【技术实现步骤摘要】
本申请涉及计算机视觉目标检测，尤其涉及一种行人属性识别方法、装置、设备、存储介质及计算机程序产品。
技术介绍
1、目前常规的行人属性识别方法分为两个阶段，首先通过目标检测技术对监控拍下的图像进行行人检测，其次对包含行人的区域进行进一步的结构化属性识别，从而输出行人区域的检测框和属性值，然而，面对比较密集的行人场景，检测裁剪出的单张行人区域可能包括多个行人信息，结构化属性容易造成识别冲突。
技术实现思路
1、本申请的主要目的在于提供一种行人属性识别方法、装置、设备、存储介质及计算机程序产品，旨在解决目前常规的行人属性识别方法面对比较密集的行人场景，检测裁剪出的单张行人区域可能包括多个行人信息，结构化属性容易造成识别冲突的技术问题。
2、为实现上述目的，本申请提出一种行人属性识别方法，所述行人属性识别方法包括：
3、基于yolov8网络构建目标检测网络；
4、获取采集到的初始检测图像，并对所述初始检测图像进行预处理，得到目标检测图像；
5、根据所述目标检测网络对所述目标检测图像进行行人属性识别，确定图像中行人的位置区域，并输出所述位置区域中行人的属性。
6、可选地，所述基于yolov8网络构建目标检测网络的步骤，包括：
7、利用可变形卷积搭建dc2f模块；
8、采用深度可分离卷积搭建sppfd模块；
9、根据所述dc2f模块和所述sppfd模块对所述yolov8网络中的c2f模块和sppf模
10、在所述改进yolov8网络模型的检测头上，接入行人结构化属性分类头，获得目标检测网络。
11、可选地，所述利用可变形卷积搭建dc2f模块的步骤，包括：
12、根据预设属性识别需求确定可变形卷积核的结构参数，并基于所述结构参数使用可变形卷积构建可变形卷积块；
13、基于所述预设属性识别需求确定所述可变形卷积块的堆叠数量和顺序，组建目标瓶颈层；
14、将所述yolov8网络中c2f模块的第一卷积块和瓶颈层替换为所述可变形卷积块和所述目标瓶颈层，生成dc2f模块。
15、可选地，所述采用深度可分离卷积搭建sppfd模块的步骤，包括：
16、基于深度可分离卷积、批量归一化和激活函数构建dwcbl单元；
17、获取所述yolov8网络中的sppf模块，将所述sppf模块中的第二卷积块替换为所述dwcbl单元，并去除所述sppf模块中的一个池化计算，得到sppfd模块。
18、可选地，所述目标检测网络包括主干网络、颈部网络和检测头；
19、所述根据所述目标检测网络对所述目标检测图像进行行人属性识别，确定图像中行人的位置区域，并输出所述位置区域中行人的属性的步骤，包括：
20、将所述目标检测图像以标准化格式输入到所述目标检测网络的主干网络中，提取所述目标检测图像的特征，生成目标特征图；
21、基于所述颈部网络对所述目标特征图中的特征进行融合，得到融合特征图；
22、在所述目标检测网络的检测头中，根据所述融合特征图计算出每个行人目标的边界框坐标，基于所述边界框坐标确定所述行人在图像中的位置区域，并通过行人结构化属性分类头对每个所述位置区域进行属性分类，输出所述位置区域中行人的属性。
23、可选地，所述在所述目标检测网络的检测头中，根据所述融合特征图计算出每个行人目标的边界框坐标，基于所述边界框坐标确定所述行人在图像中的位置区域，并通过行人结构化属性分类头对每个所述位置区域进行属性分类，输出所述位置区域中行人的属性的步骤之后，还包括：
24、计算每个所述位置区域的置信度，并将所述置信度与预设置信度阈值进行比较；
25、在所述置信度小于所述预设置信度阈值时，删除所述位置区域。
26、此外，为实现上述目的，本申请还提出一种行人属性识别装置，所述行人属性识别装置包括：
27、网络构建模块，用于基于yolov8网络构建目标检测网络；
28、图像获取模块，用于获取采集到的初始检测图像，并对所述初始检测图像进行预处理，得到目标检测图像；
29、属性识别模块，用于根据所述目标检测网络对所述目标检测图像进行行人属性识别，确定图像中的行人区域，并输出所述行人区域中每个行人的属性。
30、此外，为实现上述目的，本申请还提出一种行人属性识别设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序配置为实现如上文所述的行人属性识别方法的步骤。
31、此外，为实现上述目的，本申请还提出一种存储介质，所述存储介质为计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上文所述的行人属性识别方法的步骤。
32、此外，为实现上述目的，本申请还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现如上文所述的行人属性识别方法的步骤。
33、本申请中公开了基于yolov8网络构建目标检测网络；获取采集到的初始检测图像，并对所述初始检测图像进行预处理，得到目标检测图像；根据所述目标检测网络对所述目标检测图像进行行人属性识别，确定图像中行人的位置区域，并输出所述位置区域中行人的属性。以yolov8作为基础网络进行改进，将行人检测任务与结构化属性识别任务进行联合，端对端的直接输出图像中每个行人目标的属性，提高了复杂场景下的识别效果，从而显著提高行人检测网络的鲁棒性和可靠性。
本文档来自技高网...【技术保护点】
1.一种行人属性识别方法，其特征在于，所述行人属性识别方法包括：
2.如权利要求1所述的行人属性识别方法，其特征在于，所述基于yolov8网络构建目标检测网络的步骤，包括：
3.如权利要求2所述的行人属性识别方法，其特征在于，所述利用可变形卷积搭建DC2F模块的步骤，包括：
4.如权利要求2所述的行人属性识别方法，其特征在于，所述采用深度可分离卷积搭建SPPFD模块的步骤，包括：
5.如权利要求1至4中任一项所述的行人属性识别方法，其特征在于，所述目标检测网络包括主干网络、颈部网络和检测头；
6.如权利要求5所述的行人属性识别方法，其特征在于，所述在所述目标检测网络的检测头中，根据所述融合特征图计算出每个行人目标的边界框坐标，基于所述边界框坐标确定所述行人在图像中的位置区域，并通过行人结构化属性分类头对每个所述位置区域进行属性分类，输出所述位置区域中行人的属性的步骤之后，还包括：
7.一种行人属性识别装置，其特征在于，所述装置包括：
8.一种行人属性识别设备，其特征在于，所述设备包括：存储器、处理
9.一种存储介质，其特征在于，所述存储介质为计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的行人属性识别方法的步骤。
10.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的行人属性识别方法的步骤。
...【技术特征摘要】
1.一种行人属性识别方法，其特征在于，所述行人属性识别方法包括：
2.如权利要求1所述的行人属性识别方法，其特征在于，所述基于yolov8网络构建目标检测网络的步骤，包括：
3.如权利要求2所述的行人属性识别方法，其特征在于，所述利用可变形卷积搭建dc2f模块的步骤，包括：
4.如权利要求2所述的行人属性识别方法，其特征在于，所述采用深度可分离卷积搭建sppfd模块的步骤，包括：
5.如权利要求1至4中任一项所述的行人属性识别方法，其特征在于，所述目标检测网络包括主干网络、颈部网络和检测头；
6.如权利要求5所述的行人属性识别方法，其特征在于，所述在所述目标检测网络的检测头中，根据所述融合特征图计算出每个行人目标的边界框坐标，基于所述边界框坐标确定所述行人在图像中的位置区域，并通过...
【专利技术属性】
技术研发人员：方浩楠，员晓毅，李杉杉，张浩，
申请(专利权)人：深圳力维智联技术有限公司，
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。