申请/专利权人：南京行者易智能交通科技有限公司

申请日：2019-09-20

公开（公告）日：2024-04-30

公开（公告）号：CN112541374B

主分类号：G06V20/52

分类号：G06V20/52;G06V10/764;G06Q50/40;G06V10/82;G06N3/0464;G06V10/774;G06N3/08;G06V10/75

优先权：

专利状态码：有效-授权

法律状态：2024.04.30#授权;2021.04.09#实质审查的生效;2021.03.23#公开

摘要：本发明公开了一种基于深度学习的乘客属性的获取方法、装置及模型训练方法，所述方法包括：步骤1，获取乘客上车的图像流，并标记出图像中包含乘客及附属物的目标框区域，得到乘客上车的完整目标框轨迹；步骤2，使用基于深度学习卷积神经网络训练的属性分类模型，对每个乘客的属性进行分类分析，以每个乘客目标框轨迹中的单个目标框作为模型的检测输入，输出一组对该乘客的属性分类预测的概率结果；根据乘客各个属性不同的特点，设定不同的网络结构、检测方式，同时结合乘客目标框轨迹的获取，实现乘客属性的有效检测，并提高了属性检测的准确率。

主权项：1.一种基于深度学习的乘客属性的获取方法，其特征在于，包括如下步骤：步骤1，获取乘客上车的图像流，并标记出图像中包含乘客及附属物的目标框区域，进而得到乘客上车的完整目标框轨迹；步骤2，使用基于深度学习卷积神经网络训练的属性分类模型，对每个乘客的属性进行分类分析，以每个乘客目标框轨迹中的单个目标框作为模型的检测输入，输出一组对该乘客的属性分类预测的概率结果；所述深度学习卷积神经网络采用一个多任务的深度网络，多任务的深度网络包含基础网络部分和多任务分类网络部分；对所述多任务深度网络结构进行修改，具体修改如下：步骤21，在网络的浅层特征引出一个分类分支进行视角的分类，该部分的Softmax返回结果为乘客各种属性的权重系数组合，该权重系数反应了不同视角下各属性的置信度B情况；步骤22，在基础网络之后，复制一份基础网络输出的特征映射图，进行以下操作：1截取该特征映射图的上半部分，先对上半部分特征映射图进行均值池化操作，得到global_avg1特征向量，再分别连续做两个卷积的操作，然后做Softmax操作，对发型，戴帽子，戴眼镜，戴口罩进行预测；2对完整特征映射图进行均值池化操作得到global_avg2特征向量，连续做两个卷积的操作，然后做Softmax操作，对上衣类型，下衣类型，上衣颜色，下衣颜色，背包，手拎物，其他类别进行预测；3结合global_avg1特征向量和global_avg2特征向量，连续做两个卷积的操作，然后做Softmax操作，对年龄段和性别进行预测；步骤23，使用视角分类的权重系数组合结果，对步骤22得到的预测结果进行加权处理，进而得到乘客各类属性结果。

全文数据：

权利要求：

百度查询： 南京行者易智能交通科技有限公司 一种基于深度学习的乘客属性的获取方法、装置及模型训练方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD