[发明专利]行人属性预测方法、装置、计算机设备和存储介质

权利要求书

1.一种行人属性预测方法，其特征在于，所述方法包括：

将待识别图像输入第一神经网络，得到特征信息和行人分割信息，所述特征信息是对所述待识别图像进行特征提取之后所生成的若干张特征图；

将所述特征信息和所述行人分割信息进行信息融合，得到信息融合后所生成的若干数量的特征图所构成的特征图集，所述特征图集包含了用于预测每个区域颜色的特征信息；

对所述特征图集中的每张特征图进行池化处理，得到与每张特征图对应的特征均值，将所有特征均值构成的特征均值集输入第二神经网络，预测出行人各个分割区域的颜色；

所述第一神经网络和所述第二神经网络的训练过程包括：

对待训练图像中行人的上身颜色和下身颜色进行颜色标注，得到训练样本；

将所述训练样本输入初始第一神经网络和初始第二神经网络进行训练，得到第一神经网络和第二神经网络；其中，所述第一神经网络包括用于提取特征信息的卷积神经网络和用于得到行人分割信息的行人分割模型；所述第二神经网络用于预测所述行人分割模型分割出来的任意部分的颜色。

2.根据权利要求1所述的方法，其特征在于，所述卷积神经网络和所述行人分割模型并联连接；

所述将待识别图像输入第一神经网络，得到特征信息和行人分割信息，包括：

将所述待识别图像输入所述卷积神经网络，得到所述特征信息；

将所述待识别图像输入所述行人分割模型，得到所述行人分割信息。

3.根据权利要求1所述的方法，其特征在于，所述行人分割信息包括至少一个分割区域；

所述将所述特征信息和所述行人分割信息进行信息融合，得到特征图集，包括：

将所述每一个分割区域与所述特征信息进行信息融合，得到所述特征图集。

4.根据权利要求3所述的方法，其特征在于，所述将所述每一个分割区域与所述特征信息进行信息融合，得到所述特征图集，包括：

将包含分割区域信息的所述行人分割信息与所述特征信息在维度通道上进行特征串联拼接，得到所述特征图集。

5.根据权利要求3所述的方法，其特征在于，所述将所述每一个分割区域与所述特征信息进行信息融合，得到所述特征图集，包括：

将包含分割区域信息的所述行人分割信息与所述特征信息按位相乘，得到所述特征图集。

6.根据权利要求1所述的方法，其特征在于，所述第二神经网络为全连接神经网络；

所述对所述特征图集进行池化处理，并将池化处理后得到的特征均值集输入第二神经网络，预测出行人各个分割区域的颜色，包括：

对所述特征图集进行池化处理，得到与所述特征图集对应的特征均值集；

将所述特征均值集输入所述全连接神经网络，得到每个分割区域的属于预设颜色的概率集；

根据所述概率集预测出行人各个分割区域的颜色。

7.根据权利要求1所述的方法，其特征在于，所述将所述训练样本输入初始第一神经网络和初始第二神经网络进行训练，得到所述第一神经网络和所述第二神经网络，包括：

将所述训练样本输入所述初始第一神经网络，得到初始特征信息和初始行人分割信息；

将所述初始特征信息和所述初始行人分割信息进行信息融合，得到初始特征图集；

对所述初始特征图集进行池化处理，并将池化处理后得到的初始特征均值集输入初始第二神经网络，得到输出结果；

计算所述输出结果和所述训练样本的损失；

根据所述损失更新所述初始第一神经网络和所述初始第二神经网络的网络参数，并迭代执行上述训练步骤，直到网络收敛，得到所述第一神经网络和所述第二神经网络。