述的方法，其中，所述人物识别层包括随机采样softmax损失层，且所述人物识别层的训练包括：

根据所述目标人物的所述预设图像，对第一训练集中的多个训练人物图像和所述训练人物图像的背景进行评分；

根据所述训练人物图像和所述背景的得分，从所述第一训练集选择子集，其中，所述子集包括所述目标人物和所述背景；

建立包括所述子集中的所述人物图像和所述背景的得分的第二训练集；

通过所述随机采样softmax损失层基于所述第二训练集确定损失和梯度；以及

反向传播所确定的损失和梯度以调整所述人物识别层的参数，直到所述损失和所述梯度收敛为止。

7.一种用于识别图像中的人物的系统，包括：

存储器，存储可执行组件；以及

处理器，电联接到所述存储器以执行所述可执行组件，从而执行以下操作：

通过卷积神经网络中的特征提取层从所述图像提取特征图；

通过所述卷积神经网络中的关注区域建议层从所述特征图裁剪出含有候选人物的关注区域；以及

通过所述卷积神经网络中的人物识别层根据目标人物的预设图像识别所述关注区域中所含的所述候选人物，以获取所述候选人物的识别结果。

8.根据权利要求7所述的系统，其中，所述处理器还配置为：在所述根据目标人物的预设图像识别所述关注区域中所含的所述候选人物之前，将所裁剪出的所述关注区域池化为具有固定长度的特征向量。

9.根据权利要求7所述的系统，其中，所述关注区域建议层和所述人物识别层被同步训练。

10.根据权利要求7所述的系统，其中，所述关注区域包含与所述候选人物重叠的限界框；

所述处理器还配置为：在所述根据目标人物的预设图像识别所述关注区域中所含的所述候选人物之前，对所述限界框的位置进行微调以增强所述限界框与所述候选人物的重叠。

11.根据权利要求7所述的系统，所述处理器还配置为：在所述根据目标人物的预设图像识别所述关注区域中所含的所述候选人物之前，对所述关注区域进行降采样处理。