Some content of this application is unavailable at the moment.
If this situation persist, please contact us atFeedback&Contact
1. (WO2019041360) PEDESTRIAN ATTRIBUTE RECOGNITION AND POSITIONING METHOD AND CONVOLUTIONAL NEURAL NETWORK SYSTEM
Latest bibliographic data on file with the International Bureau    Submit observation

Pub. No.: WO/2019/041360 International Application No.: PCT/CN2017/100430
Publication Date: 07.03.2019 International Filing Date: 04.09.2017
IPC:
G06K 9/00 (2006.01)
G PHYSICS
06
COMPUTING; CALCULATING; COUNTING
K
RECOGNITION OF DATA; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
9
Methods or arrangements for reading or recognising printed or written characters or for recognising patterns, e.g. fingerprints
Applicants:
华为技术有限公司 HUAWEI TECHNOLOGIES CO., LTD. [CN/CN]; 中国广东省深圳市 龙岗区坂田华为总部办公楼 Huawei Administration Building Bantian, Longgang Shenzhen, Guangdong 518129, CN
中国科学院自动化研究所 INSTITUTE OF AUTOMATION, CHINESE ACADEMY OF SCIENCES [CN/CN]; 中国北京市 海淀区中关村东路95#中国科学院自动化研究所 China Automation Research Institute #95 Zhongguancun East Road Haidian Beijing 100190, CN
Inventors:
冯柏岚 FENG, Bailan; CN
姚春凤 YAO, Chunfeng; CN
黄凯奇 HUANG, Kaiqi; CN
张彰 ZHANG, Zhang; CN
周阳 ZHOU, Yang; CN
Agent:
广州三环专利商标代理有限公司 SCIHEAD IP LAW FIRM; 中国广东省广州市 越秀区先烈中路80号汇华商贸大厦1508室 Room 1508, Huihua Commercial & Trade Building No. 80, XianLie Zhong Road, Yuexiu Guangzhou, Guangdong 510070, CN
Priority Data:
Title (EN) PEDESTRIAN ATTRIBUTE RECOGNITION AND POSITIONING METHOD AND CONVOLUTIONAL NEURAL NETWORK SYSTEM
(FR) PROCÉDÉ DE RECONNAISSANCE ET DE LOCALISATION D'ATTRIBUT DE PIÉTON ET SYSTÈME DE RÉSEAU NEURONAL CONVOLUTIF
(ZH) 行人属性识别与定位方法以及卷积神经网络系统
Abstract:
(EN) A pedestrian attribute recognition and positioning method and a convolutional neural network system, the method comprising: performing feature extraction on an image to be detected a plurality of times by using different levels of abstraction, and acquiring a plurality of first feature mapping graphs for a pedestrian attribute; convoluting the plurality of first feature mapping graphs to obtain a plurality of second feature mapping graphs, and mapping each second feature mapping graph into a plurality of mutually overlapping bins, max pooling each bin to obtain a plurality of high-dimensional feature vectors, wherein the plurality of mutually overlapping bins evenly covers each second feature mapping graph; processing the plurality of high-dimensional feature vectors into low dimensional vectors to obtain a recognition result for the pedestrian attribute; furthermore, a positioning result for the pedestrian attribute may be obtained according to the plurality of second feature mapping graphs and the plurality of high-dimensional feature vectors. The method may overcome adverse factors in video monitoring so as to better recognize and position pedestrian attributes.
(FR) L'invention concerne un procédé de reconnaissance et de localisation d'attribut de piéton et un système de réseau neuronal convolutif, le procédé consistant à : effectuer une extraction de caractéristiques sur une image devant subir une détection une pluralité de fois en utilisant différents niveaux d'abstraction, et acquérir une pluralité de premiers graphes de mappage de caractéristiques pour un attribut de piéton ; effectuer la convolution de la pluralité de premiers graphes de mappage de caractéristiques pour obtenir une pluralité de deuxièmes graphes de mappage de caractéristiques, et mapper chaque deuxième graphe de mappage de caractéristiques dans une pluralité de classes se chevauchant mutuellement, effectuer le regroupement maximal de chaque classe pour obtenir une pluralité de vecteurs de caractéristiques de grande dimension, la pluralité de classes se chevauchant mutuellement recouvrant de façon régulière chaque deuxième graphe de mappage de caractéristiques ; transformer la pluralité de vecteurs de caractéristiques de grande dimension en vecteurs de petite dimension pour obtenir un résultat de reconnaissance pour l'attribut de piéton ; en outre, un résultat de localisation pour l'attribut de piéton peut être obtenu selon la pluralité de deuxièmes graphes de mappage de caractéristiques et la pluralité de vecteurs de caractéristiques de grande dimension. Le procédé peut compenser des facteurs indésirables dans la surveillance vidéo de façon à mieux reconnaître et localiser des attributs de piéton.
(ZH) 一种行人属性识别与定位方法以及卷积神经网络系统,该方法包括:对待检测图像进行多种不同抽象程度的特征提取,获得行人属性的多种第一特征映射图;对多种第一特征映射图进行卷积,得到多种第二特征映射图,并将每种第二特征映射图映射为多个互有重叠的区域bin,分别对每个bin进行最大池化,得到多种高维特征向量;其中,多个互有重叠的bin均匀地覆盖每种第二特征映射图;将多种高维特征向量处理为低维向量,得到所述行人属性的识别结果;进一步可根据多种第二特征映射图和多种高维特征向量,得到行人属性的定位结果。所述方法能够克服视频监控中的不利因素,对行人属性进行更好的识别与定位。
front page image
Designated States: AE, AG, AL, AM, AO, AT, AU, AZ, BA, BB, BG, BH, BN, BR, BW, BY, BZ, CA, CH, CL, CN, CO, CR, CU, CZ, DE, DJ, DK, DM, DO, DZ, EC, EE, EG, ES, FI, GB, GD, GE, GH, GM, GT, HN, HR, HU, ID, IL, IN, IR, IS, JO, JP, KE, KG, KH, KN, KP, KR, KW, KZ, LA, LC, LK, LR, LS, LU, LY, MA, MD, ME, MG, MK, MN, MW, MX, MY, MZ, NA, NG, NI, NO, NZ, OM, PA, PE, PG, PH, PL, PT, QA, RO, RS, RU, RW, SA, SC, SD, SE, SG, SK, SL, SM, ST, SV, SY, TH, TJ, TM, TN, TR, TT, TZ, UA, UG, US, UZ, VC, VN, ZA, ZM, ZW
African Regional Intellectual Property Organization (ARIPO) (BW, GH, GM, KE, LR, LS, MW, MZ, NA, RW, SD, SL, ST, SZ, TZ, UG, ZM, ZW)
Eurasian Patent Office (AM, AZ, BY, KG, KZ, RU, TJ, TM)
European Patent Office (EPO) (AL, AT, BE, BG, CH, CY, CZ, DE, DK, EE, ES, FI, FR, GB, GR, HR, HU, IE, IS, IT, LT, LU, LV, MC, MK, MT, NL, NO, PL, PT, RO, RS, SE, SI, SK, SM, TR)
African Intellectual Property Organization (BF, BJ, CF, CG, CI, CM, GA, GN, GQ, GW, KM, ML, MR, NE, SN, TD, TG)
Publication Language: Chinese (ZH)
Filing Language: Chinese (ZH)