[发明专利]一种行人属性识别方法、装置及电子设备

说明书

本发明实施例提供一种行人属性识别方法、装置及电子设备，该方法包括以下步骤：获取待识别的行人属性视频数据，待识别的行人属性视频数据包括多帧行人图像以及与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；基于预设的行人属性输出网络检测出行人目标图像对应的多个行人属性；基于预设的行人历史属性投票机制对多个行人属性进行异常过滤，得到行人目标图像的最终行人属性。本发明能够提高行人属性识别的准确率。

技术领域

本发明涉及图像识别技术领域，尤其涉及一种行人属性识别方法、装置及电子设备。

背景技术

近年来，行人属性识别在安防领域中越来越得到广泛的应用，准确、高效的行人属性识别结果在协助安防人员巡逻、改进人机交互体验等方面有重要的辅助作用。但有时会出现属性识别错误的情况，而导致误识别的原因很可能是目标图像中背景的影响，还可能是同一个目标在不同帧中检测出不同的属性，如，一名长发男子正面朝向监控探头时能够正确识别其性别，但是当他背对监控探头时却出现了检测出为女性的情况。可见现有的行人属性识别方法准确率不高。

发明内容

本发明实施例提供一种行人属性识别方法，能够解决了现有的行人属性识别方法准确率不高的问题。

第一方面，本发明实施例提供一种行人属性识别方法，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。

优选的，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。

优选的，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。

优选的，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。

优选的，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。

优选的，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。