目标对象的属性识别方法及装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN107704838A(43)申请公布日2018.02.16(21)申请号201710983033.6(22)申请日2017.10.19(71)申请人北京旷视科技有限公司地址100000北京市海淀区科学院南路2号A座313申请人北京迈格威科技有限公司(72)发明人肖琦琦张弛(74)专利代理机构北京超凡志成知识产权代理事务所(普通合伙)11371代理人宋南(51)Int.Cl.G06K9/00(2006.01)G06K9/46(2006.01)G06K9/62(2006.01)G06N3/08(2006.01)权利要求书2页说明书10页附图3页(54)发明名称目标对象的属性识别方法及装置(57)摘要本发明提供了一种目标对象的属性识别方法及装置，涉及图像识别技术领域，该方法采用识别网络执行，该识别网络包括特征提取网络，以及分别与特征提取网络相连的行人再识别网络、行人姿态识别网络和行人属性识别网络；识别网络的参数由行人再识别网络、行人姿态识别网络和行人属性识别网络基于共享特征提取网络的方式联合训练得到；该方法包括：特征提取网络提取目标对象的特征信息；行人属性识别网络基于该特征信息，确定目标对象的属性。本发明可以使行人属性识别网络通过与行人再识别网络、行人姿态识别网络共享特征提取网络的方式而获取到更为丰富全面的特征信息，从而有效提升了属性识别的准确性和鲁棒性。CN107704838ACN107704838A权利要求书1/2页1.一种目标对象的属性识别方法，其特征在于，所述方法采用识别网络执行，所述识别网络包括特征提取网络，以及分别与所述特征提取网络相连的行人再识别网络、行人姿态识别网络和行人属性识别网络；所述识别网络的参数由所述行人再识别网络、所述行人姿态识别网络和所述行人属性识别网络基于共享所述特征提取网络的方式联合训练得到；所述方法包括：所述特征提取网络提取所述目标对象的特征信息；所述行人属性识别网络基于所述特征信息，确定所述目标对象的属性。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：基于共享所述特征提取网络的方式对所述行人再识别网络、所述行人姿态识别网络和所述行人属性识别网络联合训练，直至所述识别网络的总损失函数值收敛至预设值，将所述总损失函数值收敛至预设值时对应的参数作为识别网络的参数。3.根据权利要求2所述的方法，其特征在于，所述基于共享所述特征提取网络的方式对所述行人再识别网络、所述行人姿态识别网络和所述行人属性识别网络联合训练的步骤包括：将训练图片输入至所述特征提取网络，以使所述特征提取网络生成所述训练图片的特征图；将所述特征图输入至所述行人再识别网络，计算得到第一损失函数值；将所述特征图输入至所述行人姿态识别网络，计算得到第二损失函数值；将所述特征图输入至所述行人属性识别网络，计算得到第三损失函数值；根据所述第一损失函数值、所述第二损失函数值和所述第三损失函数值，确定总损失函数值；基于所述总损失函数值，通过反向传播算法对所述识别网络的参数进行训练。4.根据权利要求3所述的方法，其特征在于，所述将训练图片输入至所述特征提取网络的步骤，包括：从含有行人身份标签的第一数据集挑选三张图片，从含有行人骨架标签的第二数据集挑选一张图片，以及从含有行人属性标签的第三数据集挑选一张图片，将挑选的图片作为训练图片；其中，从所述第一数据集挑选的三张图片分别为参考图片、正样本图片和负样本图片。5.根据权利要求4所述的方法，其特征在于，所述将所述特征图输入至所述行人再识别网络，计算得到第一损失函数值的步骤，包括将所述参考图片、所述正样本图片和所述负样本图片分别对应的特征图输入至所述行人再识别网络；通过三元组损失函数计算得到第一损失函数值。6.根据权利要求4所述的方法，其特征在于，所述将所述特征图输入至所述行人姿态识别网络，计算得到第二损失函数值的步骤，包括：将所述第二数据集挑选的图片对应的特征图输入至包括有M个骨架点对应分支的所述行人姿态识别网络，计算得到第二损失函数值；其中，所述第二损失函数值包括M个所述分支分别对应的损失函数值。7.根据权利要求4所述的方法，其特征在于，所述将所述特征图输入至所述行人属性识2CN107704838A权利要求书2/2页别网络，计算得到第三损失函数值的步骤，包括：将所述第三数据集挑选的图片对应的特征图输入至包括有N个属性对应子网络的所述行人属性识别网络，计算得到第三损失函数值；其中，所述第三损失函数值包括N个所述属性对应子网络分别对应的损失函数值；每个属性对应子网络还分别连接有属性分类器。8.根据权利要求3所述的方法，其特征在于，根据所述第一损失函数值、所述第二损失函数值和所述第三损失函数值，确定总损失函数值的步骤，包括：