基于自适应关键点融合的人员穿戴属性度量分析方法研究
【摘要】 大多数人员穿戴属性研究使用图像整体特征构建多分类问题，存在空间信息耦合和对穿戴款式扩展支持不好的问题。提出了一种基于自适应关键点融合的人员穿戴属性度量分析方法。该方法由特征提取网络和特征向量度量学习结构两部分组成，特征提取网络包含3部分模块:基于HRNet网络的行人关键点热力特征图模块、自适应关键点与图像特征融合模块、带注意力机制的残差网络特征映射模块。基于该网络的自适应机制实现头部、上衣、下装3个属性识别分支的特征向量的映射。针对每个属性识别分支穿戴的不同状态或款型，利用基于arcface的度量学习方法，实现穿戴属性识别。结果表明，提出的方法在精细标注的穿戴款式数据集上识别精度为94.2%。在某实际场景工装数据集上，仅通过训练集入库，工装穿戴识别精度达到86.6%。研究可为人员穿戴状态和款型分析提供参考。
