[发明专利]行人属性预测方法、装置、计算机设备和存储介质

说明书

本申请涉及一种行人属性预测方法、装置、计算机设备和存储介质。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，将特征信息和行人分割信息进行信息融合，得到特征图集，对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，从而可以有效地实现搜索视频中相关的目标行人。

技术领域

本申请涉及图像处理技术领域，特别是涉及一种行人属性预测方法、装置、计算机设备和存储介质。

背景技术

在视频结构化的诸多应用中，行人分析是计算机视觉领域内的一个研究热点，同时在现实中具有十分重要的应用价值，特别是对于人的身份识别在安防、视频检索等众多领域起着核心作用。

目前有很多针对行人分析方法，主要分为三大类：基于外观特征、结合生物特征和结合图像序列的空间关系。由于监控视频的清晰度问题，使得人脸识别不能在此情况下应用，转而分析行人的穿着，如衣服、裤子的颜色特征，从而可以过滤掉大部分不相关的目标，实现相关目标的快速检索。

由于颜色特征是在图像检索中应用最为广泛的视觉特征，与其他的视觉特征相比，颜色特征对图像本身的尺寸、方向、视角的依赖性较小，具有较高的鲁棒性。因此通过提取行人躯干、腿部等外观颜色信息，可以有效地实现搜索视频中相关的目标行人，但是现有的技术还没有涉及到这方面的研究，故需要一个新的技术方案来实现突破。

发明内容

基于此，有必要针对上述技术问题，提供一种行人属性预测方法、装置、计算机设备和存储介质。

一种行人属性预测方法，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；

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；

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。

在其中一个实施例中，所述第一神经网络包括卷积神经网络和行人分割模型；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。

在其中一个实施例中，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。

在其中一个实施例中，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。

在其中一个实施例中，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。

在其中一个实施例中，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；