人体属性的识别方法、装置、电子设备和存储介质与流程

1.本技术涉及人工智能技术领域，具体为深度学习、图像处理、计算机视觉技术领域，可应用于人体识别等场景，具体涉及一种人体属性的识别方法、装置、电子设备和存储介质。


背景技术：

2.在实际应用中，对于很多场景，需要对采集的视频中人的人体属性进行识别，以确定人的年龄、性别等属性信息，以便于根据识别结果进行后续分析，而识别结果的准确性高低至关重要。


技术实现要素：

3.本技术提供了一种人体属性的识别方法、装置、电子设备和存储介质。具体方案如下：
4.根据本技术的一方面，提供了一种人体属性的识别方法，包括：
5.从待处理视频中获取至少两帧图像；
6.通过对每帧所述图像进行人体检测，确定所述图像中人体的检测框信息，其中，所述检测框信息包括第一检测框位置；
7.从所述图像中提取所述第一检测框位置对应的第一图像区域；
8.对所述第一图像区域进行人体属性识别以生成第一识别结果。
9.根据本技术的另一方面，提供了一种人体属性的识别装置，包括：
10.获取模块，用于从待处理视频中获取至少两帧图像；
11.第一确定模块，用于通过对每帧所述图像进行人体检测，确定所述图像中人体的检测框信息，其中，所述检测框信息包括第一检测框位置；
12.提取模块，用于从所述图像中提取所述第一检测框位置对应的第一图像区域；
13.识别模块，用于对所述第一图像区域进行人体属性识别以生成第一识别结果。
14.根据本技术的另一方面，提供了一种电子设备，包括：
15.至少一个处理器；以及
16.与所述至少一个处理器通信连接的存储器；其中，
17.所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述实施例所述的方法。
18.根据本技术的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据上述实施例所述的方法。
19.根据本技术的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现上述实施例所述方法的步骤。
20.应当理解，本部分所描述的内容并非旨在标识本技术的实施例的关键或重要特征，也不用于限制本技术的范围。本技术的其它特征将通过以下的说明书而变得容易理解。
附图说明
21.附图用于更好地理解本方案，不构成对本技术的限定。其中：
22.图1为本技术一实施例提供的人体属性的识别方法的流程示意图；
23.图2为本技术另一实施例提供的人体属性的识别方法的流程示意图；
24.图3为本技术另一实施例提供的人体属性的识别方法的流程示意图；
25.图4为本技术另一实施例提供的人体属性的识别方法的流程示意图；
26.图5为本技术另一实施例提供的人体属性的识别方法的流程示意图；
27.图6为本技术一实施例提供的人体属性识别的过程示意图；
28.图7为本技术一实施例提供的人体属性的识别装置的结构示意图；
29.图8是用来实现本技术实施例的人体属性的识别方法的电子设备的框图。
具体实施方式
30.以下结合附图对本技术的示范性实施例做出说明，其中包括本技术实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本技术的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
31.人工智能是研究使用计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术领域也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术包括计算机视觉技术、语音识别技术、自然语言处理技术以及深度学习、大数据处理技术、知识图谱技术等几大方向。
32.深度学习是机器学习领域中一个新的研究方向。深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。
33.计算机视觉是一门研究如何使机器“看”的科学，是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。
34.下面参考附图描述本技术实施例的人体属性的识别方法、装置、电子设备和存储介质。
35.图1为本技术一实施例提供的人体属性的识别方法的流程示意图。
36.本技术实施例的人体属性的识别方法，可以由本技术实施例的人体属性的识别装置执行，该装置可以配置于电子设备中，通过先对每帧图像进行人体检测，再从每帧图像中提取人体检测框对应的第一图像区域，对第一图像区域进行人体属性识别，提高了识别结果的准确性。
37.其中，电子设备可以为任一具有计算能力的设备，例如可以为个人电脑、移动终端、服务器等，移动终端例如可以为车载设备、手机、平板电脑、个人数字助理、穿戴式设备等具有各种操作系统、触摸屏和/或显示屏的硬件设备。
38.如图1所示，该人体属性的识别方法包括：
39.步骤101，从待处理视频中获取至少两帧图像。
40.本技术中，可以根据预设的抽帧频率对待处理视频进行抽帧，从待处理视频中获取至少两帧图像。其中，待处理视频可以是从商场采集得到，也可以是从商业街采集得到，或者也可以是其他场景下采集的视频，本技术对此不作限定。
41.步骤102，通过对每帧图像进行人体检测，确定图像中人体的检测框信息，其中，检测框信息包括第一检测框位置。
42.本技术中，可以通过对获取的至少两帧图像逐帧进行人体检测，确定每帧图像中人体的检测框信息。其中，检测框的信息可以包括人体检测框的位置也即第一检测框位置，第一检测框位置是指第一检测框在图像中的位置，第一检测框的位置可以用第一检测框四个顶点的坐标表示。
43.在对每帧图像进行人体检测时，可以将每帧图像输入到预先训练的人体检测模型中进行人体检测，以获取人体检测模型输出的每帧图像中人体的第一检测框位置。
44.本技术中，每帧图像中人体的第一检测框的数量可能是一个，也可能是多个。
45.步骤103，从图像中提取第一检测框位置对应的第一图像区域。
46.本技术中，根据第一检测框位置，可以确定人体在图像中的区域，那么根据第一检测框位置，可以从图像中提取到第一检测框包围的区域的图像，也即得到第一检测框位置对应的第一图像区域。
47.步骤104，对第一图像区域进行人体属性识别以生成第一识别结果。
48.其中，人体属性识别可以是指对人物的性别、年龄、服装的类型、服装的颜色等进行识别。
49.本技术中，可以将人体的第一检测框位置对应的第一图像区域输入到预先训练的人体属性识别模型进行识别，以获取人体属性识别模型输出的第一识别结果。
50.可以理解的是，若某帧图像中有多个人体的第一检测框，可以提取到多个人体的第一检测框位置对应的第一图像区域，那么可以对每个人体的第一检测框位置对应第一图像区域进行人体属性识别，得到该帧图像中每个人体的检测框对应的识别结果。
51.本技术实施例中，通过从待处理视频中获取至少两帧图像，先通过对每帧图像进行人体检测，得到图像中人体的检测框信息，并从图像中提取到第一检测框位置对应的第一图像区域，再对第一图像区域进行人体属性识别得到识别结果，由此先对图像进行人体检测，再对基于人体检测结果提取得到的人体区域图像进行人体属性识别，提高了识别结果的准确性。
52.图2为本技术另一实施例提供的人体属性的识别方法的流程示意图。
53.如图2所示，该人体属性的识别方法包括：
54.步骤201，从待处理视频中获取至少两帧图像。
55.本技术中，步骤201与上述实施例中记载的内容类似，故在此不再赘述。
56.步骤202，通过对每帧图像进行人体检测，确定图像中人体的检测框信息，其中，检测框信息包括第一检测框位置和第一检测框标识。
57.本技术中，可以对上述获取的至少两帧图像进行人体检测并进行人体跟踪，从而可以确定不同帧图像中同一人的标识，得到每帧图像中人体的检测框的第一检测框标识、第一检测框位置等信息。
58.比如，若至少两帧图像中图像a中某人体的检测框信息中的第一检测框标识与图像b中某人体的检测框信息中的第一检测框标识相同，说明两图像中该第一检测框标识对应的是同一个人，也即图像a和图像b都出现了该人。
59.步骤203，根据第一检测框标识，检测待处理视频对应的识别结果集合中是否包含第一检测框标识对应的目标识别结果。
60.其中，待处理视频对应的识别结果集合中可以包括待处理视频中出现的人的人体属性识别结果。由于待处理视频中不同的人可以用人体的检测框信息中的第一检测框标识进行区分，那么该识别结果集合中可以包括在待处理视频中检测到的人体的检测框标识对应的识别结果。
61.本技术中，在对每帧图像进行检测和识别时，可以根据每帧图像中人体的第一检测框标识，检测待处理视频对应的识别结果集合是否已经包含了该第一检测框标识对应的目标识别结果。
62.步骤204，响应于未在识别结果集合中检测到第一检测框标识对应的目标识别结果，根据第一检测框位置，从图像中提取第一图像区域。
63.对于每帧图像，若在识别结果集合中未检测到该帧图像中某第一检测框标识对应的目标识别结果，说明识别结果集合中没有该第一检测框标识所标识的人的人体属性识别结果，那么可以根据该帧图像中该第一检测框位置，从该帧图像中提取该第一检测框位置对应的第一图像区域。
64.若在识别结果集合中检测到该帧图像中该第一检测框标识对应的目标识别结果，说明识别结果集合中已经有该第一检测框所标识的人的人体属性识别结果，可以根据该帧图像中其他第一检测框标识查询识别结果集合，当该帧图像中所有第一检测框标识已经检测处理完，那么可以对该图像的下一帧图像进行处理。
65.步骤205，对第一图像区域进行人体属性识别以生成第一识别结果。
66.本技术中，步骤205与上述实施例中记载的内容类似，故在此不再赘述。
67.在对第一图像区域进行人体属性识别以生成识别结果之后，可以将第一检测框标识对应的目标识别结果添加至识别结果集合中，从而可以将各第一检测框标识对应的识别结果集中在一起，便于后续处理。
68.本技术实施例中，检测框信息还可以包括第一检测框标识，在提取第一检测框位置对应的第一图像区域时，可以先根据第一检测框标识，检测待处理视频对应的识别结果集合，在识别结果集合中未检测到第一检测框标识对应的识别结果时，再根据第一检测框位置提取人体区域图像，对提取的人体区域图像进行人体属性识别，从而可以减少计算量，提高识别效率。
69.图3为本技术另一实施例提供的人体属性的识别方法的流程示意图。
70.如图3所示，该人体属性的识别方法包括：
71.步骤301，从待处理视频中获取至少两帧图像。
72.步骤302，通过对每帧图像进行人体检测，确定图像中人体的检测框信息，其中，检测框信息包括第一检测框位置。
73.步骤303，从图像中提取第一检测框位置对应的第一图像区域。
74.本技术中，步骤301-步骤303与上述实施例记载的内容类似，故在此不再赘述。
75.步骤304，通过对第一图像区域进行人脸检测，确定第一图像区域中人脸检测框的第二检测框位置。
76.本技术中，人体属性识别可以包括人脸识别、服装识别等，可以将第一图像区域输入到预先训练的人脸检测模型中，利用人脸检测模型进行人脸检测，确定第一图像中人脸检测框的第二检测框位置。
77.其中，第二检测框的位置可以用人脸检测框的四个顶点在第一图像区域中的坐标表示。
78.步骤305，从第一图像区域提取第二检测框位置对应的第二图像区域。
79.本技术中，根据人脸检测框的第二检测框位置，可以确定人脸检测框在第一图像区域中的区域，那么根据第二检测框位置，可以从第一图像区域中提取到人脸检测框包围的区域的图像，也即得到第二检测框位置对应的第二图像区域。
80.步骤306，通过对第二图像区域进行人脸识别，获取人脸识别结果。
81.本技术中，可以将人脸检测框对应的第二图像区域输入到预先训练的人脸识别模型中，人脸识别模模型可以提取人脸特征，并对人脸特征进行解码，以获取人脸检测框对应的人脸识别结果。
82.其中，人脸识别结果可以包括性别、年龄等信息。
83.由此，通过对人体的检测框对应的第一图像区域进行人脸检测，得到第二检测框位置，以根据人脸检测框的第二检测框位置，提到到人脸检测框对应的第二图像区域，通过对第二图像区域进行人脸识别，可以提高人脸识别结果的准确性。
84.步骤307，通过对第一图像区域进行服装识别，获取服装识别结果。
85.本技术中，可以将第二图像区域输入到预先训练的服装识别模型中，以获取服装识别模型输出的服装识别结果。其中，服装识别结果可以包括服装的类型、颜色等。
86.需要说明的是，本技术中，人体属性识别可以包括人脸识别和服装识别中的一项，也可以人脸识别和服装识别都包括，若人体属性识别包括人脸识别和服装识别，可以按照上述顺序先进行人脸识别再进行服装识别，也可以先进行服装识别，再进行人脸识别，或者人脸识别和服装识别可以同时执行，本技术对此不作限定。
87.步骤308，根据人脸识别结果、服装识别结果中至少一项，生成第一识别结果。
88.本技术中，若人体属性识别包括人脸识别，那么可以根据人脸识别结果生成第一识别结果，第一识别结果可以包括性别、年龄等信息；若人体属性识别包括服装识别，那么可以根据服装识别生成第一识别结果，第一识别结果可以包括服装的颜色、服装的类型等信息；若人体属性识别包括人脸识别和服装识别，那么可以根据人脸识别结果和服装识别结果生成第一识别结果，第一识别结果中可以包括性别、年龄、服装的类型、服装的颜色等信息。
89.本技术实施例中，在对第一图像区域进行人体属性识别以生成第一识别结果时，可以通过对第一图像区域也即人体区域图像进行人脸检测，确定人体区域图像区域中人脸检测框的第二检测框位置，并从人体区域图像区域中提取到第二检测框位置对应的第二图像区域也即人脸图像，并对人脸图像进行人脸识别得到人脸识别结果，对人体区域图像进行服装识别得到服装识别结果，从而可以提高人脸识别结果和服装识别结果的准确性，根据人脸识别结果和服装识别结果中的至少一项生成第一识别结果，进而可以提高第一识别
结果的准确性。
90.图4为本技术另一实施例提供的人体属性的识别方法的流程示意图。
91.如图4所示，该人体属性的识别方法包括：
92.步骤401，从待处理视频中获取至少两帧图像。
93.步骤402，通过对每帧图像进行人体检测，确定图像中人体的检测框信息，其中，检测框信息包括第一检测框位置和第二检测框标识。
94.本技术中，第二检测框标识与上述第一检测框标识相同。
95.步骤403，从图像中提取第一检测框位置对应的第一图像区域。
96.步骤404，通过对第一图像区域进行人脸检测，确定第一图像区域中人脸检测框的第二检测框位置。
97.步骤405，从第一图像区域提取第二检测框位置对应的第二图像区域。
98.本技术中，步骤401-步骤405与上述实施例记载的内容类似，故在此不再赘述。
99.步骤406，根据第二检测框标识，检测待处理视频对应的识别结果集合中是否包含与第二检测框标识对应的目标识别结果。
100.本技术中，在提取到第二图像区域后，可以根据第二检测框标识，检测待处理视频对应的识别结果集合中是否包含第二检测框标识对应的目标识别结果，与上述步骤203类似，故在此不再赘述。
101.步骤407，响应于未在识别结果集合中检测到第二检测框标识对应的目标识别结果，确定第二图像区域是否满足图像质量条件。
102.在实际应用中，在采集视频时，光线、摄像装置的性能等会影响采集的图像质量。基于此，本技术中，若在识别结果集合中未检测到第二检测框标识对应的目标识别结果，说明识别结果集合中没有该第二检测框所标识的人的人体属性识别结果，那么可以再确定第二图像区域是否满足预设的图像质量条件。
103.其中，图像质量条件可以包括分辨率大于分辨率阈值、人脸未被遮挡、亮度满足要求等中的一种或多种。
104.若在识别结果集合中检测到该帧图像中该第二检测框标识对应的识别结果，说明识别结果集合中已经有该第二检测框所标识的人的人体属性识别结果，可以根据该帧图像中其他第二检测框标识查询识别结果集合，当该帧图像中所有第二检测框标识已经查询处理完，那么可以对该图像的下一帧图像进行处理。
105.步骤408，在确定第二图像区域满足预设的图像质量条件的情况下，通过对第二图像区域进行人脸识别，获取人脸识别结果。
106.若确定第二图像区域满足预设的图像质量条件，则可以对第二图像区域进行人脸识别，可以将第二图像区域输入到人脸识别模型，也即将人脸图像输入到人脸识别模型进行人脸识别，以获取人体的检测框对应的人脸识别结果。
107.步骤409，通过对第一图像区域进行服装识别，获取服装识别结果。
108.步骤410，根据人脸识别结果、服装识别结果中至少一项，生成第一识别结果。
109.本技术中，步骤409-步骤410与上述实施例记载的内容类似，故在此不再赘述。
110.本技术实施例中，在对第二图像区域进行人脸识别时，可以先根据第二检测框标识，检测待处理视频对应的识别结果集合中是否包含第二检测框标识对应的目标识别结
果，若在识别结果集合中未检测到第二检测框标识对应的目标识别结果，可以再确定人脸图像是否满足图像质量条件，在人脸图像满足图像质量条件的情况下，再对人脸图像进行人脸识别，可以减少计算量，提高识别效率，提高人脸识别结果的准确性。
111.图5为本技术另一实施例提供的人体属性的识别方法的流程示意图。
112.如图5所示，该人体属性的识别方法包括：
113.步骤501，从待处理视频中获取至少两帧图像。
114.步骤502，通过对每帧图像进行人体检测，确定图像中人体的检测框信息，其中，检测框信息包括第一检测框位置。
115.步骤503，从图像中提取第一检测框位置对应的第一图像区域。
116.步骤504，对第一图像区域进行人体属性识别以生成第一识别结果。
117.本技术中，步骤501-步骤504与上述实施例记载的内容类似，故在此不再赘述。
118.步骤505，根据预设的分类规则，对第一识别结果进行分类，得到识别结果类别。
119.其中，预设的分类规则可以包括根据服装类别进行分类，或者可以根据性别和服装类别进行分类等。
120.本技术中，可以按照预设的分类规则，对第一识别结果进行分类，比如分类规则为根据服装类别进行分类，确定第一识别结果中每种服装类别对应的人数，可以将人数最高的服装类别，作为识别结果类别，这里服装类别比如可以包括休闲类、时尚类、正装类等。
121.又如，分类规则为根据性别和服装类别进行分类，可以确定第一识别结果中每种性别的人数、每种性别对应的服装类别及人数，并确定哪种性别的人数高，以及这种性别的人哪种服装类别的人数最多，以此确定识别结果的类别，比如女性人数较高，女性中穿正装类的最高，可以将女性正装类作为识别结果类别。
122.需要说明的是，预设的分类规则可以根据实际需要设置，本技术对此不作限定。
123.步骤506，根据识别结果类别确定待处理视频的视频类别。
124.本公开中，在确定识别结果类别后，可以根据识别结果类别，确定待处理识别视频的视频类别。比如，分类规则为根据服装类别进行分类，若识别结果类别为时尚类，由于待处理视频中穿时尚类衣服的人比较多，可以确定待处理视频的视频类别为时尚类视频，若识别结果类别为正装类，可以确定待处理视频为正装类视频。又如，分类规则为根据性别和服装类别进行分类，若识别结果类别为女性正装类，可以确定待处理视频的视频类别为女性正装类视频。
125.本技术实施例中，在对第一图像区域进行人体属性识别生成第一识别结果后，可以根据预设的分类规则，对第一识别结果进行分类，得到识别结果类别，进而可以根据识别结果类别确定待处理视频的视频类别，由此可以实现待处理视频类别的确定，便于对视频进行分类。
126.在本技术的一个实施例中，检测框信息中还可以包括第三检测框标识，还可以根据第三检测框标识对第一识别结果进行进一步处理，其中，第三检测框标识与上述第一检测框标识、第二检测框标识相同。
127.由于同一个人可能出现在多帧图像中，那么本技术中，同一第三检测框标识可能对应多个识别结果，那么可以在第一识别结果中，确定每帧图像中相同的第三检测框标识对应的识别结果称为第二识别结果，并根据第二识别结果，确定第三检测框标识对应的最
终识别结果称为第三识别结果。
128.比如，可以将同一第三检测框标识对应的第二识别结果中数量最多的识别结果作为第三识别结果，如有两帧图像中某第三检测框标识对应的第二识别结果中性别属性为女性，有一帧图像中该第三检测框标识对应的第二识别结果中性别属性为男性，那么该第三检测框标识对应的第三识别结果中性别属性为女性。
129.在确定第三检测框标识对应的第三识别结果之后，可以根据第三识别结果中的性别属性，确定目标性别对应的第四检测框标识，并根据第四检测框标识对应的第三识别结果中的年龄属性，确定第四检测框标识对应的年龄段，根据第四检测框标识对应的年龄段、及第四检测框标识对应的第三识别结果中的服装识别结果，确定目标性别的每个年龄段对应的服装信息，比如目标性别为女性，可以确定女性的每个年龄段对应的服装类型。
130.由此，可以根据目标性别的各年龄段对第一识别结果进行规整，确定目标性别的每个年龄段对应的服装信息，从而可以确定目标性别各年龄喜欢的服装类型、颜色等。
131.在确定目标性别的每个年龄段对应的服装信息后，还可以根据目标性别的每个年龄段对应的服装信息，确定目标性别的每个所年龄段对应的服装推广信息，从而可以提高服装推广信息推广的精准性。
132.比如，年龄在25到28之间的女性喜欢的服装类型为牛仔裤，那么可以向这个年龄段的女性用户推荐牛仔裤的推广信息。
133.本技术实施例中，在对第一图像区域进行人体属性识别以生成第一识别结果之后，可以根据预设的分类规则，对多帧图像中人体检测框对应的识别结果进行处理，从而可以实现对识别结果进行规整。
134.另外，根据本技术实施例的人体属性识别方法，可以对多个视频进行处理，得到各视频对应的识别结果，之后按年份或者季度或者地区等进行分类，得到的分类结果可辅助判断未来服装趋势。
135.为了便于理解上述实施例，下面以人体属性识别包括人脸识别和服装识别为例，结合图6进行说明，图6为本技术一实施例提供的人体属性识别的过程示意图。
136.如图6所示，对视频帧进行人体检测和人体跟踪，可以确定视频帧中的人体标识(即上述实施例中所述的第一检测框标识)和人体检测框的位置(即上述实施例中所述的第一检测框位置)，之后判断人体标识是否具有对应的识别结果。如果人体标识有对应的识别结果，则进行人体跟踪；如果人体标识没有对应的识别结果，则进行人脸检测，以获取人脸检测框的位置(即上述实施例中所述的第二检测框位置)，并判断人体检测框的包围区域的图像质量是否满足条件，比如人体区域图像中人体是否被遮挡等。如果人体检测框的包围区域的图像质量满足条件，则根据人体检测框的位置进行人体抠图，获取人体区域图像(也即上述实施例中所述的第一检测框位置对应的第一图像区域)，及根据人脸检测框的位置进行人脸抠图，以获取人脸图像(也即上述实施例中所述的第二检测框位置对应的第二图像区域)。
137.在获取人体区域图像和人脸图像后，再判断人体标识是否具有对应的识别结果，如果人体标识没有对应的识别结果，再判断人脸图像是否满足图像质量要求，比如，判断人脸图像的分辨率是否大于分辨率阈值、是否未被遮挡等。如果人脸图像满足图像质量要求，则从人体图像中提取人脸关键点，再根据人脸关键点提取人脸属性、人脸特征等，其中人脸
属性可以包括性别、年龄等。如果人体标识具有对应的识别结果，或者人脸图像不满足图像质量要求，则确定视频帧中其他人体标识是否具有对应的识别结果，如果没有则进行人脸检测。
138.为了统计同一些人的服装信息，可以根据人脸特征在人脸特征库中进行人脸搜索，并判断人脸特征是否与特征库中的人脸特征匹配。如果该人脸特征与特征库中任一人脸特征的相似度大于预设相似度阈值，可以认为该人脸特征与特征库中的人脸特征匹配，则对人体图像区域进行服装识别，得到服装识别结果，最后输出该人体标识对应的识别结果，该识别结果包括人体标识对应的人脸特征、人脸属性和服装识别结果。其中，人脸特征库可以是第一次对在某区域采集的视频进行识别时得到的。如果人脸特征是否与特征库中的人脸特征均不匹配，则确定视频帧中其他人体标识是否具有对应的识别结果，如果没有则进行人脸检测。
139.为了实现上述实施例，本技术实施例还提出一种人体属性的识别装置。图7为本技术一实施例提供的人体属性的识别装置的结构示意图。
140.如图7所示，该人体属性的识别装置700包括：
141.获取模块710，用于从待处理视频中获取至少两帧图像；
142.第一确定模块720，用于通过对每帧图像进行人体检测，确定图像中人体的检测框信息，其中，检测框信息包括第一检测框位置；
143.提取模块730，用于从图像中提取第一检测框位置对应的第一图像区域；
144.识别模块740，用于对第一图像区域进行人体属性识别以生成第一识别结果。
145.在本技术实施例一种可能的实现方式中，检测框信息还包括第一检测框标识；第一确定模块720，用于：
146.根据第一检测框标识，检测待处理视频对应的识别结果集合中是否包含第一检测框标识对应的目标识别结果；
147.响应于未在识别结果集合中检测到第一检测框标识对应的目标识别结果，根据每第一检测框位置，从图像中提取第一图像区域。
148.在本技术实施例一种可能的实现方式中，该装置还可以包括：
149.添加模块，用于将目标识别结果添加至识别结果集合中。
150.在本技术实施例一种可能的实现方式中，识别模块740，用于：
151.通过对第一图像区域进行人脸检测，确定第一图像区域中人脸检测框的第二检测框位置；
152.从第一图像区域提取第一检测框位置对应的第二图像区域；
153.通过对第二图像区域进行人脸识别，获取人脸识别结果；
154.通过对第一图像区域进行服装识别，获取服装识别结果；
155.根据人脸识别结果、服装识别结果中的至少一项，生成第一识别结果。
156.在本技术实施例一种可能的实现方式中，检测框信息还包括第二检测框标识；识别模块740，用于：
157.根据第二检测框标识，检测待处理视频对应的识别结果集合中是否包含与第二检测框标识对应的目标识别结果；
158.响应于未在识别结果集合中检测到第二检测框标识对应的识别结果，确定第二图
memory，随机访问/存取存储器)803中的计算机程序，来执行各种适当的动作和处理。在ram 803中，还可存储设备800操作所需的各种程序和数据。计算单元801、rom 802以及ram 803通过总线804彼此相连。i/o(input/output，输入/输出)接口805也连接至总线804。
176.设备800中的多个部件连接至i/o接口805，包括：输入单元806，例如键盘、鼠标等；输出单元807，例如各种类型的显示器、扬声器等；存储单元808，例如磁盘、光盘等；以及通信单元809，例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
177.计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于cpu(central processing unit，中央处理单元)、gpu(graphic processing units，图形处理单元)、各种专用的ai(artificial intelligence，人工智能)计算芯片、各种运行机器学习模型算法的计算单元、dsp(digital signal processor，数字信号处理器)、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理，例如人体属性的识别方法。例如，在一些实施例中，人体属性的识别方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元808。在一些实施例中，计算机程序的部分或者全部可以经由rom 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到ram 803并由计算单元801执行时，可以执行上文描述的人体属性的识别方法的一个或多个步骤。备选地，在其他实施例中，计算单元801可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行人体属性的识别方法。
178.本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、fpga(field programmable gate array，现场可编程门阵列)、asic(application-specific integrated circuit，专用集成电路)、assp(application specific standard product，专用标准产品)、soc(system on chip，芯片上系统的系统)、cpld(complex programmable logic device，复杂可编程逻辑设备)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
179.用于实施本技术的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
180.在本技术的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计
算机盘、硬盘、ram、rom、eprom(electrically programmable read-only-memory，可擦除可编程只读存储器)或快闪存储器、光纤、cd-rom(compact disc read-only memory，便捷式紧凑盘只读存储器)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
181.为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(cathode-ray tube，阴极射线管)或者lcd(liquid crystal display，液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
182.可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：lan(local area network，局域网)、wan(wide area network，广域网)、互联网和区块链网络。
183.计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与vps服务(virtual private server，虚拟专用服务器)中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。
184.根据本技术的实施例，本技术还提供了一种计算机程序产品，当计算机程序产品中的指令处理器执行时，执行本技术上述实施例提出的人体属性的识别方法。
185.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本技术中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本技术公开的技术方案所期望的结果，本文在此不进行限制。
186.上述具体实施方式，并不构成对本技术保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本技术的精神和原则之内所作的修改、等同替换和改进等，均应包含在本技术保护范围之内。