1.本技术涉及计算机视觉技术领域，特别是涉及一种属性识别方法、设备和存储介质。
背景技术：2.目前，对各种对象进行属性识别已成为视频结构化分析和智慧监控发展中不可或缺的部分，其中，对象属性信息的有效性是智能监控的关键。目前的对象属性识别是按照预先定义的属性类别给出对象属性的识别结果信息，但在实际场景中，受各种因素的影响，获取的对象图像会存在模糊难辨或者被遮挡的情况，这严重影响到对象属性识别结果信息的有效性。
3.因此，如何提高对象属性识别结果信息的有效性，意义重大。
技术实现要素：4.本技术主要解决的技术问题是提供一种属性识别方法、设备和存储介质，能够提高目标对象属性识别结果信息的有效性。
5.为解决上述技术问题，本技术采用的一个技术方案是：提供一种属性识别方法，该方法包括：检测目标对象图像中包含的目标对象的各目标部位是否可见，得到各目标部位的部位可见性检测结果；基于各目标部位的部位可见性检测结果对目标对象进行属性识别，得到目标对象的目标属性识别结果，其中，目标属性识别结果包括目标对象的各目标部位的目标属性，目标属性包括目标部位的属性中除可见性之外的目标属性。
6.其中，基于各目标部位的部位可见性检测结果对目标对象进行属性识别，得到目标对象的目标属性识别结果，包括：响应于部位可见性检测结果中存在不可见检测结果，则将不可见检测结果对应的目标部位的目标属性确定为预设属性，不可见检测结果表征所述目标对象图像中存在不可见的目标部位。
7.其中，检测目标对象图像中包含的目标对象的各目标部位是否可见，得到各目标部位的部位可见性检测结果，包括：分别利用至少一个处理模型对目标对象图像进行处理，得到各处理模型的部位处理结果，其中，部位处理结果包括关于目标对象的各目标部位的信息；基于各处理模型的部位处理结果，得到各目标部位的部位可见性检测结果。
8.其中，基于各处理模型的部位处理结果，得到各目标部位的部位可见性检测结果，包括：利用各处理模型的部位处理结果，得到各处理模型关于各目标部位的可见置信度；对于各目标部位，综合各处理模型关于目标部位的可见置信度，确定目标部位是否可见。
9.其中，综合各处理模型关于目标部位的可见置信度，确定目标部位是否可见，包括：若满足预设置信度条件的处理模型数量达到第一数量阈值，则确定目标部位可见，预设置信度条件为处理模型关于目标部位的可见置信度大于处理模型关于目标部位的置信度阈值；若满足预设置信度条件的处理模型数量未达到第二数量阈值，则确定目标部位不可见，第一数量阈值大于第二数量阈值；若满足预设置信度条件的处理模型数量达到第二数
量阈值但未达到第一数量阈值，且各处理模型关于目标部位的可见置信度之和大于各处理模型关于目标部位的置信度阈值之和，则确定目标部位可见，否则确定目标部位不可见。
10.其中，至少一个处理模型包括关键点识别模型、部位识别模型和部位检测模型中的一者或多者，其中，关键点识别模型用于识别目标对象各目标部位中的关键点，部位识别模型用于识别目标对象的各目标部位，部位检测模型用于检测目标对象的各目标部位的位置。
11.其中，关键点识别模型对应的部位处理结果包括目标对象各目标部位中的各关键点的存在置信度，部位识别模型对应的部位处理结果包括目标对象各目标部位的存在置信度，部位检测模型对应的部位处理结果包括目标对象各目标部位的位置置信度。
12.其中，利用各处理模型的部位处理结果，得到各处理模型关于各目标部位的可见置信度，包括：若处理模型包括关键点识别模型，则对于各目标部位，利用目标部位中的各关键点的存在置信度，得到关键点识别模型关于目标部位的可见置信度；若处理模型包括部位识别模型，则对于各目标部位，利用目标部位的存在置信度，得到部位识别模型关于目标部位的可见置信度；若处理模型包括部位检测模型，则对于各目标部位，利用目标部位的位置置信度，得到部位识别模型关于目标部位的可见置信度。
13.其中，预设属性为未知属性；和/或，目标对象为行人。
14.其中，基于各目标部位的部位可见性检测结果对目标对象进行属性识别，得到目标对象的目标属性识别结果，包括：利用属性识别模型对目标对象进行属性识别，得到初步属性识别结果，其中，初步属性识别结果包括目标对象的各目标部位的初始属性；对于各目标部位，若目标部位不可见，则将预设属性作为目标部位的目标属性，若目标部位可见，则将目标部位的初始属性作为目标部位的目标属性。
15.为解决上述技术问题，本技术采用的另一个技术方案是：提供一种属性识别设备，包括相互耦接的存储器和处理器，存储器存储有程序指令；处理器用于执行存储器中存储的程序指令，以实现上述方法。
16.为解决上述技术问题，本技术采用的又一个技术方案是：提供一种计算机可读存储介质，用于存储程序指令，该程序指令能够被执行以实现上述方法。
17.上述方案，先检测目标对象图像中包含的目标对象的各目标部位是否可见，得到各目标部位的部位可见性检测结果，再基于各目标部位的部位可见性检测结果对目标对象进行属性识别，得到目标对象的目标属性识别结果，其中，目标属性识别结果包括目标对象的各目标部位的目标属性，目标属性包括目标部位的属性中除可见性之外的目标属性。因此，本技术能够结合各目标部位的可见性对各目标部位属性进行更加准确的识别，减少目标部位的可见程度对目标对象属性的影响(例如不可见部位模糊难辨的属性信息或者不可见的属性信息给目标对象属性结果带来的信息干扰)，提高目标对象属性识别结果信息的有效性。
附图说明
18.图1是本技术提供的属性识别方法一实施例的流程示意图；
19.图2是图1所示步骤s11一实施例的流程示意图；
20.图3是图2所示步骤s22一实施例的流程示意图；
21.图4是本技术提供的属性识别方法一实施例的流程示意图；
22.图5是图1所示步骤s12一实施例的流程示意图；
23.图6是本技术提供的属性识别设备一实施例的框架示意图；
24.图7是本技术提供的计算机可读存储介质的框架示意图。
具体实施方式
25.为使本技术的目的、技术方案及效果更加清楚、明确，以下参照附图并举实施例对本技术进一步详细说明。
26.需要说明的是，本文所述的“存在”和“可见”所表达的意思相同，例如部位可见和部位存在所表达的意思相同，此外，若本技术实施例中有涉及“第一”、“第二”等的描述，则该“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本技术要求的保护范围之内。
27.请参阅图1，图1是本技术提供的属性识别方法一实施例的流程示意图。需注意的是，若有实质上相同的结果，本实施例并不以图1所示的流程顺序为限。如图1所示，本实施例包括：
28.s11：检测目标对象图像中包含的目标对象的各目标部位是否可见，得到各目标部位的部位可见性检测结果。
29.本实施例的方法用于在检测得到目标对象图像中目标对象各目标部位的可见性检测结果后，基于各目标部位的部位可见性检测结果对目标对象进行属性识别，得到目标对象的目标属性识别结果。
30.其中，本文所述的目标对象图像可以但不限于是采集的目标对象视频的视频帧、图像采集设备采集的目标对象的图像。其中，目标对象图像中包含有目标对象。本文所述的目标对象可以但不限于是植物、动物、行人等。可以理解的是，目标对象本身存在至少一个部位，例如，在一些实施例中，目标对象为桌子，桌子包括桌面和桌脚两个部位。又如，在一些实施例中，目标对象为行人，行人包含有头部、头肩部、上半身、下半身和脚部等多个部位。目标部位表示目标对象的至少部位，也就是说，用以检测是否可见的目标部位可以是目标对象全部部位中的部分部位，也可以是目标对象中的全部部位，具体目标部位包含的目标对象的部位可根据实际检测和应用需要进行确定，此处不做具体限定。
31.需要说明的是，受各种因素的影响，目标对象图像可能是目标对象各目标部位均清晰可见的图像，也可能是目标对象中目标部位的至少部位模糊或者被遮挡的图像，例如，在一些应用场景中，目标对象为行人，但获取的目标行人图像中目标部位的至少一个部位模糊难辨或者被遮挡，其中，该至少一个部位可以是目标行人头部、头肩部、上半身、下半身和脚部的任一部位或任一部位的组合。
32.本实施例中，在得到目标对象图像后，需要检测目标对象图像中包含的目标对象的各目标部位是否可见，以得到各目标部位的部位可见性检测结果。在一些实施例中，对于各目标部位，目标部位的可见性结果包括可见和不可见的两种结果，即通过检测能确定各
目标部位中可见的目标部位和不可见的目标部位。在另一些实施例中，对于任一目标部位，其可见性结果还包括目标部位中可见部分和不可见部分，即通过检测能够得到任一目标部位中可见的部分和不可见的部分，例如，目标对象为行人，目标部位为脸部，经检测得到目标脸部中额头和眼睛部位是可见的，而鼻子和嘴巴部位被物体遮挡而不可见。
33.s12：基于各目标部位的部位可见性检测结果对目标对象进行属性识别，得到目标对象的目标属性识别结果，其中，目标属性识别结果包括目标对象各目标部位的目标属性，目标属性包括目标部位的属性中除可见性之外的目标属性。
34.其中，基于目标部位可见性检测结果得到的目标属性识别结果包括目标对象各目标部位的目标属性，目标属性包括目标部位的属性中除可见性之外的目标属性。即本实施例中，目标属性中除了包括有目标部位的可见性外，还包括有其他用于描述目标对象各目标部位的属性，例如，用于描述目标部位的颜色、形状或方向等属性，具体目标属性所包括的除可见性之外的目标属性信息可根据实际的应用场景进行确定。例如，在一些实施例中，目标对象为行人，目标行人的目标部位包括头部，目标属性识别结果包括目标行人头部的可见性，以及目标头部穿戴物体属性、动作属性及人体生理属性等与目标头部相关的属性。又如，在另一些实施例中，目标对象为桌子，目标桌子的目标部位包括桌面和桌脚，则目标属性识别结果包括目标桌子各目标部位的可见性，以及桌面和桌脚相关的属性信息，例如桌面颜色和形状等与桌面相关的属性，桌脚数量和颜色等与桌脚相关的属性。
35.本实施例中，先检测目标对象图像中包含的目标对象的各目标部位是否可见，得到各目标部位的部位可见性检测结果，再基于各目标部位的部位可见性检测结果对目标对象进行属性识别，得到目标对象的目标属性识别结果，其中，目标属性识别结果包括目标对象的各目标部位的目标属性，目标属性包括目标部位的属性中除可见性之外的目标属性。因此，本实施例方案能够结合各目标部位的可见性对各目标部位属性进行更加准确的识别，减少目标部位的可见程度对目标对象属性的影响(例如不可见部位模糊难辨的属性信息或者不可见的属性信息给目标对象属性结果带来的信息干扰)，提高目标对象属性识别结果信息的有效性。
36.在一些实施例中，若部位检测结果中存在不可见检测结果，则不可见检测结果对应的不可见目标部位的目标属性为预设属性。其中，不可见检测结果表征目标对象图像中存在不可见的目标部位，预设属性用于表征不可见部位的属性信息，也就是说，当目标属性识别结果中存在该预设属性，则表示该预设属性对应的部位是不可见的，对应的部位的属性信息是未知的。具体的预设属性可根据实际应用场景进行设置，例如可以是包括一些如“未知”的特定文本、空白、数字、字母、图形中的任一个或者任一的组合，此处不做具体限定。可以理解的是，相比于现有技术按照预先定义的对象属性信息给出目标对象的属性识别结果，本实施例将不可见检测结果对应的目标部位的目标属性确定为预设属性，可有效避免不可见部位模糊难辨的属性信息或者不可见的属性信息给整个目标对象属性结果带来的信息干扰，从而进一步提高目标对象属性识别结果信息的有效性。
37.请参阅图2，图2是图1所示步骤s11一实施例的流程示意图。需注意的是，若有实质上相同的结果，本实施例并不以图2所示的流程顺序为限，本实施例中，步骤s11进一步包括步骤s21和步骤s22：
38.s21：分别利用至少一个处理模型对目标对象图像进行处理，得到各处理模型的部
位处理结果，其中，部位处理结果包括关于目标对象的各目标部位的信息。
39.本实施例中，在获取目标对象图像之后，分别利用至少一个处理模型对目标对象图像进行处理，得到各处理模型的部位处理结果，其中，部位处理结果包括关于目标对象的各目标部位的信息，例如，目标对象包括两个目标部位分别是部位a和部位b，则各处理模型的部位处理结果包括各处理模型关于目标对象目标部位a和目标部位b的处理结果信息。本实施例中的各目标部位信息是指与目标对象各个目标部位相关的信息，可以但不限于是包括各个目标部位的位置信息、各个目标部位的可见性信息等，具体处理模型得到的关于目标对象各目标部位的具体信息可根据实际需要进行确定，此处不做具体限定。
40.本实施例中，至少一个处理模型表示处理模型的数量可以是一个，也可以是多个，其中，处理模型用于检测目标对象图像中目标对象各目标部位的可见性，即检测目标对象的各目标部位中可见的部位和不可见的部位。故处理模型的数量和选用可根据各个处理模型的实际检测效果进行确定。可以理解的是，若仅使用一个处理模型能够很好的实现目标对象目标部位的可见性检测，则至少一个处理模型的数量为一个，若需要使用三个识别模型进行融合判断，能很好的实现目标对象的目标部位可见性的检测效果，则至少一个处理模型的数量为三个，需要说明的是，此处只用作举例，并不因此而限定至少一个处理模型的数量。
41.s22：基于各处理模型的部位处理结果，得到部位可见性检测结果。
42.本实施例中，在步骤s21得到各处理模型的部位处理结果之后，基于各处理模型的部位处理结果，得到部位可见性检测结果。其中，部位可见性检测结果包括目标对象各目标部位的可见性检测结果，即部位可见性检测结果包括目标对象各目标部位对应的可见和不可见的结果。
43.具体地，请参阅图3，图3是图2所示步骤s22一实施例的流程示意图。需注意的是，若有实质上相同的结果，本实施例并不以图3所示的流程顺序为限，本实施例中，步骤s22进一步包括步骤s31和步骤s32：
44.s31：利用各处理模型的部位处理结果，得到各处理模型关于各目标部位的可见置信度。
45.本实施例的方法用于在得到各处理模型关于各目标部位的可见置信度后，对于各目标部位，综合各处理模型关于目标部位的可见置信度，确定目标部位是否可见。
46.在一实施例中，如图4所示，至少一个处理模型包括关键点识别模型，关键点识别模型用于识别目标对象各目标部位中的关键点，其中，目标对象的各目标部位各对应有多个关键点，具体目标对象各目标部位对应的关键点的具体数量可根据实际应用场景和具体目标对象进行确定，此处不做具体限定。本实施例中，各目标部位中的关键点可以但不限于包括各目标部位中各关键点位置、各关键点可见的置信度等信息。在一实施例中，关键点识别模型用于识别目标对象各目标部位中各关键点可见的置信度，在另一实施例中，关键点识别模型用于识别目标对象各部位中各关键点的位置和可见的置信度，即上述利用至少一个处理模型对目标对象图像进行处理，得到的部位处理结果包括目标对象各目标部位中的各关键点的可见置信度，其中，对于各关键点，可根据对应的各关键点可见的置信度得到关键点是否可见的结果。在一些实施例中，若关键点可见的置信度大于预设阈值，则确定该关键点为可见的，在另一些实施例中，若关键点可见的置信度值大于周围的值，则确定该关键
点为可见的。
47.具体地，在一实施例中，经关键点识别模型得到的目标对象各部位中的关键点，为各关键点对应的热力图，其中，每一个关键点均对应输出一张热力图，各关键点对应的热力图中包含有对应关键点在目标对象图像中的位置信息和该关键点可见的置信度信息，其中，可根据热力图中的关键点可见的置信度信息确定各个关键点是否可见或存在，本实施例中，在得到各部位中的各关键点的存在置信度之后，对于各目标部位，可利用目标部位中的各关键点的存在置信度，得到关键点识别模型关于目标部位的可见置信度。
48.具体地，以目标对象中的a部位举例，利用a部位中的各关键点的存在置信度，得到关键点识别模型关于a部位的可见置信度。其中，a部位的可见置信度利用如下公式计算，公式如下：
[0049][0050]
其中，conf(a)表示a部位的可见置信度，n表示关键点的数量，exist表示关键点的可见性，若关键点xi可见，则exist为1，若关键点xi不可见，则exist为0，conf(xi)表示关键点xi可见的置信度。
[0051]
可以理解的是，在利用关键点识别模型得到各部位中的各关键点的可见置信度后，先根据关键点的可见置信度确定关键点是否可见，在确定各关键点是否可见后，对a部位对应的所有关键点进行如上述公式的置信度的均值计算，以得到a部位可见的置信度。并以相同的方式，得到关键点识别模型关于目标对象各个部位的可见置信度。
[0052]
在一实施例中，如图4所示，至少一个处理模型包括部位识别模型，部位识别模型用于识别目标对象的各目标部位，具体地，部位识别模型用于识别目标对象各目标部位的存在置信度，即上述利用至少一个处理模型对目标对象图像进行处理，得到的部位处理结果包括目标对象各目标部位的存在置信度。其中，在利用部位识别模型得到目标对象各目标部位可见的置信度后，对于各目标部位，利用各目标部位的存在置信度，得到部位识别模型关于目标部位的可见置信度。本实施例中，可利用部位识别模型直接得到目标对象各目标部位可见的置信度。在一些实施例中，得到的部位识别模型关于目标部位的可见置信度只包括各目标部位的可见置信度信息，在另一些实施例中，得到的部位识别模型关于部位的可见置信度包括各目标部位的可见置信度和不可见置信度，其中，可见置信度和不可见置信度的和为1。
[0053]
在一些实施例中，如图4所示，至少一个处理模型包括部位检测模型，部位检测模型用于检测目标对象的各目标部位的位置，并得到检测到的各目标部位位置的置信度，其中，检测得到的各目标部位的位置可以但不限于是包括目标部位的中心点的坐标，或者目标部位对应的检测框的左上角和右下角的坐标等，位置置信度即为位置对应目标部位存在的置信度。也就是说，本实施例中，部位检测模型可用于识别目标对象各目标部位的位置以及对应的位置置信度，即上述利用至少一个处理模型对目标对象图像进行处理，得到的部位处理结果包括目标对象各目标部位的位置以及对应的位置置信度，可以理解的是，本实施例中，在利用部位检测模型得到目标对象各目标部位的位置置信度后，对于各目标部位，可利用各目标部位的位置置信度得到部位检测模型关于部位的可见置信度。
[0054]
其中，需要说明的是，在一些实施例中，至少一个处理模型包括上述关键点识别模型、部位识别模型和部位检测模型中的一者或多者，具体至少一个处理模型的确定可根据各模型关于目标部位可见性实际检测效果进行确定，此处不做具体限定。
[0055]
s32：对于各目标部位，综合各处理模型关于目标部位的可见置信度，确定目标部位是否可见。
[0056]
本实施例中，在利用各处理模型的部位处理结果，得到各处理模型关于各目标部位的可见置信度后，对于各目标部位，需综合各处理模型关于目标部位的可见置信度，确定目标部位是否可见。
[0057]
其中，在综合各处理模型关于目标部位的可见置信度，确定目标部位是否可见的过程中，需要结合以下判别条件：
[0058]
其中，第一判别条件为：若满足预设置信度条件的处理模型数量达到第一数量阈值，则确定目标部位可见，其中，预设置信度条件为处理模型关于目标部位的可见置信度大于处理模型关于目标部位的置信度阈值。第二判别条件为：若满足预设置信度条件的处理模型数量未达到第二数量阈值，则确定目标部位不可见，其中，第一数量阈值大于第二数量阈值；第三判别条件为：若满足预设置信度条件的处理模型数量达到第二数量阈值但未达到第一数量阈值，且各处理模型关于目标部位的可见置信度之和大于各处理模型关于目标部位的置信度阈值之和，则确定目标部位可见，否则确定目标部位不可见。其中，上述判别条件中的第一数量阈值和第二数量阈值的具体数值可根据处理模型的数量和部位可见性的判别效果进行确定。
[0059]
需要说明的是，各个处理模型均对应有关于各目标部位的置信度阈值，例如，处理模型为两个，分别为第一处理模型和第二处理模型，目标对象的目标部位为2个，分别为a和b，则处理模型关于目标部位的置信度阈值包括，第一处理模型关于部位a的第一置信度阈值，第一处理模型关于部位b的第二置信度阈值，第二处理模型关于部位a的第三置信度阈值，第二处理模型关于部位b的第四置信度阈值。其中，各处理模型关于目标部位的各置信度阈值可根据其可见性检测的效果进行确定。
[0060]
同时，需要说明的是，对于目标对象的任一目标部位，例如部位a，若满足预设置信度条件的处理模型数量满足第一判别条件，则确定部位a可见，若满足第二判别条件，则确定部位a不可见，若既不满足第一判别条件又不满足第二判别条件，则需进一步判断是否满足第三判别条件，若满足第三判别条件，则确定部位a可见，否则，确定部位a不可见，目标对象其他目标部位可见性判别的方法同部位a，此处不做过多赘述。
[0061]
在一具体实施例中，如图4所示，至少一个处理模型的数量为三个，分别为关键点识别模型、部件识别模型和部件检测模型，对应的第一数量阈值为2，第二数量阈值为1，在本实施例中，对于目标对象的目标部位a，若满足预设置信度条件的处理模型数量达到第一数量阈值2，即三个处理模型中至少两个处理模型关于部位a的可见置信度达到至少两个处理模型关于部位a对应的置信度阈值，则确定部位a可见。若满足预设置信度条件的处理模型数量未达到第二数量阈值1，即三个处理模型关于该部位a的可见置信度均未达到各模型关于部位a对应的置信度阈值，则确定部位a不可见，若满足预设置信度条件的处理模型数量达到第二数量阈值1但未达到第一数量阈值2，且各处理模型关于部位a的可见置信度之和大于各处理模型关于部位a的置信度阈值之和，则确定部位a可见，否则确定部位a不可
见，即当三个处理模型中只有一个处理模型关于部位a的可见置信度大于该处理模型关于该部位a的置信度阈值，则需要进一步判断三个处理模型关于该部位a的可见置信度之和是否大于各处理模型关于该部位a的置信度阈值之和，若是，则确定该部位a可见，否则，确定该部位a不可见。可以理解的是，对于目标对象的其他目标部位可见性的判断逻辑同部位a，此处不做过多赘述。需要说明的是，上述只用作举例，并不因此而限定至少一个处理模型的数量、第一数量阈值和第二数量阈值。
[0062]
请参阅图5，图5是图1所示步骤s12一实施例的流程示意图。本实施例中，需注意的是，若有实质上相同的结果，本实施例并不以图5所示的流程顺序为限。如图5所示，本实施例中，基于各目标部位可见性检测结果对目标对象进行属性识别，得到目标对象的目标属性识别结果，包括：
[0063]
s51：利用属性识别模型对目标对象进行属性识别，得到初步属性识别结果，其中，初步属性识别结果包括目标对象的各目标部位的初始属性。
[0064]
其中，利用属性识别模型对目标对象图像进行属性识别，得到的初步属性识别结果包括目标对象的各目标部位的初始属性，各目标部位的初始属性表示属性识别模型预先设置的关于目标部位的属性信息。例如，在一些实施例中，目标对象为行人，目标对象的目标部位包括头部、头肩部、上半身、下半身和脚部，预先设置的头部属性信息包括：头部穿戴物体属性、头部动作属性及人体生理属性，预先设置的头肩部属性信息包括：头部到肩部的穿戴物体属性；预先设置的上半身属性信息包括：上半身穿戴物体和对应的颜色属性、身体方位属性、手部是否提取物品的属性；预先设置的下半身对应的目标属性信息包括：腿部穿戴物体和对应的颜色属性；预先设置的脚部属性信息包括：鞋子颜色属性和鞋子款式属性。需要说明的是，本步骤中，无论目标对象的各目标部位是否可见，均会按照预先设置的关于目标部位的属性信息给出相应的识别结果。例如，目标对象图像中头部被物体遮挡而不可见，但得到的初步属性识别结果中包括上述预先设置的头部属性信息：头部穿戴物体属性、头部动作属性及人体生理属性。
[0065]
s52：对于各目标部位，若目标部位不可见，则将预设属性作为目标部位的目标属性，若目标部位可见，则将目标部位的初始属性作为部位的目标属性。
[0066]
本实施例中，在利用属性识别模型对目标对象进行属性识别，得到初步属性识别结果后，利用初步属性识别结果和目标部位的可见性检测结果，得到目标对象的目标属性识别结果。
[0067]
具体地，本实施例中，对于各目标部位，若目标部位不可见，则将预设属性作为不可见目标部位的目标属性，若目标部位可见，则将目标部位的初始属性作为部位的目标属性。也就是说，若目标对象各目标部位均可见，则目标部位的初始属性即为目标部位的目标属性，若目标对象各目标部位中存在不可见部位，则将不可见目标部位对应的初始属性调整为预设属性，以使得到的目标属性识别结果中可见目标部位的目标属性为对应的初始属性，不可见目标部位的目标属性为预设属性。
[0068]
在另一些实施例中，也可直接利用属性识别模型对目标对象图像和目标部位可见性检测结果进行处理，得到目标对象的目标属性识别结果，即属性识别模型会根据目标部位可见性检测结果，将目标对象图像中可见目标部位的目标属性按照预设属性信息输出对应的识别结果，将不可见的目标部位的目标属性输出为预设属性。
[0069]
应理解，上述实施方式中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
[0070]
请参阅图6，图6是本技术提供的属性识别设备一实施例的框架示意图。本实施方式中，属性识别设备60包括存储器61和处理器62。
[0071]
处理器62还可以称为cpu(central processing unit，中央处理单元)。处理器62可能是一种集成电路芯片，具有信号的处理能力。处理器62还可以是通用处理器、数字信号处理器(dsp)、专用集成电路(asic)、现场可编程门阵列(fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器62也可以是任何常规的处理器62等。
[0072]
属性识别设备60中的存储器61用于存储处理器62运行所需的程序指令。
[0073]
处理器62用于执行程序指令以实现上述属性识别方法中任一实施例及任意不冲突的组合所提供的方法。
[0074]
请参阅图7，图7是本技术提供的计算机可读存储介质的框架示意图。本技术实施例的计算机可读存储介质70存储有程序指令71，该程序指令71被执行时实现属性识别方法中任一实施例以及任意不冲突的组合所提供的方法。其中，该程序指令71可以形成程序文件以软件产品的形式存储在上述计算机可读存储介质70中，以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本技术各个实施方式方法的全部或部分步骤。而前述的计算机可读存储介质70包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质，或者是计算机、服务器、手机、平板等终端设备。
[0075]
上述方案，先检测目标对象图像中包含的目标对象的各目标部位是否可见，得到各目标部位的部位可见性检测结果，再基于各目标部位的部位可见性检测结果对目标对象进行属性识别，得到目标对象的目标属性识别结果，其中，目标属性识别结果包括目标对象的各目标部位的目标属性，目标属性包括目标部位的属性中除可见性之外的目标属性。因此，本技术能够结合各目标部位的可见性对各目标部位属性进行更加准确的识别，减少目标部位的可见程度对目标对象属性的影响(例如不可见部位模糊难辨的属性信息或者不可见的属性信息给目标对象属性结果带来的信息干扰)，提高目标对象属性识别结果信息的有效性。
[0076]
在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。
[0077]
上文对各个实施例的描述倾向于强调各个实施例之间的不同之处，其相同或相似之处可以互相参考，为了简洁，本文不再赘述。
[0078]
在本技术所提供的几个实施例中，应该理解到，所揭露的方法和装置，可以通过其它的方式实现。例如，以上所描述的装置实施方式仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合
或通信连接，可以是电性、机械或其它的形式。
[0079]
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施方式方案的目的。
[0080]
另外，在本技术各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0081]
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本技术各个实施方式方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0082]
以上所述仅为本技术的实施方式，并非因此限制本技术的专利范围，凡是利用本技术说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本技术的专利保护范围内。
[0083]
若本技术技术方案涉及个人信息，应用本技术技术方案的产品在处理个人信息前，已明确告知个人信息处理规则，并取得个人自主同意。若本技术技术方案涉及敏感个人信息，应用本技术技术方案的产品在处理敏感个人信息前，已取得个人单独同意，并且同时满足“明示同意”的要求。例如，在摄像头等个人信息采集装置处，设置明确显著的标识告知已进入个人信息采集范围，将会对个人信息进行采集，若个人自愿进入采集范围即视为同意对其个人信息进行采集；或者在个人信息处理的装置上，利用明显的标识/信息告知个人信息处理规则的情况下，通过弹窗信息或请个人自行上传其个人信息等方式获得个人授权；其中，个人信息处理规则可包括个人信息处理者、个人信息处理目的、处理方式以及处理的个人信息种类等信息。
技术特征：1.一种属性识别方法，其特征在于，所述方法包括：检测目标对象图像中包含的目标对象的各目标部位是否可见，得到所述各目标部位的部位可见性检测结果；基于所述各目标部位的部位可见性检测结果对所述目标对象进行属性识别，得到所述目标对象的目标属性识别结果，其中，所述目标属性识别结果包括所述目标对象的所述各目标部位的目标属性，所述目标属性包括所述目标部位的属性中除可见性之外的目标属性。2.根据权利要求1所述的方法，其特征在于，所述基于所述各目标部位的部位可见性检测结果对所述目标对象进行属性识别，得到所述目标对象的目标属性识别结果，包括：响应于部位可见性检测结果中存在不可见检测结果，则将所述不可见检测结果对应的目标部位的目标属性确定为预设属性，所述不可见检测结果表征所述目标对象图像中存在不可见的目标部位。3.根据权利要求1所述的方法，其特征在于，所述检测所述目标对象图像中包含的目标对象的各目标部位是否可见，得到所述各目标部位的部位可见性检测结果，包括：分别利用至少一个处理模型对所述目标对象图像进行处理，得到各所述处理模型的部位处理结果，其中，所述部位处理结果包括关于所述各目标部位的信息；基于各所述处理模型的部位处理结果，得到所述各目标部位可见性检测结果。4.根据权利要求3所述的方法，其特征在于，所述基于各所述处理模型的部位处理结果，得到所述各目标部位可见性检测结果，包括：利用各所述处理模型的部位处理结果，得到各所述处理模型关于所述各目标部位的可见置信度；对于各所述目标部位，综合各所述处理模型关于所述目标部位的可见置信度，确定所述目标部位是否可见。5.根据权利要求4所述的方法，其特征在于，所述综合各所述处理模型关于所述目标部位的可见置信度，确定所述目标部位是否可见，包括：若满足预设置信度条件的处理模型数量达到第一数量阈值，则确定所述目标部位可见，所述预设置信度条件为所述处理模型关于所述目标部位的可见置信度大于所述处理模型关于所述目标部位的置信度阈值；若满足预设置信度条件的处理模型数量未达到第二数量阈值，则确定所述目标部位不可见，所述第一数量阈值大于所述第二数量阈值；若满足预设置信度条件的处理模型数量达到所述第二数量阈值但未达到所述第一数量阈值，且各所述处理模型关于所述目标部位的可见置信度之和大于各所述处理模型关于所述目标部位的置信度阈值之和，则确定所述目标部位可见，否则确定所述目标部位不可见。6.根据权利要求4所述的方法，其特征在于，所述至少一个处理模型包括关键点识别模型、部位识别模型和部位检测模型中的一者或多者，其中，所述关键点识别模型用于识别所述目标对象各目标部位中的关键点，所述部位识别模型用于识别所述目标对象的各目标部位，所述部位检测模型用于检测所述目标对象的各目标部位的位置。7.根据权利要求6所述的方法，其特征在于，所述关键点识别模型对应的所述部位处理
结果包括所述目标对象各目标部位中的各关键点的存在置信度，所述部位识别模型对应的所述部位处理结果包括所述目标对象各目标部位的存在置信度，所述部位检测模型对应的所述部位处理结果包括所述目标对象各目标部位的位置置信度；所述利用各所述处理模型的部位处理结果，得到各所述处理模型关于所述各目标部位的可见置信度，包括：若所述处理模型包括所述关键点识别模型，则对于各目标部位，利用所述目标部位中的各关键点的存在置信度，得到所述关键点识别模型关于所述目标部位的可见置信度；若所述处理模型包括所述部位识别模型，则对于各目标部位，利用所述目标部位的存在置信度，得到所述部位识别模型关于所述目标部位的可见置信度；若所述处理模型包括所述部位检测模型，则对于各目标部位，利用所述目标部位的位置置信度，得到所述部位识别模型关于所述目标部位的可见置信度。8.根据权利要求2所述的方法，其特征在于，所述预设属性为未知属性；和/或，所述目标对象为行人。9.根据权利要求2所述的方法，其特征在于，所述基于所述各目标部位的部位可见性检测结果对所述目标对象进行属性识别，得到所述目标对象的目标属性识别结果，还包括：利用属性识别模型对所述目标对象进行属性识别，得到初步属性识别结果，其中，所述初步属性识别结果包括所述目标对象的各目标部位的初始属性；对于各目标部位，若所述目标部位不可见，则将所述预设属性作为所述目标部位的目标属性，若所述目标部位可见，则将所述目标部位的初始属性作为所述目标部位的目标属性。10.一种属性识别设备，其特征在于，包括相互耦接的存储器和处理器，所述存储器存储有程序指令；所述处理器用于执行所述存储器中存储的程序指令，以实现权利要求1-9任一项所述的方法。11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储程序指令，所述程序指令能够被执行以实现权利要求1-9任一项所述的方法。
技术总结本申请公开了一种属性识别方法、设备和存储介质，该方法包括：检测目标对象图像中包含的目标对象的各目标部位是否可见，得到各目标部位的部位可见性检测结果；基于各目标部位的部位可见性检测结果对目标对象进行属性识别，得到目标对象的目标属性识别结果，其中，目标属性识别结果包括目标对象的各目标部位的目标属性，目标属性包括目标部位的属性中除可见性之外的目标属性。通过上述方式，本申请能够提高目标属性识别结果信息的有效性。提高目标属性识别结果信息的有效性。提高目标属性识别结果信息的有效性。
技术研发人员：郑少飞 唐邦杰 潘华东
受保护的技术使用者：浙江大华技术股份有限公司
技术研发日：2022.06.23
技术公布日：2022/11/1
