申请/专利权人：深圳市信义科技有限公司

申请日：2020-12-07

公开（公告）日：2024-06-28

公开（公告）号：CN112446340B

主分类号：G06V20/52

分类号：G06V20/52;G06V10/25;G06V10/44;G06V10/764;G06V10/82;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.06.28#授权;2021.03.23#实质审查的生效;2021.03.05#公开

摘要：本发明涉及行人结构化属性分析技术，为结合行人局部特征和服饰属性分类的行人搜索方法、系统及存储介质，优化了监控场景下的有效行人定位和服饰属性多标签分类识别的算法流程，提高了行人服饰风格、服饰纹理多标签识别率，提升了系统的行人特征搜索能力。其方法包括步骤：提取监控场景图像中行人的位置信息；根据位置信息裁剪出目标结果图片，对目标结果图片提取有效行人图片的特征；训练行人服饰多标签分类模型，利用训练好的行人服饰多标签分类模型对上半身和下半身的服饰风格、服饰纹理进行多标签分类识别；根据识别结果，结合行人基本属性信息，进行行人结构化分析，得到行人特征后进行行人特征搜索。

主权项：1.结合行人局部特征和服饰属性分类的行人搜索方法，其特征在于，包括以下步骤：S1、提取监控场景图像中行人的位置信息，若提取到的位置信息中有目标结果且置信度大于阈值，则判断完成了行人的检测定位，进入步骤S2；S2、根据行人的位置信息裁剪出目标结果图片，对目标结果图片提取有效行人图片的特征，过滤无效行人图片；S3、训练行人服饰多标签分类模型，利用训练好的行人服饰多标签分类模型对行人的上半身和下半身的服饰风格、服饰纹理进行多标签分类识别；S4、根据步骤S3多标签分类识别的结果，并结合行人基本属性信息，进行行人结构化分析，得到行人特征后进行行人特征搜索；步骤S3中训练行人服饰多标签分类模型时，包括以下步骤：预处理：对完整行人图片进行预处理，增加样本图像的多样性；特征提取：对预处理后的行人图片进行特征提取，产生特征张量图，输出N维特征图Fi；生成半身掩膜概率图：对N维特征图Fi进行处理，得到上半身掩膜概率图WUP和下半身掩膜概率图WLOW；特征加权处理：将上半身掩膜概率图WUP、下半身掩膜概率图WLOW分别和每一维特征图Fi对应的像素点进行点乘操作，分别得到上半身特征图TUP和下半身特征图TLOW；然后上半身特征图TUP和下半身特征图TLOW分别通过2个分类组合模块，对上衣纹理、上衣风格、下衣纹理和下衣风格进行分类识别，获得对应类别的分类结果；动态调整模型参数：通过动态加权损失函数，分别对上半身掩膜概率图WUP和下半身掩膜概率图WLOW求和，得到上半身系数CUpper和下半身系数CLower；根据上半身系数CUpper和下半身系数CLower对上半身纹理参数损失值LTexU、下半身纹理参数损失值LTexL、上半身风格参数损失值LStyleU、下半身风格参数损失值LStyleL加权求和得到总损失值Loss；通过训练使总损失值Loss下降，收敛得到最终的行人服饰多标签分类模型；生成半身掩膜概率图时，从N维特征图Fi中随机激活预设比例的特征图，组成多维被激活的特征图Fi2，对多维被激活的特征图Fi2先后进行平均池化、全局平均池化处理，将平均池化结果所对应的特征图减去全局平均池化后特征图的全局均值，得到多维变化量特征图ΔF；然后通过卷积操作将多维变化量特征图ΔF映射到2维，再对2维变化量特征图ΔF对应的像素点进行归一化处理，得到上半身掩膜概率图WUP和下半身掩膜概率图WLOW。

全文数据：

权利要求：

百度查询： 深圳市信义科技有限公司 结合行人局部特征和服饰属性分类的行人搜索方法、系统及存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD