CN109934149B - 用于输出信息的方法和装置 - Google Patents

Abstract

本申请实施例公开了用于输出信息的方法和装置。该方法的一具体实施方式包括：获取待识别图像；确定待识别图像中是否存在行人；若待识别图像中存在行人，基于待识别图像和预先训练的性别识别模型，得到行人的性别，其中，性别识别模型用于识别图像中的行人的性别；若行人的性别与预设性别不同，输出提示信息。该实施方式基于性别识别模型进行性别识别，能够快速地识别出行人的性别。并且，在行人的性别与预设性别不同的情况下，及时输出提示信息，有助于减少行人无意间做出与其性别不符的行为而造成尴尬的现象。

Description

用于输出信息的方法和装置

技术领域

本申请实施例涉及计算机技术领域，具体涉及用于输出信息的方法和装置。

背景技术

中国有句古话叫“男女有别”。因此，有些房间通常仅允许同一性别的用户进入，例如厕所、浴室、试衣间、化妆间等等。而走错厕所、浴室、试衣间、化妆间是一个古老而尴尬的问题。不仅给房间中的人们带来不便，还给走错房间的人们造成尴尬，影响心情。尤其是一些商场为了方便女性客户，同一层可能会设置两个女厕所，也增大了男性客户走错的可能性。

目前，通常是在房间门口设置性别标识(例如文字或图片)来提示人们，人们通过查看性别标识来确定自己是否可以进入房间。

发明内容

本申请实施例提出了用于输出信息的方法和装置。

第一方面，本申请实施例提供了一种用于输出信息的方法，包括：获取待识别图像；确定待识别图像中是否存在行人；若待识别图像中存在行人，基于待识别图像和预先训练的性别识别模型，得到行人的性别，其中，性别识别模型用于识别图像中的行人的性别；若行人的性别与预设性别不同，输出提示信息。

在一些实施例中，确定待识别图像中是否存在行人，包括：将待识别图像输入至预先训练的人体检测模型，得到待识别图像的人体检测结果，其中，人体检测模型用于检测图像中是否存在行人，人体检测结果包括用于指示待识别图像中是否存在行人的信息。

在一些实施例中，基于待识别图像和预先训练的性别识别模型，得到行人的性别，包括：从待识别图像中分割出行人的人脸图像和人体图像；将人脸图像和人体图像输入至性别识别模型，得到行人的性别。

在一些实施例中，性别识别模型包括特征提取网络和分类网络。

在一些实施例中，将人脸图像和人体图像输入至性别识别模型，得到行人的性别，包括：将人脸图像和人体图像输入至特征提取网络，得到行人的人脸特征和人体特征；将人脸特征和人体特征合并，生成合并特征；将合并特征输入至分类网络，得到行人的性别。

在一些实施例中，在将人脸图像和人体图像输入至性别识别模型，得到行人的性别之前，还包括：将人脸图像和人体图像缩放至预设尺寸。

在一些实施例中，待识别图像是对与预设性别匹配的房间的门口区域进行拍摄所得到的视频中的视频帧。

第二方面，本申请实施例提供了一种用于输出信息的装置，包括：获取单元，被配置成获取待识别图像；确定单元，被配置成确定待识别图像中是否存在行人；识别单元，被配置成若待识别图像中存在行人，基于待识别图像和预先训练的性别识别模型，得到行人的性别，其中，性别识别模型用于识别图像中的行人的性别；输出单元，被配置成若行人的性别与预设性别不同，输出提示信息。

在一些实施例中，确定单元进一步被配置成：将待识别图像输入至预先训练的人体检测模型，得到待识别图像的人体检测结果，其中，人体检测模型用于检测图像中是否存在行人，人体检测结果包括用于指示待识别图像中是否存在行人的信息。

在一些实施例中，识别单元包括：分割子单元，被配置成从待识别图像中分割出行人的人脸图像和人体图像；识别子单元，被配置成将人脸图像和人体图像输入至性别识别模型，得到行人的性别。

在一些实施例中，性别识别模型包括特征提取网络和分类网络。

在一些实施例中，识别子单元包括：提取模块，被配置成将人脸图像和人体图像输入至特征提取网络，得到行人的人脸特征和人体特征；合并模块，被配置成将人脸特征和人体特征合并，生成合并特征；分类模块，被配置成将合并特征输入至分类网络，得到行人的性别。

在一些实施例中，识别单元还包括：缩放子单元，被配置成将人脸图像和人体图像缩放至预设尺寸。

在一些实施例中，待识别图像是对与预设性别匹配的房间的门口区域进行拍摄所得到的视频中的视频帧。

第三方面，本申请实施例提供了一种服务器，该服务器包括：一个或多个处理器；存储装置，其上存储有一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。

第四方面，本申请实施例提供了一种计算机可读介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。

本申请实施例提供的用于输出信息的方法和装置，在获取待识别图像之后，确定待识别图像中是否存在行人；在待识别图像中存在行人的情况下，基于待识别图像和性别识别模型，得到行人的性别；在行人的性别与预设性别不同的情况下，输出提示信息。基于性别识别模型进行性别识别，能够快速地识别出行人的性别。并且，在行人的性别与预设性别不同的情况下，及时输出提示信息，有助于减少行人无意间做出与其性别不符的行为而造成尴尬的现象。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请可以应用于其中的示例性系统架构；

图2是根据本申请的用于输出信息的方法的一个实施例的流程图；

图3是图2所示的用于输出信息的方法的一个应用场景的示意图；

图4是根据本申请的用于输出信息的方法的又一个实施例的流程图；

图5是根据本申请的用于输出信息的装置的一个实施例的结构示意图；

图6是适于用来实现本申请实施例的服务器的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了可以应用本申请的用于输出信息的方法或用于输出信息的装置的实施例的示例性系统架构100。

如图1所示，系统架构100中可以包括摄像头101、扬声器102、服务器103和网络104。网络104用以在摄像头101、扬声器102和服务器103之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

摄像头101可以安装在房间的门口附近，用于采集房间的门口区域的图像或视频。其中，房间通常仅允许同一性别的用户进入，包括但不限于厕所、浴室、试衣间、化妆间等等。

扬声器102可以安装在房间的门口附近，用于向即将进入房间的行人发送提示信息。

服务器103可以提供各种服务。例如，服务器103可以对从摄像头101获取到的待识别图像等数据进行分析等处理，生成处理结果(例如行人的性别)，并基于处理结果确定是否向扬声器102发送提示信息。

需要说明的是，服务器103可以是硬件，也可以是软件。当服务器103为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器103为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

需要说明的是，本申请实施例所提供的用于输出信息的方法一般由服务器103执行，相应地，用于输出信息的装置一般设置于服务器103中。

应该理解，图1中的摄像头、扬声器、服务器和网络的数目仅仅是示意性的。根据实现需要，可以具有任意数目的摄像头、扬声器、服务器和网络。

继续参考图2，其示出了根据本申请的用于输出信息的方法的一个实施例的流程200。该用于输出信息的方法，包括以下步骤：

步骤201，获取待识别图像。

在本实施例中，用于输出信息的方法的执行主体(例如图1所示的服务器103)可以从摄像头(例如图1所示的摄像头101)中获取待识别图像。通常，待识别图像可以是对与预设性别匹配的房间的门口区域进行拍摄所得到的视频中的视频帧。其中，房间通常仅允许同一性别的用户进入，包括但不限于厕所、浴室、试衣间、化妆间等等。例如，若预设性别是女性，那么与预设性别匹配的房间通常仅允许女性用户进入。此时，与预设性别匹配的房间可以包括但不限于女厕所、女浴室、女试衣间、女化妆间等等。

实践中，与预设性别匹配的房间的门口附近可以安装摄像头。摄像头正对房间的门口，用于拍摄房间的门口区域的视频。同时，摄像头可以将拍摄到的视频实时发送至上述执行主体。上述执行主体可以获取视频中的全部或部分视频帧作为待识别图像。例如，上述执行主体可以每隔预设帧(如10帧)对视频进行采样，将采样到的视频帧作为待识别图像。

步骤202，确定待识别图像中是否存在行人。

在本实施例中，上述执行主体可以对待识别图像进行分析，以确定待识别图像中是否存在行人。若待识别图像中存在行人，继续执行步骤203；若待识别图像中不存在行人，结束流程。

在本实施例的一些可选的实现方式中，上述执行主体可以预先收集行人特征集合。当获取到待识别图像之后，上述执行主体可以首先提取待识别图像的特征；然后计算待识别图像的特征与行人特征集合中的行人特征的相似度；若行人特征集合中存在与待识别图像的特征相似的行人特征，则确定待识别图像中存在行人，若行人特征集合中不存在与待识别图像中的特征相似的行人特征，则确定待识别图像中不存在行人。

在本实施例的一些可选的实现方式中，上述执行主体可以将待识别图像输入至预先训练的人体检测模型，得到待识别图像的人体检测结果。

这里，人体检测模型可以用于检测图像中是否存在行人。通常，人体检测模型可以是利用各种机器学习方法和训练样本对现有的机器学习模型(例如各种目标检测模型等)进行有监督训练而得到的。具体地，上述执行主体可以通过如下步骤训练人体检测模型：

首先，获取第一训练样本。

这里，每个第一训练样本可以包括第一样本图像和第一样本标注结果。其中，第一样本图像中可以存在行人，也可以不存在行人。存在行人的第一样本图像对应的第一样本是正样本，其对应的第一样本标注结果是对第一样本图像中的行人进行标注所得到的结果。不存在行人的第一样本图像对应的第一样本是负样本，其对应的第一样本标注结果可以是对第一样本图像标注不存在行人所得到的结果。

然后，将第一训练样本中的第一样本图像作为输入，将第一训练样本中的第一样本标注结果作为输出，训练得到人体检测模型。

这里，上述执行主体可以将第一样本图像从初始人体检测模型的输入侧输入，经过初始人体检测模型的处理，从输出侧输出第一样本图像中存在行人的概率。随后，上述执行主体可以基于第一样本图像中存在行人的概率和第一样本标注结果计算初始人体检测模型的检测准确度。若检测准确度不满足预先设定的约束条件，则调整初始人体检测模型的参数，随后输入第一样本图像继续进行模型训练。若检测准确度满足预先设定的约束条件，则模型训练完成，此时的初始人体检测模型即为人体检测模型。其中，初始人体检测模型可以是初始化参数的各种目标检测模型，例如SSD模型。通常，初始化参数可以是一些不同的小随机数。

这里，人体检测结果可以包括用于指示待识别图像中是否存在行人的信息。例如，人体检测结果可以包括待识别图像中存在行人的概率。通常，若存在行人的概率不小于预设概率(例如80％)，则说明待识别图像中存在行人。若存在行人的概率小于预设概率，则说明待识别图像中不存在行人。

步骤203，基于待识别图像和预先训练的性别识别模型，得到行人的性别。

在本实施例中，若待识别图像中存在行人，上述执行主体可以利用预先训练的性别识别模型对待识别图像进行处理，以得到行人的性别。具体地，上述执行主体可以将待识别图像直接输入至性别识别模型，以得到行人的性别。上述执行主体也可以首先对待识别图像进行预处理，然后将预处理后的待识别图像输入至性别识别模型，以得到行人的性别。

在本实施例的一些可选的实现方式中，上述执行主体可以首先从待识别图像中分割出行人的人脸图像和人体图像；然后将人脸图像和人体图像输入至性别识别模型，以得到行人的性别。通常，在待识别图像中存在行人的情况下，人体检测结果除了包括用于指示待识别图像中是否存在行人的信息之外，还可以包括人脸和人体的位置信息，这样，上述执行主体可以基于人脸和人体的位置信息，从待识别图像中分割出行人的人脸图像和人体图像。

这里，性别识别模型可以用于识别图像中的行人的性别。通常，性别识别模型可以是利用各种机器学习方法和训练样本对现有的机器学习模型(例如各种人工神经网络等)进行有监督训练而得到的。具体地，上述执行主体可以通过如下步骤训练性别识别模型：

首先，获取第二训练样本。

这里，每个第二训练样本可以包括第二样本图像和第二样本标注结果。其中，第二样本图像中存在人脸或人体。第二样本标注结果是对第二样本图像中的人脸或人体进行性别标注所得到的结果。人脸或人体所标注的性别可以是男性或女性。

然后，将第二训练样本中的第二样本图像作为输入，将第二训练样本中的第二样本标注结果作为输出，训练得到性别识别模型。

这里，上述执行主体可以将第二样本图像从初始性别识别模型的输入侧输入，经过初始性别识别模型的处理，从输出侧输出第二样本图像中的人脸或人体属于男性和/或女性的概率。随后，上述执行主体可以基于第二样本图像中的人脸或人体属于男性和/或女性的概率和第二样本标注结果计算初始性别识别模型的识别准确度。若识别准确度不满足预先设定的约束条件，则调整初始性别识别模型的参数，随后输入第二样本图像继续进行模型训练。若识别准确度满足预先设定的约束条件，则模型训练完成，此时的初始性别识别模型即为性别识别模型。其中，初始性别识别模型可以是初始化参数的各种目标识别模型，例如特征提取网络和分类网络组合而成的模型。特征提取网络可以是VGG模型。分类网络可以由三个卷积层和两个全连接层组成。通常，初始化参数可以是一些不同的小随机数。

这里，将待识别图像或预处理后的待识别图像输入至性别识别模型，输出的可以是性别识别结果。性别识别结果可以包括用于指示待识别图像中的行人的性别的信息。例如，性别识别结果可以包括行人属于男性和/或女性的概率。通常，若行人属于男性的概率不小于预设概率(例如80％)，则说明待识别图像中的行人的性别是男性，若行人属于女性的概率不小于预设概率，则说明待识别图像中的行人的性别是女性。

步骤204，若行人的性别与预设性别不同，输出提示信息。

在本实施例中，若待识别图像中的行人的性别与预设性别不同，上述执行主体可以输出提示信息。例如，若待识别图像中的行人的性别是男性，而预设性别是女性，那么上述执行主体可以向扬声器(例如图1所示的扬声器102)输出提示信息。扬声器可以播报提示信息，以提示待识别图图像中的行人不要进入仅允许女性用户进入房间。

继续参见图3，图3是图2所示的用于输出信息的方法的一个应用场景的示意图。在图3所示的应用场景中，女厕所的门口安装有摄像头和扬声器。摄像头拍摄女厕所的门口区域的视频，并实时发送至服务器。服务器每隔10帧对视频进行采样，将采样到的视频帧输入至人体检测模型，得到人体检测结果。在人体检测结果指示视频帧中存在行人的情况下，服务器将视频帧输入至性别识别模型，得到性别识别结果。在性别识别结果指示行人是男性的情况下，服务器向扬声器发送提示信息，以使扬声器播报提示信息。其中，提示信息可以例如是“这是女厕所，请您不要进入”。行人听到扬声器播放的提示信息后，将不会进入女厕所，以避免走错厕所，造成尴尬。

本申请实施例提供的用于输出信息的方法，在获取待识别图像之后，确定待识别图像中是否存在行人；在待识别图像中存在行人的情况下，基于待识别图像和性别识别模型，得到行人的性别；在行人的性别与预设性别不同的情况下，输出提示信息。基于性别识别模型进行性别识别，能够快速地识别出行人的性别。并且，在行人的性别与预设性别不同的情况下，及时输出提示信息，有助于减少行人无意间做出与其性别不符的行为而造成尴尬的现象。

进一步参考图4，其示出了根据本申请的用于输出信息的方法的又一个实施例的流程400。该用于输出信息的方法，包括以下步骤：

步骤401，获取待识别图像。

步骤402，确定待识别图像中是否存在行人。

在本实施例中，步骤401-402的具体操作已在图2所示的实施例中步骤201-202中进行了详细的介绍，在此不再赘述。

步骤403，从待识别图像中分割出行人的人脸图像和人体图像。

在本实施例中，若待识别图像中存在行人，用于输出信息的方法的执行主体(例如图1所示的服务器103)可以从待识别图像中分割出行人的人脸图像和人体图像。通常，在待识别图像中存在行人的情况下，人体检测结果除了包括用于指示待识别图像中是否存在行人的信息之外，还可以包括人脸和人体的位置信息，这样，上述执行主体可以基于人脸和人体的位置信息，从待识别图像中分割出行人的人脸图像和人体图像。

步骤404，将人脸图像和人体图像缩放至预设尺寸。

在本实施例中，上述执行主体可以将人脸图像和人体图像均缩放至预设尺寸。这里，将人脸图像和人体图像缩放至相同的尺寸，便于对人脸图像和人体图像进行分析。

步骤405，将人脸图像和人体图像输入至特征提取网络，得到行人的人脸特征和人体特征。

在本实施例中，性别识别模型可以由特征提取网络和分类网络组合而成。上述执行主体可以首先将人脸图像和人体图像输入至特征提取网络，以得到行人的人脸特征和人体特征。其中，特征提取网络可以例如是VGG模型，用于提取人脸特征和人体特征。人脸特征可以是用于对人脸图像中的人脸进行描述的信息，包括但不限于与人脸相关的各种基本要素(例如表情、五官、纹理、线条、颜色等)。通常，人脸特征可以用多维向量来表示。人体特征可以是用于对人体图像中的人体进行描述的信息，包括但不限于与人体相关的各种基本要素(例如衣服、动作、轮廓、纹理、线条、颜色等)。通常，人体特征可以用多维向量来表示。

步骤406，将人脸特征和人体特征合并，生成合并特征。

在本实施例中，上述执行主体可以将人脸特征和人体特征合并，以生成合并特征。通常，人脸特征和人体特征可以用多维向量来表示，合并特征可以是将人脸特征和人体特征直接拼接而成的多维向量。

步骤407，将合并特征输入至分类网络，得到行人的性别。

在本实施例中，上述执行主体可以将合并特征输入至分类网络，以得到行人的性别。其中，分类网络可以例如由三个卷积层和两个全连接层组成，用于对行人进行性别分类。通常，将合并特征输入至分类网络，输出的可以是性别识别结果。性别识别结果可以包括用于指示待识别图像中的行人的性别的信息。例如，性别识别结果可以包括行人属于男性和/或女性的概率。通常，若行人属于男性的概率不小于预设概率(例如80％)，则说明待识别图像中的行人的性别是男性，若行人属于女性的概率不小于预设概率，则说明待识别图像中的行人的性别是女性。

步骤408，若行人的性别与预设性别不同，输出提示信息。

在本实施例中，步骤408的具体操作已在图2所示的实施例中步骤204中进行了详细的介绍，在此不再赘述。

从图4中可以看出，与图2对应的实施例相比，本实施例中的用于输出信息的方法的流程400突出了对待识别图像进行预处理的步骤和对预处理后的待识别图像进行性别识别的步骤。由此，本实施例描述的方案从待识别图像中分割出人脸图像和人体图像，将人脸图像和人图图像缩放至相同尺寸后，输入至由特征提取网络和分类网络组合而成的性别识别模型进行性别识别，避免了待识别图像中的背景对性别识别过程造成干扰，提高了性别识别准确度。

进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种用于输出信息的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图5所示，本实施例的用于输出信息的装置500可以包括：获取单元501、确定单元502、识别单元503和输出单元504。其中，获取单元501，被配置成获取待识别图像；确定单元502，被配置成确定待识别图像中是否存在行人；识别单元503，被配置成若待识别图像中存在行人，基于待识别图像和预先训练的性别识别模型，得到行人的性别，其中，性别识别模型用于识别图像中的行人的性别；输出单元504，被配置成若行人的性别与预设性别不同，输出提示信息。

在本实施例中，用于输出信息的装置500中：获取单元501、确定单元502、识别单元503和输出单元504的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201、步骤202、步骤203和步骤204的相关说明，在此不再赘述。

在本实施例的一些可选的实现方式中，确定单元502进一步被配置成：将待识别图像输入至预先训练的人体检测模型，得到待识别图像的人体检测结果，其中，人体检测模型用于检测图像中是否存在行人，人体检测结果包括用于指示待识别图像中是否存在行人的信息。

在本实施例的一些可选的实现方式中，识别单元503包括：分割子单元(图中未示出)，被配置成从待识别图像中分割出行人的人脸图像和人体图像；识别子单元(图中未示出)，被配置成将人脸图像和人体图像输入至性别识别模型，得到行人的性别。

在本实施例的一些可选的实现方式中，性别识别模型包括特征提取网络和分类网络。

在本实施例的一些可选的实现方式中，识别子单元包括：提取模块(图中未示出)，被配置成将人脸图像和人体图像输入至特征提取网络，得到行人的人脸特征和人体特征；合并模块(图中未示出)，被配置成将人脸特征和人体特征合并，生成合并特征；分类模块(图中未示出)，被配置成将合并特征输入至分类网络，得到行人的性别。

在本实施例的一些可选的实现方式中，识别单元503还包括：缩放子单元(图中未示出)，被配置成将人脸图像和人体图像缩放至预设尺寸。

在本实施例的一些可选的实现方式中，待识别图像是对与预设性别匹配的房间的门口区域进行拍摄所得到的视频中的视频帧。

下面参考图6，其示出了适于用来实现本申请实施例的服务器(例如图1所示的服务器103)的计算机系统600的结构示意图。图6示出的服务器仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图6所示，计算机系统600包括中央处理单元(CPU)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读介质或者是上述两者的任意组合。计算机可读介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码，所述程序设计语言包括面向目标的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、确定单元、识别单元和输出单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取待识别图像的单元”。

作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的服务器中所包含的；也可以是单独存在，而未装配入该服务器中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该服务器执行时，使得该服务器：获取待识别图像；确定待识别图像中是否存在行人；若待识别图像中存在行人，基于待识别图像和预先训练的性别识别模型，得到行人的性别，其中，性别识别模型用于识别图像中的行人的性别；若行人的性别与预设性别不同，输出提示信息。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (8)

1.一种用于输出信息的方法，包括：

获取待识别图像；

确定所述待识别图像中是否存在行人；

若所述待识别图像中存在行人，基于所述待识别图像和预先训练的性别识别模型，得到所述行人的性别，其中，所述性别识别模型用于识别图像中的行人的性别，所述性别识别模型训练前的初始化参数是一些不同的小随机数，所述性别识别模型包括特征提取网络和分类网络，所述特征提取网络是VGG模型，所述分类网络由三个卷积层和两个全连接层组成；

若所述行人的性别与预设性别不同，输出提示信息；

其中，所述基于所述待识别图像和预先训练的性别识别模型，得到所述行人的性别包括：

从所述待识别图像中分割出所述行人的人脸图像和人体图像；将所述人脸图像和所述人体图像缩放至相同尺寸；将缩放后的所述人脸图像和所述人体图像输入至所述性别识别模型，得到所述行人的性别；

所述确定所述待识别图像中是否存在行人包括：

将所述待识别图像输入至预先训练的人体检测模型，得到所述待识别图像的人体检测结果，其中，所述人体检测模型用于检测图像中是否存在行人，所述人体检测结果包括用于指示所述待识别图像中是否存在行人的信息，及人脸和人体的位置信息。

2.根据权利要求1所述的方法，其中，所述将所述人脸图像和所述人体图像输入至所述性别识别模型，得到所述行人的性别，包括：

将所述人脸图像和所述人体图像输入至所述特征提取网络，得到所述行人的人脸特征和人体特征；

将所述人脸特征和所述人体特征合并，生成合并特征；

将所述合并特征输入至所述分类网络，得到所述行人的性别。

3.根据权利要求1-2之一所述的方法，其中，所述待识别图像是对与所述预设性别匹配的房间的门口区域进行拍摄所得到的视频中的视频帧。

4.一种用于输出信息的装置，包括：

获取单元，被配置成获取待识别图像；

确定单元，被配置成确定所述待识别图像中是否存在行人；

识别单元，被配置成若所述待识别图像中存在行人，基于所述待识别图像和预先训练的性别识别模型，得到所述行人的性别，其中，所述性别识别模型用于识别图像中的行人的性别，所述性别识别模型训练前的初始化参数是一些不同的小随机数，所述性别识别模型包括特征提取网络和分类网络，所述特征提取网络是VGG模型，所述分类网络由三个卷积层和两个全连接层组成；

输出单元，被配置成若所述行人的性别与预设性别不同，输出提示信息；

其中，所述识别单元包括：

分割子单元，被配置成从所述待识别图像中分割出所述行人的人脸图像和人体图像；缩放子单元，被配置成将所述人脸图像和所述人体图像缩放至相同尺寸；识别子单元，被配置成将缩放后的所述人脸图像和所述人体图像输入至所述性别识别模型，得到所述行人的性别；

所述确定单元进一步被配置成：

将所述待识别图像输入至预先训练的人体检测模型，得到所述待识别图像的人体检测结果，其中，所述人体检测模型用于检测图像中是否存在行人，所述人体检测结果包括用于指示所述待识别图像中是否存在行人的信息，及人脸和人体的位置信息。

5.根据权利要求4所述的装置，其中，所述识别子单元包括：

提取模块，被配置成将所述人脸图像和所述人体图像输入至所述特征提取网络，得到所述行人的人脸特征和人体特征；

合并模块，被配置成将所述人脸特征和所述人体特征合并，生成合并特征；

分类模块，被配置成将所述合并特征输入至所述分类网络，得到所述行人的性别。

6.根据权利要求4-5之一所述的装置，其中，所述待识别图像是对与所述预设性别匹配的房间的门口区域进行拍摄所得到的视频中的视频帧。

7.一种服务器，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-3中任一所述的方法。

8.一种计算机可读介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1-3中任一所述的方法。

Images