买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉济南中维世纪科技有限公司申请的专利一种改进的行人属性监控识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN113688766B 。

龙图腾网通过国家知识产权局官网在2025-08-08发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202111012377.5，技术领域涉及：G06V40/16；该发明授权一种改进的行人属性监控识别方法是由王海峰;王正彬;王仁权设计研发完成，并于2021-08-31向国家知识产权局提交的专利申请。

本一种改进的行人属性监控识别方法在说明书摘要公布了：本发明公开了一种改进的行人属性识别方法，涉及视觉图像处理技术领域。本发明包括以下步骤，从摄像头中获取带有人体或人脸的图片或视频，摄像头内安装有海思芯片，海思芯片内移植有训练好的模型，该模型包括基于YOLOv5的检测模型和基于ResneSt的分类模型；根据行人属性数据集搜集的数据对行人进行标签识别，基于YOLOv5的检测模型从图片或视频信息中检测出人脸区域和身体整体区域，并分别将其框起来；基于ResneSt的分类模型对框起来的人脸区域和身体整体区域的具体属性进行识别并分类。本发明通过设置新的行人属性识别技术方案，提高行人识别的准确度，并将该技术方案移植到摄像机上，实现全天实时可疑人物智能监测。

本发明授权一种改进的行人属性监控识别方法在权利要求书中公布了：1.一种改进的行人属性识别方法，其特征在于：包括以下步骤，从摄像头中获取带有人体或人脸的图片或视频，摄像头读取图片和视频信息并传入摄像头内部海思芯片的NNIE模块进行数据加载，海思芯片安装在摄像头内，海思芯片内移植有训练好的数据模型，该数据模型包括基于YOLOv5的检测模型和基于ResneSt的分类模型；根据行人属性数据集搜集的数据对行人进行标签识别，首先基于YOLOv5的检测模型从图片或视频信息中检测出人脸区域和身体整体区域，并分别将其框起来；然后基于ResneSt的分类模型对框起来的人脸区域和身体整体区域的具体属性进行识别并分类； 所述基于YOLOv5的检测模型包括以下训练步骤： （1）加载预训练模型：对于行人这种单一明显的标签，选用模型推理时间最快的yolov5s预训练模型，并放在CUDA线程中； （2）加载数据：加载张量格式化的训练和验证数据集，并放在CUDA线程中； （3）选用优化器：选用批量随机下降SGD优化器或自适应Adam优化器，并设计好优化器的学习策略； （4）选择损失函数：YOLOv5采用固定的IOULoss和ObjLoss； （5）开始迭代训练：设计迭代次数epoch和批量大小batch，并设计每次迭代后在验证数据集上的precise、Recall和mAP评估指标，每次迭代完更新一次模型权重和学习率，直到模型在验证集上的指标不再增长，表示模型训练完成； （6）模型移植：将训练好的模型移植到摄像机海思芯片上，开始实时测试； 所述基于ResneSt的分类模型包括以下训练步骤： （1）加载模型：加载ResneSt模型架构，并放在CUDA线程中； （2）数据扩增：数据扩增技术主要包括图像旋转、裁剪以及改变图片的亮度、对比度和饱和度，目的是扩充数据多样性，降低模型的过拟合问题； （3）加载数据：加载张量格式化的训练和验证数据集，数据占比为8:2，并放在CUDA线程中； （4）选择优化器：选择批量随机下降SGD优化器或自适应AdamAdamW优化器，并设计好优化器的学习策略； （5）选择损失函数：采用分类损失函数BCELoss或FocalLoss； （6）开始迭代训练：设计迭代次数epoch和批量大小batch，具体训练步骤为第一阶段计算每个属性在训练过程中的损失值和正确率；第二阶段为平均损失较大且正确率较小的属性单独建立一个网络分支，其它属性仍保留在原分支上，然后两个分支联合预测所有属性；第三阶段新建两个网络分支，结构与第二阶段的分支相同，优化新分支的参数，使其属性识别性能优于第二阶段；在每个阶段的每次迭代后在验证数据集上的precise和Recall评估指标，每次迭代完更新一次模型权重和学习率，直到模型训练完成，最终使用第三阶段的模型进行属性预测； （7）模型移植：将训练好的模型移植到摄像机海思芯片上，开始实时测试。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人济南中维世纪科技有限公司，其通讯地址为：250101 山东省济南市济南市高新区新泺大街1166号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。