[发明专利]用于生成信息的方法和装置在审

专利信息
申请号: 201810843246.3 申请日: 2018-07-27
公开(公告)号: CN109117758A 公开(公告)日: 2019-01-01
发明(设计)人: 陈日伟 申请(专利权)人: 北京字节跳动网络技术有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62
代理公司: 北京英赛嘉华知识产权代理有限责任公司 11204 代理人: 王达佐;马晓亚
地址: 100041 北京市石景山区*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 人体图像 属性信息 方法和装置 生成信息 属性识别 图像 人物属性 图像输入 信息生成 申请
【权利要求书】:

1.一种用于生成信息的方法,包括:

获取包括人体图像的待识别图像;

将所述待识别图像输入预先训练的属性识别模型,获得所述待识别图像中的人体图像所对应的人体的属性信息,其中,所述属性识别模型用于表征包括人体图像的图像与人体图像所对应的人体的属性信息的对应关系,属性信息用于表征人体的属性。

2.根据权利要求1所述的方法,其中,所述属性识别模型包括第一属性识别子模型和第二属性识别子模型;以及

所述将所述待识别图像输入预先训练的属性识别模型,获得所述待识别图像中的人体图像所对应的人体的属性信息,包括:

将所述待识别图像输入所述第一属性识别子模型,获得用于表征所述待识别图像所包括的人体图像在所述待识别图像中的位置的位置信息及输出;

将所述待识别图像和所述第一属性识别子模型输出的位置信息输入所述第二属性识别子模型,获得所述待识别图像中的人体图像所对应的人体的属性信息。

3.根据权利要求1所述的方法,其中,所述属性信息包括以下至少一项:性别信息、年龄信息、肤色信息。

4.根据权利要求1所述的方法,其中,所述属性识别模型通过如下步骤训练得到:

获取训练样本集,其中,训练样本包括包括样本人体图像的样本图像和针对样本图像中的样本人体图像预先标注的样本属性信息,样本属性信息用于表征样本人体图像所对应的人体的属性;

利用机器学习的方法,将训练样本集中的训练样本的样本图像作为输入,将所输入的样本图像所对应的样本属性信息作为期望输出,训练得到属性识别模型。

5.根据权利要求1-4之一所述的方法,其中,所述获取包括人体图像的待识别图像,包括:

获取对目标人体进行拍摄所获得的视频;

从所述视频所对应的图像序列中选取图像作为待识别图像。

6.一种用于生成信息的装置,包括:

图像获取单元,被配置成获取包括人体图像的待识别图像;

信息生成单元,被配置成将所述待识别图像输入预先训练的属性识别模型,获得所述待识别图像中的人体图像所对应的人体的属性信息,其中,所述属性识别模型用于表征包括人体图像的图像与人体图像所对应的人体的属性信息的对应关系,属性信息用于表征人体的属性。

7.根据权利要求6所述的装置,其中,所述属性识别模型包括第一属性识别子模型和第二属性识别子模型;以及

所述信息生成单元包括:

第一输入模块,被配置成将所述待识别图像输入所述第一属性识别子模型,获得用于表征所述待识别图像所包括的人体图像在所述待识别图像中的位置的位置信息及输出;

第二输入模块,被配置成将所述待识别图像和所述第一属性识别子模型输出的位置信息输入所述第二属性识别子模型,获得所述待识别图像中的人体图像所对应的人体的属性信息。

8.根据权利要求6所述的装置,其中,所述属性信息包括以下至少一项:性别信息、年龄信息、肤色信息。

9.根据权利要求6所述的装置,其中,所述属性识别模型通过如下步骤训练得到:

获取训练样本集,其中,训练样本包括包括样本人体图像的样本图像和针对样本图像中的样本人体图像预先标注的样本属性信息,样本属性信息用于表征样本人体图像所对应的人体的属性;

利用机器学习的方法,将训练样本集中的训练样本的样本图像作为输入,将所输入的样本图像所对应的样本属性信息作为期望输出,训练得到属性识别模型。

10.根据权利要求6-9之一所述的装置,其中,所述图像获取单元包括:

视频获取模块,被配置成获取对目标人体进行拍摄所获得的视频;

图像选取模块,被配置成从所述视频所对应的图像序列中选取图像作为待识别图像。

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北京字节跳动网络技术有限公司,未经北京字节跳动网络技术有限公司许可,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/201810843246.3/1.html,转载请声明来源钻瓜专利网。

×

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