[发明专利]一种基于分割算法的目标属性识别方法、训练方法和装置

说明书

本发明公开了一种基于分割算法的目标属性识别方法、模型训练方法、识别装置和训练装置，其中一个实施例提供的目标属性识别方法，使用预设置的目标属性识别模型对接收的待识别图像进行目标识别，并输出目标掩码，利用目标掩码从待识别图像中分割出目标掩码图像，并针对目标掩码图像进行目标属性的识别，最终输出目标的多标签属性。本实施例通过分割算法，过滤与所述目标无关的区域，通过行人掩码图像进行属性识别，能够避免环境所带来的干扰，显著提高识别速度和准确率，特别是在安防领域，使用本发明一个实施例所述的行人属性识别方法，能够实现自动化的监控，有效实现快速的过滤和协助查找，提高工作效率，具有广泛的应用前景。

技术领域

本发明涉及计算机视觉领域，特别是涉及一种基于分割算法的目标属性识别方法、训练方法和装置。

背景技术

在安防场景中，通常采用计算机视觉算法实现自动化监控。具体的，通过深度学习算法，首先对待处理图像进行分割，只保留感兴趣的区域，其次针对行人区域进行行人特征的提取，完成属性的识别。伴随监控场景的增多，产生大量的视频数据，在海量数据量的前提下，如何能够快速、准确的过滤行人属性，准确查找到目标行人成为亟待解决的问题。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

为了解决上述问题至少之一，本发明第一个实施例提供一种基于分割算法的目标属性识别方法，具体包括：

使用预设置的目标属性识别模型对接收的待识别图像进行目标识别，并输出目标掩码，所述目标掩码为基于分割算法进行像素空间对齐获得的；

根据所述目标掩码，使用所述目标属性识别模型对所述待识别图像进行掩码操作并获取目标掩码图像；

根据所述目标掩码图像，使用所述目标属性识别模型进行目标属性识别，并输出待识别图像的目标的属性，所述属性包括所述目标的多标签属性。

进一步地，所述使用预设置的目标属性识别模型对接收的待识别图像进行目标识别，并输出目标掩码进一步包括：

使用所述目标属性识别模型对所述待识别图像进行特征提取并输出第一特征图；

使用所述目标属性识别模型对所述第一特征图进行区域检测并输出多个区域筛选框；

使用所述目标属性识别模型对所述区域筛选框进行区域特征匹配并输出第二特征图，所述第二特征图为基于分割算法进行像素空间对齐获得的；

使用所述目标属性识别模型对所述第二特征图进行区域检测并输出目标掩码。

进一步地，所述目标属性识别模型包括特征提取网络、第一特征图金字塔网络和区域生成网络；

所述使用所述目标属性识别模型对所述待识别图像进行特征提取并输出第一特征图进一步包括：

使用所述特征提取网络对所述待识别图像进行特征提取并输出多层特征原图；

使用所述第一特征图金字塔网络，根据至少一层所述特征原图输出所述第一特征图；

所述使用所述目标属性识别模型对所述第一特征图进行区域检测并输出多个区域筛选框进一步包括：根据预设置的锚框，使用所述区域生成网络对所述第一特征图进行区域检测并输出多个区域筛选框。

进一步地，所述目标属性识别模型包括掩码预测分支、回归预测分支和分类预测分支；

使用所述目标属性识别模型对所述第二特征图进行区域检测并输出目标掩码进一步包括：

使用所述掩码预测分支对所述第二特征图进行区域预测并输出目标掩码；