[发明专利]一种行人识别方法和装置

摘要

本发明提供一种行人识别方法和装置，其中该方法包括：根据图像中的行人位置，标定行人区域，分离单独的行人图像；根据行人区域和单独的行人图像，标定行人数据集，将行人图像对应于行人体型；根据行人图像，基于卷积神经网络分析获取行人的属性特征。本发明通过行人图像的体型判断，利用基于深度学习的多任务卷积神经网络，在离线训练过程中针对不同性别、不同的行人视角训练一个统一的体型判断模型，有效的解决行人视角的问题，提高了算法准确度。

主权项

1.一种行人识别方法，其特征在于：包括以下步骤：S1：根据图像中的行人位置，标明行人区域，分离单独的行人图像；S2：根据行人区域和单独的行人图像，标定行人数据集，将行人图像对应于行人体型；S3：根据行人图像，基于卷积神经网络分析获取行人的属性特征；所述步骤S3包括：S31，根据收集得到的训练样本集，训练出基于深度学习的卷积神经网络；S32，检测行人图像，并将检测数据输入卷积神经网络，判断行人体型的估计值；所述步骤S31包括：S311，构建具有五层卷积操作层、五层池化操作层、五层dropout层、两层全连接层、三层softmax分类器和三层逻辑回归对象层的卷积神经网络，其中三个softmax分类器分别对应三种行人属性：视角、性别、体型；S312，各个神经元的激活函数采用ReLu激活函数f(x)＝max(0,x)；S313，每一次训练迭代取一个数据batch，以64个样本为单位利用误差反向传播算法对卷积神经网络进行训练，基于权重矩阵计算各层误差及梯度方向，根据梯度下降法更新权值矩阵，循环执行，直到网络达到收敛。