一种社区监控场景下基于穿着特征和人体特征的行人性别识别方法

摘要

本发明涉及图像检索、人工智能、深度学习技术领域，具体公开了一种社区监控场景下基于穿着特征和人体特征的行人性别识别方法，该方法在社区场景下通过对行人进行多角度细粒度特征信息的提取和分析，对行人的性别作出准确的判断，使用D‑MFCNN模型对行人图像的多个特征拆解并且通过每个特征所对应的卷积神经网络进行并行分析，最终经过独有的全连接层整合多种细粒度特征下的分析结果，以得出最终的性别识别结果。本发明所提出的D‑FMCNN模型突破了以往的性别识别方法在单一特征方面的局限性，与原有的性别识别研究成果相比准确率更高，在特征缺失的情况下仍然能够对待检测图像下的行人性别进行有效识别，在社区监控场景下表现出更高的准确度和精度。