[发明专利]一种基于深度学习的行人属性精细化识别方法

摘要

本发明涉及一种基于深度学习的行人属性精细化识别方法，通过改进深度学习模型框架，自动学习到行人属性特征，然后将属性特征输入到分类器中，训练一个个独立的行人属性分类器，这样可以得到行人样本具有属性的后验概率，然后通过计算行人训练样本中的属性与属性类别的比例关系，得到属性类别的后验概率，最后根据贝叶斯公式就可以得到行人样本的属性类别。本发明能够提高识别精度和识别速度。

主权项

1.一种基于深度学习的行人属性精细化识别方法，其特征在于，包括以下步骤：(1)对行人样本数据集进行属性标注，得到行人属性数据集；(2)构建基于AlexNet网络微调的卷积神经网络模型，并对该卷积神经网络模型进行训练；(3)对训练完毕后的卷积神经网络模型输入行人测试图片，提取行人属性特征；(4)将提取的行人属性特征输入到分类器中，训练人体属性分类器；(5)通过行人属性数据集计算出属性x_i的样本属于类别y_j的比例，即表示的是拥有属性x_i且属于类别y_j的样本数量，表示的是拥有属性x_i的样本数量，计算出每个属性相应的属性类别的数量关系；(6)将行人测试样本z_t输入到训练完毕的卷积神经网络模型，并提取特征；然后将提取的特征输入到所述人体属性分类器中，得到行人样本具有属性x_i的后验概率p(x_i|z_t)，通过行人属性与其对应的属性类别之间的数量关系，利用贝叶斯公式：计算出行人样本具有类别y_j的后验概率，计算出来的类别y_j的概率中的最大值相对应的类别就是行人样本的属性类别其中，N行人属性的数量。