胡剑波 任 劼， 郑江滨

（1、西安工程大学电子信息学院,陕西 西安710048 2、西北工业大学计算机学院,陕西 西安710072）

1 概述

在智能监控系统中,行人的属性识别是一个热点研究课题。行人属性是指人的一些可观测的外部特征,可作为重要的生物特征信息被用于行人再识别,安防监控,智慧城市等领域中。根据属性的类型,可将行人属性分为具体属性和抽象属性两种。具体属性是对人物图像中,人的不同区域的具体细节描述。抽象属性与一些抽象概念相对应,如性别、身体朝向和年龄等,这些抽象概念通常不能从单个区域进行分析。

随着深度学习的研究,卷积神经网络（Convolutional Neural Networks,CNN）[1-3]在行人识别中展现出了显著的优势。为了进一步提高识别性能,一些学者采用增加网络深度的方法对CNN的网络结构进行改进[4]。但是,随着网络深度的增加和模型的复杂度增高,所需的训练时间和硬件实现难度会增加。除了增加网络的深度外,加入注意力模块是提高行人属性识别准确度的另一种有效方法[5-8]。注意力模型通过模拟人脑的工作方式,使神经网络只聚焦于作为特定输入的图像的某一块区域。与传统算法相比,此类模型大大提高了信息处理的效率和准确性,降低了高维数据处理的计算复杂度。

综上所述,本文提出了一种基于注意力模型的行人属性识别算法（Main-net with Convolution Block Attention Module,MCBAM）。所提出的算法采用了已在各识别任务中表现良好的Inception-v3[9]网络作为基础,加入了注意力提取模块CBAM[10],提高对细节属性的识别能力。……