[发明专利]属性识别装置和方法及存储介质

说明书

本发明公开了一种属性识别装置和方法及存储介质。所述属性识别装置包括：利用特征提取神经网络，从图像中提取第一特征的单元；利用第一识别神经网络，基于第一特征识别图像中的对象的第一属性的单元；及利用第二识别神经网络，基于第一特征识别所述对象的至少一个第二属性的单元，其中基于第一属性从多个第二识别神经网络候选中确定一个第二识别神经网络候选作为所述第二识别神经网络。根据本发明，能够大大地减少整个的识别处理所需耗费的时间。

技术领域

本发明涉及图像处理，尤其涉及例如属性识别。

背景技术

由于人物属性通常可以描绘一个人的容貌和/或身形，因此人物属性识别(尤其是，多任务的人物属性识别)通常被用于进行例如人群统计、身份验证等监控处理。其中，容貌例如包括人物的年龄、人物的性别、人物的种族、人物的发色、人物是否佩戴眼镜、人物是否佩戴口罩等，身形例如包括人物的身高、人物的体重、人物所穿的衣服、人物是否背着包、人物是否拉着行李箱等。其中，多任务的人物属性识别表示要同时识别出一个人的多个属性。然而，在实际的监控处理中，由于监控场景的多变性和复杂性通常会导致所捕获的图像的光照不足、所捕获的图像中的人物的面部/身体被遮挡等情况，从而如何在多变的监控场景中保持较高的人物属性识别的识别精度便成为整个监控处理中的重要环节。

针对多变和复杂的场景，“Switching Convolutional Neural Network forCrowd Counting”(Deepak Babu Sam,Shiv Surya,R.Venkatesh Babu；IEEE ComputerSociety,2017:4031-4039)中公开了一种示例性的处理方法，其主要是通过利用两个相互独立的神经网络来估计图像中的人群密度。具体地，首先，利用一个神经网络来确定与图像中的人群密度对应的一个等级，其中，与人群密度对应的一个等级表示在该等级下可具有的人数的范围；其次，根据确定的等级从一组神经网络候选中选择一个与该等级对应的神经网络候选，其中，该组神经网络候选中的每一个神经网络候选对应于人群密度的一个等级；然后，利用所选择的神经网络候选来估计该图像中的实际的人群密度，以确保不同等级下的人群密度估计的精度。

根据上述示例性的处理方法，可知，对于不同场景(也即，多变和复杂的场景)下的人物属性识别，可通过利用两个相互独立的神经网络来改善识别的精度。例如，可先利用一个神经网络来识别图像的场景，其中，该场景例如可以通过图像中的人物的某一属性(例如，是否戴口罩)来识别得到；之后选择与该场景对应的神经网络来识别图像中的人物属性(例如，年龄、性别等)。然而，通过利用这两个神经网络分别进行的场景识别操作与人物属性识别操作是相互独立的，并且场景识别操作的结果也仅仅是用于为人物属性识别操作选择出一个合适的神经网络以进行相应的识别操作，而并未考虑这两个识别操作之间可能存在的相互关联和相互影响，从而使得整个的识别处理需要耗费较长的时间。

发明内容

鉴于上面的背景技术中的记载，本发明旨在解决上述问题中的至少一点。

根据本发明的一个方面，提供一种属性识别装置，所述属性识别装置包括：提取单元，利用特征提取神经网络，从图像中提取第一特征；第一识别单元，利用第一识别神经网络，基于所述第一特征识别所述图像中的对象的第一属性；及，第二识别单元，利用第二识别神经网络，基于所述第一特征识别所述对象的至少一个第二属性，其中基于所述第一属性从多个第二识别神经网络候选中确定一个第二识别神经网络候选作为所述第二识别神经网络。其中，所述第一属性例如为所述对象是否被遮挡物遮挡。

根据本发明的另一个方面，提供一种属性识别方法，所述属性识别方法包括：提取步骤，利用特征提取神经网络，从图像中提取第一特征；第一识别步骤，利用第一识别神经网络，基于所述第一特征识别所述图像中的对象的第一属性；及，第二识别单元步骤，利用第二识别神经网络，基于所述第一特征识别所述对象的至少一个第二属性，其中基于所述第一属性从多个第二识别神经网络候选中确定一个第二识别神经网络候选作为所述第二识别神经网络。