人体属性识别方法、装置、设备及存储介质与流程

本发明涉及人工智能，提供一种人体属性识别方法、装置、设备及存储介质。

背景技术：

1、随着人工智能技术的快速发展，深度学习成为人工智能领域的一个重要研究方向，近年来在各个领域取得了很多重要成果，特别是，在很多室外场景中，利用人体属性算法进行识别，以寻找具有特定特征的人。人体属性识别是对人物的性别、年龄、衣物的类型和颜色等的识别，被广泛应用于危险行为预警、商场和车站等公共场所的目标人物锁定等领域。

2、目前的人体属性算法大多针对单帧图片进行识别，然而在实际使用的时候，由于摄像头的角度、光照及遮挡的原因，导致不能有效识别，且利用单帧图片识别有时并不能获得所有具有高置信度的属性结果，导致人体属性识别的结果不准确，进一步会影响其他模块的工作。

技术实现思路

1、本发明实施例提供一种人体属性识别方法、装置、设备及存储介质，以解决现有技术人体属性识别结果不准确影响其他模块工作的问题。

2、为了解决上述问题，第一方面，本发明实施例公开了一种人体属性识别方法，所述方法包括：

3、采集连续帧图像，通过目标追踪算法对所述连续帧图像进行处理，生成目标人体的人体区域图像；

4、根据目标人体的预设识别条件，将所述人体区域图像输入至预训练的多任务识别模型，确定所述人体区域图像对应的属性识别结果；

5、根据所述属性识别结果及预设属性分数，确定所述目标人体的属性预测结果。

6、可选的，所述采集连续帧图像，通过目标追踪算法对所述连续帧图像进行处理，生成目标人体的人体区域图像，包括：

7、采集连续帧图像，根据所述目标追踪算法对所述连续帧图像进行人体追踪，确定目标人体以及所述目标人体在所述连续帧图像的位置；

8、根据所述目标人体的位置，裁剪所述连续帧图像，生成人体区域图像。

9、可选的，所述根据目标人体的预设识别条件，将所述人体区域图像输入至预训练的多任务识别模型，确定所述人体区域图像对应的属性识别结果，包括：

10、若检测到所述目标人体在所述连续帧图像中出现次数大于或等于预设阈值，或者在连续帧图像的预设帧未检测到所述目标人体，将所述人体区域图像输入至预训练的多任务识别模型；

11、确定多个所述人体区域图像对应的属性识别结果。

12、可选的，所述根据所述属性识别结果及预设属性分数，确定所述目标人体的属性预测结果，包括：

13、对多个所述人体区域图像对应的属性识别结果按照预设属性分数进行加权求和；

14、将求和后属性分数最高的属性识别结果确定为所述目标人体的属性预测结果。

15、可选的，所述采集连续帧图像，通过目标追踪算法对所述连续帧图像进行处理，生成目标人体的人体区域图像之前，还包括：

16、采集人体图像，将所述人体图像确定为数据集；

17、对所述数据集进行人体检测，裁剪人体区域图像，标注所述人体区域图像对应属性得到训练集；其中，所述训练集包括所述人体区域图像、所述人体区域图像对应的人体属性标注信息；

18、根据所述训练集训练多任务识别模型，得到识别人体所有属性的多任务识别模型。

19、可选的，所述根据所述训练集训练多任务识别模型，得到识别人体所有属性的多任务识别模型，包括：

20、基于所述训练集，通过所述多任务识别模型的第一神经网络获取原始特征图；其中，所述第一神经网络用于特征提取；

21、根据预设注意力特征图及所述原始特征图，通过所述多任务识别模型的属性分类网络，得到各属性的输出特征图；

22、根据各属性的所述输出特征图，输出人体各属性的预测识别结果，得到识别人体所有属性的多任务识别模型。

23、可选的，所述根据预设注意力特征图及所述原始特征图，通过所述多任务识别模型的属性分类网络，得到各属性的输出特征图，包括：

24、对预先获取的特征图进行池化操作，生成第一池化特征图；

25、对所述第一池化特征图进行卷积操作，生成所述预设注意力特征图；

26、根据所述原始特征图，调整所述预设注意力特征图的权重，确定所述输出特征图的区域权重；

27、通过所述多任务识别模型的属性分类网络，得到对应区域权重的各属性的输出特征图。

28、第二方面，本发明实施例还公开了一种人体属性识别装置，所述装置包括：

29、处理图像模块，用于采集连续帧图像，通过目标追踪算法对所述连续帧图像进行处理，生成目标人体的人体区域图像；

30、属性识别模块，用于根据目标人体的预设识别条件，将所述人体区域图像输入至预训练的多任务识别模型，确定所述人体区域图像对应的属性识别结果；

31、确定结果模块，用于根据所述属性识别结果及预设属性分数，确定所述目标人体的属性预测结果。

32、可选的，所述处理图像模块包括：

33、处理子模块，用于采集连续帧图像，根据目标追踪算法对所述连续帧图像进行人体追踪，确定目标人体以及所述目标人体在所述连续帧图像的位置；

34、第一生成子模块，用于根据所述目标人体的位置，裁剪所述连续帧图像，生成人体区域图像。

35、可选的，所述属性识别模块包括：

36、输入子模块，用于若检测到所述目标人体在所述连续帧图像中出现次数大于或等于预设阈值，或者在连续帧图像的预设帧未检测到所述目标人体，将所述人体区域图像输入至预训练的多任务识别模型；

37、识别子模块，用于确定多个所述人体区域图像对应的属性识别结果。

38、可选的，所述确定结果模块包括：

39、第一确定子模块，用于对多个所述人体区域图像对应的属性识别结果按照预设属性分数进行加权求和；

40、第二确定子模块，用于将求和后属性分数最高的属性识别结果确定为所述目标人体的属性预测结果。

41、可选的，所述装置还包括：

42、采集图像模块，用于采集人体图像，将所述人体图像确定为数据集；

43、获取数据模块，用于对所述数据集进行人体检测，裁剪人体区域图像，标注所述人体区域图像对应属性得到训练集；其中，所述训练集包括所述人体区域图像、所述人体区域图像对应的人体属性标注信息；

44、训练模型模块，用于根据所述训练集训练多任务识别模型，得到识别人体所有属性的多任务识别模型。

45、可选的，所述训练模型模块包括：

46、获取子模块，用于基于所述训练集，通过所述多任务识别模型的第一神经网络获取原始特征图；其中，所述第一神经网络用于特征提取；

47、第一训练子模块，用于根据预设注意力特征图及所述原始特征图，通过所述多任务识别模型的属性分类网络，得到各属性的输出特征图；

48、第二训练子模块，用于根据各属性的所述输出特征图，输出人体各属性的预测识别结果，得到识别人体所有属性的多任务识别模型。

49、第三方面，本发明实施例还公开了一种电子设备，包括：

50、至少一个处理器；以及，

51、与所述至少一个处理器通信连接的存储器；其中，

52、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以上所述的人体属性识别方法。

53、第四方面，本发明还公开了一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现上述的人体属性识别方法。

54、本发明实施例提供的人体属性识别方法，采集连续帧图像，通过目标追踪算法对连续帧图像进行处理，生成目标人体的人体区域图像，根据目标人体的预设识别条件，将人体区域图像输入至预训练的多任务识别模型，确定人体区域图像对应的属性识别结果，根据属性识别结果及预设属性分数，确定目标人体的属性预测结果。本发明中通过预训练的多任务识别模型对连续帧图像进行多帧识别，根据多帧图片的属性识别结果综合确定出人体属性预测结果，实现人体属性的准确识别，避免了人体在光照、角度或遮挡的情况下使模型发生误判，提高了模型的鲁棒性，同时利用模型的空间注意力机制，使预测集中于目标人体区域，进一步提高了属性识别准确率。