[发明专利]神经网络训练及衣服颜色检测方法、装置、存储介质、电子设备

说明书

本发明实施例提供一种神经网络训练及衣服颜色检测方法、装置、存储介质、电子设备。其中，所述神经网络的训练方法包括：基于人体关键点，从样本图像中提取服装区域图像，所述服装区域图像含有人体服装像素点的颜色特征标定数据；通过服装颜色提取网络，从所述服装区域图像获取所述服装区域图像的颜色特征检测数据；根据所述颜色特征标定数据和所述颜色特征检测数据训练所述服装颜色提取网络。通过本发明的实施例，能够使得训练得到的服装颜色提取网络能够精确定位到与人体服装关联的区域图像，减少了背景区域图像的干扰，提高了检测衣服颜色的准确性。

技术领域

本发明实施例涉及人工智能技术，尤其涉及一种神经网络的训练方法、装置、存储介质和电子设备，以及，一种人体衣服颜色的检测方法、装置、存储介质和电子设备。

背景技术

人体衣服颜色检测在网络图像查找方面，例如，图像搜索、衣服检索、样式分析等，以及在监控图像检索方面，例如，人体再识别等，都有着广泛应用，尤其在监控跨摄像头场景中，精确地检测出行人衣服颜色能够提高行人检索的准确性。

然而，行人衣服颜色检测不是一项简单的任务，它面临多种挑战。由于监控摄像头清晰度较低，摄像头角度变化范围广，场景光照多变，以及场景复杂度高等因素，严重加大了监控场景中行人衣服颜色的检测难度，甚至同一个行人在同一个监控视频中每一帧的衣服颜色也会发生明显变化，并且行人衣服的样式变化多样，行人的上衣颜色类别往往不只一种，包含拼接袖、格子衫、条纹衫以及各种图案(例如，圆点、卡通图案或商标)等不同的颜色类别。另外，行人上衣有时还包含多件衣服，例如衬衣和外套。与其它刚体物体(例如，车辆)不同，衣服属于非刚体，衣服褶皱和折痕都会影响衣服颜色的检测精度。

现有的行人衣服颜色的检测方法包括不经过训练学习直接判断衣服颜色的方法和基于统计特征信息和机器学习的方法，在跨摄像头导致的光照或场景不一致性的问题上不鲁棒，并且只能有限地描述衣服的部分颜色特征。近年来，深度卷积神经网络在提取图像特征和训练模型上表现卓越，因而在图像分类，物体检测等任务上均取得了良好的效果。近期也有一些基于卷积神经网络的方法来检测行人衣服颜色。然而，这些方法一般都采取分类方式进行检测，并且为了获得高精度，采取全卷积神经网络进行像素级别的分类，这样从标注到训练耗时比较长，并且采用分类方式进行衣服颜色检测需要精确的人工标注，鉴于监控场景中行人衣服颜色种类和样式都比较复杂，人工标注的成本高而且可靠性低。此外，现有的基于卷积神经网络的衣服颜色检测方法还是利用整个行人图像学习特征并训练，有时会受到背景复杂颜色或杂物颜色等干扰导致衣服颜色检测错误。

发明内容

本发明实施例的目的在于，提供一种神经网络训练的技术方案和人体衣服颜色检测的技术方案。

根据本发明实施例的第一方面，提供了一种神经网络的训练方法。所述方法包括：基于人体关键点，从样本图像中提取服装区域图像，所述服装区域图像含有人体服装像素点的颜色特征标定数据；通过服装颜色提取网络，从所述服装区域图像获取所述服装区域图像的颜色特征检测数据；根据所述颜色特征标定数据和所述颜色特征检测数据训练所述服装颜色提取网络。

可选地，所述服装区域图像，包括：第一区域图像，和/或第二区域图像；其中，所述第一区域图像含有人体上衣像素点的第一颜色特征标定数据，所述第二区域图像含有人体下衣像素点的第二颜色特征标定数据。

可选地，所述通过服装颜色提取网络，从所述服装区域图像获取所述服装区域图像的颜色特征检测数据，包括：通过所述服装颜色提取网络，从所述第一区域图像和/或所述第二区域图像中获取所述第一区域图像对应的第一颜色特征检测数据和/或所述第二区域图像对应的第二颜色特征检测数据。

可选地，所述根据所述颜色特征标定数据和所述颜色特征检测数据训练所述服装颜色提取网络，包括：根据所述第一颜色特征标定数据与所述第一颜色特征检测数据训练所述服装颜色提取网络；和/或根据所述第二颜色特征标定数据与所述第二颜色特征检测数据训练所述服装颜色提取网络。