[发明专利]行人属性预测方法、装置、电子设备及存储介质

权利要求书

1.一种行人属性预测方法，其特征在于，所述方法包括：

获取包含行人的待预测图像；

通过神经网络模型对所述待预测图像中的行人的属性进行预测，获得属性预测结果；

根据所述属性预测结果以及通过图卷积网络获得的表征行人的多个属性之间的关联关系的特征信息，获得所述待预测图像中行人的最终属性预测结果。

2.根据权利要求1所述的方法，其特征在于，所述属性预测结果为表征所述行人具有对应属性的第一特征向量，所述特征信息为表征各个属性之间的关联关系的第二特征向量，所述根据所述属性预测结果以及通过图卷积网络获取的表征行人的多个属性之间的关联关系的特征信息，获得所述待预测图像中行人的最终属性预测结果，包括：

将所述第一特征向量与所述第二特征向量进行点乘，获得最终特征向量，所述最终特征向量中的每个元素表征所述行人具有对应属性的概率；

根据所述最终特征向量确定所述行人的最终属性预测结果。

3.根据权利要求2所述的方法，其特征在于，所述根据所最终特征向量确定所述行人的最终属性预测结果，包括：

确定所述最终特征向量中大于预设值的元素对应的目标属性；

将所述目标属性确定为所述最终属性预测结果中包含的属性。

4.根据权利要求1所述的方法，其特征在于，还包括：

获取行人的多个属性；

获取表征所述多个属性之间的相关性的相关矩阵；

通过所述图卷积网络提取所述相关矩阵中表征行人的多个属性之间的关联关系的特征信息。

5.根据权利要求4所述的方法，其特征在于，所述获取表征所述多个属性之间的相关性的相关矩阵，包括：

获取多张行人图像中每张行人图像中行人的属性；

统计属性i和属性j出现在同一张行人图像中的次数，属性i和属性j表征行人具有的各个属性；

根据所述次数构建条件概率矩阵，所述条件概率矩阵中的元素表征属性i与属性j相关的概率；

根据所述条件概率矩阵获取所述相关矩阵。

6.根据权利要求5所述的方法，其特征在于，所述根据所述条件概率矩阵获取所述相关矩阵，包括：

对所述条件概率矩阵中的各个元素进行二值化处理，获得处理后的相关矩阵。

7.根据权利要求5所述的方法，其特征在于，所述根据所述条件概率矩阵获取所述相关矩阵，包括：

对所述条件概率矩阵中的各个元素进行二值化处理，获得处理后的初始相关矩阵；

对所述初始相关矩阵中的各个元素进行数据平滑处理，获得处理后的相关矩阵。

8.一种行人属性预测装置，其特征在于，所述装置包括：

图像获取模块，用于获取包含行人的待预测图像；

属性初步预测模块，用于通过神经网络模型对所述待预测图像中的行人的属性进行预测，获得属性预测结果；

属性最终预测模块，用于根据所述属性预测结果以及通过图卷积网络获得的表征行人的多个属性之间的关联关系的特征信息，获得所述待预测图像中行人的最终属性预测结果。

9.一种电子设备，其特征在于，包括处理器以及存储器，所述存储器存储有计算机可读取指令，当所述计算机可读取指令由所述处理器执行时，运行如权利要求1-7任一所述的方法。

10.一种可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时运行如权利要求1-7任一所述的方法。