[发明专利]人物属性识别方法、装置、计算机设备及存储介质

说明书

本申请涉及人工智能，提供一种人物属性识别方法、装置、计算机设备及存储介质。所述人物属性识别方法包括：按照遮挡区域对待识别人物图像进行分类，得到所述待识别人物图像的图像类型；若所述待识别人物图像是遮挡图像，则将所述待识别人物图像和所述图像类型输入多尺度生成对抗网络，所述多尺度生成对抗网络根据所述图像类型生成所述待识别人物图像的去遮挡图像；将所述待识别人物图像的去遮挡图像输入属性识别网络进行属性识别。本申请可以有效去除遮挡人物图像中的遮挡干扰，恢复有用信息，提升图像属性识别性能。此外，本申请还涉及区块链技术，可以将所述待识别人物图像的人物属性存储至区块链。

技术领域

本发明涉及人工智能领域，具体涉及一种人物属性识别方法、装置、计算机设备及存储介质。

背景技术

图像识别的一个重要应用是人物属性识别，例如识别人物的年龄、体型、性别、上半身着装及颜色、下半身着装及颜色等。随着深度学习的不断发展，人物属性识别的性能得到了显著提高。但是在实际应用场景(例如交通路口行人监控场景)中，经常会遇到人物被遮挡的问题，例如行人互相遮挡、车辆遮挡行行人等。人物被遮挡不仅会丢失部分信息，还会引入一定的干扰，使得现有的人物属性识别方法难以学习到人物的准确属性信息，导致识别性能下降。

发明内容

鉴于以上内容，有必要提出一种人物属性识别方法、装置、计算机设备及存储介质，其可以有效去除遮挡人物图像中的遮挡干扰，恢复有用信息，提升图像属性识别性能。

本申请的第一方面提供一种人物属性识别方法，所述方法包括：

利用第一残差网络按照遮挡区域对待识别人物图像进行分类，得到所述待识别人物图像的图像类型，所述图像类型包括无遮挡图像、上部遮挡图像、中部遮挡图像和下部遮挡图像；

若所述待识别人物图像是遮挡图像，则将所述待识别人物图像和所述图像类型输入多尺度生成对抗网络，所述多尺度生成对抗网络根据所述图像类型生成所述待识别人物图像的去遮挡图像；

将所述待识别人物图像的去遮挡图像输入属性识别网络进行属性识别，包括：

对所述待识别人物图像的去遮挡图像进行特征提取，得到所述待识别人物图像的全身特征图；

从所述全身特征图中分割出头肩特征图、上半身特征图和下半身特征图；

将所述头肩特征图、所述上半身特征图、所述下半身特征图和所述全身特征图进行全局平均池化，将所述上半身特征图、所述下半身特征图和所述全身特征图经全局平均池化得到的特征值组成特征向量；

对所述特征向量进行特征筛选，得到与人物属性相关联的区域特征，所述人物属性包括如下任意一项或多项：年龄、体型、性别、发型、上半身着装及颜色、下半身着装及颜色、鞋子及颜色；

根据所述与人物属性相关联的区域特征进行属性分类，得到所述待识别人物图像的人物属性；

所述将所述待识别人物图像的去遮挡图像输入属性识别网络进行属性识别之前，所述方法还包括：

对所述属性识别网络进行训练；

训练所述属性识别网络使用的损失函数为：

w_l为权重，

N、L分别表示每个簇中训练样本的数目、每个训练样本的人物属性数目；

y_il为第i个训练样本的第l个人物属性的真实标签；

为所述属性识别网络对第i个训练样本的第l个人物属性的预测值；