CN111274945A

CN111274945A - 一种行人属性的识别方法、装置、电子设备和存储介质

Info

Publication number: CN111274945A
Application number: CN202010060547.6A
Authority: CN
Inventors: 杜雨亭; 袁宇辰; 钟东宏
Original assignee: Beijing Baidu Netcom Science and Technology Co Ltd
Current assignee: Beijing Baidu Netcom Science and Technology Co Ltd
Priority date: 2020-01-19
Filing date: 2020-01-19
Publication date: 2020-06-12
Anticipated expiration: 2040-01-19
Also published as: CN111274945B

Abstract

本申请公开了一种行人属性的识别方法、装置、电子设备和存储介质，涉及机器视觉技术领域。具体实现方案为：在目标监控图片中，获取至少一个人体识别区域图像；分别在每个人体识别区域图像中，获取行人属性识别结果，以及小物体检测结果；根据小物体检测结果，对行人属性识别结果进行修正，得到与各人体识别区域图像匹配的修正后行人属性识别结果。本申请实施例通过在对人体识别区域图像进行属性识别的同时，进行小物件检测，由于小物件检测结果的识别精度高于行人属性识别结果的精度，由此通过小物件的检测结果修正行人属性的识别结果，可提升行人属性识别准确率。

Description

一种行人属性的识别方法、装置、电子设备和存储介质

技术领域

本申请实施例涉及计算机技术领域，尤其涉及机器视觉技术领域，具体涉及了一种行人属性的识别方法、装置、电子设备和存储介质。

背景技术

随着互联网和人工智能技术的不断发展，越来越多的领域开始涉及自动化计算与分析，其中监控安防领域是最为重要的场景之一。在监控安防领域，公安需要根据监控视频，分析行人信息，维护公共安全；在检察院、法院等对公职人员着装、行为比较敏感的地方，对不符合穿着要求，以及吸烟、玩手机等行为的公职人员进行警告。

现有的行人属性识别方案，基本上都是利用卷积神经网络识别特征，然后进一步采用全连接层对属性每个标签进行分类，该类方法更多的关注全局特征，对非常小的属性的识别非常困难。

发明内容

本申请实施例公开一种行人属性的识别方法、装置、电子设备和介质，以达到基于小物件的检测结果修正行人属性的识别结果，提升行人属性识别准确率的目的。

第一方面，本申请实施例公开了一种行人属性的识别方法，包括：

在目标监控图片中，获取至少一个人体识别区域图像；

分别在每个所述人体识别区域图像中，获取行人属性识别结果，以及小物体检测结果；

根据所述小物体检测结果，对所述行人属性识别结果进行修正，得到与各所述人体识别区域图像匹配的修正后行人属性识别结果。

上述申请中的一个实施例具有如下优点或有益效果：在对人体识别区域图像进行属性识别的同时，进行小物件检测，由于小物件检测结果的识别精度高于行人属性识别结果的精度，因此通过小物件的检测结果修正行人属性的识别结果，可提升行人属性识别准确率。

另外，根据本申请上述实施例的行人属性的识别方法，还可以具有如下附加的技术特征：

可选的，根据所述小物体检测结果，对所述行人属性识别结果进行修正，包括：

获取与所述小物体检测结果匹配的至少一项检测物体的存在属性，以及与所述行人属性识别结果匹配的至少一项行人附属物品的存在属性；

根据所述至少一项检测物体的存在属性与所述至少一项行人附属物品的存在属性之间的匹配关系，对所述行人属性识别结果进行修正。

上述申请中的一个实施例具有如下优点或有益效果：根据检测物体的存在属性与人附属物品的存在属性之间的匹配关系，对行人属性识别结果进行修正，也即是根据局部属性的比较，对行人属性识别结果进行修正，提升整个属性识别的准确度。

可选的，获取与所述行人属性识别结果匹配的至少一项行人附属物品的存在属性，包括：

在所述行人属性识别结果中，获取物品附属属性识别结果；

对所述物品附属属性识别结果进行语义识别，获取至少一项行人附属物品的存在属性。

上述申请中的一个实施例具有如下优点或有益效果：通过语义识别的方式从物品附属属性识别结果获取行人附属物品的存在属性，可提升获取人附属物品的存在属性的准确度。

可选的，根据所述至少一项检测物体的存在属性以及所述至少一项行人附属物品的存在属性之间的匹配关系，对所述行人属性识别结果进行修正，包括：

依次获取一个行人附属物品，作为当前处理物品；

如果确定存在与所述当前处理物品匹配的目标检测物体，则比较所述当前处理物品的存在属性与所述目标检测物体的存在属性是否相同；

若否，则根据所述目标检测物体的存在属性，对所述行人属性识别结果中，与所述当前处理物品匹配的识别结果过进行修正；

返回执行依次获取一个行人附属物品，作为当前处理物品的操作直至完成对全部行人附属物品的处理。

上述申请中的一个实施例具有如下优点或有益效果：将获取的每一个行人附属物品都与小物体识别结果进行比对以及属性修正，可进一步保证行人属性识别的准确性。

可选的，根据所述目标检测物体的存在属性，对所述行人属性识别结果中，与所述当前处理物品匹配的识别结果过进行修正，包括：

在所述行人属性识别结果中，获取与所述当前处理物品匹配的目标物品附属属性识别结果进行反义修正。

上述申请中的一个实施例具有如下优点或有益效果：通过反义修正，可将当前处理物品的初始存在属性修改为正确的存在属性，提升属性识别的准确性。

可选的，所述物品附属属性识别结果包括下述至少一项：佩戴或者未佩戴设定物品、抽烟或者未抽烟；

所述设定物品包括：手机、帽子、眼镜或者背包。

可选的，在目标监控图片中，获取至少一个人体识别区域图像，包括：

将所述目标监控图片输入至预先训练的人体检测模型中，获取至少一个人体检测框；

根据每个所述人体检测框，从所述目标监控图片中截取相应的人体识别区域图像。

上述申请中的一个实施例具有如下优点或有益效果：通过人体检测模型可以快速的获得多个人体识别区域图像，便于后续的行人属性识别。

可选的，分别在每个所述人体识别区域图像，获取行人属性识别结果，以及小物体检测结果，包括：

将每个所述人体识别区域图像分别输入至预先训练的行人属性识别模型以及小物体检测模型中，得到与每个所述人体识别区域图像分别对应的行人属性识别结果，以及小物体检测结果；

其中，所述小物体检测模型的检测精度，高于所述行人属性识别模型的分类精度。

上述申请中的一个实施例具有如下优点或有益效果：通过行人属性识别模型和小物体检测模型分别进行形体属性识别和小物体检测，可提升识别与检测的效率，而且小物体检测模型的检测精度，高于行人属性识别模型的分类精度，可以保证后续利用小物件检测结果修正行人属性识别结果的准确性。

可选的，在将所述人体识别区域图像输入至预先训练的行人属性识别模型之前，还包括：

将所述人体识别区域图像缩放至设定的图像尺寸后，进行数据标准化处理；和/或

在将所述人体识别区域图像输入至预先训练的小物体检测模型之前，还包括：

将所述人体识别区域图像缩放至设定的图像尺寸后，进行数据标准化处理。

上述申请中的一个实施例具有如下优点或有益效果：通过对人体识别区域图像进行数据标准化处理，可以保证输入的图像符合模型要求，进而提升模型的识别效率。

第二方面，本申请实施例公开了一种行人属性的识别装置，包括：

获取模块，用于在目标监控图片中，获取至少一个人体识别区域图像；

识别模块，用于分别在每个所述人体识别区域图像中，获取行人属性识别结果，以及小物体检测结果；

修正模块，用于根据所述小物体检测结果，对所述行人属性识别结果进行修正，得到与各所述人体识别区域图像匹配的修正后行人属性识别结果。

第三方面，本申请实施例还提供了一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

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本申请任意实施例所述的行人属性的识别方法。

第四方面，本申请实施例还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，所述计算机指令用于使所述计算机执行本申请任意实施例所述的行人属性的识别方法。

上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。

附图说明

附图用于更好地理解本方案，不构成对本申请的限定。其中：

图1是根据本申请第一实施例的行人属性的识别方法的流程示意图；

图2是根据本申请第二实施例的行人属性的识别方法的流程示意图；

图3是根据本申请第三实施例的行人属性的识别装置的结构示意图；

图4是用来实现本申请实施例的行人属性的识别方法的电子设备的框图。

具体实施方式

以下结合附图对本申请的示范性实施例做出说明，其中包括本申请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，而不会背离本申请的范围和精神。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。

图1是本申请实施例的行人属性的识别方法的流程示意图，本实施例可适用于对行人进行属性识别的情况，例如在监控安防领域，需要识别行人信息的情况。该方法可由一种行人属性的识别装置来执行，该装置采用软件和/或硬件的方式实现，并配置于电子设备上。

S101、在目标监控图片中，获取至少一个人体识别区域图像。

其中，目标监控图片可选的是一张预先准备的图片数据，也可以为视频数据中的单帧图像，其中，视频数据中的单帧图像可以是通过安防摄像头、移动终端等设备获得。在得到目标监控图片后，可通过对目标监控图片进行识别，获得人体轮廓信息，由此基于人体轮廓信息获取人体识别区域图像，可选的，人体识别区域图像为整个人体轮廓的图像，也可以是整个人体轮廓的部分区域的图像。在一种可选的实施方式中，可预先训练一个人体检测模型，其中，人体检测模型基于YOLOv3框架实现，由此只需将目标监控图片输入至该人体检测模型中，根据模型输出获取至少一个人体检测框；根据每个人体检测框，从目标监控图片中截取相应的图片作为人体识别区域图像。

S102、分别在每个所述人体识别区域图像中，获取行人属性识别结果，以及小物体检测结果。

本申请实施例中，分别在每个所述人体识别区域图像中，获取行人属性识别结果，以及小物体检测结果，也即是对每个所述人体识别区域图像进行行人属性识别和小物体检测，根据识别和检测结果确定行人属性识别结果，以及小物体检测结果。

在本实施例中，对一张包含有行人的人体识别区域图像进行行人属性识别，即是对该行人的设定属性进行识别，识别结果可以包括：佩戴手机、佩戴背包或者黄头发等。

对该人体识别区域图像进行小物体检测，即是指在该图像中进行小物体的识别，识别结果可以包括：有手套、没有帽子或者有手机等。一般来说小物体检测仅仅关注的是小物体本身，对图像中是否包含有行人其实并不敏感，而行人属性识别结果，则是结合行人的识别结果，如果该识别结果包括有其他外物(例如，手机或者烟等)，需要关注行人与外物之间的结合方式。基于此，小物体检测结果的准确度普遍是高于行人属性识别结果的。

发明人在实现本发明的过程中发现，小物体检测结果和行人属性识别结果在一定程度是是具有重叠的，例如，如果在人体识别区域图像中包括一个携带手机的行人，则针对该人体识别区域图像的行人属性识别结果应该为携带手机，小物体检测结果应该为手机。基于此，发明人创造性的提出了在识别重叠部分，使用准确度高的小物体检测结果修正行人属性识别结果，在不明显增加行人属性识别模型的实现难度的基础上，大大提高了行人属性识别模型的识别准确度。

在一种可选的实施方式中，预先训练一个行人属性识别模型和一个小物体检测模型，其中，行人属性识别模型可选的残差网络模型resnet34_vd，模型的输出为所有属性的类别以及概率值，而属性类别包括性别、年龄、上下身衣着、颜色、是否吸烟，是否有手机等；而小物体检测模型可选的基于YOLOv3框架实现，且模型基础网络结构(backbone)采用残差网络resnet34实现，小物体检测模型的输出为模型的输出为小物体的类别、置信度以及位置信息。由此只需将每个人体识别区域图像分别输入至预先训练的行人属性识别模型以及小物体检测模型中，根据输出结果得到与每个人体识别区域图像分别对应的行人属性识别结果，以及小物体检测结果。在此需要说明的是，所述小物体检测模型的检测精度，高于所述行人属性识别模型的分类精度。由此，后续利用小物体检测结果修正行人属性识别结果时，保证修正的准确性，进而提高行行属性识别的精准度。

进一步的，预先训练行人属性识别模型和小物体检测模型的模型构造不同，因此在将人体识别区域图像输入至预先训练的行人属性识别模型和小物体检测模型之前，还需要对人体识别区域图像进行预处理。示例性的，在将所述人体识别区域图像输入至预先训练的行人属性识别模型之前，将所述人体识别区域图像缩放至设定的图像尺寸，例如缩放为224*224，单位为像素，并进行数据标准化处理，例如通过减去设定均值除以设定方差的方式经标准化处理；在将所述人体识别区域图像输入至预先训练的小物体检测模型之前，将所述人体识别区域图像缩放至设定的图像尺寸，例如缩放为416*416，单位为像素，并进行数据标准化处理，例如通过减去设定均值除以设定方差的方式经标准化处理。在此需要说明的是，通过对人体识别区域图像进行预处理是为了保证其更能够适应行人属性识别模型和小物体检测模型。

S103、根据所述小物体检测结果，对所述行人属性识别结果进行修正，得到与各所述人体识别区域图像匹配的修正后行人属性识别结果。

由于小物体检测模型的检测精度，高于所述行人属性识别模型的分类精度，因此可利用根据所述小物体检测结果以修正行人属性识别结果。示例性的，如果行人属性识别结果中确定行人未佩戴手机，而在小物体检测结果中确定行人带有手机，则修正行人属性识别结果，行人佩戴有手机。

本申请实施例中，在对人体识别区域图像进行属性识别的同时，进行小物件检测，由于小物件检测结果的识别精度高于行人属性识别结果的精度，因此通过小物件的检测结果修正行人属性的识别结果，可提升行人属性识别准确率。

图2是本申请实施例提供的行人属性的识别方法的流程示意图，本实施例是在上述实施例的基础上进行优化，对根据小物体检测结果修正行人属性识别结果的过程进行说明，参见图2，该方法具体包括：

S201、在目标监控图片中，获取至少一个人体识别区域图像。

S202、分别在每个所述人体识别区域图像中，获取行人属性识别结果，以及小物体检测结果。

S203、获取与所述小物体检测结果匹配的至少一项检测物体的存在属性，以及与所述行人属性识别结果匹配的至少一项行人附属物品的存在属性。

其中，检测物体的存在属性，也即是从小物体检测模型输出的结果中确定，确定存在的检测物体的类别、置信度和位置，置信度用于标识该类别的检测物体存在的可信度，如果某一检测物体置信度大于预设阈值，则确定该检测物体的存在属性为是，也即存在该类别检测物体。而获取与行人属性识别结果匹配的至少一项行人附属物品的存在属性时，可按照如下操作进行：

S2031.在所述行人属性识别结果中，获取物品附属属性识别结果。

本申请实施例中，行人属性识别结果中包括行人的自身属性以及物品附属属性两种。其中，行人的自身属性识别结果至少包括性别属性(包括男和女)和头发属性(包括长发、短发、头发颜色等)；物品附属属性识别结果包括下述至少一项：佩戴或者未佩戴设定物品、抽烟或者未抽烟，所述设定物品包括：手机、帽子、眼镜或者背包。除此之外，物品附属属性识别结果还包括上身衣着类型属性、上身衣着颜色属性、下身衣着类型属性、下身衣着颜色属性、背包类型属性和鞋类型，具体的，上身衣着类型属性包括T恤、衬衫、外套和羽绒服，上身衣着颜色属性包括黑、白、红、黄等常见的颜色，下身衣着类型属性为长裤、短裤、长裙和短裙，下身衣着颜色属性包括黑、白、红、黄等常见颜色，背包类型属性包括单肩包、双肩包、手拉箱和钱包，鞋类型包括皮鞋、运动鞋、凉鞋和靴子。

S2032.对所述物品附属属性识别结果进行语义识别，获取至少一项行人附属物品的存在属性。

可选的，在获取行人附属物品的存在属性时，可通过语义识别的方式进行，也即是对物品附属属性识别结果进行语义识别。例如，行人属性识别模型输出的属性类别：佩戴手机，概率值20％，则与上述模型输出结果匹配的物品附属属性识别结果为“未佩戴手机”，通过对“未佩戴手机”进行语义分析确定行人附属物品(即“手机”)的存在属性为否。

相对应的，如果小物体检测结果为“有帽子”，则确定检测物体(即“帽子”)的存在属性为是。

S204、根据所述至少一项检测物体的存在属性与所述至少一项行人附属物品的存在属性之间的匹配关系，对所述行人属性识别结果进行修正。

可选的，具体的修正过程如下：

S2041.依次获取一个行人附属物品，作为当前处理物品。

S2042.如果确定存在与所述当前处理物品匹配的目标检测物体，则比较所述当前处理物品的存在属性与所述目标检测物体的存在属性是否相同；

S2043.若否，则根据所述目标检测物体的存在属性，对所述行人属性识别结果中，与所述当前处理物品匹配的识别结果过进行修正。

可选的，修正时可在所述行人属性识别结果中，获取与所述当前处理物品匹配的目标物品附属属性识别结果进行反义修正。

示例性的，以行人附属物品以手机为例，也即是将手机作为当前处理物品。如果通过S203确定与行人属性识别结果对应的至少一项行人附属物品的存在属性中，包括有手机的存在属性，而与小物体检测结果对应的至少一项检测物体的存在属性中，同样包括手机的存在属性。

当然，可以理解的是，针对同一物品，行人附属物品和检测物品的表述可能不尽相同，例如，可能在行人属性物品名为手机，而检测物品名为移动电话等，因此，针对同一物品的不同表达，需要预先建立两者的映射关系。

进一步的，在行人属性识别结果中，手机的存在属性为否，而与小物体检测结果中，手机的存在属性为是，则将与行人属性识别结果由“未佩戴手机”反义修正为“佩戴手机”；反之，在行人属性识别结果中，手机的存在属性为是，而与小物体检测结果中，手机的存在属性为否，则将与行人属性识别结果由“佩戴手机”反义修正为“未佩戴手机”。

在此需要说明的是，如果确定不存在与当前处理物品匹配的目标检测物体，则不需要对当前处理物品的物品附属属性识别结果进行修正。

S2044.返回执行依次获取一个行人附属物品，作为当前处理物品的操作直至完成对全部行人附属物品的处理。

在执行完S2043后，获取下一个行人附属物品，在按照S2041-S2043的操作进行属性修正，直至完成对全部行人附属物品的处理。

本申请实施例中，根据检测物体的存在属性与人附属物品的存在属性之间的匹配关系，对行人属性识别结果进行修正，也即是通过进行局部属性的比较，对行人属性识别结果进行修正，提升整个行人属性识别结果的准确度。

图3是本申请实施例的行人属性的识别装置的结构示意图，该装置可执行本申请实施例的任意行人属性的识别方法。该装置300具体包括如下：

获取模块301，用于在目标监控图片中，获取至少一个人体识别区域图像；

识别模块302，用于分别在每个所述人体识别区域图像中，获取行人属性识别结果，以及小物体检测结果；

修正模块303，用于根据所述小物体检测结果，对所述行人属性识别结果进行修正，得到与各所述人体识别区域图像匹配的修正后行人属性识别结果。

可选的，所述修正模块包括：

获取单元，用于获取与所述小物体检测结果匹配的至少一项检测物体的存在属性，以及与所述行人属性识别结果匹配的至少一项行人附属物品的存在属性；

修正单元，用于根据所述至少一项检测物体的存在属性与所述至少一项行人附属物品的存在属性之间的匹配关系，对所述行人属性识别结果进行修正。

可选的，所述获取单元包括：

第一获取子单元，用于在所述行人属性识别结果中，获取物品附属属性识别结果；

第二获取子单元，用于对所述物品附属属性识别结果进行语义识别，获取至少一项行人附属物品的存在属性。

可选的，所述修正单元包括：

第三获取子单元，用于依次获取一个行人附属物品，作为当前处理物品；

比对子单元，用于如果确定存在与所述当前处理物品匹配的目标检测物体，则比较所述当前处理物品的存在属性与所述目标检测物体的存在属性是否相同；

修正子单元，用于在比较结果为否时，则根据所述目标检测物体的存在属性，对所述行人属性识别结果中，与所述当前处理物品匹配的识别结果过进行修正；

返回子单元，用于返回执行依次获取一个行人附属物品，作为当前处理物品的操作直至完成对全部行人附属物品的处理。

可选的，所述修正子单元具体用于：

所述设定物品包括：手机、帽子、眼镜或者背包。

可选的，获取模块具体用于：

可选的，识别模块具体用于：

可选的，所述装置还包括：

第一标准化处理模块，用于在将所述人体识别区域图像输入至预先训练的行人属性识别模型之前，将所述人体识别区域图像缩放至设定的图像尺寸后，进行数据标准化处理；和/或

第二标准化处理模块，用于在将所述人体识别区域图像输入至预先训练的小物体检测模型之前，将所述人体识别区域图像缩放至设定的图像尺寸后，进行数据标准化处理。

本申请实施例所提供的行人属性的识别装置可执行本申请任意实施例所提供的行人属性的识别方法，具备执行方法相应的功能模块和有益效果。本实施例中未详尽描述的内容可以参考本申请任意方法实施例中的描述。

根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。

如图4所示，是根据本申请实施例的行人属性的识别方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。

如图4所示，该电子设备包括：一个或多个处理器401、存储器402，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图4中以一个处理器401为例。

存储器402即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的行人属性的识别方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的行人属性的识别方法。

存储器402作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的行人属性的识别方法对应的程序指令/模块(例如，附图3所示的获取模块301、识别模块302和修正模块303)。处理器401通过运行存储在存储器402中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的行人属性的识别方法。

存储器402可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据实现行人属性的识别方法的电子设备的使用所创建的数据等。此外，存储器402可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器402可选包括相对于处理器401远程设置的存储器，这些远程存储器可以通过网络连接至实现行人属性的识别方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

实现行人属性的识别方法的电子设备还可以包括：输入装置403和输出装置404。处理器401、存储器402、输入装置403和输出装置404可以通过总线或者其他方式连接，图4中以通过总线连接为例。

输入装置403可接收输入的数字或字符信息，以及产生与实现行人属性的识别方法的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置404可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。

此处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、专用ASIC(专用集成电路)、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。

这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。

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(阴极射线管)或者LCD(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。

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)、或者包括用户端部件的计算系统(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、或者用户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：局域网(LAN)、广域网(WAN)、互联网和区块链网络。

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。

根据本申请实施例的技术方案，本申请实施例中，在对人体识别区域图像进行属性识别的同时，进行小物件检测，由于小物件检测结果的识别精度高于行人属性识别结果的精度，因此通过小物件的检测结果修正行人属性的识别结果，可提升行人属性识别准确率。

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，本发申请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，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本申请保护范围的限制。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。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims

1.一种行人属性的识别方法，其特征在于，包括：

在目标监控图片中，获取至少一个人体识别区域图像；

2.根据权利要求1所述的方法，其特征在于，根据所述小物体检测结果，对所述行人属性识别结果进行修正，包括：

3.根据权利要求2所述的方法，其特征在于，获取与所述行人属性识别结果匹配的至少一项行人附属物品的存在属性，包括：

在所述行人属性识别结果中，获取物品附属属性识别结果；

4.根据权利要求3所述的方法，其特征在于，根据所述至少一项检测物体的存在属性以及所述至少一项行人附属物品的存在属性之间的匹配关系，对所述行人属性识别结果进行修正，包括：

依次获取一个行人附属物品，作为当前处理物品；

5.根据权利要求4所述的方法，其特征在于，根据所述目标检测物体的存在属性，对所述行人属性识别结果中，与所述当前处理物品匹配的识别结果过进行修正，包括：

6.根据权利要求3所述的方法，其特征在于，所述物品附属属性识别结果包括下述至少一项：佩戴或者未佩戴设定物品、抽烟或者未抽烟；

所述设定物品包括：手机、帽子、眼镜或者背包。

7.根据权利要求1-6任一项所述的方法，其特征在于，在目标监控图片中，获取至少一个人体识别区域图像，包括：

8.根据权利要求1-6任一项所述的方法，其特征在于，分别在每个所述人体识别区域图像，获取行人属性识别结果，以及小物体检测结果，包括：

9.根据权利要求8所述的方法，其特征在于，在将所述人体识别区域图像输入至预先训练的行人属性识别模型之前，还包括：

10.一种行人属性的识别装置，其特征在于，包括：

11.根据权利要求10所述的装置，其特征在于，所述修正模块包括：

12.根据权利要求11所述的装置，其特征在于，所述获取单元包括：

13.根据权利要求12所述的装置，其特征在于，所述修正单元包括：

14.根据权利要求13所述的装置，其特征在于，所述修正子单元具体用于：

15.根据权利要求12所述的装置，其特征在于，所述物品附属属性识别结果包括下述至少一项：佩戴或者未佩戴设定物品、抽烟或者未抽烟；

所述设定物品包括：手机、帽子、眼镜或者背包。

16.根据权利要求10-15任一项所述的装置，其特征在于，获取模块具体用于：

17.根据权利要求10-15任一项所述的装置，其特征在于，识别模块具体用于：

18.根据权利要求17所述的装置，其特征在于，所述装置还包括：

19.一种电子设备，其特征在于，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

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权利要求1-9中任一项所述的行人属性的识别方法。

20.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-9中任一项所述的行人属性的识别方法。