基于GCN的行人属性识别方法、系统、介质及电子设备与流程

技术特征：
1.一种基于gcn的行人属性识别方法，其特征在于，包括：获取目标行人的轨迹数据，其中，所述轨迹数据至少包括停留地点、行人轨迹以及停留时间；基于预设的编码规则对所述轨迹数据进行编码，其中，所述编码规则为利用预设的二维矩阵对所述停留地点、所述行人轨迹以及所述停留时间进行编码；将编码后的所述轨迹数据作图形式表达，得到图结构数据；将所述图结构数据输入到训练好的gcn网络模型进行属性识别，得到与所述目标行人对应的行人属性。2.根据权利要求1所述的基于gcn的行人属性识别方法，其特征在于，所述获取目标行人的轨迹数据包括：根据自然时间顺序采集所述目标行人对应的所述停留地点以及所述停留时间；基于所述停留地点以及所述停留时间，结合所述自然时间顺序得到所述目标行人对应的所述行人轨迹；基于所述停留地点、所述停留时间以及所述行人轨迹得到所述轨迹数据。3.根据权利要求2所述的基于gcn的行人属性识别方法，其特征在于，利用二维矩阵l对所述停留地点进行编码，包括：基于预设的地点编号得到所述二维矩阵l的行向量；基于地点类型以及楼层信息得到所述二维矩阵l的列向量。4.根据权利要求3所述的基于gcn的行人属性识别方法，其特征在于，利用二维矩阵t对所述行人轨迹进行编码，包括：基于所述目标行人出发点对应的所述地点编号作为所述二维矩阵t的第一行，基于所述目标行人到达点对应的所述地点编号作为所述二维矩阵t的第二行；基于每一段所述行人轨迹对应的所述自然时间顺序作为所述二维矩阵t的列向量。5.根据权利要求4所述的基于gcn的行人属性识别方法，其特征在于，利用二维矩阵s对所述停留时间进行编码，包括：基于所述行人轨迹出发点对应的所述停留时间作为所述二维矩阵s的第一行，基于所述行人轨迹到达点对应的所述停留时间作为所述二维矩阵s的第二行；基于所述行人轨迹的轨迹段数量作为所述二维矩阵s的列向量。6.根据权利要求5所述的基于gcn的行人属性识别方法，其特征在于，所述将编码后的所述轨迹数据作图形式表达得到图结构数据，包括：基于所述二维矩阵l、t以及s得到所述图结构数据g，其中，将所述二维矩阵l作为所述图结构数据的节点；将所述二维矩阵t作为所述图结构数据的边；将所述二维矩阵s作为所述图结构数据的边属性。7.根据权利要求1所述的基于gcn的行人属性识别方法，其特征在于，所述gcn网络模型的训练步骤包括：获取训练数据，并基于预设比例将所述训练数据分成训练集与测试集；将所述训练集批量随机输入到预设的gcn网络中进行迭代训练，并利用所述测试集测试每一批次网络模型的模型精度；
当迭代次数达到预设阈值时停止训练，并选取所述模型精度最高的网络模型作为所述训练好的gcn网络模型。8.一种基于gcn的行人属性识别系统，其特征在于，包括：获取模块，用于获取目标行人的轨迹数据，其中，所述轨迹数据至少包括停留地点、行人轨迹以及停留时间；编码模块，用于基于预设的编码规则对所述轨迹数据进行编码，其中，所述编码规则为利用预设的二维矩阵对所述停留地点、所述行人轨迹以及所述停留时间进行编码；处理模块，用于将编码后的所述轨迹数据作图形式表达，得到图结构数据；识别模块，用于将所述图结构数据输入到训练好的gcn网络模型进行属性识别，得到与所述目标行人对应的行人属性。9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1至7任一项所述基于gcn的行人属性识别方法。10.一种电子设备，其特征在于，所述电子设备包括：处理器及存储器；其中，所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述电子设备执行如权利要求1至7中任一项所述基于gcn的行人属性识别方法。

技术总结
本发明提供一种基于GCN的行人属性识别方法、系统、介质及电子设备，其中，所述方法包括获取目标行人的轨迹数据，其中，所述轨迹数据至少包括停留地点、行人轨迹以及停留时间；基于预设的编码规则对所述轨迹数据进行编码，其中，所述编码规则为利用预设的二维矩阵对所述停留地点、所述行人轨迹以及所述停留时间进行编码；将编码后的所述轨迹数据作图形式表达，得到图结构数据；将所述图结构数据输入到训练好的GCN网络模型进行属性识别，得到与所述目标行人对应的行人属性。本发明可以根据轨迹对目标进行属性识别，判断其身份，能够细化客流数据。数据。数据。


技术研发人员：崔龙 袁德胜 游浩泉 党毅飞 马卫民 刘耀文 成西锋 林志强 王海涛
受保护的技术使用者：汇纳科技股份有限公司
技术研发日：2022.09.20
技术公布日：2022/12/16