(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211260817.3 (22)申请日 2022.10.14 (71)申请人 深圳力维智联技 术有限公司 地址 518000 广东省深圳市南 山区粤海街 道高新区社区科苑南路3156号深圳湾 创新科技中心 2栋A座901 (72)发明人 刘凯　徐明　李杉杉　丁一臣　 郭蓉　 (74)专利代理 机构 深圳鼎合诚知识产权代理有 限公司 4 4281 专利代理师 郭燕　彭家恩 (51)Int.Cl. G06V 40/10(2022.01) G06V 10/764(2022.01) G06V 10/80(2022.01)G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种行人多属性分类方法、 装置、 电子设备 和可读存 储介质 (57)摘要 本说明书公开了一种行人多属性分类方法， 包括： 获取行人图像； 将所述行人图像输入到行 人多属性分类模型， 输出得到行人的N个属性的 特征， N为大于或等于1的整数； 其中， 所述行人多 属性分类模型包括第一CBL模块、 池化模块、 残差 模块os block、 第二CBL模块、 N个先验注意力模 块、 N个第一全局池化模块、 第二全局池化模块、 N 个相加模块和N个全连接层； 该行人多属性分类 方法优化了行 人多属性分类 速度和准确度。 权利要求书2页 说明书9页 附图7页 CN 115546836 A 2022.12.30 CN 115546836 A 1.一种行 人多属性分类方法， 其特 征在于， 包括： 获取行人图像； 将所述行人图像输入到行人多属性分类模型， 输出得到行人的N个属性的特征， N为大 于或等于1的整数； 其中， 所述行人多属性分类模型包括第一CBL模块、 池化模块、 残差模块os  block、 第二 CBL模块、 N个先验注 意力模块、 N个第一全局池化模块、 第二全局池化模块、 N个相加模块和N 个全连接层； 所述第一CBL模块的输入为所述行人图像， 所述第一CBL模块指的是依次执行 卷积、 批归一化处理和激活操作的运算过程的模块； 所述第一CBL模块的输出为所述池化模 块的输入， 所述池化模块用于执行池化操作， 所述池化模块的输出作为所述残差模块os   block的输入； 所述残差模块os  block包括多个执行卷积操作的卷积核， 所述残差模块os   block的输出作为所述第二CBL模块的输入； 所述第二CBL模块指的是依次执行卷积、 批归一 化处理和激活操作的运算过程的模块， 所述第二CBL模块的输出分别作为每个先验注意力 模块的输入， 所述第二CBL模块的输出还作为所述第二全局池化模块的输入； 所述N个先验 注意力模块根据行人的先验知识所设置， 所述行人的先验知识包括所述属性的位置， 所述N 个先验注意力模块与所述N个属性对应， 每个先验注意力模块用于注意其中一个属性； 所述 N个先验注意力模块分别与所述N个第一全局池化模块一一对应， 每个先验注 意力模块的输 出作为对应第一全局池化模块的输入； 所述N个第一全局池化模块分别与所述N个相加模块 一一对应， 每个第一全局池化模块的输出作为对应相加模块的输入； 所述第二全局池化模 块的输出分别作为每个相加模块的输入； 所述相加模块用于将对应第一全局池化模块的输 出与所述第二全局池化模块的输出进 行融合； 所述N个相加模块分别与所述N个全连接层一 一对应， 每个相加模块的输出作为对应全连接层的输入， 每个全连接层用于输出一个所述 属性的特 征。 2.如权利要求1所述的行人多属性分类方法， 其特征在于， 所述N至少大于或等于2； 优 选地， 所述 N等于4。 3.如权利要求2所述的行人多属性分类方法， 其特征在于， 所述N个属性包括头发、 上 衣、 裤子和鞋子 。 4.如权利要求3所述的行人多属性分类方法， 其特征在于， 所述N个先验注意力模块的 输出分别为行人图像中头发所在区域的图像、 上衣所在区域的图像， 裤子所在区域的图像 以及鞋子所在区域的图像。 5.如权利要求3所述的行人多属性分类方法， 其特征在于， 所述属性的位置包括： 头发 所在区域的图像为行人图像上部八分之一的图像， 所述上衣所在区域的图像为行人图像上 半部分的图像， 所述裤子所在区域的图像为行人图像下半部分的图像， 所述鞋子所在区域 的图像为行 人图像下部八 分之一的图像。 6.如权利要求3所述的行人多属性分类方法， 其特征在于， 所述N个属性的特征包括头 发的颜色、 上衣的类型、 裤子的类型和鞋子的颜色。 7.如权利要求1所述的行人多属性分类方法， 所述第一全局池化模块为全局平均池化 模块或全局最大池化模块； 所述第二全局池化模块为全局平均池化模块或全局最大池化模 块。 8.一种行 人多属性分类装置， 其特 征在于， 所述装置包括：权　利　要　求　书 1/2 页 2 CN 115546836 A 2获取模块， 用于获取 行人图像； 输出模块， 用于将所述行人图像输入到行人多属性分类模型， 输出得到行人的N个属性 的特征， N为大于或等于1的整数； 其中， 所述行人多属性分类模型包括第一CBL模块、 池化模块、 残差模块os  block、 第二 CBL模块、 N个先验注 意力模块、 N个第一全局池化模块、 第二全局池化模块、 N个相加模块和N 个全连接层； 所述第一CBL模块的输入为所述行人图像， 所述第一CBL模块指的是依次执行 卷积、 批归一化处理和激活操作的运算过程的模块； 所述第一CBL模块的输出为所述池化模 块的输入， 所述池化模块用于执行池化操作， 所述池化模块的输出作为所述残差模块os   block的输入； 所述残差模块os  block包括多个执行卷积操作的卷积核， 所述残差模块os   block的输出作为所述第二CBL模块的输入； 所述第二CBL模块指的是依次执行卷积、 批归一 化处理和激活操作的运算过程的模块， 所述第二CBL模块的输出分别作为每个先验注意力 模块的输入， 所述第二CBL模块的输出还作为所述第二全局池化模块的输入； 所述N个先验 注意力模块根据行人的先验知识所设置， 所述行人的先验知识包括所述属性的位置， 所述N 个先验注意力模块与所述N个属性对应， 每个先验注意力模块用于注意其中一个属性； 所述 N个先验注意力模块分别与所述N个第一全局池化模块一一对应， 每个先验注 意力模块的输 出作为对应第一全局池化模块的输入； 所述N个第一全局池化模块分别与所述N个相加模块 一一对应， 每个第一全局池化模块的输出作为对应相加模块的输入； 所述第二全局池化模 块的输出分别作为每个相加模块的输入； 所述相加模块用于将对应第一全局池化模块的输 出与所述第二全局池化模块的输出进 行融合； 所述N个相加模块分别与所述N个全连接层一 一对应， 每个相加模块的输出作为对应全连接层的输入， 每个全连接层用于输出一个所述 属性的特 征。 9.一种电子设备， 其特征在于， 包括： 存储器； 处理器； 以及计算机程序； 其中， 所述计算 机程序存储在所述存储器中， 并配置为由所述处理器执行以实现如权利要求 1～8任一种所 述的方法。 10.一种可读存储介质， 其上存储有计算机程序， 其特征在于， 该程序被处理器执行时 实现如权利要求1～8任一项所述方法对应的步骤。权　利　要　求　书 2/2 页 3 CN 115546836 A 3