【技术实现步骤摘要】
本申请涉及行人识别，尤其涉及一种人体属性和身份识别模型训练方法、识别方法及相关装置。
技术介绍
1、在客流统计和属性分析应用场景中，通过训练属性分类模型实现顾客属性分类，在进行客流统计时容易对多次出现的顾客进行多次统计，而实际情况对多次出现的顾客仅需统计一次，也就是说需要对统计的顾客进行去重处理。现有技术通常是采用额外训练的一个身份识别模型来识别各顾客的身份，根据各顾客的身份进行客流统计任务中的去重复处理，该方法需要分别训练两个模型，计算资源消耗大，且在实际应用中需要将两个模型嵌入到硬件设备中，对硬件设备要求较高，不适用于低性能的硬件设备。
技术实现思路
1、本申请提供了一种人体属性和身份识别模型训练方法、识别方法及相关装置，用于提供一种能同时识别人体属性和身份的模型训练方法，减少模型训练数量，以降低对硬件设备要求。
2、有鉴于此，本申请第一方面提供了一种人体属性和身份识别模型训练方法，包括：
3、构建人体属性和身份识别网络，所述人体属性和身份识别网络包括主干网络和分类层；
4、通过所述主干网络对行人训练图像进行特征提取，通过所述分类层对所述主干网络提取的第一行人特征进行属性分类，得到第一属性分类结果；
5、基于所述行人训练图像的身份id标签和所述第一行人特征计算身份损失值，基于所述行人训练图像的属性标签和所述第一属性分类结果计算属性损失值；
6、通过所述身份损失值和所述属性损失值计算总损失值；
7、通过所述总
8、可选的，所述方法还包括：
9、通过第一教师模型对所述行人训练图像进行特征提取，得到第二行人特征；所述第一教师模型为训练好的人体身份识别模型；
10、所述基于所述行人训练图像的身份id标签和所述第一行人特征计算身份损失值，包括：
11、根据所述行人训练图像的身份id标签和所述第一行人特征计算第一身份损失值；
12、通过所述第一行人特征和所述第二行人特征计算第二身份损失值。
13、可选的，所述方法还包括：
14、通过第二教师模型对所述行人训练图像进行属性识别，得到第二属性分类结果；所述第二教师模型为训练好的人体属性识别模型；
15、所述基于所述行人训练图像的属性标签和所述第一属性分类结果计算属性损失值，包括：
16、根据所述行人训练图像的属性标签和所述第一属性分类结果计算第一属性损失值；
17、通过所述第一属性分类结果和所述第二属性分类结果计算第二属性损失值。
18、可选的，所述通过所述身份损失值和所述属性损失值计算总损失值，包括：
19、对所述身份损失值和所述属性损失值进行加权求和，得到总损失值。
20、可选的，所述主干网络为训练好的特征提取模型。
21、本申请第二方面提供了一种人体属性和身份识别方法，包括：
22、将待识别行人图像输入到人体属性和身份识别模型中进行特征提取和属性分类，得到行人特征和人体属性分类结果；其中，所述人体属性和身份识别模型采用第一方面任一种所述的人体属性和身份识别模型训练方法训练得到；
23、将所述行人特征与预置行人数据库中存储的行人特征向量进行相似度计算，输出相似度最高的行人特征向量对应的身份id，所述预置行人数据库存储有行人特征向量与身份id的对应关系。
24、本申请第三方面提供了一种人体属性和身份识别模型训练装置，包括：
25、构建单元，用于构建人体属性和身份识别网络，所述人体属性和身份识别网络包括主干网络和分类层；
26、第一特征提取和属性分类单元，用于通过所述主干网络对行人训练图像进行特征提取，通过所述分类层对所述主干网络提取的第一行人特征进行属性分类，得到第一属性分类结果；
27、第一计算单元，用于基于所述行人训练图像的身份id标签和所述第一行人特征计算身份损失值，基于所述行人训练图像的属性标签和所述第一属性分类结果计算属性损失值；
28、第二计算单元，用于通过所述身份损失值和所述属性损失值计算总损失值；
29、参数更新单元，用于通过所述总损失值更新所述主干网络和所述分类层的网络参数，直至所述人体属性和身份识别网络收敛，得到训练好的人体属性和身份识别模型。
30、本申请第四方面提供了一种人体属性和身份识别装置，包括：
31、特征提取和属性分类单元，用于将待识别行人图像输入到人体属性和身份识别模型中进行特征提取和属性分类，得到行人特征和人体属性分类结果；其中，所述人体属性和身份识别模型采用第一方面任一种所述的人体属性和身份识别模型训练方法训练得到；
32、身份识别单元，用于将所述行人特征与预置行人数据库中存储的行人特征向量进行相似度计算，输出相似度最高的行人特征向量对应的身份id，所述预置行人数据库存储有行人特征向量与身份id的对应关系。
33、本申请第五方面提供了一种电子设备，所述设备包括处理器以及存储器；
34、所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
35、所述处理器用于根据所述程序代码中的指令执行第一方面任一种所述的人体属性和身份识别模型训练方法，或，执行第二方面所述的人体属性和身份识别方法。
36、本申请第六方面提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储程序代码，所述程序代码被处理器执行时实现第一方面任一种所述的人体属性和身份识别模型训练方法，或，实现第二方面所述的人体属性和身份识别方法。
37、从以上技术方案可以看出，本申请具有以下优点：
38、本申请提供的人体属性和身份识别模型训练方法，通过对人体属性和身份识别网络同时进行身份识别任务训练和属性分类任务训练，使得训练好的人体属性和身份识别模型可以进行身份识别和属性分类，该方法只需训练一个模型，减少了模型的训练数量，节省了计算资源消耗，在实际应用中只需嵌入一个模型到硬件设备中，降低了对硬件设备的要求。
本文档来自技高网...【技术保护点】
1.一种人体属性和身份识别模型训练方法，其特征在于，包括：
2.根据权利要求1所述的人体属性和身份识别模型训练方法，其特征在于，所述方法还包括：
3.根据权利要求1所述的人体属性和身份识别模型训练方法，其特征在于，所述方法还包括：
4.根据权利要求1所述的人体属性和身份识别模型训练方法，其特征在于，所述通过所述身份损失值和所述属性损失值计算总损失值，包括：
5.根据权利要求1所述的人体属性和身份识别模型训练方法，其特征在于，所述主干网络为训练好的特征提取模型。
6.一种人体属性和身份识别方法，其特征在于，包括：
7.一种人体属性和身份识别模型训练装置，其特征在于，包括：
8.一种人体属性和身份识别装置，其特征在于，包括：
9.一种电子设备，其特征在于，所述设备包括处理器以及存储器；
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储程序代码，所述程序代码被处理器执行时实现权利要求1-5任一项所述的人体属性和身份识别模型训练方法，或，实现权利要求6所述的
...【技术特征摘要】
1.一种人体属性和身份识别模型训练方法，其特征在于，包括：
2.根据权利要求1所述的人体属性和身份识别模型训练方法，其特征在于，所述方法还包括：
3.根据权利要求1所述的人体属性和身份识别模型训练方法，其特征在于，所述方法还包括：
4.根据权利要求1所述的人体属性和身份识别模型训练方法，其特征在于，所述通过所述身份损失值和所述属性损失值计算总损失值，包括：
5.根据权利要求1所述的人体属性和身份识别模型训练方法，其特征在于，所述主干网络为训练好的特征提取模型...
【专利技术属性】
技术研发人员：杨奇，陈书楷，仲崇亮，
申请(专利权)人：厦门熵基科技有限公司，
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。