面向公共安全的视频分析技术

（一）行人属性预测：

基于已经分割出来的人体区域图像，对人的一些属性，包括全局属性（如性别、年龄、民族（几个常见民族））和局部属性（如发型（长发、短发）、是否带帽子、是否背包、上下身颜色、衣服样式（如裙子、短裤）等）进行预测。

为了准确预测属性，采用多任务学习方式。通常各任务间具有互补性，通过不同任务交互能互相促进，加快收敛，减少过拟合。一般任务越多，促进行越强，因为有更多的监督信息，创造了更多的梯度源。

这里对于人体属性预测，采用三个任务，即

l  人体部分分割（头、上身、下身三部分）、

l  属性分类（这里属性分成两类，参见参考论文2）、

l  Id分类（假设同一个人的样本有多个）。

要求：

画出网络图（结构可简化）；

对之形式化，写出目标函数；

写出训练/学习过程（列出几个关键步骤，举几个关键的推导公式说明一下即可）

参考论文：

[1] Improving Person Re-identification by Attribute and Identity Learning（属性和ID分类）

网址：http://blog.youkuaiyun.com/dhunterao/article/details/70226467

[2] Heterogeneous Face Attribute Estimation A Deep Multi-Task Learning Approach（多属性联合学习，对属性分成两类，分别构造loss函数）

网址：https://www.cnblogs.com/wangxiaocvpr/p/7911056.html

[3] DAP3D-Net: Where, What and How Actions Occur in Videos?

（多任务学习，包含了一个框回归。我们这里对人的头部、上身、下身三个框进行回归）

 

（二）车的属性预测及分类

输入：车的图像

输出：车型分类，属性分类结果。（姿态分类是辅助信息）

三个任务联合学习：

l  车型分类：公共汽车、卡车、小型货车、轿车等

l  属性分类：假设有几个属性，如颜色、是否有车辆年检标、是否有纸巾盒、是否有摆件挂饰等

l  姿态分类：因摄像机拍摄视角不同，车呈现出几个姿态，比如15度，45度，90度等

要求：对之形式化，写出目标函数；

给出可行的优化方法（文字概述即可，两三句话就行）