[发明专利]一种对象属性识别方法、装置、计算设备及系统有效

专利信息
申请号: 201810810453.9 申请日: 2018-07-20
公开(公告)号: CN109902548B 公开(公告)日: 2022-05-31
发明(设计)人: 姚春凤;冯柏岚;黄凯奇;陈晓棠;李党伟;钱莉 申请(专利权)人: 华为技术有限公司;中国科学院自动化研究所
主分类号: G06V40/10 分类号: G06V40/10;G06V10/82;G06N3/04
代理公司: 广州三环专利商标代理有限公司 44202 代理人: 郝传鑫;熊永强
地址: 518129 广东*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 对象 属性 识别 方法 装置 计算 设备 系统
【权利要求书】:

1.一种对象属性识别方法,其特征在于,所述方法包括:

根据M个姿态关键点在第一图像中提取M个部位的特征,得到M个部位特征图,其中,所述第一图像为原始图像或根据原始图像提取得到的原始特征图,所述原始图像包括目标对象,所述目标对象包括所述M个部位,所述M个姿态关键点与所述M个部位一一对应,所述M个部位与所述M个部位特征图一一对应;所述姿态关键点用于确定所述姿态关键点对应部件的位置,M为正整数;

将所述M个部位特征图输入第一属性识别模型,得到所述目标对象的第一属性识别结果。

2.如权利要求1所述的对象属性识别方法,其特征在于,所述根据M个姿态关键点在第一图像中提取M个部位的特征,得到M个部位特征图,包括:

将所述第一图像输入到部位定位模型,得到M个姿态关键点分别对应部位的定位参数,第一姿态关键点对应部位的定位参数用于在所述第一图像中确定所述第一姿态关键点对应的部位所在的区域;其中,所述第一姿态关键点为所述M个姿态关键点中任意一个姿态关键点;

根据所述M个姿态关键点分别对应部位的定位参数,通过插值采样从所述第一图像中提取出所述M个部位分别对应的M个部位特征图。

3.如权利要求2所述的对象属性识别方法,其特征在于,姿态关键点k对应部位k的定位参数为第一位置坐标与第二位置坐标之间的仿射变换参数,所述第一位置坐标为所述部位k在所述第一图像中的位置坐标,所述第二位置坐标为所述部位k对应的部位特征图中的位置坐标,所述部位k对应的部位特征图的通过下述公式计算:

其中,k是部位的索引,k为正整数且k≤M;F为所述第一图像;Vk为所述部位k对应的部位特征图;i为所述部位k对应的部位特征图中坐标位置的索引;H为所述第一图像的高;W为所述第一图像的宽;为所述部位k对应的部位特征图中的坐标位置i经过仿射变换后在所述第一图像中的归一化坐标;(m,n)为所述第一图像中的坐标位置。

4.如权利要求3所述的对象属性识别方法,其特征在于,所述部位k对应的部位特征图中坐标位置i的归一化坐标为其中,

是所述第一位置坐标与所述第二位置坐标之间的仿射变换参数,为所述部件k对应姿态关键点的归一化坐标。

5.如权利要求2-4任意一项权利要求所述的对象属性识别方法,其特征在于,所述第一属性识别模型包括M个深度特征提取模型以及基于区域特征学习模型,其中,所述M个深度特征提取模型与所述部位一一对应,所述将所述M个部位特征图输入到第一属性识别模型,得到所述目标对象的第一属性识别结果,包括:

将所述M个部位特征图分别输入到M个深度特征提取模型,得到M个深度部位特征图,其中,所述M个深度部位特征图与所述M个部位一一对应,第一部位对应的深度特征提取模型用于从所述第一部位对应的部位特征图中提取所述第一部位对应的深度部位特征图,所述第一部位为所述M个部位中任意一个部位;

将提取得到的所述M个深度部位特征图进行拼接;

将拼接后的深度部位特征图输入到所述基于区域特征学习模型,得到所述目标对象的第一属性识别结果。

6.如权利要求1-4任意一项权利要求所述的对象属性识别方法,其特征在于,所述方法还包括:

将所述第一图像输入到第二属性识别模型,识别出所述目标对象的第二属性识别结果;

根据所述第一属性识别结果和所述第二属性识别结果,计算所述目标对象的第三识别结果,其中,所述第三识别结果计算方法为:Y3=αY1+βY2;α、β为大于0的常数,Y1为所述第一属性识别结果,Y2为所述第二属性识别结果。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华为技术有限公司;中国科学院自动化研究所,未经华为技术有限公司;中国科学院自动化研究所许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201810810453.9/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top