[发明专利]人物属性识别方法、装置、电子设备和存储介质

说明书

本申请公开了一种用于人物属性识别方法、装置、设备和存储介质，涉及计算机视觉、图像处理、深度学习、云计算等领域。具体实现方案为：从连拍图像中确定人物图像；将人物图像输入至人物属性识别模型，得到人物图像对应的人物属性识别结果；人物属性识别模型对人物图像的处理包括：利用滤波卷积层对人物图像对应的第一特征信息进行卷积；利用尺寸压缩层对滤波卷积层输出的第二特征信息进行尺寸压缩；其中，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，滤波卷积层的卷积核参数不参与更新。本申请实施例可以提高在连拍图像中识别人物属性的准确性。

技术领域

本申请涉及计算机技术领域，尤其涉及计算机视觉、图像处理、深度学习、云计算等领域。

背景技术

随着互联网和人工智能技术的不断发展，计算机视觉技术已广泛应用在各种领域，其中包括监控领域。例如，在对公众场合进行监控时，可以利用监控装置拍摄的图像，分析行人信息，识别行人是否在禁烟区吸烟或识别行人衣着是否整齐等。相关技术中，对拍摄到的连续多个图像分别进行识别，得到针对各个图像的识别结果。

发明内容

本申请提供了一种用于人物属性识别方法、装置、电子设备和存储介质。

根据本申请的一方面，提供了一种人物属性识别方法，包括：

从连拍图像中确定人物图像；

将人物图像输入至人物属性识别模型，得到人物图像对应的人物属性识别结果；

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

利用滤波卷积层对人物图像对应的第一特征信息进行卷积；

利用尺寸压缩层对滤波卷积层输出的第二特征信息进行尺寸压缩；

其中，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，滤波卷积层的卷积核参数不参与更新。

根据本申请的另一方面，提供了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，用于将人物图像输入至人物属性识别模型，得到人物图像对应的人物属性识别结果；

人物属性识别模型包括滤波卷积层和尺寸压缩层；

滤波卷积层用于对人物图像对应的第一特征信息进行卷积；

尺寸压缩层用于滤波卷积层输出的第二特征信息进行尺寸压缩；

其中，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，滤波卷积层的卷积核参数不参与更新。

根据本申请的另一方面，提供了一种电子设备，包括：

至少一个处理器；以及

与至少一个处理器通信连接的存储器；其中，

存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行本申请任意实施例提供的方法。

根据本申请的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行本申请任意实施例提供的方法。

根据本申请的技术方案，由卷积神经网络训练得到的人物属性识别模型中包括滤波卷积层，在利用尺寸压缩层进行尺寸压缩之前，利用滤波卷积层对图像的特征信息进行卷积。由于滤波卷积层的卷积核参数在模型训练过程中不参与更新，因此，滤波卷积层能够对图像的特征信息进行滤波，使得图像中相邻位置的特征信息接近，减少尺寸压缩时丢失的信息。利用该人物属性识别模型识别连拍图像中的人物属性，可以解决连拍图像的识别结果抖动的问题，提高在连拍图像中识别人物属性的准确性。