[发明专利]监控场景中行人属性识别方法及系统

说明书

本发明涉及一种监控场景中行人属性识别方法及系统，所述属性识别方法包括：获取监控场景下的待测行人图像；对待测行人图像进行预处理，得到处理图像；通过深度神经网络，得到待测行人图像的卷积图像特征；根据全连接层及卷积图像特征，确定各属性分类器的权重参数；基于卷积图像特征及各权重参数，确定在不同属性分类器下的所述待测行人图像的网络属性值；基于各网络属性值，确定对应属性的预测值；根据各预测值，确定待测行人图像的属性类型。本发明通过深度神经网络，提取待测行人图像的卷积图像特征，确定各属性分类器的权重参数；并得到在不同属性分类器下的网络属性值，进而得到对应属性的预测值，以准确确定待测行人图像的属性类型。

技术领域

本发明涉及视觉场景处理分析技术领域，特别涉及一种监控场景中行人属性识别方法及系统。

背景技术

近年来，计算机视觉、人工智能、机器感知等领域迅猛发展。随着安放摄像头的广泛部署，如何在监控场景中进行高效的行人属性识别得到广泛的关注。

监控场景中的行人属性识别就是利用计算机算法对视频中的行人图片进行处理分析，自动地得到某一行人所包含的属性类别，比如年龄，性别，背包，衣着等等。从而为下游的行人图片检索和行人重识别技术提供支撑和辅助。

而传统方法通过构建手工设计的图片特征来得到行人图片的特征表达，其性能不足以满足实际场景中的应用需求。而近年来随着深度学习的广泛使用，许多行人属性算法从更好的特征表达以及属性关系建模两个方面出发，不断提高监控场景中的行人属性识别方法，推动着行人属性识别领域的发展。

尽管之前有大量的工作通过学习更有判别能力的视觉特征表达以及更好的建模属性之间的关系，使得行人属性识别的性能有了显著的提升，但是各方法都不可避免的增加了模型的参数量和计算的复杂度，增加了行人属性识别的难度。

发明内容

为了解决现有技术中的上述问题，即为了提高行人属性识别，本发明的目的在于提供一种监控场景中行人属性识别方法及系统。

为解决上述技术问题，本发明提供了如下方案：

一种监控场景中行人属性识别方法，所述属性识别方法包括：

获取监控场景下的待测行人图像；

对所述待测行人图像进行预处理，得到处理图像；

通过深度神经网络，根据所述处理图像，得到待测行人图像的卷积图像特征；

根据全连接层及所述卷积图像特征，确定各属性分类器的权重参数；

基于所述卷积图像特征及各权重参数，确定在不同属性分类器下的所述待测行人图像的网络属性值；

基于各所述待测行人图像的网络属性值，确定对应属性的预测值；

根据各所述属性的预测值，确定所述待测行人图像的属性类型。

可选地，所述对所述待测行人图像进行预处理，得到处理图像，具体包括：

对所述待测行人图像进行缩放处理，得到缩放图像；

对所述缩放图像进行随机水平翻转，得到翻转图像；

对所述翻转图像补零填充，得到预处理图像。

可选地，根据以下公式，得到待测行人图像的卷积图像特征X_img：

X_img＝f_cnn(I_img；θ_cnn)；