[发明专利]基于背景抑制的行人属性识别方法

摘要

一种基于背景抑制的行人属性识别方法，其包括提取行人掩码图与背景掩码图；构建行人属性识别网络；行人特征向量提取；背景特征向量提取；网络优化；属性识别等步骤。本发明方法通过引入行人掩码图和背景掩码图，将其与行人属性识别网络分类层的输出特征图结合，使行人属性识别网络能获取分类层的行人特征图和背景特征图，然后提取行人图像特征向量、行人特征向量、背景特征向量，联合加权交叉熵损失函数和区域级三元损失函数两个损失函数共同训练，使行人属性识别网络在完成属性识别的同时，提高网络提取特征的稳定性。在此损失函数的约束下，神经网络学习到的特征将具有背景杂乱不变性，从而可提高行人属性识别的准确度。

主权项

1.一种基于背景抑制的行人属性识别方法，其特征在于：所述的基于背景抑制的行人属性识别方法包括按顺序进行的下列步骤：(1)利用图像语义分割方法中经典的Deeplab‑v2网络提取行人属性数据集中行人图像的行人掩码图与背景掩码图；(2)构建如图1所示的行人属性识别网络，所述的行人属性识别网络以Resnet‑50网络作为基础网络，在Resnet‑50网络上增加了两个分支而对该网络进行改进，并以加权交叉熵损失函数和区域级三元损失函数联合作为行人属性识别网络中分类层的损失函数；(3)以行人图像作为步骤(2)中行人属性识别网络的输入，将Resnet‑50网络中残差块1的输出特征图与步骤(1)中的行人掩码图逐元素相乘即可获得行人特征图，然后利用残差块2、残差块3和残差块4继续对上述行人特征图进行提取，即可获得行人特征向量；(4)以行人图像作为步骤(2)中行人属性识别网络的输入，将上述Resnet‑50网络中残差块1的输出特征图与步骤(1)中的背景掩码图逐元素相乘即可获得背景特征图，然后利用残差块2、残差块3和残差块4继续对背景特征图进行提取，即可获得背景特征向量；(5)将行人图像作为步骤(2)中行人属性识别网络的输入，即可获得行人图像特征向量，然后将步骤(3)、步骤(4)中获得的行人特征向量、背景特征向量及上述行人图像特征向量作为分类层的输入即可计算出行人属性识别网络的损失，之后利用随机梯度下降算法对行人属性识别网络进行优化，并保存最优网络参数；(6)利用步骤(5)中获得最优网络参数初始化Resnet‑50网络，最后输入任意的行人图像即可进行行人属性识别。