[发明专利]行人属性预测方法、装置、电子设备及存储介质

说明书

本申请提供一种行人属性预测方法、装置、电子设备及存储介质，涉及机器学习技术领域。该方法包括：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。通过图卷积网络来获得表征行人的多个属性之间的关联关系的特征信息，这样可对神经网络模型预测获得的属性预测结果进行约束，相比于现有技术中通过人工进行特征提取忽略了属性之间的相关性的方案，本申请中考虑了属性之间的相关性，从而可有效提高属性预测的精度。

技术领域

本申请涉及机器学习技术领域，具体而言，涉及一种行人属性预测方法、装置、电子设备及存储介质。

背景技术

随着视频监控技术的发展，智能视频监控应用在越来越多的场景中，例如交通、商场、医院、小区、公园等等，智能视频监控的应用为各种场景中，通过图像进行行人属性检测奠定了基础。

行人属性的检测，是通过输入含有待检测行人的视频图像，然后从视频图像中识别出行人各项属性的一种技术。采用传统的机器学习方法进行行人属性的检测一般是通过人工进行特征提取，而人工提取特征依赖人的经验，使得属性预测精度并不高。

发明内容

本申请实施例的目的在于提供一种行人属性预测方法、装置、电子设备及存储介质，用以改善现有技术中属性预测精度不高的问题。

第一方面，本申请实施例提供了一种行人属性预测方法，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。

在上述实现过程中，通过图卷积网络来获得表征行人的多个属性之间的关联关系的特征信息，这样可对神经网络模型预测获得的属性预测结果进行约束，相比于现有技术中通过人工进行特征提取忽略了属性之间的相关性的方案，本申请中考虑了属性之间的相关性，从而可有效提高属性预测的精度。

可选地，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。

在上述实现过程中，通过将两个特征向量进行点乘，从而可有效提取各个属性之间的关联性，获得更准确的属性预测结果。

可选地，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。

在上述实现过程中，将大于预设值的元素对应的目标属性作为最终属性预测结果中包含的属性，可使得预测获得的属性更准确。

可选地，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。

在上述实现过程中，通过图卷积网络提取多个属性之间的关联关系的特征信息，可有效降低计算复杂度。