[发明专利]一种适于复杂场景的多人服装特征视频识别方法

说明书

一种适于复杂场景的多人服装特征视频识别方法，包括级联的行人检测网络、关键点检测网络和服装特征识别网络，行人检测网络输出行人检测框坐标，关键点检测网络读取行人检测框坐标后输出关键点坐标，服装特征识别网络读取关键点坐标后输出服装的长度、颜色。本发明使用SE‑InceptionV4网络作为SSD的主干网络，提高了行人检测的准确率，提出改进的SE模块可以提取每一通道特征图的中更具代表性的特征，SE‑InceptionV4网络可以同时兼顾提取空间、通道中更有效的特征；本发明针对性的截取与识别任务相关的人体关键点处的图片识别服装特征，避免了由于服装种类复杂影响特征提取，相比直接进行分类的网络提高了准确率。

技术领域

本发明属于智能视频检测技术领域，涉及对视频中行人的识别与定位，行人服饰特征的识别，为一种适于复杂场景的行人服装特征视频识别方法。

背景技术

服装作为每个行人最明显、最具代表性的特征，利用计算机图像处理对目标人物的服装特征进行识别，可以过滤掉大部分监控视频中的无用信息，在众多实际应用场景中具有非常大的价值。基于深度学习对视频中的行人进行服装特征识别可以有效地提高查找的效率，现有的服装特征识别网络大多直接采用分类网络，将包含行人的图片直接放入分类网络训练，但由于服装种类的丰富多彩，行人身上服装搭配复杂多样，此类方法不能准确的识别到服装的特征，尤其是在多人场景下，现有的分类网络无法适应多目标的识别和标记。

发明内容

本发明要解决的问题是：在各种复杂场景下，当需要寻找目标人物时，人工查找消耗时间长、花费成本高；常见的服装特征识别网络不能适用于复杂多人场景，精确度低。

本发明的技术方案为：一种适于复杂场景的多人服装特征视频识别方法，包括以下步骤：

step1：构建行人数据集，标注行人框、行人关键点、以及行人服装特征，包括行人上下衣长度、颜色；

step2：使用融入了改进的SE模块的InceptionV4作为SSD的骨干网络，搭建行人检测网络；

step3：使用行人数据集训练step2中的行人检测网络。

step4：使用去掉RefinelNet部分的CPN网络搭建关键点检测网络；

step5：使用行人数据集训练关键点检测网络；

step6：以ResNet50网络为基础搭建服装特征识别网络，其中颜色识别根据图片HSV空间的取值判断；

step7：读取行人服装特征数据集，训练服装特征识别网络；

step8：训练完成后级联各网络，得到多人服装特征视频识别检测网络。对于输入的视频或图片，行人检测网络输出行人检测框坐标，关键点检测网络读取行人检测框坐标后输出关键点坐标，服装特征识别网络读取关键点坐标后输出服装的长度、颜色。

进一步的，步骤step2检测网络具体为：

以InceptionV4网络为基础，构建融入改进的SE模块的InceptionV4网络，称为SE-InceptionV4网络，InceptionV4网络包含stem模块、Inception-A模块组、Inception-B模块组、Inception-C模块组、Reduction-A模块和Reduction-B模块，将Inception-A模块组输出的特征图编号为A1，Inception-B模块组输出的特征图编号为B1，Inception-C模块组输出的特征图编号为C1，SE-InceptionV4网络在Inception-A模块组、Inception-B模块组和Inception-C模块组后融入改进的SE模块，改进的SE模块依次包括Max poling层、Globalpoling层、全连接层、ReLu激活层、全连接层和Sigmoid激活层，Max poling层所选取的大小根据通道注意力模块所添加的位置不同而不同，具体如下：