行人属性“Human Attribute Recognition by Deep Hierarchical Contexts”

还是使用poselet检测到的part与行人整体结合，提取深度特征进行行人属性识别。此外，使用human-centric和scene-centric的上下文信息提升性能。human-centric上下文使用cnn特征最近邻计算其他行人part的相似度，捕获行人相互关系。场景上下文信息，使用全局场景分类得分对human-centric的预测结果进行重新打分。

思路来源：如下图所示，由于遮挡和低图像质量等原因，仅从目标中获取“formal suits”和“sunglasses”比较困难，但可以从临近的相似行人中或者图像场景中可以获取上下文信息。使用这些上下文线索是的属性更好识别。比如滑雪场景中戴墨镜的置信度就比较高。但个人觉得这个上下文信息在监控场景并不适用。

相关研究
属性学习：人脸区域，性别年龄识别，part-based是state-of-the-art，大部分的part方法都是使用目标行人的part，没考虑上下文信息，R*CNN使用了自适应区域proposal的上下文。

方法介绍
给定输入图像，每个人一个bbox及part检测结果，每个图像的高斯记住你他输入到网络，获取多尺度卷积特征，接着是使用不同bbox区域的四个打分分支，前两个是人的bbox和part的bbox，第三和第四个分支分别是行人上下文场景上下文，结构如下图所示：

属性a的得分来自四部分：

$N(s_a^*)$是属性a在同一图像上其他行人身上的part，使用fc7特征欧式距离计算得到。每个临近的part使用part权值打分，接着平均池化。
场景上下文有可能干扰属性预测，所以在使用时应设计好。

实验结果