行人属性识别研究
2021-03-25马路宽
现代计算机 2021年4期
马路宽
(四川大学计算机学院,成都610065)
0 引言
行人属性识别(Pedestrian Attribute Recognition,PAR),其目的是在给定的行人物图像中挖掘目标人物的属性。与LBP[1]、HOG[2]等低级别像素特征不同,行人属性是更高级的语义特征,是符合人们日常描述一个人外貌特征认知思维的词语。相较于计算机视觉中的其他任务,行人属性识别中数据集包含许多不同层次的标签。例如,头发的长短、上下衣服的颜色、衣服的款式、是否戴帽子、是否戴眼镜等被看作是特定的细颗粒度属性,这些属性的关键位置都在图像的不同的局部区域,而有些属性是全局的概念,如行人的性别、年龄等,并不对应于特定的局部区域,需要综合的特征分析,这些属性被认为高级属性。
随着行人属性识别在计算机视觉领域越来越多的被学者研究,越来越多的数据集被公开出来,表1 列举了目前认可度较高的数据集,其中常用的数据集有PETA[3]、Market-1501[4]和Duke-MTMC[4]。
行人属性识别常用的评价标准主要采用平均准确度(mean Accuracy,mA)[3]评价属性识别算法。对于行人每一个表情属性,mA 分别计算正样本和负样本的分类准确率,然后取其均值作为该属性的识别结果。最后,计算所有属性的平均值得到识别率。公式如下:

其中L为属性的数量。TPi和TNi分别为预测正确的正例数和负例数,Ti和Ni分别为正例数和负例数。

表1 行人属性识别数据集
1 算法
1.1 传统算法
传统的行人属性识别方法通常采用手工提取特征,依赖于强大的分类器最终的目的是得到某一图像的特征表示。……
登录APP查看全文
