陈桂安　王笑梅　刘鸿程

摘   要：在多标签行人属性识别的问题中，为了充分利用标签之间的相关性，解决传统方法识别准确率低和效率慢的问题，提出了一个多标签卷积神經网络。该网络在一个统一的网络框架下识别行人多个属性。把行人的多个属性看作是一个序列，然后构建了一个时序分类模型。提出的方法不仅避免了复杂的多输入MLCNN网络，也不需要多次训练单标签分类模型。实验结果表明，本文方法准确率均优于SIFT+SVM和多输入的MLCNN模型，平均准确率达到了90.41%。

关键词：多标签分类;神经网络;行人属性;深度学习;

中图分类号：TP391.41                                             文献标识码：A

Pedestrian Attributes Recognition Based on Multi-label Neural Network

CHEN Gui-an？覮，WANG Xiao-mei，LIU Hong-cheng

（Shanghai Normal University，Shanghai 200234，China）

Abstract：In the problem of multi-label pedestrian attributes recognition，in order to make full use of the correlation between labels and solve the problem of low recognition accuracy and low efficiency of traditional methods，a multi-label convolutional neural network is proposed，which is in a network. Identify multiple attributes of pedestrians under a unified network framework. We consider multiple attributes of a pedestrian as a sequence and then construct a time series classification model. The proposed method not only avoids the complicated multi-input MLCNN network，but also does not need to train the single-label classification model multiple times. The experimental results show that the accuracy of the proposed method is better than that of SIFT+SVM and multi-input MLCNN model，and the average accuracy rate is 90.41%.

Key words：multi-label classification;neural network;pedestrian attributes;deep learning

分类任务是计算机视觉、模式识别和图像处理领域的一个基本任务，而多标签分类任务作为其中的一种也很有研究价值。比如，在监控场景下，常常会用行人的性别、年龄、发色等特征来进行人物检索[1-2]、人物识别[3-4]、面部验证[5]和人物再识别[6]等。通常情况下，公共场所的监控摄像头为了覆盖比较广的区域，都会被安装在较远的位置，因此获得的行人分辨率比较低。然而这种情况下的行人属性因其光照不变性和对比度不变性，仍然有很好的应用价值。

行人属性分类问题中有三个主要的挑战。首先，由于多样的衣服、复杂的背景和不同的镜头角度，属性的类内变化比较大。其次，不同的属性位于图片中不同的位置，比如头发通常位于图片的上方，鞋位于图片的下方等，造成了提取特征比较困难。第三，这是一个多标签的问题，不是单纯的多分类，且标签之间有一定的相关性。……