[发明专利]一种行人属性识别方法、装置及电子设备

权利要求书

1.一种行人属性识别方法，其特征在于，所述方法包括以下步骤：

获取待识别的行人属性视频数据，所述待识别的行人属性视频数据包括多帧行人图像以及与所述行人图像对应的多个行人属性；

基于预设的行人目标分割网络对所述待识别的行人属性视频数据中的单帧行人图像进行图像分割处理，以去除背景信息得到对应的行人目标图像，所述预设的行人目标分割网络采用预设的实例分割架构；

基于预设的行人属性输出网络检测出所述行人目标图像对应的所述多个行人属性，所述预设的行人属性输出网络包括：依次设置的第一标准卷积结构、特征降维结构以及第二标准卷积结构；

基于预设的行人历史属性投票机制对所述多个行人属性进行异常过滤，得到所述行人目标图像的最终行人属性，所述预设的行人历史属性投票机制为对所述行人目标图像的历史属性进行投票，并选取得分最高的历史属性作为输出的行人属性，得到所述行人目标图像的最终行人属性；

所述基于预设的行人属性输出网络检测出所述行人目标图像对应的所述多个行人属性的步骤包括：

基于所述第一标准卷积结构提升所述行人目标图像的通道数，得到对应的特征图；

基于所述特征降维结构对所述特征图进行降维处理，得到对应的降维图；

基于所述第二标准卷积结构对所述降维图进行卷积后输出所述行人目标图像对应的所述多个行人属性；

所述特征降维结构包括依次设置的分组卷积层、标准卷积层、平均池化层以及第一二维卷积层。

2.如权利要求1所述的行人属性识别方法，其特征在于，所述基于预设的行人目标分割网络对所述待识别的行人属性视频数据中的单帧行人图像进行图像分割处理，以去除背景信息得到对应的行人目标图像的步骤包括：

基于预设的实例分割架构对所述待识别的行人属性视频数据中的单帧行人图像中的行人目标进行检测；

计算所述单帧行人图像中行人目标对应的目标框；

去除所述目标框以外的背景信息，得到对应的所述行人目标图像。

3.如权利要求1所述的行人属性识别方法，其特征在于，所述第一标准卷积结构包括：依次设置的第二二维卷积层、批归一化层、函数激活层以及第三二维卷积层。

4.如权利要求1所述的行人属性识别方法，其特征在于，所述基于预设的行人历史属性投票机制对所述多个行人属性进行异常过滤，得到所述行人目标图像的最终行人属性的步骤包括：

基于时间序列获取所述行人目标图像的历史帧的所有历史属性；

对所述所有历史属性进行投票，并选择出得分最高的历史属性作为当前帧的行人属性输出，以得到所述行人目标图像的最终行人属性。

5.一种行人属性识别装置，其特征在于，所述装置包括：

获取模块，用于获取待识别的行人属性视频数据，所述待识别的行人属性视频数据包括多帧行人图像以及与所述行人图像对应的多个行人属性；

图像分割模块，用于基于预设的行人目标分割网络对所述待识别的行人属性视频数据中的单帧行人图像进行图像分割处理，以去除背景信息得到对应的行人目标图像，所述预设的行人目标分割网络采用预设的实例分割架构；

检测模块，用于基于预设的行人属性输出网络检测出所述行人目标图像对应的所述多个行人属性，所述预设的行人属性输出网络包括：依次设置的第一标准卷积结构、特征降维结构以及第二标准卷积结构；

过滤模块，用于基于预设的行人历史属性投票机制对所述多个行人属性进行异常过滤，得到所述行人目标图像的最终行人属性，所述预设的行人历史属性投票机制为对所述行人目标图像的历史属性进行投票，并选取得分最高的历史属性作为输出的行人属性，得到所述行人目标图像的最终行人属性；

所述检测模块包括：

提升单元，用于基于所述第一标准卷积结构提升所述行人目标图像的通道数，得到对应的特征图；

降维单元，用于基于所述特征降维结构对所述特征图进行降维处理，得到对应的降维图；

属性输出单元，用于基于所述第二标准卷积结构对所述降维图进行卷积后输出所述行人目标图像对应的所述多个行人属性；

所述特征降维结构包括依次设置的分组卷积层、标准卷积层、平均池化层以及第一二维卷积层。