适应于复杂视角和行人状态的行人属性识别方法

行人属性识别(PAR)旨在生成行人的结构化描述，并在监控中具有重要意义。现有方法主要致力于训练过程中提升属性的空间定位。然而，这些方法未能解决数据集中单一视角姿态与现实中遇到的复杂视角姿态之间的差异，导致在开放环境中属性定位效果不佳。因此，本文介绍了一种新的多视角PAR方法，该方法使用人体关键点信息来适应复杂视角姿态。该方法利用关键点来建模属性特征的空间分布，便于进行弱监督定位，以模拟属性与人体在复杂视角下的动态关系。此外，它还结合了空间位置编码来建模人体结构信息，并隐式捕捉属性与人体之间的关系。最后我们应用了特征融合的方法使得空间位置信息发挥更大的作用。