公开(公告)号：CN112733602A

公开(公告)日：2021-04-30

申请号：CN202011438882.1

申请日：2020-12-07

Applicant: 北京航空航天大学 ,  杭州海康威视数字技术股份有限公司

Inventor： 胡海苗 ,  樊皓楠 ,  浦世亮 ,  逯伟卿 ,  李波

IPC: G06K9/00 ,  G06K9/46 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种关系引导的行人属性识别方法，其中，该方法包括以下步骤：(A)以卷积神经网络提取图像特征，将特征图与属性进行关联，并将特征图转化为与属性具有强关联的属性特征向量；(B)根据(A)生成的属性特征向量，引入自注意力机制，生成代表属性之间关系的关系矩阵；(C)将行人属性关系分为显性关系和隐性关系。显性关系代表先验信息关系，包括层级关系和空间位置关系。隐性关系通过数据驱动的方式形成构建的属性关系。通过S1)提出的属性特征向量和S2)提出的关系矩阵生成方式，生成不同类型的属性关系矩阵；(D)以图卷积的形式充分利用关系矩阵和属性特征向量，进行属性推理预测；(E)将测试集输入到行人属性识别模型中进行识别，对实验结果进行评估。

公开(公告)号：CN112733602B

公开(公告)日：2022-08-05

申请号：CN202011438882.1

申请日：2020-12-07

Applicant: 北京航空航天大学 ,  杭州海康威视数字技术股份有限公司

Inventor： 胡海苗 ,  樊皓楠 ,  浦世亮 ,  逯伟卿 ,  李波

IPC: G06V40/10 ,  G06V10/44 ,  G06V10/764 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种关系引导的行人属性识别方法，其中，该方法包括以下步骤：(A)以卷积神经网络提取图像特征，将特征图与属性进行关联，并将特征图转化为与属性具有强关联的属性特征向量；(B)根据(A)生成的属性特征向量，引入自注意力机制，生成代表属性之间关系的关系矩阵；(C)将行人属性关系分为显性关系和隐性关系。显性关系代表先验信息关系，包括层级关系和空间位置关系。隐性关系通过数据驱动的方式形成构建的属性关系。通过S1)提出的属性特征向量和S2)提出的关系矩阵生成方式，生成不同类型的属性关系矩阵；(D)以图卷积的形式充分利用关系矩阵和属性特征向量，进行属性推理预测；(E)将测试集输入到行人属性识别模型中进行识别，对实验结果进行评估。