王 林，李聪会

（西安理工大学自动化与信息工程学院，西安 710048）

0 概述

行人属性识别是智能监控领域的研究热点之一，其主要任务是识别监控图像或视频中的行人视觉属性，如性别、年龄和着装等语义信息，可应用于安防监控、客群分析和实时广告精准投放等诸多任务，具有广阔的市场应用前景。传统的行人属性识别方法侧重于从手工特征、分类器模型等角度来挖掘更具鲁棒性的特征表达，这类研究方法大多为各属性训练单独的二值分类模型，依赖于研究人员的经验，而忽略了属性间的语义关系，难以适应场景的复杂性和属性特征的多样性。

随着计算机性能的提升和数据资源的丰富，深度学习在计算机视觉等领域快速发展。近年来，研究人员尝试使用卷积神经网络（Convolutional Neural Networks，CNN）作为表征行人属性特征的工具，并取得了突破性的进展。文献［1］将行人图像作为识别模型的输入，无需考虑人体姿态［2］、图像块［3-4］及上下文信息［5］而对所有属性进行预测，该方法虽然简单直观，但缺乏对细粒度属性特征的考量。文献［6］将人体划分为15个可重叠的部分并为每个部分训练CNN模型，根据空间约束关系选择对应的模型进行属性预测。虽然利用部件信息［7-8］可以提高模型的整体性能，但作为一种中间阶段的操作，部件定位需要更多的训练和推理时间，甚至需要人工标注部件位置。文献［9］提出的基于注意力机制的深度网络（HydraPlus-Net，HP-Net），通过整合从局部到整体等多级注意力特征来提升模型对细粒度特征的表达能力。……