(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210947401.2 (22)申请日 2022.08.09 (65)同一申请的已公布的文献号 申请公布号 CN 115019350 A (43)申请公布日 2022.09.06 (73)专利权人 中科视语 （北京） 科技有限公司 地址 102300 北京市门头沟区石龙 经济开 发区永安路20号3号楼 A-6193室 (72)发明人 王金桥　陈盈盈　朱炳科　方谨怡　 (74)专利代理 机构 北京路浩知识产权代理有限 公司 11002 专利代理师 吴斌 (51)Int.Cl. G06V 40/10(2022.01) G06V 10/82(2022.01)G06V 10/774(2022.01) G06V 10/75(2022.01) G06V 10/74(2022.01) G06V 10/40(2022.01) G06V 10/26(2022.01) (56)对比文件 CN 108921022 A,2018.1 1.30 CN 109241934 A,2019.01.18 CN 112507978 A,2021.0 3.16 US 2020057883 A1,2020.02.20 审查员 叶秋珍 (54)发明名称 人体属性识别方法、 装置及电子设备 (57)摘要 本发明涉及计算机视觉技术领域， 提供一种 人体属性识别方法、 装置及电子设备， 其中方法 包括： 获取待识别图像； 基于人体属性识别模型 中的特征提取层， 获取待识别图像中的第一人体 特征和第二人体特征； 基于人体属性识别模型中 的分类层， 对第一人体特征进行第一属性分类， 得到第一属性的识别结果； 基于人体属性识别模 型中的特征比对层， 将第二人体特征与第二属性 的属性特征进行匹配， 得到第二属性的匹配结 果； 人体属性识别模型是基于第一样本图像和所 述第一样 本图像的第一属性标签训练得到， 第二 属性是除第一属性之外的人体属性。 本发明提供 的方法、 装置及电子设备， 可以识别未训练过的 人体属性， 提高了模型的泛化能力。 权利要求书3页 说明书12页 附图4页 CN 115019350 B 2022.12.06 CN 115019350 B 1.一种人体属性识别方法， 其特 征在于， 包括： 获取待识别图像； 基于人体属性识别模型中的特征提取层， 获取所述待识别图像中的第 一人体特征和第 二人体特征； 所述第一人体特征和所述第二人体特征均是针对待识别图像进 行特征提取所 得到的反映待识别图像中人体信息的特 征； 所述第一人体特 征和所述第二人体特 征不同； 基于所述人体属性识别模型中的分类层， 对所述第一人体特征进行第一属性分类， 得 到第一属性的识别结果； 所述第一属性是训练过的人体属性； 基于所述人体属性识别模型中的特征比对层， 将所述第 二人体特征与第 二属性的属性 特征进行匹配， 得到所述第二属性的匹配结果；  所述第二属性的属性特征是提前存储的； 所述第二属性是 未训练过的人体属性； 所述人体属性识别模型是基于第一样本图像和所述第一样本图像的第一属性标签训 练得到， 所述第二属性是除所述第一属性之外的人体属性； 所述人体属性识别模型具体基于第 一样本图像和所述第 一样本图像的第 一属性标签， 以及第二样本图像对训练得到， 所述第二样本图像对包括第二样本图像， 以及与所述第二 样本图像具备相同第一属性的正样本图像和/或与所述第二样本图像具备不同第一属性的 负样本图像； 所述人体属性识别模型训练过程中， 所述人体属性识别模型针对所述第 二样本图像和 所述正样本图像输出的第二人体特征之 间的相似度越高， 所述人体属性识别模型针对所述 第二样本图像和所述负样本图像输出的所述第二人体特征之间的相似度越低， 则所述人体 属性识别模型的特 征提取层 在提取所述第二人体特 征上的训练效果越好。 2.根据权利要求1所述的人体属性识别方法， 其特征在于， 所述基于人体属性识别模型 中的特征提取层， 获取 所述待识别图像中的第一人体特 征和第二人体特 征， 包括： 基于所述特征提取层中的初步特征提取层， 对所述待识别图像中人体所在的区域进行 特征提取， 得到初步特 征； 基于所述特征提取层中的语义分割层， 对所述初步特征进行语义分割， 得到人体分割 特征； 基于所述特征提取层中的特征融合层， 应用所述人体分割特征对所述初步特征进行加 权， 得到人体特 征； 基于所述特征提取层中的第一特征提取层， 对所述人体特征进行第一特征提取， 得到 所述第一人体特 征； 基于所述特征提取层中的第二特征提取层， 对所述第一人体特征进行第二特征提取， 得到所述第二人体特 征。 3.根据权利要求2所述的人体属性识别方法， 其特征在于， 所述基于所述特征提取层中 的初步特征提取层， 对所述待识别图像中人体所在的区域进 行特征提取， 得到初步特征， 包 括： 基于所述初步特征提取层中的人体检测层， 对所述待识别图像的图像特征进行人体检 测， 得到人体 检出框； 基于所述初步特征提取层中的深度提取层， 对所述人体检出框所在区域的图像特征进 行深度特 征提取， 得到所述初步特 征。权　利　要　求　书 1/3 页 2 CN 115019350 B 24.根据权利要求2所述的人体属性识别方法， 其特征在于， 所述基于所述特征提取层中 的语义分割层， 对所述初步特 征进行语义分割， 得到人体分割特 征， 包括： 基于所述语义分割层， 对所述初步特征进行人体区域和/或人体部件的语义分割， 得到 人体区域分割特 征和/或人体部件分割特 征。 5.根据权利要求2所述的人体属性识别方法， 其特征在于， 所述语义分割层包括多个级 联的语义分割模块， 所述语义分割模块包括卷积分支和压缩激励分支， 所述语义分割模块 的输入为所述卷积分支和所述压缩激励分支的输入， 所述语义分割模块的输出为所述卷积 分支的输出和所述压缩激励分支的输出的乘积。 6.根据权利要求1所述的人体属性识别方法， 其特征在于， 所述人体属性识别模型的训 练步骤包括： 确定初始模型； 基于所述初始模型， 确定所述第一样本 图像的第一属性的预测识别结果， 以及所述第 二样本图像对中各样本图像的第二人体特 征； 基于所述第 一样本图像的第 一属性的预测 识别结果， 以及所述第 一样本图像的第 一属 性标签， 确定第一损失函数； 基于所述第二样本图像对中第二样本图像的第二人体特征分别与正样本图像和负样 本图像的第二人体特 征之间的相似度， 确定第二损失函数； 基于所述第一损 失函数和所述第二损 失函数， 对所述初始模型进行参数迭代， 得到所 述人体属性识别模型。 7.根据权利要求6所述的人体属性识别方法， 其特征在于， 所述人体属性识别模型的训 练步骤还包括： 基于所述初始模型， 确定所述第一样本图像的预测人体 检出框和预测人体分割结果； 基于所述第 一样本图像的人体检出框标签和所述预测人体检出框， 确定人体检测损失 函数； 基于所述第 一样本图像的人体分割标签和所述预测人体分割结果， 确定人体分割损失 函数； 所述基于所述第一损 失函数和所述第二损 失函数， 对所述初始模型进行参数迭代， 得 到所述人体属性识别模型， 包括： 基于所述第 一损失函数和所述第 二损失函数， 以及所述人体检测损失函数和所述人体 分割损失函数， 对所述初始模型进行参数迭代， 得到所述人体属性识别模型。 8.一种人体属性识别装置， 其特 征在于， 包括： 图像确定模块， 用于获取待识别图像； 人体特征获取模块， 用于基于人体属性识别模型中的特征提取层， 获取所述待识别图 像中的第一人体特征和第二人体特征； 所述第一人体特征和所述第二人体特征均是针对待 识别图像进行特征提取所得到的反映待识别图像中人体信息的特征； 所述第一人体特征和 所述第二人体特征不同； 第一属性识别模块， 用于基于所述人体属性识别模型中的分类层， 对所述第一人体特征进 行第一属性分类， 得到第一属性的识别结果；  所述第一属性是训练 过的人体属性； 第二属性匹配模块， 用于基于所述人体属性识别模型中的特征比对层， 将所述第二人权　利　要　求　书 2/3 页 3 CN 115019350 B 3