面向边海防监控的行人属性识别

行人属性识别是智能视频监控领域的一个亟待解决的难点问题。目前基于手工设计特征的方法和基于深度学习的方法是主流,但手工设计特征的方法难以应对复杂的视频监控场景,实际效果并不理想。本文采用深度学习方法设计并实现了面向边海防监控的行人属性识别,其流程分为两阶段:第一阶段在YOLOV3网络模型基础上实现行人检测;第二阶段在ResNet50网络模型基础上对检测到的行人ROI区域实现行人属性识别。实验结果表明,该方法具有较高的实时性和准确性,满足边海防监控场景的应用。