基于双卷积神经网络的行人精细化识别

摘要

针对监控场景的行人属性识别问题,提出了基于双卷积神经网络的属性识别方法,给定1幅行人图像,首先对行人的头、上身、下身、鞋、包、帽子等部件采用基于单次检测器(single shot multibox detector,SSD)的深度卷积网络框架进行检测,对于检测出的部件采用VGG-weights(visual geometry group)的深度网络进行精细化的属性识别,如行人的性别、头发长度、衣着款式、背包款式等;最后设计了行人属性识别系统,实现了行人部件的自动检测与属性识别.实验表明,所提出的识别方法性能好、识别度高、系统检测时间短、应用价值高.