一种基于深度学习的行人属性识别方法和系统

发明专利有效专利

申请号：
CN201910713743.6
IPC分类号：G06K9/00;G06N3/04;G06N3/08
申请日期：
2019-08-02
申请人：
浙江省北大信息技术高等研究院;杭州未名信科科技有限公司

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于深度学习的行人属性识别方法和系统
申请号	CN201910713743.6	申请日期	2019-08-02
法律状态	实质审查	申报国家	中国
公开/公告日	2020-01-14	公开/公告号	CN110688888A
优先权	暂无	优先权号	暂无
主分类号	G06K9/00 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06K 数据识别；数据表示；记录载体；记录载体的处理（印刷本身入B41J） G06K9/00 用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置（用于图表阅读或者将诸如力或现状态的机械参量的图形转换为电信号的方法或装置入G06K 11/00；语音识别入G10L 15/00）〔1，7〕	IPC分类号	G;0;6;K;9;/;0;0;;;G;0;6;N;3;/;0;4;;;G;0;6;N;3;/;0;8查看分类表>
申请人	浙江省北大信息技术高等研究院;杭州未名信科科技有限公司	申请人地址	浙江省杭州市萧山区宁围镇市心北路857号288-1室变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	浙江省北大信息技术高等研究院,杭州未名信科科技有限公司	当前权利人	浙江省北大信息技术高等研究院,杭州未名信科科技有限公司
发明人	刘潇;王弯弯;黄晓峰;殷海兵;贾惠柱
代理机构	北京辰权知识产权代理有限公司	代理人	刘广达

摘要

本发明提供了一种基于深度学习的行人属性识别方法和系统，所述方法包括：根据行人样本数据集构建行人属性数据集，按照平衡类别对所述行人属性数据集的数据进行分类；对于不同平衡类别的数据，使用过采样和/或欠采样进行调整，再次统计分析各个平衡类别的比例，生成交叉熵误差的权重因子；利用行人姿态模型提取颈部臀部关键点，将行人样本数据集中的原始图片分为整体、头部、上半身、下半身四部分，将四部分图片分别输入对应的神经网络模型中；计算每个神经网络模型的交叉熵误差和三元组误差，并将两种误差求和累加，梯度回传训练网络直至收敛；其中所述交叉熵误差由根据所述权重因子修正的交叉熵计算得到；使用训练后的神经网络模型识别行人属性。本发明达到更好的属性识别效果。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供