【技术实现步骤摘要】
本申请实施例涉及图像处理，尤其涉及一种对象属性识别方法、装置、介质和电子设备。
技术介绍
1、随着社会经济的发展，进行图像识别越来越普遍。与图像识别相关联的对象属性识别变的尤为重要。
2、在图像识别过程中，进行对象属性识别的要求越来越高。对象属性识别的过程中，往往涉及识别多个属性，对象属性识别越来越复杂。例如，在交通场景中，使用视频监控技术辅助识别非机动车是否有违章行为可以提高执法效率。
3、目前非机动车属性识别的主流技术是通过基于深度学习的图像分类方法进行非机动车属性识别，从而判断非机动车是否违章。由于与非机动车及骑车人相关的属性数量众多，一个属性对应一个模型的方法对训练开销和推理耗时不友好，对象属性识别耗时通常较长，因而，相关技术中的对象属性识别方法不仅耗时而且耗力，对象属性识别的效率不高。
技术实现思路
1、为解决现有存在的技术问题，本申请实施例提供了一种对象属性识别方法、装置、介质和电子设备，可以提高对象属性识别的效率。
2、为达到上述目的，本申请实施例的技术方案是这样实现的：
3、第一方面，本申请实施例提供一种对象属性识别方法，所述方法包括：
4、根据包含目标对象的待处理图像，得到目标图像；所述目标图像包含所述目标对象；
5、将所述目标图像输入已训练的属性识别模型，得到所述目标对象的对象属性识别结果；其中，所述属性识别模型包括深度特征提取网络子模型和属性预测子模型；所述深度特征提取网络子模型用于提取预
6、本申请实施例提供的对象属性识别方法，根据包含目标对象的待处理图像，得到目标图像；所述目标图像包含所述目标对象；将所述目标图像输入已训练的属性识别模型，得到所述目标对象的对象属性识别结果；其中，所述属性识别模型包括深度特征提取网络子模型和属性预测子模型；所述深度特征提取网络子模型用于提取预设数量的目标属性特征；所述深度特征提取网络子模型包括图像特征提取分支和属性特征提取分支；所述深度特征提取网络子模型为基于transformer架构的网络模型；所述属性特征提取分支包括所述预设数量的属性查询网络和与所述预设数量的属性查询网络串接的解码器模块；所述图像特征提取分支用于基于所述目标图像得到目标对象图特征；所述属性查询网络用于根据所述目标对象图特征得到属性特征信息；所述解码器模块用于根据所述目标对象图特征和所述属性特征信息得到所述目标属性特征；所述属性预测子模型用于基于所述目标属性特征确定所述目标对象的对象属性识别结果。该方法通过基于深度学习的属性识别模型提取目标对象图特征，进而通过属性识别模型包括的预设数量的属性查询网络和解码器模块得到目标属性特征，最终确定所述目标对象的对象属性识别结果，可以将预设数量的多个属性预测集成在一个统一的属性识别模型中，能够节省训练开销及推理耗时，同时深度特征提取网络子模型可以挖掘不同属性之间的关联关系，从而实现提升对象属性识别的准确性，可以有效提高对象属性识别的效率。
7、在一种可选的实施例中，所述根据包含目标对象的待处理图像，得到目标图像，包括：
8、对所述待处理图像进行对象检测，识别出所述待处理图像包含的所述目标对象；
9、基于所述目标对象对所述待处理图像进行图像剪裁，得到所述目标图像。
10、在该实施例中，所述根据包含目标对象的待处理图像，得到目标图像，包括：对所述待处理图像进行对象检测，识别出所述待处理图像包含的所述目标对象；基于所述目标对象对所述待处理图像进行图像剪裁，得到所述目标图像。该方法可以实现自动基于包含目标对象的待处理图像进行对象检测和图像剪裁，得到包含所述目标对象的目标图像，可以快速地生成目标图像，无需人工操作，进一步节省对象属性识别的人力成本，可以有效提高对象属性识别的效率。
11、在一种可选的实施例中，通过下述步骤得到所述目标属性特征：
12、对获取的所述目标图像进行特征提取处理，得到所述目标对象图特征；
13、对所述目标对象图特征进行属性提取处理，得到所述属性特征信息；
14、根据所述目标对象图特征和所述属性特征信息，得到所述目标属性特征。
15、在该实施例中，通过下述步骤得到所述目标属性特征：对获取的所述目标图像进行特征提取处理，得到所述目标对象图特征；对所述目标对象图特征进行属性提取处理，得到所述属性特征信息；根据所述目标对象图特征和所述属性特征信息，得到所述目标属性特征。该方法能够确定目标对象图特征和属性特征信息，再基于目标对象图特征和属性特征信息得到所述目标属性特征，提供了一种可以挖掘不同属性之间的关联关系的机制，能够实现提升对象属性识别的准确性，可以有效提高对象属性识别的效率。
16、在一种可选的实施例中，所述图像特征提取分支包括骨干网络和编码器模块；所述对获取的所述目标图像进行特征提取处理，得到目标对象图特征，包括：
17、通过所述骨干网络对所述目标图像进行图像特征提取，得到特征图信息；
18、通过所述编码器模块对所述特征图信息进行对象特征提取，得到所述目标对象图特征。
19、在该实施例中，所述图像特征提取分支包括骨干网络和编码器模块；通过所述骨干网络对所述目标图像进行图像特征提取，得到特征图信息；通过所述编码器模块对所述特征图信息进行对象特征提取，得到所述目标对象图特征。该方法可以自动地通过编码器模块基于自注意力对所述特征图信息进行对象特征提取，得到所述目标对象图特征，能够降低对象属性识别过程的推理耗时，实现提升对象属性识别的准确性，有效提高对象属性识别的效率。
20、在一种可选的实施例中，所述属性查询网络为通过改进目标检测框架detr，使得将所述detr的对象查询修改为与属性对应的属性查询而得到的。
21、在该实施例中，所述属性查询网络为通过改进目标检测框架detr，使得将所述detr的对象查询修改为与属性对应的属性查询而得到的。该方法，通过改进目标检测框架detr，将原detr的对象查询修改为与属性对应的属性查询，从而能够通过解码器模块提取图片特征，通过解码器模块和属性查询获取属性特征，最后通过属性预测子模型的各个属性分类头进行属性分类，实现提升对象属性识别的准确性，有效提高对象属性识别的效率。
22、在一种可选的实施例中，所述解码器包本文档来自技高网...
【技术保护点】
1.一种对象属性识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述根据包含目标对象的待处理图像，得到目标图像，包括：
3.根据权利要求1所述的方法，其特征在于，通过下述步骤得到所述目标属性特征：
4.根据权利要求3所述的方法，其特征在于，所述图像特征提取分支包括骨干网络和编码器模块；所述对获取的所述目标图像进行特征提取处理，得到目标对象图特征，包括：
5.根据权利要求1所述的方法，其特征在于，所述属性查询网络为通过改进目标检测框架DETR，使得将所述DETR的对象查询修改为与属性对应的属性查询而得到的。
6.根据权利要求3所述的方法，其特征在于，所述解码器包括多头自注意力层和多头交叉注意力层；所述根据所述目标对象图特征和所述属性特征信息，得到所述目标属性特征，包括：
7.根据权利要求1所述的方法，其特征在于，所述基于所述目标属性特征，确定所述目标对象的对象属性识别结果，包括：
8.根据权利要求1~7任一所述的方法，其特征在于，所述属性识别模型通过如下方法训练得到：
9.一种对象属性识别装置，其特征在于，所述装置包括：
10.一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，其特征在于：所述计算机程序被处理器执行时，实现权利要求1~8中任一项所述的方法。
11.一种电子设备，其特征在于，包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的计算机程序，当所述计算机程序被所述处理器执行时，实现权利要求1~8中任一项所述的方法。
...【技术特征摘要】
1.一种对象属性识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述根据包含目标对象的待处理图像，得到目标图像，包括：
3.根据权利要求1所述的方法，其特征在于，通过下述步骤得到所述目标属性特征：
4.根据权利要求3所述的方法，其特征在于，所述图像特征提取分支包括骨干网络和编码器模块；所述对获取的所述目标图像进行特征提取处理，得到目标对象图特征，包括：
5.根据权利要求1所述的方法，其特征在于，所述属性查询网络为通过改进目标检测框架detr，使得将所述detr的对象查询修改为与属性对应的属性查询而得到的。
6.根据权利要求3所述的方法，其特征在于，所述解码器包括多头自注意力层和多头交叉注意力层；所述根据所述目标...
【专利技术属性】
技术研发人员：林畅，叶芳，巩海军，唐邦杰，潘华东，
申请(专利权)人：浙江大华技术股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。