WO2018170695A1

WO2018170695A1 - 一种表观特征的描述属性识别方法及装置

Info

Publication number: WO2018170695A1
Application number: PCT/CN2017/077366
Authority: WO
Inventors: 姚春凤; 冯柏岚; 李德丰
Original assignee: 华为技术有限公司
Priority date: 2017-03-20
Filing date: 2017-03-20
Publication date: 2018-09-27
Also published as: EP3591580A4; JP6936866B2; CN110678878B; BR112019019517A2; JP2020510264A; US20200012880A1; EP3591580A1; BR112019019517A8; KR20190137815A; US11410411B2; KR102331651B1; CN110678878A

Abstract

一种表观特征的描述属性识别方法及装置，通过获取目标图像的表观特征的位置特征，确定表观特征所体现的人物的部位在预设人物模型中的位置。表观特征的位置特征用于表示表观特征所体现的人物的部位在预设人物模型中的位置，以根据位置特征，识别目标区域，目标区域包括人物的部位；然后对目标区域进行特征分析，识别人物的表观特征的描述属性。通过确定具有局部属性的表观特征的位置特征，对于具有局部属性的表观特征，针对性选取目标图像中的表观特征所体现的人物的部位所在的目标区域，作为特征分析的识别区域，减少无意义的识别区域，简化图像处理操作过程，节约描述属性的识别时间，降低计算机图像处理的工作负荷。

Description

一种表观特征的描述属性识别方法及装置

技术领域

本发明涉及图像处理技术领域，尤其涉及一种表观特征的描述属性识别方法及装置。

背景技术

行人属性识别是一种模式识别技术，用于对监控类视频中的行人的表观特征的描述属性进行识别。行人的表观特征包括性别、年龄、身材、衣着、头发、配饰、朝向等多方面，每一表观特征包括若干种描述属性，例如当表观特征为性别时，性别的描述属性包括男和女。又如当表观特征为头发时，头发的描述属性包括长头发和短头发，头发的表观特征还可能包括其他的描述属性，比如说按照颜色区分头发的描述属性，头发的描述属性包括白色、黑色和棕色等。行人属性识别的对象是摄像机随机拍摄到的任一角度的目标图像，目的是通过对行人的表观特征的描述属性识别，降低视觉信息的搜索难度，提高视觉信息识别的精度和速度。

现有技术中，对目标图像中的人物的表观特征进行描述属性识别时，对目标图像进行特征分析和分类训练。对于不同的表观特征的描述属性识别，例如识别头发的长、短描述属性时，也是对整个目标图像进行特征分析，包含无意义的图像处理操作，增加了计算机图像处理的工作负荷。

发明内容

本发明公开了一种表观特征的描述属性识别方法及装置，以实现根据不同的表观特征，针对性地选取目标图像中的与表观特征的描述属性相关的识别区域，以减少无意义的图像处理操作，降低计算机图像处理的工作负荷。

第一方面提供一种表观特征的描述属性识别方法，所述方法由图像处理设备执行，包括：获取目标图像，所述目标图像包括人物，所述表观特征用于表示所述人物的外表的特性所属的类型，所述表观特征具有局部属性，所述局部属性用于指示所述图像处理设备对所述目标图像的处理方式为局部处理，通过获取所述目标图像的表观特征的位置特征，确定所述表观特征所体现的所述人物的部位在预设人物模型中的位置，所述表观特征的位置特征，用于表示所述表观特征所体现的所述人物的部位在预设人物模型中的位置，以根据所述位置特征，识别目标区域，所述目标区域包括所述人物的部位；然后对所述目标区域进行特征分析，识别所述人物的表观特征的描述属性。

通过确定具有局部属性的表观特征的位置特征，对于具有局部属性的表观特征，针对性地选取目标图像中的，表观特征所体现的人物的部位所在的目标区域，作为特征分析的识别区域，减少无意义的识别区域，简化图像处理操作过程，节约了描述属性的识别时间，降低了计算机图像处理的工作负荷。

基于第一方面，在第一种实现方式中，还包括：接收所述表观特征具有的位置属性，所述位置属性用于指示所述表观特征为局部属性。

基于第一方面，在第一种实现方式中，还包括：在预先存储的所述表观特征与位置属性的对应关系中获取所述人物的表观特征具有的位置属性，所述位置属性用于指示所述表观特征为局部属性。

结合第一方面或者第一方面的第一种或者第二种实现方式，在第三种实现方式中，还包括：以所述目标区域为中心，将所述目标区域向指定方向移动以获得一个或多个偏移区域；对所述偏移区域进行特征分析，识别所述人物的表观特征的其他描述属性；按照预设算法从所述描述属性和所述其他描述属性中确定目标描述属性，所述目标描述属性是所述描述属性和所述其他描述属性中最接近目标数据的描述属性。将目标区域的位置向左、右或者上、下或者其他方向进行位置的调整，对于通过不清晰的目标图像，获得的未包括所述人物的部位或者只包括人物的部位中的一部分的目标区域，通过偏移目标区域后，可以获得包括人物的部位的偏移区域，降低了由于不清晰的目标图像获得的不全的人物部位的目标区域，而造成描述属性的识别误差较大的风险，提高了描述属性识别的准确率。

结合第一方面或者第一方面的第三种实现方式，在第四种实现方式中，还包括：以所述偏移区域或者目标区域为中心，将所述偏移区域或者目标区域向外延伸以获得一个或多个候选区域；对所述候选区域进行特征分析，识别所述人物的表观特征的其他描述属性；按照预设算法从所述描述属性和所述其他描述属性中确定目标描述属性，所述目标描述属性是所述描述属性和所述其他描述属性中最接近目标数据的描述属性。将目标区域或者偏移区域向周围延伸，进行位置的调整，对于通过不清晰的目标图像，获得的未包括所述人物的部位或者只包括人物的部位中的一部分的目标区域，通过延伸目标区域或者偏移区域后，可以获得包括人物的部位的候选区域，降低了由于不清晰的目标图像获得的不全的人物部位的目标区域或者偏移区域，而造成描述属性的识别误差较大的风险，提高了描述属性识别的准确率。

结合第一方面的第三种或第四种实现方式，在第五种实现方式中，以所述目标区域为中心，将所述目标区域向指定方向移动以获得一个或多个偏移区域，包括：将所述目标区域划分为若干个分块图，所述若干个分块图具有相同的形状并且所述若干个分块图之间是连续的；以所述目标区域为中心，并且以一个分块图为偏移单位，将所述目标区域按照一个或倍数个偏移单位向一个或多个方向偏移以获得所述一个或多个偏移区域，其中每个偏移区域的尺寸与所述目标区域的尺寸相同。

结合第一方面或者第一方面的第一种至第五种任一的实现方式，在第六种实现方式中，所述获取所述表观特征的位置特征，包括：接收包括所述表观特征的位置特征的信息，所述信息用于指示所述表观特征的位置特征。

结合第一方面或者第一方面的第一种至第五种任一的实现方式，在第七种实现方式中，，所述获取所述表观特征的位置特征，包括：查询预先存储的所述表观特征与位置特征的对应关系；根据所述表观特征以及所述对应关系获取所述表观特征的位置特征。

第二方面，提供一种表观特征的描述属性识别方法，所述方法由图像处理设备执行，包括：获取目标图像，所述目标图像包括人物；所述表观特征用于表示所述人物的外表的特性所属的类型，所述表观特征具有局部属性，所述局部属性用于指示所述图像处理设备对所述目标图像的处理方式为局部处理；通过获取所述人物的表观特征的第一位置特征和第二位置特征，确定所述表观特征所体现的所述人物的第一部位和第二部位在预设人物模型中的位置，所述第一位置特征用于表示所述表观特征所体现的所述人物的第一部位在预设人物模型中的位置，所述第二位置特征用于表示所述表观特征所体现的所述人物的第二部位在所述预设人物模型中的位置，以根据所述第一位置特征和所述第二位置特征，获取所述第一部位和所述第二部位之间的最大距离；根据所述最大距离识别目标区域，所述目标区域包括所述第一部位和所述第二部位；然后对所述目标区域进行特征分析，识别所述目标图像中的人物的表观特征的描述属性。

通过确定具有局部属性的表观特征的多个位置特征，对于具有局部属性的表观特征，针对性地选取目标图像中的，表观特征所体现的人物的多个部位所在的目标区域，作为特征分析的识别区域，减少无意义的识别区域，简化图像处理操作过程，节约了描述属性的识别时间，降低了计算机图像处理的工作负荷。

基于第二方面，在第一种实现方式中，所述最大距离小于预设阈值。通过所述预设阈值指示图像处理设备对所述目标图像进行局部处理还是全局处理。如果所述最大距离小于预设阈值，则指示图像处理设备对所述目标图像进行局部处理，如果所述最大距离大于或等于预设阈值，则指示图像处理设备对所述目标图像进行全局处理，全局处理即对所述目标图像进行处理。

结合第二方面或者第二方面的第一种实现方式，在第二种实现方式中，还包括：接收所述表观特征具有的位置属性，所述位置属性用于指示所述表观特征为局部属性。

结合第二方面或者第二方面的第一种实现方式，在第三种实现方式中，还包括：在预先存储的所述表观特征与位置属性的对应关系中获取所述人物的表观特征具有的位置属性，所述位置属性用于指示所述表观特征为局部属性。

结合第二方面或者第二方面的第一种至第三种任一的实现方式，在第四种实现方式中，获取所述人物的表观特征的第一位置特征和第二位置特征，包括：接收包括所述表观特征的第一位置特征和第二位置特征的信息，所述信息用于指示所述表观特征的第一位置特征和第二位置特征。

结合第二方面或者第二方面的第一种至第三种任一的实现方式，在第五种实现方式中，获取所述人物的表观特征的第一位置特征和第二位置特征，包括：查询预先存储的所述表观特征分别与第一位置特征和第二位置特征的对应关系；根据所述表观特征以及所述对应关系获取所述表观特征的第一位置特征和第二位置特征。

结合第二方面或者第二方面的第一种至第五种任一的实现方式，在第六种实现方式中，还包括：以所述目标区域为中心，将所述目标区域向指定方向移动以获得一个或多个偏移区域；对所述偏移区域进行特征分析，识别所述人物的表观特征的其他描述属性；按照预设算法从所述描述属性和所述其他描述属性中确定目标描述属性，所述目标描述属性是所述描述属性和所述其他描述属性中最接近目标数据的描述属性。将目标区域的位置向左、右或者上、下或者其他方向进行位置的调整，对于通过不清晰的目标图像，获得的未包括所述人物的部位或者只包括人物的部位中的一部分的目标区域，通过偏移目标区域后，可以获得包括人物的部位的偏移区域，降低了由于不清晰的目标图像获得的不全的人物部位的目标区域，而造成描述属性的识别误差较大的风险，提高了描述属性识别的准确率。

结合第二方面的第六种实现方式，在第七种实现方式中，还包括：以所述偏移区域或者目标区域为中心，将所述偏移区域或者目标区域向外延伸以获得一个或多个候选区域；对所述候选区域进行特征分析，识别所述人物的表观特征的其他描述属性；按照预设算法从所述描述属性和所述其他描述属性中确定目标描述属性，所述目标描述属性是所述描述属性和所述其他描述属性中最接近目标数据的描述属性。将目标区域或者偏移区域向周围延伸，进行位置的调整，对于通过不清晰的目标图像，获得的未包括所述人物的部位或者只包括人物的部位中的一部分的目标区域，通过延伸目标区域或者偏移区域后，可以获得包括人物的部位的候选区域，降低了由于不清晰的目标图像获得的不全的人物部位的目标区域或者偏移区域，而造成描述属性的识别误差较大的风险，提高了描述属性识别的准确率。

结合第二方面的第六种或第七种实现方式，在第八种实现方式中，以所述目标区域为中心，将所述目标区域向指定方向移动以获得一个或多个偏移区域，包括：将所述目标区域划分为若干个分块图，所述若干个分块图具有相同的形状并且所述若干个分块图之间是连续的；以所述目标区域为中心，并且以一个分块图为偏移单位，将所述目标区域按照一个或倍数个偏移单位向一个或多个方向偏移以获得所述一个或多个偏移区域，其中每个偏移区域的尺寸与所述目标区域的尺寸相同。

第三方面，提供一种表观特征的描述属性识别方法，所述方法由所述图像处理设备执行，包括以下步骤：获取目标图像，所述目标图像包括人物；对所述目标图像进行特征分析，识别出所述目标图像中的人物的表观特征的描述属性；所述表观特征用于表示所述人物的外表的特性所属的类型，所述描述属性用于标识所述人物的外表的特性，所述表观特征具有全局属性，所述全局属性用于识别对所述目标图像的处理方式为全局处理。

通过确定表观特征具有全局属性，对于具有全局属性的表观特征，直接选取目标图像作为特征分析的识别区域，不用对目标图像进行分块特征分析，简化图像处理操作过程，节约了描述属性的识别时间，降低了计算机图像处理的工作负荷。

结合第三方面，在第一种实现方式中，还包括：接收所述表观特征具有的位置属性，所述位置属性用于指示所述表观特征为全局属性。

结合第三方面，在第二种实现方式中，还包括：在预先存储的所述表观特征与位置属性的对应关系中获取所述人物的表观特征具有的位置属性，所述位置属性用于指示所述表观特征为全局属性。

结合第三方面或者第三方面的第一种或第二种实现方式，在第三种实现方式中，还包括：获取与所述表观特征相关联的其他表观特征；所述其他表观特征用于表示所述人物的外表的，与所述表观特征的特性相关联的其它特性所属的类型；获取所述其他表观特征的描述属性；通过所述其他表观特征的描述属性修正所述表观特征的描述属性。通过与具有全局属性的表观特征相关联的，且具有局部属性的其他表观特征的描述属性，修正具有全局属性的表观特征的描述属性，提高了识别具有全局属性的表观特征的描述属性的准确率。

结合第三方面的第三种实现方式，在第四种实现方式中，获取与所述表观特征相关联的其他表观特征，包括：查询预先存储的所述表观特征与其他表观特征的对应关系；获取与所述表观特征相关联的其他表观特征。

结合第三方面的第三种实现方式，在第五种实现方式中，获取与所述表观特征相关联的其他表观特征，包括：接收包含所述其他表观特征的标识的信息；获取与所述表观特征相关联的其他表观特征。

结合第三方面的第三种至第五种实现方式中的任一实现方式，在第六种实现方式中，所述获取所述其他表观特征的描述属性，包括：获取所述其他表观特征的位置特征，所述其他表观特征用于表示所述人物的外表的其他特性所属的类型，所述其他表观特征的位置特征，用于表示所述其他表观特征所体现的所述人物的部位在预设人物模型中的位置，所述其他表观特征具有局部属性，所述局部属性用于指示所述图像处理设备对所述目标图像的处理方式为局部处理；根据所述其他表观特征的位置特征，识别目标区域，所述目标区域包括所述人物的部位；对所述目标区域进行特征分析，识别所述人物的其他表观特征的描述属性。

结合第三方面的第六种实现方式，在第七种实现方式中，接收所述表观特征具有的位置属性，所述位置属性用于指示所述其他表观特征为局部属性。

结合第三方面的第六种实现方式，在第八种实现方式中，在预先存储的所述表观特征与位置属性的对应关系中获取所述人物的其他表观特征具有的位置属性，所述位置属性用于指示所述其他表观特征为局部属性。

结合第三方面的第六种至第八种实现方式中的任一实现方式，在第九种实现方式中，还包括：以所述目标区域为中心，将所述目标区域向指定方向移动以获得一个或多个偏移区域；对所述偏移区域进行特征分析，识别所述人物的表观特征的其他描述属性；按照预设算法从所述其他表观特征的描述属性和所述其他描述属性中确定目标描述属性，作为所述其他表观特征的描述属性，所述目标描述属性是所述其他表观特征的描述属性和所述其他描述属性中最接近目标数据的描述属性。

结合第三方面或者第三方面的第九种实现方式，在第十种实现方式中，还包括：以所述偏移区域或者目标区域为中心，将所述偏移区域或者目标区域向外延伸以获得一个或多个候选区域；对所述候选区域进行特征分析，识别所述人物的其他表观特征的其他描述属性；按照预设算法从所述其他表观特征的描述属性和所述其他描述属性中确定目标描述属性，所述目标描述属性是所述其他表观特征的描述属性和所述其他描述属性中最接近目标数据的描述属性，作为所述其他表观特征的描述属性。将目标区域或者偏移区域向周围延伸，进行位置的调整，对于通过不清晰的目标图像，获得的未包括所述人物的部位或者只包括人物的部位中的一部分的目标区域，通过延伸目标区域或者偏移区域后，可以获得包括人物的部位的候选区域，降低了由于不清晰的目标图像获得的不全的人物部位的目标区域或者偏移区域，而造成其他表观特征的描述属性的识别误差较大的风险，提高了其他表观特征的描述属性识别的准确率。

结合第三方面的第九种或第十种实现方式，在第十一种实现方式中，以所述目标区域为中心，将所述目标区域向指定方向移动以获得一个或多个偏移区域，包括：将所述目标区域划分为若干个分块图，所述若干个分块图具有相同的形状并且所述若干个分块图之间是连续的；以所述目标区域为中心，并且以一个分块图为偏移单位，将所述目标区域按照一个或倍数个偏移单位向一个或多个方向偏移以获得所述一个或多个偏移区域，其中每个偏移区域的尺寸与所述目标区域的尺寸相同。

结合第三方面的第六种至第十一种的任一实现方式，在第十二种实现方式中，所述获取所述其他表观特征的位置特征，包括：接收包括所述其他表观特征的位置特征的信息，所述信息用于指示所述其他表观特征的位置特征。

结合第三方面的第六种至第十一种的任一实现方式，在第十三种实现方式中，所述获取所述其他表观特征的位置特征，包括：查询预先存储的所述其他表观特征与位置特征的对应关系；根据所述其他表观特征以及所述对应关系获取所述其他表观特征的位置特征。

第四方面提供一种表观特征的描述属性识别装置，包括用于执行第一方面或第一方面的任一种可能实现方式中的表观特征的描述属性识别方法的各个模块，所述模块可以通过硬件实现，也可以通过硬件执行相应的软件实现。

第五方面提供一种表观特征的描述属性识别装置，包括处理器、存储器，所述存储器存储计算机指令，所述处理器和所述存储器连接；所述处理器用于执行所述存储器中的计算机指令，以执行第一方面或第一方面的任意可能的实现方式中的方法。

第六方面提供一种表观特征的描述属性识别装置，包括用于执行第二方面或第二方面的任一种可能实现方式中的表观特征的描述属性识别方法的各个模块，所述模块可以通过硬件实现，也可以通过硬件执行相应的软件实现。

第七方面提供一种表观特征的描述属性识别装置，包括处理器、存储器，所述存储器存储计算机指令，所述处理器和所述存储器连接；所述处理器用于执行所述存储器中的计算机指令，以执行执行第二方面或第二方面的任意可能的实现方式中的方法。

第八方面提供一种表观特征的描述属性识别装置，包括用于执行第三方面或第三方面的任一种可能实现方式中的表观特征的描述属性识别方法的各个模块，所述模块可以通过硬件实现，也可以通过硬件执行相应的软件实现。

第九方面提供一种表观特征的描述属性识别装置，包括处理器、存储器，所述存储器存储计算机指令，所述处理器和所述存储器连接；所述处理器用于执行所述存储器中的计算机指令，以执行第三方面或第三方面的任意可能的实现方式中的方法。

本发明实施例提供的表观特征的描述属性识别方法及装置中，所述表观特征用于表示所述人物的外表的特性所属的类型，所述表观特征具有局部属性，所述局部属性用于指示所述图像处理设备对所述目标图像的处理方式为局部处理，通过获取所述目标图像的表观特征的位置特征，确定所述表观特征所体现的所述人物的部位在预设人物模型中的位置，所述表观特征的位置特征，用于表示所述表观特征所体现的所述人物的部位在预设人物模型中的位置，以根据所述位置特征，识别目标区域，所述目标区域包括所述人物的部位；然后对所述目标区域进行特征分析，识别所述人物的表观特征的描述属性。通过确定具有局部属性的表观特征的位置特征，对于具有局部属性的表观特征，针对性地选取目标图像中的，表观特征所体现的人物的部位所在的目标区域，作为特征分析的识别区域，减少无意义的识别区域，简化图像处理操作过程，节约了描述属性的识别时间，降低了计算机图像处理的工作负荷。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图作简单地介绍：

图1为本发明实施例提供的图像处理系统组成图；

图2为本发明实施例提供的图像处理设备120的结构图；

图3a为本发明实施例提供的一种表观特征的描述属性识别方法的流程图；

图3b为本发明实施例提供的确定目标区域的示意图；

图3c为本发明实施例提供的目标区域移动后的示意图；

图3d为本发明实施例提供的分块图的示意图；

图4为本发明实施例提供的另一种表观特征的描述属性识别方法的流程图；

图5为本发明实施例提供的另一种表观特征的描述属性识别方法的流程图；

图6为本发明实施例提供的一种表观特征的描述属性识别装置的结构图；

图7为本发明实施例提供的另一种表观特征的描述属性识别装置的结构图；

图8为本发明实施例提供的另一种表观特征的描述属性识别装置的结构图；

图9为本发明实施例提供的另一种表观特征的描述属性识别装置的结构图；

图10为本发明实施例提供的另一种表观特征的描述属性识别装置的结构图；

图11为本发明实施例提供的另一种表观特征的描述属性识别装置的结构图。

具体实施方式

下面将结合附图，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。

本实施例提供的图像处理设备、装置和方法主要应用于行人监控领域，用于识别监控视频中的行人，其表观特征的描述属性，所述表观特征用于表示监控中的人物的外表的特性所属的类型，例如，表观特征可以是人物的头发的颜色，头发的长短，行人的皮肤颜色，身高、性别、所穿的衣服类型、携带的包裹类型。或者在车辆监控领域的应用中，表观特征可以是车辆的颜色、车牌、车辆的驾驶人员的面貌特征或者穿衣款式或者性别等。所述描述属性用于标识所述人物的外表的特性，例如，表观特征为行人的皮肤颜色，皮肤颜色包括多种描述属性，分别为黄色皮肤或者黑色皮肤或者白色皮肤。

本实施例提供的表观特征的描述属性识别方法及装置应用于图像处理系统中，请参见图1，图1为本发明实施例提供的图像处理系统组成图，如图1所示，图像处理系统包括初始图像拍摄装置110和图像处理设备120，初始图像拍摄装置110和图像处理设备120通信连接，初始图像拍摄装置110用于监控，并获取不同拍摄角度的初始图像，所述初始图像包括人物。初始图像拍摄装置110发送初始图像至图像处理设备120。图像处理设备120接收到所述初始图像后，识别初始图像中的人物的轮廓，获得所述轮廓围成的轮廓图像。所述轮廓图像包括所述人物。

图像处理设备120获得轮廓图像后，获取包括轮廓图像中的所述人物的目标图像。获取包括轮廓图像中的所述人物的目标图像的一种方式为，图像处理设备120根据预设人物模型中的人物的角度，在一个平面内旋转所述轮廓图像的角度，旋转角度后的所述轮廓图像，其中的人物与预设人物模型中的人物的角度相同，轮廓图像中的人物与预设人物模型中的人物属于同一人物类型。例如，初始图像中的人物为行人，则预设人物模型是预设人体模型，其为直立的人体模型。又如，初始图像中的人物为车辆，则预设人物模型是预设车辆模型。获取包括轮廓图像中的所述人物的目标图像的另一种方式为，图像处理设备120接收用户输入的目标图像，所述目标图像为用户通过终端设备对所述轮廓图像旋转后获得的目标图像，所述终端设备可以是本实施例提供的图像处理设备120。图像处理设备可以作为终端设备，用于接收用户的输入指令，旋转所述轮廓图像获得目标图像。

图像处理设备120在获得目标图像后，识别表观特征具有的位置属性为全局属性还是局部属性，所述局部属性用于指示图像处理设备120对所述目标图像的处理方式为局部处理，所述全局属性用于指示图像处理设备120对所述目标图像的处理方式为全局处理。

如果表观特征具有的所述位置属性为局部属性，图像处理设备120识别出与所述表观特征的位置特征匹配的目标区域，对所述目标区域进行特征分析，识别出所述人物的表观特征的描述属性。所述目标区域包括所述人物的部位。

如果表观特征具有的位置属性为全局属性，图像处理设备120对目标图像进行特征分析，识别出所述目标图像中的人物的表观特征的描述属性。

本实施例提供的图像拍摄装置110是具备摄像或者照相等获取图像功能的台式计算机、服务器、移动计算机、移动拍摄设备、手持终端设备或可穿戴的拍摄设备等。

本实施例提供的图像处理设备120是台式计算机、服务器、移动计算机或者手持终端设备等。

图2为本发明实施例提供的图像处理设备120的结构图。如图2所示，本实施例提供的图像处理设备120为计算机，包括处理器11、存储器12、接口14和通信总线13。处理器11与存储器12通过通信总线13进行通信。

接口14，用于与终端设备通信，通过接口14可以接收终端设备发送的数据122和信息。数据122包括目标图像。

存储器12用于存储程序121，程序121用于对人物的表观特征的描述属性进行识别，程序121包括图像处理功能的程序。图像处理功能是指经过图像处理模型，输出概率形式表现描述属性的识别结果的功能，图像处理模型可以是卷积神经网络等用于处理图像的数学模型。

存储器12还用于存储数据122，以及用于存储通过接口14发送的信息。

存储器12包括易失性存储器，非易失性存储器或其组合。易失性存储器例如为随机访问存储器(英文：random-access memory，RAM)。非易失性存储器例如软盘、硬盘、固态硬盘(solid state disk，SSD)、光盘等各种可以存储程序代码的机器可读介质。

处理器11，用于执行程序121，识别出所述表观特征的描述属性。处理器11用于识别表观特征具有的位置属性为全局属性还是局部属性，如果所述位置属性为局部属性，处理器11识别出与所述表观特征的位置特征匹配的目标区域，对所述目标区域进行特征分析，识别出所述目标图像中的人物的表观特征的描述属性。所述位置特征，用于表示所述表观特征所体现的所述人物的部位在预设人物模型中的位置。所述目标区域包括所述表观特征所体现的所述人物的部位。如果为全局属性，处理器11对通过接口14接收到的目标图像进行特征分析，识别出所述目标图像中的人物的表观特征的描述属性。

处理器11是图像处理设备120的主要设备之一，功能主要是解释计算机指令以及处理计算机软件中的数据。处理器11可能是一个中央处理器(英文：central processing unit，CPU)，也可能是复杂可编程逻辑器件(英文：Complex Programmable Logic Device，CPLD)或者现场可编程门阵列(Field－Programmable Gate Array，FPGA)。

下面对本发明实施例公开的表观特征的描述属性识别方法进行具体的描述。表观特征的描述属性识别方法应用于图1和图2所示的图像处理设备120中，由图像处理设备120的处理器11执行。请参见图3a，图3a为本发明实施例提供的一种表观特征的描述属性识别方法的流程图。如图3a所示，本实施例主要描述了，应用于行人监控领域中，如果所述人物的表观特征具有的位置属性为局部属性，人物的表观特征的描述属性识别方法，具体包括如下步骤。

S310、获取目标图像，所述目标图像包括人物。本步骤中获得目标图像的细节，可参照上述基于图1所示的，图像处理系统中的图像处理设备120，在获得轮廓图像后，获取包括轮廓图像中的所述人物的目标图像的描述内容，在这里不再赘述。

S320、获取所述目标图像的表观特征的位置特征。所述表观特征具有局部属性，所述局部属性用于指示所述图像处理设备对所述目标图像的处理方式为局部处理。所述表观特征的位置特征，用于表示所述表观特征所体现的所述人物的部位在预设人物模型中的位置。

一种获取表观特征的位置特征的方式为，接收包括所述表观特征的位置特征的信息，获取所述表观特征的位置特征，所述信息用于指示所述表观特征的位置特征。另一种获取表观特征的位置特征的方式为，查询预先存储于所述图像处理设备120中的，所述表观特征与位置特征的对应关系，根据所述表观特征以及所述对应关系，获取到所述表观特征的位置特征。

本实施例中的预设人物模型为预设人体模型，所述表观特征的位置特征，用于表示所述表观特征所体现的所述人体的部位在预设人体模型中的位置。下面通过两种方式确定所述人体的部位在预设人体模型中的位置。

一种方式是，确定预设人体模型中的所述人体的部位的轮廓与所述预设人体模型的轮廓的位置比例，可以通过获取预设人体模型中的所述人体的部位的轮廓与所述预设人体模型的轮廓的投影关系，确定所述位置比例，以确定所述人体的部位在预设人体模型中的位置，即确定所述表观特征的位置特征。

另一种方式是，确定包括所述人体的部位的几何区域，在包括所述预设人体模型的几何区域中的位置比例，以确定所述人体的部位在预设人体模型中的位置，即确定所述表观特征的位置特征。所述包括所述人体的部位的几何区域为，人体的部位在预设人体模型中的最高部位与最低部位之间的高度线条，与所述人体的部位在预设人体模型中的最左端部位与最右端部位之间的宽度线条，所围成的第一对称几何区域。所述包括预设人体模型的几何区域为，所述预设人体模型的最高部位与最低部位之间的高度线条，与所述预设人体模型的最左端部位和最右端部位之间的宽度线条，所围成的第二对称几何区域。在这种实施方式中，可以依据第一对称几何区域的高度与第二对称几何区域的高度的比例，或者依据第一对称几何区域的宽度与第二对称几何区域的宽度的比例，确定所述位置比例。或者，结合第一对称几何区域的高度与第二对称几何区域的高度的比例，和第一对称几何区域的宽度与第二对称几何区域的宽度的比例，共同确定所述位置比例。或者，依据第一对称几何区域在第二对称几何区域的投影关系，确定所述位置比例。

S330、根据所述位置特征，识别出目标区域。所述目标区域包括所述人物的部位。

如果依据预设人体模型中的所述人体的部位的轮廓与所述预设人体模型的轮廓的投影关系，确定所述表观特征的位置特征。本步骤S330中，图像处理器设备120将包括所述投影关系的轮廓进行缩放，缩放后的包括投影关系的轮廓与目标图像中的人物的轮廓的差距在一定误差范围内，然后，图像处理设备120依据所述投影关系，识别出包括所述人体的部位的目标区域。

下面举例说明依据第一对称几何区域的高度与第二对称几何区域的高度的比例，确定位置比例，如何识别目标区域的方法。

例如，表观特征为头发，且表观特征的描述属性包括短头发和长头发，通过确认第一对称几何区域在包括预设人体模型的第二对称几何区域的上部1/2区域的位置比例，获取表观特征为头发的位置特征。在获取到所述表观特征的位置特征后，根据第一对称几何区域在包括预设人体模型的第二对称几何区域的上部1/2区域的位置比例，将目标图像划分成上、下两部分区域，选取目标图像的上部区域作为目标区域。请参见图3b，图3b为本发明实施例提供的确定目标区域的示意图。如图3b所示的右边图像，将目标图像划分成上、下两部分区域，选取目标图像的上部区域作为目标区域。

可以通过左上角坐标，以及右下角坐标的组合，表现第一对称几何区域在第二对称几何区域的位置比例，例如，通过[0,0]，[w,h/2]两个坐标表示该上部1/2区域的位置比例。则图像处理设备120通过该左上角坐标，以及右下角坐标的组合确定目标区域的位置为左上角坐标，以及右下角坐标围成的目标图像的上1/2区域。如果依据高度比例确定位置比例，获取位置特征，则目标区域的宽度可以默认为目标图像的宽度w，h表示目标图像的垂直高度。

不仅可以通过左上角坐标，以及右下角坐标的组合表现位置比例，也可以通过其他形式表现位置比例，例如依据获取的“上1/2”，或者“头颈部”等形式参数，通过位置算法计算，或者查找预先存储的形式参数与左上角坐标，以及右下角坐标的组合的对应关系，获得左上角坐标，以及右下角坐标的组合，以确定目标区域的位置。

又如，表观特征为包裹，表观特征的描述属性包括双肩包、斜跨包和单肩包，通过确认第一对称几何区域在包括预设人体模型的第二对称几何区域的中部1/3区域的位置比例，获取所述表观特征为包裹时的位置特征，根据第一对称几何区域在包括预设人体模型的第二对称几何区域的中部1/3区域的位置比例，将目标图像划分成上、中、下三部分区域，选取目标图像的中部区域作为目标区域。例如，可以通过左上角坐标，右下角坐标的组合，即通过[0,h/3]，[w,2h/3]这两个坐标，确定中部1/3区域的位置比例。如图3b所示的左边边图像，将目标图像划分成上、中、下三部分区域，选取目标图像的中部区域作为目标区域。

又如，表观特征为下半身着装，表观特征的描述属性包括长裤、短裤、短裙、长裙、裙裤等，通过确认第一对称几何区域在包括预设人体模型的第二对称几何区域的下部1/3区域，获取所述表观特征为下半身着装的位置特征，根据第一对称几何区域在包括预设人体模型的第二对称几何区域的下部1/3区域的位置比例，将目标图像划分成上、中、下三部分区域，选取目标图像的下部区域作为目标区域。

在其他实现方式中，可以通过多个坐标的组合确定第一对称几何区域在第二对称几何区域的位置比例。

如果结合第一对称几何区域的高度与第二对称几何区域的高度的比例，和第一对称几何区域的宽度与第二对称几何区域的宽度的比例，共同确定所述位置比例，可以通过左上角坐标，左下角坐标，右上角坐标，和右下角坐标共同确定所述位置比例，以确定目标区域的位置。例如，坐标组合包括左上角坐标[w/4,h/3]，左下角坐标[w/3,2h/3]，右上角坐标[3w/4,h/3]，右下角坐标[2w/3,2h/3]，通过该坐标组合确定的目标区域为目标图像中部的一个倒梯形区域。在其他实现方式中，可以通过左上角坐标，左下角坐标，右上角坐标，和右下角坐标中至少两个坐标的组合确定第一对称几何区域在第二对称几何区域的位置比例。

S340、对所述目标区域进行特征分析，识别出所述目标图像中的人物的表观特征的描述属性。

采用图像处理技术对所述目标区域进行特征分析，获取概率形式表现的描述属性的识别结果，例如表观特征为头发长短的描述属性至少包括两个，分别是长头发描述属性和短头发描述属性，则获得概率形式表现的描述属性的识别结果为两个概率的组合，即为(短头发描述属性0.9,长发短描述属性0.1)，然后根据综合判定法则，识别出概率符合综合判定法则的描述属性，作为目标图像中的人物的表观特征的描述属性。综合判定法则可以是经过比较或者查询后选择接近目标数据的描述属性，例如目标数据的值为1，表示人物的表观特征的描述属性为短头发，选择概率最高为0.9的短头发描述属性0.9，作为目标图像中的人物的表观特征的描述属性。

基于图3a所示的实施例，在步骤S320之前，图像处理设备120获取所述人物的表观特征具有的位置属性，所述位置属性用于指示所述表观特征为局部属性。获取所述表观特征具有的位置属性的方法是，接收终端设备发送的，包含所述表观特征具有的位置属性的信息，以获取所述表观特征具有的位置属性。例如，当表观特征为头发时，头发的描述属性包括长头发和短头发，接收用户发送的表观特征为头发的位置属性为局部属性的信息，确认头发的位置属性为局部属性。又如，当表观特征为包裹类型时，包裹类型的描述属性包括背包或者手拿包，接收用户发送的表观特征为包裹类型的位置属性为局部属性的信息，确认包裹类型的位置属性为局部属性。又如，当表观特征为下半身着装时，下半身着装的描述属性包括裤子或者裙子，接收用户发送的表观特征为下半身着装的位置属性为局部属性的信息，确认下半身着装的位置属性为局部属性。

基于图3a所示的实施例，在步骤S320之前，图像处理设备120在预先存储的所述表观特征与位置属性的对应关系中获取所述人物的表观特征具有的位置属性，所述位置属性用于指示所述表观特征为局部属性。

基于图3a所示的实施例，在步骤S320之前，图像处理设备120获取所述人物的表观特征，所述表观特征的描述属性。一种方式为，图像处理设备120通过接口14接收用户文字输入的表观特征和所述表观特征的描述属性。另一种方式为，图像处理设备120接收用户在可视界面上点选输入的表观特征和所述表观特征的描述属性。另一种方式为，接收终端设备发送的包含表观特征和所述表观特征的描述属性的信息，以获取获取所述人物的表观特征，所述表观特征的描述属性。

基于图3a所示的实施例，在执行步骤S330之后，图像处理设备120以目标区域为中心，将所述目标区域向任意方向，或者多个不同的指定方向，或者在多个指定方向中选取的多个随机方向移动后，获得若干个偏移区域。请参见图3c，图3c为本发明实施例提供的目标区域移动后的示意图。如图3c所示，将实线框所围成的目标区域向左和向右移动后，分别获得两个偏移区域(图示中左边的虚线框所围成的偏移区域和右边的虚线框所围成的区域)，其中向左移动后获得的左边的虚线框所围成的偏移区域包括整个头部，而目标区域和向右移动后获得的偏移区域只包括了部分的头部，因此对目标区域偏移后，可以获得更准确的识别区域。然后，如图3c所示，图像处理设备120采用图像处理技术对偏移区域进行特征分析，获得表观特征的其他描述属性，按照预设算法从所述描述属性和所述其他描述属性中确定目标描述属性，所述目标描述属性是所述描述属性和所述其他描述属性中最接近目标数据的描述属性。

如果描述属性和其他描述属性是以概率形式表示的，则目标数据的值可以为1，预设算法为识别出最高的概率表示的目标描述属性，作为目标图像中的人物的表观特征的描述属性。例如，可以是经过比较或者查询后选择概率最高的描述属性，作为目标图像中的人物的表观特征的描述属性。又如，对目标区域、每一个偏移区域匹配的同一描述属性的概率进行求和运算获得的概率之和，然后对所述概率之和进行均值化处理或者支持向量机处理后，选择最高的概率表示的目标描述属性，作为目标图像中的人物的表观特征的描述属性。在其他实施方式中，目标数据可以是标准图像的标准参数，可以是对标准图像进行不同类型的特征分析后获得的标准参数。

在上述获得偏移区域的实现方式中，依据目标区域，偏移所述目标区域获得一个或多个偏移区域的具体实现方式为，将所述目标区域划分为若干个分块图，所述若干个分块图具有相同的形状并且所述若干个分块图之间是连续的。例如，分块图的形状可以是横条状，也可以是竖条状，也可以是竖形网格或者横形网格等。请参见图3d，图3d为本发明实施例提供的分块图的示意图。如图3d所示，每个图像中的粗线围成的区域为目标区域，本发明实施例提供给的分块图可以是图3d左边显示的竖条状分块图，也可以是图3d中间显示的横条状分块图，也可以是图3d右边显示的竖形或者横行网格状分块图，本发明实施例不限定分块图的形状。然后，如图3d所示的三个图像，以目标区域为偏移中心，以一个所述分块图为偏移单位，将所述目标区域按照一个或倍数个偏移单位向一个或多个方向偏移，以获得一个或多个偏移区域，其中每个偏移区域的尺寸与所述目标区域的尺寸相同。

在获得若干个偏移区域之后，按照一个或多个不同的预设尺寸将所述偏移区域或者目标区域向周围外延，获得包括所述偏移区域或者目标区域的候选区域。候选区域的尺寸要大于偏移区域的尺寸。获得候选区域后，采用图像处理技术对候选区域进行特征分析，获得表观特征的其他描述属性，按照预设算法从所述描述属性和所述其他描述属性中确定目标描述属性，所述目标描述属性是所述描述属性和所述其他描述属性中最接近目标数据的描述属性。所述其他描述属性包括对候选区域进行特征分析后获得的与候选区域匹配的表观特征的描述属性，或者还包括对偏移区域进行特征分析后获得的与偏移区域匹配的表观特征的描述属性。

如果描述属性和其他描述属性是以概率形式表示的，则目标数据的值可以为1，预设算法为识别出最高的概率表示的目标描述属性，作为目标图像中的人物的表观特征的描述属性。例如，可以是经过比较或者查询后选择概率最高的描述属性，作为目标图像中的人物的表观特征的描述属性。例如，表观特征为头发的描述属性包括短头发和长头发，对目标区域、偏移区域、候选区域进行特征分析时，以目标数据的值为1作为短头发描述属性的标准，对一个目标区域和一个偏移区域以及两个候选区域分别进行特征分析，得到目标区域及偏移区域以及每一个候选区域对应的描述属性的概率依次为，[短头发描述属性0.7,长头发描述属性0.3],[短头发描述属性0.95,长头发描述属性0.05]，[短头发描述属性0.6,长头发描述属性0.4]，[短头发描述属性0.45,长头发描述属性0.55]，则通过max操作，选择的结果为第一描述属性0.95，即识别头发的描述属性为短发描述属性。又如，对目标区域、每一个偏移区域和每个候选区域匹配的同一描述属性的概率进行求和运算获得的概率之和，然后对所述概率之和进行均值化处理或者支持向量机处理后，选择最高的概率表示的目标描述属性，作为目标图像中的人物的表观特征的描述属性。在其他实施方式中，目标数据可以是标准图像的标准参数，可以是对标准图像进行不同类型的特征分析后获得的标准参数。

在另一个实施例中，在获得若干个偏移区域或者若干个候选区域之后，可以对目标区域的人体的部位、每个偏移区域的人体的部位和每个候选区域中的人体的部位分别进行轮廓识别。当识别到与预设人体模型的人体的部位的轮廓形状相同的目标区域或者偏移区域或者候选区域时，则保留该目标区域、偏移区域或者候选区域，并对与预设人体模型的人体的部位的轮廓形状相同的目标区域、偏移区域或者候选区域分别进行特征分析，获得与保留的目标区域匹配的描述属性，以及获得与每一个保留的偏移区域匹配的其他描述属性，以及获得与每一个保留的候选区域匹配的其他描述属性。获得上述与目标区域匹配的描述属性和多个与候选区域、偏移区域匹配的其他描述属性后，图像处理设备120按照预设算法从所述描述属性和所述其他描述属性中确定目标描述属性，所述目标描述属性是所述描述属性和所述其他描述属性中最接近目标数据的描述属性。预设算法可以参考基于图3a所描述的，对偏移区域和候选区域进行特征分析后，获得的表观特征的其他描述属性中的，对描述属性和其他描述属性进行预设算法实现目标描述属性的细节，在这里不再赘述。

在获得若干个偏移区域之后，可以随机或者按照预定顺序，选择符合预设个数的偏移区域进行特征分析或者进行人体部位的轮廓识别，以及在获得若干个候选区域之后也可以随机或者按照预定顺序，选择符合预设个数的候选区域进行特征分析或者进行人体部位的轮廓识别，选择出的候选区域的预设个数以及偏移区域的预设个数可以相同也可以不同。例如，可以按照用户的需求只对目标区域进行特征分析，也可以按照用户的选择，只对目标区域和预设个数的偏移区域进行特征分析或者进行轮廓识别，也可以按照用户的选择，只对目标区域和预设个数的候选区域进行特征分析或者进行轮廓识别，也可以即对目标区域进行特征分析，也对预设个数的偏移区域和预设个数的候选区域进行特征分析。当偏移区域向周围外延至目标图像的边沿时，获得的候选区域为目标图像，即识别到偏移区域的宽度和高度与目标图像的高度和宽度相同时，获得的候选区域为目标图像。

下面描述本发明实施例提供的另一种表观特征的描述属性识别方法。请参见图4，图4为本发明实施例提供的另一种表观特征的描述属性识别方法的流程图。在本实施例中主要描述了，应用于行人监控领域中的，当所述人物的表观特征具有的位置属性为全局属性时，人物的表观特征的描述属性识别方法，如图4所示，具体包括如下步骤。

S410、获取目标图像，所述目标图像包括人物。本步骤中获取目标图像的具体实现方式，可参照基于图3a所示的实施例中的步骤S310的描述细节，在这不再赘述。

S420、对所述目标图像进行特征分析，识别出所述目标图像中的人物的表观特征的描述属性。所述表观特征具有全局属性，所述全局属性用于指示所述图像处理设备对所述目标图像的处理方式为全局处理。采用图像处理技术对所述目标图像进行特征分析，获取概率形式表现的描述属性的识别结果，根据综合判定法则，识别出概率符合综合判定法则的描述属性，作为目标图像中的人物的表观特征的描述属性。例如，可以是经过比较或者查询后选择概率最高的描述属性，作为目标图像中的人物的表观特征的描述属性。

基于上述描述的所述表观特征具有的位置属性为全局属性时，表观特征的描述属性识别方法，在步骤S420之前，还包括：图像处理设备120获取所述人物的表观特征具有的位置属性，所述位置属性用于指示所述表观特征为全局属性。获取所述表观特征具有的位置属性的方法是，接收终端设备发送的，包含所述表观特征具有的位置属性的信息，以获取所述表观特征具有的位置属性。

基于上述描述的所述表观特征具有的位置属性为全局属性时，表观特征的描述属性识别方法，在步骤S420之前，还包括：图像处理设备120在预先存储的所述表观特征与位置属性的对应关系中获取所述人物的表观特征具有的位置属性，所述位置属性用于指示所述表观特征为全局属性。

另外，在获取所述人物的表观特征具有的位置属性之前，图像处理设备120获取所述人物的表观特征，所述表观特征的描述属性。获取所述人物的表观特征，所述表观特征的描述属性的一种方式为，图像处理设备120通过接口14接收用户文字输入的表观特征和所述表观特征的描述属性。获取所述人物的表观特征，所述表观特征的描述属性的另一种方式为，图像处理设备120接收用户在可视界面上点选输入的表观特征和所述表观特征的描述属性。获取所述人物的表观特征，所述表观特征的描述属性的另一种方式为，接收终端设备发送的包含表观特征和所述表观特征的描述属性的信息，以获取获取所述人物的表观特征，所述表观特征的描述属性。

基于上述描述的所述表观特征具有全局属性时，表观特征的描述属性识别方法，在步骤S420之后，还包括：获取与所述表观特征相关联的其他表观特征；所述其他表观特征用于表示所述人物的外表的，与所述表观特征的特性相关联的其它特性所属的类型；获取所述其他表观特征的描述属性；通过所述其他表观特征的描述属性修正所述表观特征的描述属性。

本实施例中获取与所述表观特征相关联的其他表观特征的一种实现方式为，查询预先存储于所述图像处理设备中的，所述表观特征与其他表观特征的对应关系；获取与所述表观特征相关联的其他表观特征。获取与所述表观特征相关联的其他表观特征的另一种实现方式为，接收包含所述其他表观特征的标识的信息，获取与所述表观特征相关联的其他表观特征。

本实施例中获取所述其他表观特征的描述属性的实现方式，可以参考上述基于图3a所示的表观特征具有的位置属性为局部属性时，识别表观特征的描述属性的方法，在这里不再赘述。

本实施例中通过与所述表观特征相关联的所述其他表观特征的描述属性，修正所述表观特征的描述属性，其具体实现方式为，采用相关度加权算法，将表示所述表观特征与所述其他表观特征的关联关系的相关度作为相关度加权算法中的加权的权重，对所述表观特征的描述属性进行加权修正后获得的描述属性，作为目标图像中的人物的表观特征的描述属性。本实施方式中，与具有全局属性的表观特征相关联的所述其他表观特征具有局部属性。

基于上述描述的所述表观特征具有全局属性时，表观特征的描述属性识别方法，在步骤S420之后，还包括：将目标图像或者目标区域或者偏移区域或候选区域输入至数学模型后，通过所述数学模型输出的接近目标数据的描述属性，作为目标图像中的人物的表观特征的描述属性。其中，所述数学模型是采用训练数据集，对计算模型进行训练修正后，获得的数学模型。训练数据集包括其他图像和其他图像中的人物的其他表观特征的描述属性，所述其他图像包括目标图像中的目标区域或者偏移区域或候选区域或者除目标图像之外的包括其他人物的其他图像。所述其他图像中的人物的其他表观特征与所述目标图像的具有全局属性的表观特征相关联。在本实施方式中，所述其他图像中的人物的其他表观特征具有全局属性或者局部属性。其他图像包括的人物与目标图像中的人物属于同一人物类型。本实施方式中，采用训练数据集对计算模型进行训练，获得其他图像中的人物的其他表观特征的描述属性与目标数据的差距，然后依据所述差距调整计算模型的计算参数，获得调整计算参数后的计算模型，通过调整后的计算模型识别其他图像的人物的表观特征的描述属性，对所述计算模型的训练修正截止于通过计算模型获得的其他图像的人物的表观特征的描述属性与目标数据的差距小于或等于目标误差。

下面描述本发明实施例提供的另一种表观特征的描述属性识别方法。请参见图5，图5为本发明实施例提供的另一种表观特征的描述属性识别方法的流程图。在本实施例中主要描述了，应用于行人监控领域中的，通过多个位置特征对人物的表观特征的描述属性进行识别的方法，如图5所示，具体包括如下步骤。

S510、获取目标图像，所述目标图像包括人物。本步骤中获取目标图像的具体实现方式，可参照基于图3a所示的实施例中的步骤S310的描述细节，在这不再赘述。

S520、获取所述人物的表观特征的第一位置特征和第二位置特征。也可以获取人物的表观特征的多个位置特征，每个位置特征用于表示所述表观特征所体现的所述人物的每个部位在预设人物模型中的位置，所述表观特征用于表示所述人物的外表的特性所属的类型。例如所述第一位置特征用于表示所述表观特征所体现的所述人物的第一部位在预设人物模型中的位置，所述第二位置特征用于表示所述表观特征所体现的所述人物的第二部位在所述预设人物模型中的位置，所述表观特征具有局部属性，所述局部属性用于指示所述图像处理设备对所述目标图像的处理方式为局部处理。本步骤中获取所述人物的表观特征的位置特征的实现方式，可参照基于图3a所示的实施例方式中，步骤S320实现的细节，在这里不再赘述。

S530、根据所述第一位置特征和所述第二位置，获取所述第一部位和所述第二部位之间的最大距离。所述最大距离小于预设阈值。最大距离包括两个部位(第一部位和所述第二部位)之间的最大垂直高度和/或者两个部位(第一部位和所述第二部位)之间的最大宽度。所述预设阈值是保证分析最大距离的效率高于分析全部目标图像的效率的值。如果有多个位置特征，所述最大距离大于或者等于任意两个部位之间的最大垂直高度，或者大于或者等于任意两个部位之间的最大宽度。

S540、根据所述最大距离识别目标区域，所述目标区域包括所述第一部位和所述第二部位。如果最大距离为两个部位之间的最大垂直高度，则默认目标区域的宽度为目标图像的宽度，如果最大距离为两个部位之间的最大宽度，则默认目标区域的高度为目标图像的高度。如果最大距离包括两个部位之间的最大垂直高度和最大宽度，则目标区域的高度为两个部位之间的最大垂直高度，目标区域的宽度为两个部位之间的最大宽度。如果是多个位置特征，目标区域包括所述表观特征所体现的所述人物的每个部位。

S550、对所述目标区域进行特征分析，识别所述目标图像中的人物的表观特征的描述属性。

基于上述的通过多个位置特征，对人物的表观特征的描述属性进行识别的实施例，在步骤S520之前，还包括：图像处理设备120获取所述人物的表观特征具有的位置属性，所述位置属性用于指示所述表观特征为局部属性。本实施例中获取所述表观特征具有的位置属性的方式，可参考基于图3a所示的实施例中，获取所述表观特征具有的位置属性的具体实现细节，在这里不再赘述。

基于上述的通过多个位置特征，对人物的表观特征的描述属性进行识别的实施例，在步骤S520之前，还包括：图像处理设备120获取所述人物的表观特征，所述表观特征的描述属性。本实施例中获取所述人物的表观特征，所述表观特征的描述属性的方式，可参考基于图3a所示的实施例中，获取所述人物的表观特征，所述表观特征的描述属性的具体实现细节，在这里不再赘述。

基于上述的通过多个位置特征，对人物的表观特征的描述属性进行识别的实施例，在步骤S540之后，还包括：获得偏移区域，以及对偏移区域进行特征分析后识别出其他描述属性，然后按照预设算法从对目标区域进行特征分析后识别的描述属性，以及对偏移区域进行特征分析后识别的其他描述属性中，确定目标描述属性，本实施方式中的获得偏移区域，根据偏移区域识别出其他描述属性，然后根据目标区域识别出的描述属性和根据偏移区域识别出的其他描述属性确定目标属性的具体实现细节，可参照基于图3a所示的实施例中的具体实现细节，在这里不再赘述。另外，根据偏移区域获得候选区域，根据候选区域获得其他描述属性，再根据描述属性和多个其他描述属性，确定目标描述属性的具体实现细节，可参照基于图3a所示的实施例中的具体实现细节，在这里不再赘述。

应理解，在本发明的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

值得说明的是，对于上述方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明所必须的。

本领域的技术人员根据以上描述的内容，能够想到的其他合理的步骤组合，也属于本发明的保护范围内。其次，本领域技术人员也应该熟悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明所必须的。

上文中结合图3a至图5详细描述了根据本发明实施例所提供的表观特征的描述属性识别的方法，下面将结合图6至图11，描述根据本发明实施例所提供的表观特征的描述属性识别的装置。

请参见图6，图6为本发明实施例提供的一种表观特征的描述属性识别装置的结构图，如图6所示，本发明实施例提供的表观特征的描述属性识别装置610是基于图3a所示的表观特征的描述属性识别方法实现的，其包括处理器611和存储器612。所述存储器612存储计算机指令，所述处理器611和所述存储器612连接。所述处理器611用于执行所述存储器612中的计算机指令，以执行以下步骤：

获取目标图像，所述目标图像包括人物。在本实施方式中，处理器611获取目标图像的细节，可参考图3a所示的步骤S310的描述，在这不再赘述。

获取所述目标图像的表观特征的位置特征，所述表观特征用于表示所述人物的外表的特性所属的类型，所述表观特征的位置特征，用于表示所述表观特征所体现的所述人物的部位在预设人物模型中的位置，所述表观特征具有局部属性，所述局部属性用于指示所述图像处理设备对所述目标图像的处理方式为局部处理。在本实施方式中，处理器611获取所述目标图像的表观特征的位置特征的细节，可参考图3a所示的步骤S320的描述，在这不再赘述。

根据所述位置特征，识别目标区域，所述目标区域包括所述人物的部位。本实施方式中处理器611根据所述位置特征，识别目标区域的细节，可参考图3a所示的步骤S330的描述，在这不再赘述。

对所述目标区域进行特征分析，识别所述人物的表观特征的描述属性。本实施方式中处理器611对所述目标区域进行特征分析，识别所述人物的表观特征的描述属性的细节，可参考图3a所示的步骤S330的描述，在这不再赘述。

作为一种可选的实施方式，所述处理器611，还用于接收所述表观特征具有的位置属性，所述位置属性用于指示所述表观特征为局部属性。

作为一种可选的实施方式，所述处理器611，还用于在预先存储的所述表观特征与位置属性的对应关系中获取所述人物的表观特征具有的位置属性，所述位置属性用于指示所述表观特征为局部属性。

作为一种可选的实施方式，所述处理器611还用于执行以下步骤：

以所述目标区域为中心，将所述目标区域向指定方向移动以获得一个或多个偏移区域；

对所述偏移区域进行特征分析，识别所述人物的表观特征的其他描述属性；

按照预设算法从所述描述属性和所述其他描述属性中确定目标描述属性，所述目标描述属性是所述描述属性和所述其他描述属性中最接近目标数据的描述属性。

本实施方式中处理器611以所述目标区域为中心，将所述目标区域向指定方向移动以获得一个或多个偏移区域，对所述偏移区域进行特征分析，识别所述人物的表观特征的其他描述属性，按照预设算法从所述描述属性和所述其他描述属性中确定目标描述属性的细节可参考图3a所示的步骤S330之后的相关的实施方式的描述，在这不再赘述。

作为一种可选的实施方式，所述处理器611，还用于将所述目标区域划分为若干个分块图，所述若干个分块图具有相同的形状并且所述若干个分块图之间是连续的；以所述目标区域为中心，并且以一个分块图为偏移单位，将所述目标区域按照一个或倍数个偏移单位向一个或多个方向偏移以获得所述一个或多个偏移区域，其中每个偏移区域的尺寸与所述目标区域的尺寸相同。

作为一种可选的实施方式，所述处理器611，还用于接收包括所述表观特征的位置特征的信息，所述信息用于指示所述表观特征的位置特征。

作为一种可选的实施方式，所述处理器611，还用于查询预先存储的所述表观特征与位置特征的对应关系；根据所述表观特征以及所述对应关系获取所述表观特征的位置特征。

应理解，根据本发明实施例的表观特征的描述属性识别装置610可对应于本发明实施例中的图像处理设备120，并可以对应于执行根据本发明实施例的图3a所示的方法中的相应主体，并且表观特征的描述属性识别装置610中的各个模块的上述和其它操作和/或功能分别为了实现图3a所示的方法相关的各个流程，为了简洁，在此不再赘述。

请参见图7，图7为本发明实施例提供的另一种表观特征的描述属性识别装置的结构图，如图7所示，本发明实施例提供的表观特征的描述属性识别装置710是基于图5所示的表观特征的描述属性识别方法实现的，其包括处理器711和存储器712。所述存储器712存储计算机指令，所述处理器711和所述存储器712连接。所述处理器711用于执行所述存储器712中的计算机指令，以执行以下步骤：

获取目标图像，所述目标图像包括人物。在本实施方式中，处理器711获取目标图像的细节可参考图3a所示的步骤S310的描述，在这不再赘述。

获取所述人物的表观特征的第一位置特征和第二位置特征，所述表观特征用于表示所述人物的外表的特性所属的类型，所述第一位置特征用于表示所述表观特征所体现的所述人物的第一部位在预设人物模型中的位置，所述第二位置特征用于表示所述表观特征所体现的所述人物的第二部位在所述预设人物模型中的位置，所述表观特征具有局部属性，所述局部属性用于指示所述图像处理设备对所述目标图像的处理方式为局部处理。在本实施方式中，处理器711获取所述目标图像的表观特征的位置特征的细节，可参考图3a所示的步骤S320的描述，在这不再赘述。

根据所述第一位置特征和所述第二位置特征，获取所述第一部位和所述第二部位之间的最大距离。在本实施方式中，处理器711根据所述第一位置特征和所述第二位置特征，获取所述第一部位和所述第二部位之间的最大距离的细节，可参考图5所示的步骤S530的描述，在这不再赘述。

根据所述最大距离识别目标区域，所述目标区域包括所述第一部位和所述第二部位。在本实施方式中，处理器711根据所述最大距离识别目标区域的细节，可参考图5所示的步骤S540的描述，在这不再赘述。

对所述目标区域进行特征分析，识别所述目标图像中的人物的表观特征的描述属性。在本实施方式中，处理器711对所述目标区域进行特征分析，识别所述目标图像中的人物的表观特征的描述属性的细节，可参考图5所示的步骤S550的描述，在这不再赘述。

作为一种可选的实施方式，所述最大距离小于预设阈值。

作为一种可选的实施方式，所述处理器711，还用于接收所述表观特征具有的位置属性，所述位置属性用于指示所述表观特征为局部属性。

作为一种可选的实施方式，所述处理器711，还用于在预先存储的所述表观特征与位置属性的对应关系中获取所述人物的表观特征具有的位置属性，所述位置属性用于指示所述表观特征为局部属性。

作为一种可选的实施方式，所述处理器711，还用于接收包括所述表观特征的第一位置特征和第二位置特征的信息，所述信息用于指示所述表观特征的第一位置特征和第二位置特征。

作为一种可选的实施方式，所述处理器711，还用于查询预先存储的所述表观特征分别与第一位置特征和第二位置特征的对应关系；根据所述表观特征以及所述对应关系获取所述表观特征的第一位置特征和第二位置特征。

作为一种可选的实施方式，所述处理器711还用于执行以下步骤：

本实施方式中处理器711以所述目标区域为中心，将所述目标区域向指定方向移动以获得一个或多个偏移区域，对所述偏移区域进行特征分析，识别所述人物的表观特征的其他描述属性，按照预设算法从所述描述属性和所述其他描述属性中确定目标描述属性的细节可参考图3a所示的步骤S330之后的相关的实施方式的描述，在这不再赘述。

作为一种可选的实施方式，所述处理器711，还用于将所述目标区域划分为若干个分块图，所述若干个分块图具有相同的形状并且所述若干个分块图之间是连续的；以所述目标区域为中心，并且以一个分块图为偏移单位，将所述目标区域按照一个或倍数个偏移单位向一个或多个方向偏移以获得所述一个或多个偏移区域，其中每个偏移区域的尺寸与所述目标区域的尺寸相同。

应理解，根据本发明实施例的表观特征的描述属性识别装置710可对应于本发明实施例中的图像处理设备120，并可以对应于执行根据本发明实施例的图5所示的方法中的相应主体，并且表观特征的描述属性识别装置710中的各个模块的上述和其它操作和/或功能分别为了实现图5所示的方法相关的各个流程，为了简洁，在此不再赘述。

请参见图8，图8为本发明实施例提供的另一种表观特征的描述属性识别装置的结构图，如图8所示，本发明实施例提供的表观特征的描述属性识别装置810是基于图3a所示的表观特征的描述属性识别方法实现的，其包括获取单元811和处理单元812，所述处理单元812和所述获取单元811连接。下面详细介绍表观特征的描述属性识别装置810中的每个模块的功能：

所述获取单元811，用于获取目标图像，所述目标图像包括人物。在本实施方式中，获取单元811获取目标图像的功能，可以通过图像处理设备120中的接口14实现。获取单元811获取目标图像的功能，可以参考图3a所示的步骤S310描述的图像处理设备120获取目标图像的具体细节，在这里不再赘述。

所述获取单元811，还用于获取所述目标图像的表观特征的位置特征，所述表观特征用于表示所述人物的外表的特性所属的类型，所述表观特征的位置特征，用于表示所述表观特征所体现的所述人物的部位在预设人物模型中的位置，所述表观特征具有局部属性，所述局部属性用于指示所述图像处理设备对所述目标图像的处理方式为局部处理。在本实施方式中，获取单元811获取所述目标图像的表观特征的位置特征的功能，可以通过图像处理设备120中的接口14实现。获取单元811获取所述目标图像的表观特征的位置特征的功能，可以参考图3a所示的步骤S320描述的图像处理设备120获取所述目标图像的表观特征的位置特征的具体细节，在这里不再赘述。

所述处理单元812，用于根据所述位置特征，识别目标区域，所述目标区域包括所述人物的部位。在本实施方式中，处理单元812根据所述位置特征，识别目标区域的功能，可以通过图像处理设备120中的处理器11实现。处理单元812根据所述位置特征，识别目标区域的功能，可以参考图3a所示的步骤S330描述的图像处理设备120根据所述位置特征，识别目标区域的具体细节，在这里不再赘述。

所述处理单元812，还用于对所述目标区域进行特征分析，识别所述人物的表观特征的描述属性。在本实施方式中，处理单元812对所述目标区域进行特征分析，识别所述人物的表观特征的描述属性的功能，可以通过图像处理设备120中的处理器11实现。处理单元812对所述目标区域进行特征分析，识别所述人物的表观特征的描述属性的功能，可以参考图3a所示的步骤S340描述的图像处理设备120对所述目标区域进行特征分析，识别所述人物的表观特征的描述属性的具体细节，在这里不再赘述。

作为一种可选的实施方式，所述获取单元811，还用于接收所述表观特征具有的位置属性，所述位置属性用于指示所述表观特征为局部属性。在本实施方式中，获取单元811 接收所述表观特征具有的位置属性的功能，可以通过图像处理设备120中的接口14实现。

作为一种可选的实施方式，所述获取单元811，还用于在预先存储的所述表观特征与位置属性的对应关系中获取所述人物的表观特征具有的位置属性，所述位置属性用于指示所述表观特征为局部属性。在本实施方式中，获取单元811在预先存储的所述表观特征与位置属性的对应关系中获取所述人物的表观特征具有的位置属性的功能，可以通过图像处理设备120中的处理器11实现。

作为一种可选的实施方式，所述处理单元812，还用于以所述目标区域为中心，将所述目标区域向指定方向移动以获得一个或多个偏移区域。在本实施方式中，处理单元812以所述目标区域为中心，将所述目标区域向指定方向移动以获得一个或多个偏移区域的功能，可以通过图像处理设备120中的处理器11实现。

所述处理单元812，还用于对所述偏移区域进行特征分析，识别所述人物的表观特征的其他描述属性。在本实施方式中，处理单元812以所述目标区域为中心，将所述目标区域向指定方向移动以获得一个或多个偏移区域的功能，可以通过图像处理设备120中的处理器11实现。

所述处理单元812，还用于按照预设算法从所述描述属性和所述其他描述属性中确定目标描述属性，所述目标描述属性是所述描述属性和所述其他描述属性中最接近目标数据的描述属性。在本实施方式中，处理单元812按照预设算法从所述描述属性和所述其他描述属性中确定目标描述属性的功能，可以通过图像处理设备120中的处理器11实现。

作为一种可选的实施方式，所述处理单元812，还用于将所述目标区域划分为若干个分块图。在本实施方式中，处理单元812将所述目标区域划分为若干个分块图的功能，可以通过图像处理设备120中的处理器11实现。

所述处理单元812，还用于以所述目标区域为中心，并且以一个分块图为偏移单位，将所述目标区域按照一个或倍数个偏移单位向一个或多个方向偏移以获得所述一个或多个偏移区域，其中每个偏移区域的尺寸与所述目标区域的尺寸相同。在本实施方式中，处理单元812以所述目标区域为中心，并且以一个分块图为偏移单位，将所述目标区域按照一个或倍数个偏移单位向一个或多个方向偏移以获得所述一个或多个偏移区域的功能，可以通过图像处理设备120中的处理器11实现。

作为一种可选的实施方式，所述获取单元811，还用于接收包括所述表观特征的位置特征的信息，所述信息用于指示所述表观特征的位置特征。在本实施方式中，获取单元811接收包括所述表观特征的位置特征的信息的功能，可以通过图像处理设备120中的接口14实现。

作为一种可选的实施方式，所述获取单元811，还用于查询预先存储的所述表观特征与位置特征的对应关系；根据所述表观特征以及所述对应关系获取所述表观特征的位置特征。在本实施方式中，获取单元811查询预先存储的所述表观特征与位置特征的对应关系；根据所述表观特征以及所述对应关系获取所述表观特征的位置特征的功能，可以通过图像处理设备120中的处理器11实现。

应理解的是，本发明实施例的表观特征的描述属性识别装置810可以通过专用集成电路(Application Specific Integrated Circuit，ASIC)实现，或可编程逻辑器件(Programmable Logic Device，PLD)实现，上述PLD可以是复杂程序逻辑器件(Complex Programmable Logic Device，CPLD)，现场可编程门阵列(Field－Programmable Gate Array，FPGA)，通用阵列逻辑(Generic Array Logic，GAL)或其任意组合。通过软件实现图3a所示的描述属性识别方法时，描述表观特征的描述属性识别装置810及其各个模块也可以为软件模块。

根据本发明实施例的表观特征的描述属性识别装置810可对应于执行本发明实施例中描述的方法，并且表观特征的描述属性识别装置810中的各个单元的上述和其它操作和/或功能分别为了实现图3a中的方法及和图3a中的方法相关的相应流程，为了简洁，在此不再赘述。

请参见图9，图9为本发明实施例提供的另一种表观特征的描述属性识别装置的结构图，如图9所示，本发明实施例提供的表观特征的描述属性识别装置910是基于图5所示的表观特征的描述属性识别方法实现的，其包括获取单元911和处理单元912，所述处理单元912和所述获取单元911连接。下面详细介绍表观特征的描述属性识别装置910中的每个模块的功能：

所述获取单元911，用于获取目标图像，所述目标图像包括人物。在本实施方式中，获取单元911获取目标图像的功能，可以通过图像处理设备120中的接口14实现。获取单元911获取目标图像的功能，可以参考图3a所示的步骤S310描述的图像处理设备120获取目标图像的具体细节，在这里不再赘述。

所述获取单元911，还用于获取所述人物的表观特征的第一位置特征和第二位置特征，所述表观特征用于表示所述人物的外表的特性所属的类型，所述第一位置特征用于表示所述表观特征所体现的所述人物的第一部位在预设人物模型中的位置，所述第二位置特征用于表示所述表观特征所体现的所述人物的第二部位在所述预设人物模型中的位置，所述表观特征具有局部属性，所述局部属性用于指示所述图像处理设备对所述目标图像的处理方式为局部处理。在本实施方式中，获取单元911获取获取所述人物的表观特征的第一位置特征和第二位置特征的功能，可以通过图像处理设备120中的接口14实现。获取单元911获取所述人物的表观特征的第一位置特征和第二位置特征的功能，可以参考图5所示的步骤S520描述的图像处理设备120获取所述人物的表观特征的第一位置特征和第二位置特征的具体细节，在这里不再赘述。

所述处理单元912，用于根据所述第一位置特征和所述第二位置特征，获取所述第一部位和所述第二部位之间的最大距离。在本实施方式中，处理单元912根据所述第一位置特征和所述第二位置特征，获取所述第一部位和所述第二部位之间的最大距离的功能，可以通过图像处理设备120中的处理器11实现。处理单元912根据所述第一位置特征和所述第二位置特征，获取所述第一部位和所述第二部位之间的最大距离的功能，可以参考图5所示的步骤S530描述的图像处理设备120根据所述第一位置特征和所述第二位置特征，获取所述第一部位和所述第二部位之间的最大距离的具体细节，在这里不再赘述。

所述处理单元912，还用于根据所述最大距离识别目标区域，所述目标区域包括所述第一部位和所述第二部位。在本实施方式中，处理单元912根据所述最大距离识别目标区域的功能，可以通过图像处理设备120中的处理器11实现。处理单元912根据所述最大距离识别目标区域的功能，可以参考图5所示的步骤S540描述的图像处理设备120根据所述最大距离识别目标区域的具体细节，在这里不再赘述。

所述处理单元912，还用于对所述目标区域进行特征分析，识别所述目标图像中的人物的表观特征的描述属性。在本实施方式中，处理单元912对所述目标区域进行特征分析，识别所述目标图像中的人物的表观特征的描述属性的功能，可以通过图像处理设备120中的处理器11实现。处理单元912对所述目标区域进行特征分析，识别所述目标图像中的人物的表观特征的描述属性的功能，可以参考图5所示的步骤S550描述的图像处理设备120对所述目标区域进行特征分析，识别所述目标图像中的人物的表观特征的描述属性的具体细节，在这里不再赘述。

作为一种可选的实施方式，所述最大距离小于预设阈值。

作为一种可选的实施方式，所述获取单元911，还用于接收所述表观特征具有的位置属性，所述位置属性用于指示所述表观特征为局部属性。在本实施方式中，获取单元911接收所述表观特征具有的位置属性的功能，可以通过图像处理设备120中的接口14实现。

作为一种可选的实施方式，所述获取单元911，还用于在预先存储的所述表观特征与位置属性的对应关系中获取所述人物的表观特征具有的位置属性，所述位置属性用于指示所述表观特征为局部属性。在本实施方式中，获取单元911在预先存储的所述表观特征与位置属性的对应关系中获取所述人物的表观特征具有的位置属性的功能，可以通过图像处理设备120中的处理器11实现。

作为一种可选的实施方式，所述获取单元911，还用于接收包括所述表观特征的第一位置特征和第二位置特征的信息，所述信息用于指示所述表观特征的第一位置特征和第二位置特征。在本实施方式中，获取单元911接收包括所述表观特征的第一位置特征和第二位置特征的信息的功能，可以通过图像处理设备120中的接口14实现。

作为一种可选的实施方式，所述获取单元911，还用于查询预先存储的所述表观特征分别与第一位置特征和第二位置特征的对应关系，根据所述表观特征以及所述对应关系获取所述表观特征的第一位置特征和第二位置特征。在本实施方式中，获取单元911查询预先存储的所述表观特征分别与第一位置特征和第二位置特征的对应关系，根据所述表观特征以及所述对应关系获取所述表观特征的第一位置特征和第二位置特征的功能，可以通过图像处理设备120中的处理器11实现。

作为一种可选的实施方式，所述处理单元912，还用于以所述目标区域为中心，将所述目标区域向指定方向移动以获得一个或多个偏移区域。在本实施方式中，处理单元912以所述目标区域为中心，并且以一个分块图为偏移单位，将所述目标区域按照一个或倍数个偏移单位向一个或多个方向偏移以获得所述一个或多个偏移区域的功能，可以通过图像处理设备120中的处理器11实现。

所述处理单元912，还用于对所述偏移区域进行特征分析，识别所述人物的表观特征的其他描述属性。在本实施方式中，处理单元912对所述偏移区域进行特征分析，识别所述人物的表观特征的其他描述属性的功能，可以通过图像处理设备120中的处理器11实现。

所述处理单元912，还用于按照预设算法从所述描述属性和所述其他描述属性中确定目标描述属性，所述目标描述属性是所述描述属性和所述其他描述属性中最接近目标数据的描述属性。在本实施方式中，处理单元912按照预设算法从所述描述属性和所述其他描述属性中确定目标描述属性的功能，可以通过图像处理设备120中的处理器11实现。

作为一种可选的实施方式，所述处理单元912，还用于将所述目标区域划分为若干个分块图，所述若干个分块图具有相同的形状并且所述若干个分块图之间是连续的。在本实施方式中，处理单元912将所述目标区域划分为若干个分块图的功能，可以通过图像处理设备120中的处理器11实现。

所述处理单元912，还用于以所述目标区域为中心，并且以一个分块图为偏移单位，将所述目标区域按照一个或倍数个偏移单位向一个或多个方向偏移以获得所述一个或多个偏移区域，其中每个偏移区域的尺寸与所述目标区域的尺寸相同。在本实施方式中，处理单元912以所述目标区域为中心，并且以一个分块图为偏移单位，将所述目标区域按照一个或倍数个偏移单位向一个或多个方向偏移以获得所述一个或多个偏移区域的功能，可以通过图像处理设备120中的处理器11实现。

应理解的是，本发明实施例的表观特征的描述属性识别装置910可以通过专用集成电路(Application Specific Integrated Circuit，ASIC)实现，或可编程逻辑器件(Programmable Logic Device，PLD)实现，上述PLD可以是复杂程序逻辑器件(Complex Programmable Logic Device，CPLD)，现场可编程门阵列(Field－Programmable Gate Array，FPGA)，通用阵列逻辑(Generic Array Logic，GAL)或其任意组合。通过软件实现图5所示的描述属性识别方法时，描述表观特征的描述属性识别装置910及其各个模块也可以为软件模块。

根据本发明实施例的表观特征的描述属性识别装置910可对应于执行本发明实施例中描述的方法，并且表观特征的描述属性识别装置910中的各个单元的上述和其它操作和/或功能分别为了实现图5中的方法及和图5中的方法相关的相应流程，为了简洁，在此不再赘述。

请参见图10，图10为本发明实施例提供的另一种表观特征的描述属性识别装置的结构图，如图10所示，本发明实施例提供的表观特征的描述属性识别装置1010是基于图4所示的表观特征的描述属性识别方法实现的，其包括处理器1011和存储器1012。所述存储器1012存储计算机指令，所述处理器1011和所述存储器1012连接。所述处理器1011用于执行所述存储器1012中的计算机指令，以执行以下步骤：

获取目标图像，所述目标图像包括人物。在本实施方式中，处理器1011获取目标图像的细节，可参考图3a所示的步骤S310的描述，在这不再赘述。

对所述目标图像进行特征分析，识别出所述目标图像中的人物的表观特征的描述属性。所述表观特征用于表示所述人物的外表的特性所属的类型，所述描述属性用于标识所述人物的外表的特性，所述表观特征具有全局属性，所述全局属性用于识别对所述目标图像的处理方式为全局处理。

在本实施方式中，处理器1011对所述目标图像进行特征分析，识别出所述目标图像中的人物的表观特征的描述属性的细节，可参考图4所示的步骤S420的描述，在这不再赘述。

作为一种可选的实施方式，所述处理器1011，还用于接收所述表观特征具有的位置属性，所述位置属性用于指示所述表观特征为全局属性。

作为一种可选的实施方式，所述处理器1011，还用于在预先存储的所述表观特征与位置属性的对应关系中获取所述人物的表观特征具有的位置属性，所述位置属性用于指示所述表观特征为全局属性。

作为一种可选的实施方式，所述处理器1011还用于执行以下步骤：

获取与所述表观特征相关联的其他表观特征，获取所述其他表观特征的描述属性，通过所述其他表观特征的描述属性修正所述表观特征的描述属性，所述其他表观特征用于表示所述人物的外表的，与所述表观特征的特性相关联的其它特性所属的类型。在本实施方式中，处理器1011获取与所述表观特征相关联的其他表观特征，获取所述其他表观特征的描述属性，通过所述其他表观特征的描述属性修正所述表观特征的描述属性的细节，可参考图4所示的步骤S420之后的相关的步骤的细节描述，在这不再赘述。

通过与具有全局属性的表观特征相关联的，且具有局部属性的其他表观特征的描述属性，修正具有全局属性的表观特征的描述属性，提高了识别具有全局属性的表观特征的描述属性的准确率。

作为一种可选的实施方式，所述处理器1011，还用于执行基于图4所示的表观特征的描述属性识别方法中的相关步骤，具体实现细节可参照基于图4所示的表观特征的描述属性识别方法中的相关步骤，在这里不再赘述。

应理解，根据本发明实施例的表观特征的描述属性识别装置1010可对应于本发明实施例中的图像处理设备120，并可以对应于执行根据本发明实施例的图4所示的方法中的相应主体，并且表观特征的描述属性识别装置1010中的各个模块的上述和其它操作和/或功能分别为了实现图4所示的方法相关的各个流程，为了简洁，在此不再赘述。

请参见图11，图11为本发明实施例提供的另一种表观特征的描述属性识别装置的结构图，如图11所示，本发明实施例提供的表观特征的描述属性识别装置1110包括获取单元1111和处理单元1112，所述处理单元1112和所述获取单元1111连接。下面详细介绍表观特征的描述属性识别装置1110中的每个模块的功能：

获取单元1111，用于获取目标图像，所述目标图像包括人物。获取单元1111获取目标图像的功能可以通过图像处理设备120的接口14实现。获取单元1111获取目标图像的功能，可以参考图3a所示的步骤S310的具体实现细节，在这不再赘述。

处理单元1112，用于对所述目标图像进行特征分析，识别出所述目标图像中的人物的表观特征的描述属性；所述表观特征用于表示所述人物的外表的特性所属的类型，所述描述属性用于标识所述人物的外表的特性，所述表观特征具有全局属性，所述全局属性用于识别对所述目标图像的处理方式为全局处理。处理单元1112对所述目标图像进行特征分析，识别出所述目标图像中的人物的表观特征的描述属性的功能，可以参考图4所示的步骤S420的具体实现细节，在这不再赘述。

作为一种可选的实施方式，获取单元1111，还用于接收所述表观特征具有的位置属性，所述位置属性用于指示所述表观特征为全局属性。获取单元1111接收所述表观特征具有的位置属性的功能，可以通过图像处理设备120的接口14实现。

作为一种可选的实施方式，获取单元1111，还用于在预先存储的所述表观特征与位置属性的对应关系中获取所述人物的表观特征具有的位置属性，所述位置属性用于指示所述表观特征为全局属性。获取单元1111在预先存储的所述表观特征与位置属性的对应关系中获取所述人物的表观特征具有的位置属性的功能，可以通过图像处理设备120的处理器11实现。

作为一种可选的实施方式，获取单元1111，还用于获取与所述表观特征相关联的其他表观特征；所述其他表观特征用于表示所述人物的外表的，与所述表观特征的特性相关联的其它特性所属的类型。在本实施方式中，获取单元1111获取与所述表观特征相关联的其他表观特征的功能，可以通过图像处理设备120的接口14实现，也可以通过图像处理设备120的处理器11查询预先存储的所述表观特征与其他表观特征的对应关系；获取与所述表观特征相关联的其他表观特征实现。

获取单元1111，还用于获取所述其他表观特征的描述属性。在本实施方式中，获取单元1111获取所述其他表观特征的描述属性的功能可以通过图像处理设备的处理器11实现。

处理单元1112，还用于通过所述其他表观特征的描述属性修正所述表观特征的描述属性。通过与具有全局属性的表观特征相关联的，且具有局部属性的其他表观特征的描述属性，修正具有全局属性的表观特征的描述属性，提高了识别具有全局属性的表观特征的描述属性的准确率。在本实施方式中，处理单元1112通过所述其他表观特征的描述属性修正所述表观特征的描述属性的功能，可以通过图像处理设备的处理器11实现。

作为一种可选的实施方式，所述处理单元1112，还用于实现基于图4所示的表观特征的描述属性识别方法中的相关步骤实现的功能，具体实现细节可参照基于图4所示的表观特征的描述属性识别方法中的相关步骤，在这里不再赘述。

应理解的是，本发明实施例的表观特征的描述属性识别装置1110可以通过专用集成电路(Application Specific Integrated Circuit，ASIC)实现，或可编程逻辑器件(Programmable Logic Device，PLD)实现，上述PLD可以是复杂程序逻辑器件(Complex Programmable Logic Device，CPLD)，现场可编程门阵列(Field－Programmable Gate Array，FPGA)，通用阵列逻辑(Generic Array Logic，GAL)或其任意组合。通过软件实现图5所示的描述属性识别方法时，描述表观特征的描述属性识别装置1110及其各个模块也可以为软件模块。

根据本发明实施例的表观特征的描述属性识别装置1110可对应于执行本发明实施例中描述的方法，并且表观特征的描述属性识别装置1110中的各个单元的上述和其它操作和/或功能分别为了实现图4中的方法及和图4中的方法相关的相应流程，为了简洁，在此不再赘述。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质。半导体介质可以是固态硬盘(Solid State Disk，SSD)。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员根据本发明申请提供的具有实施例方式，可想到变化或替换。

Claims

一种表观特征的描述属性识别方法，其特征在于，所述方法由图像处理设备执行，包括以下步骤：

获取目标图像，所述目标图像包括人物；

获取所述目标图像的表观特征的位置特征，所述表观特征用于表示所述人物的外表的特性所属的类型，所述表观特征的位置特征，用于表示所述表观特征所体现的所述人物的部位在预设人物模型中的位置，所述表观特征具有局部属性，所述局部属性用于指示所述图像处理设备对所述目标图像的处理方式为局部处理；

根据所述位置特征，识别目标区域，所述目标区域包括所述人物的部位；

对所述目标区域进行特征分析，识别所述人物的表观特征的描述属性。
如权利要求1所述的方法，其特征在于，还包括：

接收所述表观特征具有的位置属性，所述位置属性用于指示所述表观特征为局部属性。
如权利要求1所述的方法，其特征在于，还包括：

在预先存储的所述表观特征与位置属性的对应关系中获取所述人物的表观特征具有的位置属性，所述位置属性用于指示所述表观特征为局部属性。
如权利要求1-3任一所述的方法，其特征在于，还包括：

以所述目标区域为中心，将所述目标区域向指定方向移动以获得一个或多个偏移区域；

对所述偏移区域进行特征分析，识别所述人物的表观特征的其他描述属性；

按照预设算法从所述描述属性和所述其他描述属性中确定目标描述属性，所述目标描述属性是所述描述属性和所述其他描述属性中最接近目标数据的描述属性。
如权利要求4所述的方法，其特征在于，以所述目标区域为中心，将所述目标区域向指定方向移动以获得一个或多个偏移区域，包括：

将所述目标区域划分为若干个分块图，所述若干个分块图具有相同的形状并且所述若干个分块图之间是连续的；

以所述目标区域为中心，并且以一个分块图为偏移单位，将所述目标区域按照一个或倍数个偏移单位向一个或多个方向偏移以获得所述一个或多个偏移区域，其中每个偏移区域的尺寸与所述目标区域的尺寸相同。
如权利要求1-5任一所述的方法，其特征在于，所述获取所述表观特征的位置特征，包括：

接收包括所述表观特征的位置特征的信息，所述信息用于指示所述表观特征的位置特征。
如权利要求1-5任一所述的方法，其特征在于，所述获取所述表观特征的位置特征，包括：

查询预先存储的所述表观特征与位置特征的对应关系；

根据所述表观特征以及所述对应关系获取所述表观特征的位置特征。
一种表观特征的描述属性识别方法，其特征在于，所述方法由图像处理设备执行，包括以下步骤：

获取目标图像，所述目标图像包括人物；

获取所述人物的表观特征的第一位置特征和第二位置特征，所述表观特征用于表示所述人物的外表的特性所属的类型，所述第一位置特征用于表示所述表观特征所体现的所述人物的第一部位在预设人物模型中的位置，所述第二位置特征用于表示所述表观特征所体现的所述人物的第二部位在所述预设人物模型中的位置，所述表观特征具有局部属性，所述局部属性用于指示所述图像处理设备对所述目标图像的处理方式为局部处理；

根据所述第一位置特征和所述第二位置特征，获取所述第一部位和所述第二部位之间的最大距离；

根据所述最大距离识别目标区域，所述目标区域包括所述第一部位和所述第二部位；

对所述目标区域进行特征分析，识别所述目标图像中的人物的表观特征的描述属性。
如权利要求8所述的方法，其特征在于，所述最大距离小于预设阈值。
如权利要求8或9所述的方法，其特征在于，还包括：

接收所述表观特征具有的位置属性，所述位置属性用于指示所述表观特征为局部属性。
如权利要求8或9所述的方法，其特征在于，还包括：

在预先存储的所述表观特征与位置属性的对应关系中获取所述人物的表观特征具有的位置属性，所述位置属性用于指示所述表观特征为局部属性。
如权利要求8-11任一所述的方法，其特征在于，获取所述人物的表观特征的第一位置特征和第二位置特征，包括：

接收包括所述表观特征的第一位置特征和第二位置特征的信息，所述信息用于指示所述表观特征的第一位置特征和第二位置特征。
如权利要求8-11任一所述的方法，其特征在于，获取所述人物的表观特征的第一位置特征和第二位置特征，包括：

查询预先存储的所述表观特征分别与第一位置特征和第二位置特征的对应关系；

根据所述表观特征以及所述对应关系获取所述表观特征的第一位置特征和第二位置特征。
如权利要求8-13任一所述的方法，其特征在于，还包括：

以所述目标区域为中心，将所述目标区域向指定方向移动以获得一个或多个偏移区域；

对所述偏移区域进行特征分析，识别所述人物的表观特征的其他描述属性；

按照预设算法从所述描述属性和所述其他描述属性中确定目标描述属性，所述目标描述属性是所述描述属性和所述其他描述属性中最接近目标数据的描述属性。
如权利要求14所述的方法，其特征在于，以所述目标区域为中心，将所述目标区域向指定方向移动以获得一个或多个偏移区域，包括：

将所述目标区域划分为若干个分块图，所述若干个分块图具有相同的形状并且所述若干个分块图之间是连续的；

以所述目标区域为中心，并且以一个分块图为偏移单位，将所述目标区域按照一个或倍数个偏移单位向一个或多个方向偏移以获得所述一个或多个偏移区域，其中每个偏移区域的尺寸与所述目标区域的尺寸相同。
一种表观特征的描述属性识别装置，其特征在于，包括处理器、存储器，所述存储器存储计算机指令，所述处理器和所述存储器连接；

所述处理器用于执行所述存储器中的计算机指令，以执行以下步骤：

获取目标图像，所述目标图像包括人物；

获取所述目标图像的表观特征的位置特征，所述表观特征用于表示所述人物的外表的特性所属的类型，所述表观特征的位置特征，用于表示所述表观特征所体现的所述人物的部位在预设人物模型中的位置，所述表观特征具有局部属性，所述局部属性用于指示所述图像处理设备对所述目标图像的处理方式为局部处理；

根据所述位置特征，识别目标区域，所述目标区域包括所述人物的部位；

对所述目标区域进行特征分析，识别所述人物的表观特征的描述属性。
如权利要求16所述的装置，其特征在于，所述处理器，还用于接收所述表观特征具有的位置属性，所述位置属性用于指示所述表观特征为局部属性。
如权利要求16所述的装置，其特征在于，所述处理器，还用于在预先存储的所述表观特征与位置属性的对应关系中获取所述人物的表观特征具有的位置属性，所述位置属性用于指示所述表观特征为局部属性。
如权利要求16-18任一所述的装置，其特征在于，所述处理器还用于执行以下步骤：

以所述目标区域为中心，将所述目标区域向指定方向移动以获得一个或多个偏移区域；

对所述偏移区域进行特征分析，识别所述人物的表观特征的其他描述属性；

按照预设算法从所述描述属性和所述其他描述属性中确定目标描述属性，所述目标描述属性是所述描述属性和所述其他描述属性中最接近目标数据的描述属性。
如权利要求19所述的装置，其特征在于，

所述处理器，还用于将所述目标区域划分为若干个分块图，所述若干个分块图具有相同的形状并且所述若干个分块图之间是连续的；以所述目标区域为中心，并且以一个分块图为偏移单位，将所述目标区域按照一个或倍数个偏移单位向一个或多个方向偏移以获得所述一个或多个偏移区域，其中每个偏移区域的尺寸与所述目标区域的尺寸相同。
如权利要求16-20任一所述的装置，其特征在于，所述处理器，还用于接收包括所述表观特征的位置特征的信息，所述信息用于指示所述表观特征的位置特征。
如权利要求16-20任一所述的装置，其特征在于，所述处理器，还用于查询预先存储的所述表观特征与位置特征的对应关系；根据所述表观特征以及所述对应关系获取所述表观特征的位置特征。
一种表观特征的描述属性识别装置，其特征在于，包括处理器、存储器，所述存储器存储计算机指令，所述处理器和所述存储器连接；

所述处理器用于执行所述存储器中的计算机指令，以执行以下步骤：

获取目标图像，所述目标图像包括人物；

获取所述人物的表观特征的第一位置特征和第二位置特征，所述表观特征用于表示所述人物的外表的特性所属的类型，所述第一位置特征用于表示所述表观特征所体现的所述人物的第一部位在预设人物模型中的位置，所述第二位置特征用于表示所述表观特征所体现的所述人物的第二部位在所述预设人物模型中的位置，所述表观特征具有局部属性，所述局部属性用于指示所述图像处理设备对所述目标图像的处理方式为局部处理；

根据所述第一位置特征和所述第二位置特征，获取所述第一部位和所述第二部位之间的最大距离；

根据所述最大距离识别目标区域，所述目标区域包括所述第一部位和所述第二部位；

对所述目标区域进行特征分析，识别所述目标图像中的人物的表观特征的描述属性。
如权利要求23所述的装置，其特征在于，所述最大距离小于预设阈值。
如权利要求23或24所述的装置，其特征在于，所述处理器，还用于接收所述表观特征具有的位置属性，所述位置属性用于指示所述表观特征为局部属性。
如权利要求23或24所述的装置，其特征在于，所述处理器，还用于在预先存储的所述表观特征与位置属性的对应关系中获取所述人物的表观特征具有的位置属性，所述位置属性用于指示所述表观特征为局部属性。
如权利要求23-26任一所述的装置，其特征在于，所述处理器，还用于接收包括所述表观特征的第一位置特征和第二位置特征的信息，所述信息用于指示所述表观特征的第一位置特征和第二位置特征。
如权利要求23-26任一所述的装置，其特征在于，所述处理器，还用于查询预先存储的所述表观特征分别与第一位置特征和第二位置特征的对应关系；根据所述表观特征以及所述对应关系获取所述表观特征的第一位置特征和第二位置特征。
如权利要求23-28任一所述的装置，其特征在于，所述处理器还用于执行以下步骤：

以所述目标区域为中心，将所述目标区域向指定方向移动以获得一个或多个偏移区域；

对所述偏移区域进行特征分析，识别所述人物的表观特征的其他描述属性；

按照预设算法从所述描述属性和所述其他描述属性中确定目标描述属性，所述目标描述属性是所述描述属性和所述其他描述属性中最接近目标数据的描述属性。
如权利要求29所述的装置，其特征在于，

所述处理器，还用于将所述目标区域划分为若干个分块图，所述若干个分块图具有相同的形状并且所述若干个分块图之间是连续的；以所述目标区域为中心，并且以一个分块图为偏移单位，将所述目标区域按照一个或倍数个偏移单位向一个或多个方向偏移以获得所述一个或多个偏移区域，其中每个偏移区域的尺寸与所述目标区域的尺寸相同。
一种表观特征的描述属性识别装置，其特征在于，包括处理单元和获取单元，所述处理单元和所述获取单元连接；

所述获取单元，用于获取目标图像，所述目标图像包括人物；

所述获取单元，还用于获取所述目标图像的表观特征的位置特征，所述表观特征用于表示所述人物的外表的特性所属的类型，所述表观特征的位置特征，用于表示所述表观特征所体现的所述人物的部位在预设人物模型中的位置，所述表观特征具有局部属性，所述局部属性用于指示所述图像处理设备对所述目标图像的处理方式为局部处理；

所述处理单元，用于根据所述位置特征，识别目标区域，所述目标区域包括所述人物的部位；

所述处理单元，还用于对所述目标区域进行特征分析，识别所述人物的表观特征的描述属性。
如权利要求31所述的装置，其特征在于，所述获取单元，还用于接收所述表观特征具有的位置属性，所述位置属性用于指示所述表观特征为局部属性。
如权利要求31所述的装置，其特征在于，所述获取单元，还用于在预先存储的所述表观特征与位置属性的对应关系中获取所述人物的表观特征具有的位置属性，所述位置属性用于指示所述表观特征为局部属性。
如权利要求31-33任一所述的装置，其特征在于，

所述处理单元，还用于以所述目标区域为中心，将所述目标区域向指定方向移动以获得一个或多个偏移区域；

所述处理单元，还用于对所述偏移区域进行特征分析，识别所述人物的表观特征的其他描述属性；

所述处理单元，还用于按照预设算法从所述描述属性和所述其他描述属性中确定目标描述属性，所述目标描述属性是所述描述属性和所述其他描述属性中最接近目标数据的描述属性。
如权利要求34所述的装置，其特征在于，

所述处理单元，还用于将所述目标区域划分为若干个分块图，所述若干个分块图具有相同的形状并且所述若干个分块图之间是连续的；

所述处理单元，还用于以所述目标区域为中心，并且以一个分块图为偏移单位，将所述目标区域按照一个或倍数个偏移单位向一个或多个方向偏移以获得所述一个或多个偏移区域，其中每个偏移区域的尺寸与所述目标区域的尺寸相同。
如权利要求31-35任一所述的装置，其特征在于，所述获取单元，还用于接收包括所述表观特征的位置特征的信息，所述信息用于指示所述表观特征的位置特征。
如权利要求31-35任一所述的装置，其特征在于，所述获取单元，还用于查询预先存储的所述表观特征与位置特征的对应关系；根据所述表观特征以及所述对应关系获取所述表观特征的位置特征。
一种表观特征的描述属性识别装置，其特征在于，包括处理单元和获取单元，所述处理单元和所述获取单元连接；

所述获取单元，用于获取目标图像，所述目标图像包括人物；

所述获取单元，还用于获取所述人物的表观特征的第一位置特征和第二位置特征，所述表观特征用于表示所述人物的外表的特性所属的类型，所述第一位置特征用于表示所述表观特征所体现的所述人物的第一部位在预设人物模型中的位置，所述第二位置特征用于表示所述表观特征所体现的所述人物的第二部位在所述预设人物模型中的位置，所述表观特征具有局部属性，所述局部属性用于指示所述图像处理设备对所述目标图像的处理方式为局部处理；

所述处理单元，用于根据所述第一位置特征和所述第二位置特征，获取所述第一部位和所述第二部位之间的最大距离；

所述处理单元，还用于根据所述最大距离识别目标区域，所述目标区域包括所述第一部位和所述第二部位；

所述处理单元，还用于对所述目标区域进行特征分析，识别所述目标图像中的人物的表观特征的描述属性。
如权利要求38所述的装置，其特征在于，所述最大距离小于预设阈值。
如权利要求38或39所述的装置，其特征在于，所述获取单元，还用于接收所述表观特征具有的位置属性，所述位置属性用于指示所述表观特征为局部属性。
如权利要求38或39所述的装置，其特征在于，所述获取单元，还用于在预先存储的所述表观特征与位置属性的对应关系中获取所述人物的表观特征具有的位置属性，所述位置属性用于指示所述表观特征为局部属性。
如权利要求38-41任一所述的装置，其特征在于，所述获取单元，还用于接收包括所述表观特征的第一位置特征和第二位置特征的信息，所述信息用于指示所述表观特征的第一位置特征和第二位置特征。
如权利要求38-41任一所述的装置，其特征在于，所述获取单元，还用于查询预先存储的所述表观特征分别与第一位置特征和第二位置特征的对应关系；根据所述表观特征以及所述对应关系获取所述表观特征的第一位置特征和第二位置特征。
如权利要求38-43任一所述的装置，其特征在于，

所述处理单元，还用于以所述目标区域为中心，将所述目标区域向指定方向移动以获得一个或多个偏移区域；

所述处理单元，还用于对所述偏移区域进行特征分析，识别所述人物的表观特征的其他描述属性；

所述处理单元，还用于按照预设算法从所述描述属性和所述其他描述属性中确定目标描述属性，所述目标描述属性是所述描述属性和所述其他描述属性中最接近目标数据的描述属性。
如权利要求44所述的装置，其特征在于，

所述处理单元，还用于将所述目标区域划分为若干个分块图，所述若干个分块图具有相同的形状并且所述若干个分块图之间是连续的；

所述处理单元，还用于以所述目标区域为中心，并且以一个分块图为偏移单位，将所述目标区域按照一个或倍数个偏移单位向一个或多个方向偏移以获得所述一个或多个偏移区域，其中每个偏移区域的尺寸与所述目标区域的尺寸相同。