李 洋 许华虎 卞敏捷

1(上海大学计算机工程与科学学院 上海 200444) 2(上海建桥学院信息技术学院 上海 201306)

0 引 言

行人属性，如性别、头发和衣服等，是重要的视觉线索，也是对人的外表的语义描述。行人属性作为视频监控中的软生物学特征，可应用于行人检测、行人跟踪、行人再识别、行人搜索、行为识别[1]。属性作为高级语义特征，与低级视觉特征相比，具有许多优点，如对图像条件变化的鲁棒性。因此，许多计算机视觉任务将属性信息集成到其算法中，以获得更好的性能。然而，从现实世界的监控图像中自动识别行人属性非常具有挑战性，其原因在于：(1) 由于光线、分辨率低、遮挡和模糊等原因，图像质量不够好；(2) 即使对于同一行人属性，由于不同的视角和人体的非刚性，在不同的图像中可能会发生明显的外观和位置变化；(3) 由于隐私保护等原因，较难对监控图像中的行人属性数据进行采集和标注，导致可用的数据集比较小，数据分布也不平衡。这些因素使得行人属性识别成为一项具有挑战性的计算机视觉任务。

为应对这些挑战，一个有效的方法是发掘行人属性之间的相互依赖性和相关性，例如，“女性”和“裙子”这两个属性可能同时出现在一个人的图像中，这种相关性为行人属性识别提供了较好的补充推理约束。然而，现有的方法对行人属性进行分别预测，忽略了属性之间的互相关性和空间关系等可以提高行人属性识别性能的重要信息，导致行人属性识别的准确率不够理想。……