[发明专利]人物属性识别方法、装置、电子设备和存储介质

权利要求书

1.一种人物属性识别方法，包括：

从连拍图像中确定人物图像；

将所述人物图像输入至人物属性识别模型，得到所述人物图像对应的人物属性识别结果；

所述人物属性识别模型包括滤波卷积层和尺寸压缩层，所述人物属性识别模型对所述人物图像的处理包括：

利用滤波卷积层对所述人物图像对应的第一特征信息进行卷积；

利用尺寸压缩层对所述滤波卷积层输出的第二特征信息进行尺寸压缩；

其中，所述人物属性识别模型通过对卷积神经网络进行训练得到，在训练过程中，所述滤波卷积层的卷积核参数不参与更新。

2.根据权利要求1所述的方法，其中，所述尺寸压缩层包括下采样层和/或跨步卷积层。

3.根据权利要求1所述的方法，其中，所述连拍图像为视频监控装置采集的视频图像；

所述从连拍图像中确定人物图像，包括：

将所述视频图像输入至人物检测模型，得到所述视频图像中的人物检测框；

将所述人物检测框中的图像确定为所述人物图像。

4.根据权利要求1至3中任一项所述的方法，其中，所述人物属性识别模型包括与至少一个人物属性中的每个人物属性分别对应的分类器；

所述将所述人物图像输入至人物属性识别模型，得到所述人物图像对应的人物属性识别结果，包括：

将所述人物图像输入至人物属性识别模型；

针对所述每个人物属性，利用对应的分类器得到所述人物属性的分类结果和概率值，作为所述人物属性识别结果。

5.根据权利要求4所述的方法，其中，所述人物属性包括人物做出的不符合规定的行为和/或危险行为。

6.一种人物属性识别装置，包括：

确定模块，用于从连拍图像中确定人物图像；

识别模块，用于将所述人物图像输入至人物属性识别模型，得到所述人物图像对应的人物属性识别结果；

所述人物属性识别模型包括滤波卷积层和尺寸压缩层；

所述滤波卷积层用于对所述人物图像对应的第一特征信息进行卷积；

所述尺寸压缩层用于所述滤波卷积层输出的第二特征信息进行尺寸压缩；

其中，所述人物属性识别模型通过对卷积神经网络进行训练得到，在训练过程中，所述滤波卷积层的卷积核参数不参与更新。

7.根据权利要求6所述的装置，其中，所述尺寸压缩层包括下采样层和/或跨步卷积层。

8.根据权利要求6所述的装置，其中，所述连拍图像为视频监控装置采集的视频图像；

所述确定模块包括：

人物检测单元，用于将所述视频图像输入至人物检测模型，得到所述视频图像中的人物检测框；

图像确定单元，用于将所述人物检测框中的图像确定为所述人物图像。

9.根据权利要求6至8中任一项所述的装置，其中，所述人物属性识别模型包括与至少一个人物属性中的每个人物属性分别对应的分类器；

所述识别模块包括：

输入单元，用于将所述人物图像输入至人物属性识别模型；

分类单元，用于针对所述每个人物属性，利用对应的分类器得到所述人物属性的分类结果和概率值，作为所述人物属性识别结果。

10.根据权利要求9所述的装置，其中，所述人物属性包括人物做出的不符合规定的行为和危险动作。

11.一种电子设备，其特征在于，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-5中任一项所述的方法。

12.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-5中任一项所述的方法。