[发明专利]行人属性识别方法、装置、电子设备及存储介质

说明书

本公开涉及图像识别技术领域，提供了一种行人属性识别方法、装置、电子设备及存储介质。该方法应用于无人车，即无人驾驶设备或自动驾驶设备，包括：获取有标注的源域数据集中的源域样本和无标注的目标域数据中的目标域样本；利用源域样本和目标域样本对改进的网络模型进行训练，直至满足改进的网络模型的训练结束条件；将训练得到的网络模型部署到车辆中，以使用训练得到的网络模型对车辆周围的行人进行行人属性识别。本公开能够利用源域样本和目标域样本对改进的网络模型进行训练，并使用训练得到的网络模型进行行人属性识别，因此，提升了网络模型的泛化性能，提高了网络模型的预测准确率，并进一步提高了行人属性识别的识别精度和识别速度。

技术领域

本公开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、电子设备及计算机可读存储介质。

背景技术

行人属性识别（Pedestrian Attribute Recognition，PAR）是从输入图像中挖掘行人的属性信息，例如，性别、年龄、服装等。近年来，行人属性识别受到了越来越多的关注，并且在视频监控、智能商业视频、行人重识别、人脸识别识等领域有着广泛的应用前景。

在无人车领域的售卖场景中，通过主动与周围的潜在用户进行互动，能够促成用户的购买行为。为了与潜在用户进行互动，无人车需要对车辆周围的行人进行行人属性识别，以确定行人的年龄、性别、服装等信息，并基于此进行精准的互动和营销。

现有技术中，存在很多带有人工标注的大规模的行人属性数据集，这些行人属性数据集推动了行人属性识别的快速发展。然而，在实际应用中，即使使用通过大规模的行人属性数据集训练好的模型，也会由于显著的领域差异和环境因素的干扰导致行人属性识别的识别精度和识别速度受限。

发明内容

有鉴于此，本公开实施例提供了一种行人属性识别方法、装置、电子设备及计算机可读存储介质，以解决现有技术中即使使用通过大规模的行人属性数据集训练好的模型，也会由于显著的领域差异和环境因素的干扰导致行人属性识别的识别精度和识别速度受限的问题。

本公开实施例的第一方面，提供了一种行人属性识别方法，包括：获取有标注的源域数据集中的源域样本和无标注的目标域数据中的目标域样本；利用源域样本和目标域样本对改进的网络模型进行训练，直至满足改进的网络模型的训练结束条件；将训练得到的网络模型部署到车辆中，以使用训练得到的网络模型对车辆周围的行人进行行人属性识别。

本公开实施例的第二方面，提供了一种行人属性识别装置，包括：获取模块，被配置为获取有标注的源域数据集中的源域样本和无标注的目标域数据中的目标域样本；训练模块，被配置为利用源域样本和目标域样本对改进的网络模型进行训练，直至满足改进的网络模型的训练结束条件；识别模块，被配置为将训练得到的网络模型部署到车辆中，以使用训练得到的网络模型对车辆周围的行人进行行人属性识别。

本公开实施例的第三方面，提供了一种电子设备，包括存储器、处理器以及存储在存储器中并且可以在处理器上运行的计算机程序，该处理器执行计算机程序时实现上述方法的步骤。

本公开实施例的第四方面，提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述方法的步骤。

本公开实施例与现有技术相比存在的有益效果是：通过获取有标注的源域数据集中的源域样本和无标注的目标域数据中的目标域样本；利用源域样本和目标域样本对改进的网络模型进行训练，直至满足改进的网络模型的训练结束条件；将训练得到的网络模型部署到车辆中，以使用训练得到的网络模型对车辆周围的行人进行行人属性识别，能够利用源域样本和目标域样本对改进的网络模型进行训练，并使用训练得到的网络模型进行行人属性识别，因此，提升了网络模型的泛化性能，提高了网络模型的预测准确率，并进一步提高了行人属性识别的识别精度和识别速度。

附图说明