[发明专利]一种基于深层对抗网络的视频人体属性识别方法

权利要求书

1.一种基于深层对抗网络的视频人体属性识别方法，其特征在于，主要包括属性分类网络(一)；重建网络(二)；超分辨率网络(三)。

2.基于权利要求书1所述的一种基于深层对抗网络的视频人体属性识别方法，其特征在于，人的属性分类方法能够学习对象不同部分的姿态归一化的深特征表示。

3.基于权利要求书1所述的属性分类网络(一)，其特征在于，通过混合神经网络的能力和基于部分的方法，当面对由姿势和视点的影响所支配的无约束图像时，对图像中的对象进行分解预测，赋予其鲁棒性。

4.基于权利要求书3所述的分解预测，其特征在于，将输入图像I分解为对应于整个身体和三个部分块{p∈P}，三个部分块分为头-肩膀部分，行人的上身和下身，三个部分块和整个身体通过ResNet50网络在ImageNet中训练分类基于卷积特征映射得到四部分；计算特征映射后，划分出两个属性得分路径，在第一个路径上，使用全身特征映射，以获得基于整个人的预测得分；将基于部分的技术合并到第二条路径中，计算每个图像分区的预测得分，进行最大得分操作，为每个属性选择最接近描述性的部分，最后的属性预测是通过将整个身体得分添加到部分得分来完成的：

Scorei(I)=Scorei(b)+Scorei(P)=ωi,bT·φ(b)+maxp∈Pωi,pT·φ(p)---(1)]]>

ω_i为不同区域第i属性的得分权重，φ(·)表示不同区域的特征图；数据集中属性类分布可能不平衡，使用加权损失进行训练。