CN111259822A - 针对电商图像中模特脖颈关键点的检测方法 - Google Patents
针对电商图像中模特脖颈关键点的检测方法 Download PDFInfo
- Publication number
- CN111259822A CN111259822A CN202010058747.8A CN202010058747A CN111259822A CN 111259822 A CN111259822 A CN 111259822A CN 202010058747 A CN202010058747 A CN 202010058747A CN 111259822 A CN111259822 A CN 111259822A
- Authority
- CN
- China
- Prior art keywords
- neck
- matrix
- model
- image
- key point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 13
- 239000011159 matrix material Substances 0.000 claims abstract description 31
- 238000001514 detection method Methods 0.000 claims abstract description 30
- 238000002372 labelling Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 2
- 210000003109 clavicle Anatomy 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
Abstract
本发明涉及图像识别技术领域,特别地,涉及一种针对电商图像中模特脖颈关键点的检测方法,包括如下步骤:步骤一,确定人体脖颈关键点的数量Ns和位置Ls,作为标注标准;步骤二,在含有模特全身或上半身的商品图像中进行标注;步骤三训练出一个人类脖颈关键点检测模型;步骤四输入待检测图像,进行检测;步骤五,根据检测模型的检测结果,给出检测出的模特脖颈关键点的数量Np及位置Lp;步骤六,比较矩阵As和矩阵Ap的相似性。通过上述步骤,便可准确的检测出模特脖颈位置,为图像进一步的头部姿态识别、商品识别提供了帮助,从而无需准备对商品按照衣领进行人工分类,节省了人力成本。
Description
技术领域
本发明涉及图像识别技术领域,特别地,涉及一种针对电商图像中模特脖颈关键点的检测方法。
背景技术
电商场景中,商家上传的图片一般是2D的静态图片,其中很多都是模特身着特定商品的展示图。在包含全身或上半身电商图像识别系统中,通常的做法是确定头部和躯干的位置,为之后的头部姿态识别、商品识别等提供支持。
因为没有特定去识别脖颈位置,所以会导致头部和躯干的分界线不明确,进而会影响商品定位和识别。比如:羽绒服有高领、中领和低领等种类,高领完全遮挡住模特的脖颈,而低领则会露出全部脖颈。如果仅将模特上身分为头部与躯干,将以下颌作为分界线,那么对于低领羽绒服而言,它的上边界明显超出实际商品边界,反过来,如果把锁骨当作边界,则会导致高领羽绒服图像被割裂了。这就需要首先去识别定位模特的脖颈部分,来确上衣商品的上边界和头部的下边界。但是因为衣领的高度,难以保证脖颈部分的显露程度。比如在低领衣服的模特商品图,可以检测到完整的脖颈,但中领衣服的模特商品图,只有部分的脖颈。这样给脖颈检测带来了严重的干扰。一类方案是将模特商品图按照脖颈显露程度用人工方式分为不同组,分别进行识别,那么显而易见,这种方式比较耗时耗力,同时也难以保证枚举出全部可能性。
发明内容
有鉴于此,本发明目的是提供针对电商图像中模特脖颈关键点的检测方法。
为了解决上述技术问题,本发明的技术方案是:
一种针对电商图像中模特脖颈关键点的检测方法,包括如下步骤:
S1、确定人体脖颈关键点的数量Ns和位置Ls,作为标注标准;
S2、标注数据:根据步骤S1中确定的数据,在含有模特全身或上半身的商品图像中进行标注;
S3、根据步骤S2中标注的数据,训练出一个人类脖颈关键点检测模型,在检测模型中,所有关键点的位置Ls区域构成一个矩阵As;
S4、输入待检测图像,通过检测模型进行检测;
S5、根据检测模型的检测结果,给出检测出的模特脖颈关键点的数量Np及位置Lp,其中检测出的关键点位置Lp所在区域构成预测矩阵Ap;
S6、比较矩阵As和矩阵Ap的相似性,若矩阵As和矩阵Ap的相似性小于或等于预设值,则输出当前已检测出的关键点作为识别结果。
进一步的:检测模型的检测算法采用OpenPose算法。
进一步的,步骤S6,具体包括如下步骤:
S61、确定矩阵As的特征向量Xs;
S62、确定矩阵Ap的特征向量Xp;
S63、计算特征向量Xs和特征向量Xp差值的平均和S=||Xs-Xp||;
S64、设置置信度阈值Th,当S≤Th时,即可输出当前已检测出的关键点作为识别结果。
进一步的,在步骤S61中,通过公式(As-λE)Xs=0确定矩阵As的特征向量Xs;在步骤S62中,通过公式(Ap-λE)Xp=0确定矩阵Ap的特征向量Xp。
较之现有技术,本发明的优点在于:
本发明提供了针对电商图片的脖颈关键点检测技术,可以快速准确地检测出模特脖颈位置,为图像进一步的头部姿态识别、商品识别提供了帮助。
本发明提供了的脖颈关键点检测技术,可以无需准备对商品按照衣领进行人工分类,节省了人力成本。
附图说明
图1为本发明作为标注标准的脖颈关键点位置,图中圆圈部分表示关键点。
具体实施方式
以下结合附图,对本发明的具体实施方式作进一步详述,以使本发明技术方案更易于理解和掌握。
实施例:
参照图1所示,本实施例提供一种针对电商图像中模特脖颈关键点的检测方法,具体包括如下步骤:
步骤一、确定人体脖颈关键点的数量Ns和位置Ls,作为标注标准,例如可通过专业医生顾问团确定人体脖颈关键点的数量Ns和位置Ls,具体位置如图1所示;
步骤二、标注数据:根据步骤一中确定的数据,在含有模特全身或上半身的商品图像中进行标注,换言之,按照步骤一中确定的标注标准,在图像上标注出各关键点的位置。
步骤三、根据步骤二中标注的数据,训练出一个人类脖颈关键点检测模型,其中检测算法可以采用OpenPose算法,值得一提的是,OpenPose模型是基于深度学习的一种人体关键点检测模型,通过脖颈商业图像集的训练,可以得到专注于脖颈关键点的检测模型。
如此,在检测模型中,所有关键点的位置Ls区域构成一个矩阵As。
步骤四、输入待检测图像,通过检测模型进行检测,值得一提的是,输入的待检测图片为含有模特全身或上半身的商品图像;
步骤五、根据检测模型的检测结果,给出检测出的模特脖颈关键点的数量Np及位置Lp,其中检测出的关键点位置Lp所在区域构成预测矩阵Ap;在正常情况下,检测出点的关键点数小于或等于总共的关键点数Ns,即Np∈(0,Ns)。
步骤六、比较矩阵As和矩阵Ap的相似性,可以通过比较两个矩阵的特征向量来确定矩阵As和矩阵Ap的相似性,进而确定关键点检测的准确性和漏检率;其中通过公式(As-λE)Xs=0确定矩阵As的特征向量Xs;通过公式(Ap-λE)Xp=0确定矩阵Ap的特征向量Xp。
接下来,计算特征向量Xs和特征向量Xp差值的平均和S=||Xs-Xp||,S越小,说明两个矩阵越相似,也就说明脖颈关键点找得越准确;
最后,设置置信度阈值Th,当S≤Th时,即可输出当前已检测出的关键点作为识别结果,换言之,存在于该矩阵Ap中的关键点即为所需的关键点,作为识别结果输出(此总结描述有无问题)。
通过上述步骤,便可准确的检测出模特脖颈位置,为图像进一步的头部姿态识别、商品识别提供了帮助,从而无需准备对商品按照衣领进行人工分类,节省了人力成本。
以上只是本发明的典型实例,除此之外,本发明还可以有其它多种具体实施方式,凡采用等同替换或等效变换形成的技术方案,均落在本发明要求保护的范围。
Claims (4)
1.针对电商图像中模特脖颈关键点的检测方法,其特征在于,包括如下步骤:
S1、确定人体脖颈关键点的数量Ns和位置Ls,作为标注标准;
S2、标注数据:根据步骤S1中确定的数据,在含有模特全身或上半身的商品图像中进行标注;
S3、根据步骤S2中标注的数据,训练出一个人类脖颈关键点检测模型,在检测模型中,所有关键点的位置Ls区域构成一个矩阵As;
S4、输入待检测图像,通过检测模型进行检测;
S5、根据检测模型的检测结果,给出检测出的模特脖颈关键点的数量Np及位置Lp,其中检测出的关键点位置Lp所在区域构成预测矩阵Ap;
S6、比较矩阵As和矩阵Ap的相似性,若矩阵As和矩阵Ap的相似性小于或等于预设值,则输出当前已检测出的关键点作为识别结果。
2.根据权利要求1所述的针对电商图像中模特脖颈关键点的检测方法,其特征在于:检测模型的检测算法采用OpenPose算法。
3.根据权利要求1所述的针对电商图像中模特脖颈关键点的检测方法,其特征在于:步骤S6,具体包括如下步骤:
S61、确定矩阵As的特征向量Xs;
S62、确定矩阵Ap的特征向量Xp;
S63、计算特征向量Xs和特征向量Xp差值的平均和S=||Xs-Xp||;
S64、设置置信度阈值Th,当S≤Th时,即可输出当前已检测出的关键点作为识别结果。
4.根据权利要求3所述的针对电商图像中模特脖颈关键点的检测方法,其特征在于:
在步骤S61中,通过公式(As-λE)Xs=0确定矩阵As的特征向量Xs;
在步骤S62中,通过公式(Ap-λE)Xp=0确定矩阵Ap的特征向量Xp。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010058747.8A CN111259822A (zh) | 2020-01-19 | 2020-01-19 | 针对电商图像中模特脖颈关键点的检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010058747.8A CN111259822A (zh) | 2020-01-19 | 2020-01-19 | 针对电商图像中模特脖颈关键点的检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111259822A true CN111259822A (zh) | 2020-06-09 |
Family
ID=70950845
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010058747.8A Pending CN111259822A (zh) | 2020-01-19 | 2020-01-19 | 针对电商图像中模特脖颈关键点的检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111259822A (zh) |
Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080037836A1 (en) * | 2006-08-09 | 2008-02-14 | Arcsoft, Inc. | Method for driving virtual facial expressions by automatically detecting facial expressions of a face image |
CN102637251A (zh) * | 2012-03-20 | 2012-08-15 | 华中科技大学 | 基于参考特征的人脸识别方法 |
CN105160312A (zh) * | 2015-08-27 | 2015-12-16 | 南京信息工程大学 | 基于人脸相似度匹配的明星脸装扮推荐方法 |
US20160155011A1 (en) * | 2014-12-02 | 2016-06-02 | Xerox Corporation | System and method for product identification |
CN108073914A (zh) * | 2018-01-10 | 2018-05-25 | 成都品果科技有限公司 | 一种动物面部关键点标注方法 |
CN108229509A (zh) * | 2016-12-16 | 2018-06-29 | 北京市商汤科技开发有限公司 | 用于识别物体类别的方法及装置、电子设备 |
CN108764048A (zh) * | 2018-04-28 | 2018-11-06 | 中国科学院自动化研究所 | 人脸关键点检测方法及装置 |
CN108985149A (zh) * | 2018-06-01 | 2018-12-11 | 平安科技(深圳)有限公司 | 人物图像识别方法、服务器及计算机可读存储介质 |
CN109086798A (zh) * | 2018-07-03 | 2018-12-25 | 迈吉客科技(北京)有限公司 | 一种数据标注方法和标注装置 |
WO2018232717A1 (zh) * | 2017-06-23 | 2018-12-27 | 中国科学院自动化研究所 | 基于透视失真特性的人脸图像鉴伪方法、存储、处理设备 |
CN109472205A (zh) * | 2018-10-09 | 2019-03-15 | 深兰科技(上海)有限公司 | 商品识别方法、商品识别装置及存储介质 |
CN109508681A (zh) * | 2018-11-20 | 2019-03-22 | 北京京东尚科信息技术有限公司 | 生成人体关键点检测模型的方法和装置 |
CN109829442A (zh) * | 2019-02-22 | 2019-05-31 | 焦点科技股份有限公司 | 一种基于摄像头的人体动作评分的方法及系统 |
CN110147701A (zh) * | 2018-06-27 | 2019-08-20 | 腾讯科技(深圳)有限公司 | 关键点标注方法、装置、计算机设备及存储介质 |
CN110287936A (zh) * | 2019-07-02 | 2019-09-27 | 北京字节跳动网络技术有限公司 | 图像检测方法、装置、设备及存储介质 |
CN110321789A (zh) * | 2019-05-21 | 2019-10-11 | 平安普惠企业管理有限公司 | 基于生物特征识别面试欺诈的方法及相关设备 |
CN110334677A (zh) * | 2019-07-11 | 2019-10-15 | 山东大学 | 一种基于人体骨骼关键点检测和非均等分区的行人重识别方法 |
US20190318194A1 (en) * | 2018-01-19 | 2019-10-17 | Beijing Sensetime Technology Development Co., Ltd | Body contour key point detection methods, apparatuses, and devices |
WO2019232894A1 (zh) * | 2018-06-05 | 2019-12-12 | 中国石油大学(华东) | 一种基于复杂场景下的人体关键点检测系统及方法 |
CN110633608A (zh) * | 2019-03-21 | 2019-12-31 | 广州中科凯泽科技有限公司 | 一种姿态图像的人体肢体相似度评估方法 |
-
2020
- 2020-01-19 CN CN202010058747.8A patent/CN111259822A/zh active Pending
Patent Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080037836A1 (en) * | 2006-08-09 | 2008-02-14 | Arcsoft, Inc. | Method for driving virtual facial expressions by automatically detecting facial expressions of a face image |
CN102637251A (zh) * | 2012-03-20 | 2012-08-15 | 华中科技大学 | 基于参考特征的人脸识别方法 |
US20160155011A1 (en) * | 2014-12-02 | 2016-06-02 | Xerox Corporation | System and method for product identification |
CN105160312A (zh) * | 2015-08-27 | 2015-12-16 | 南京信息工程大学 | 基于人脸相似度匹配的明星脸装扮推荐方法 |
CN108229509A (zh) * | 2016-12-16 | 2018-06-29 | 北京市商汤科技开发有限公司 | 用于识别物体类别的方法及装置、电子设备 |
WO2018232717A1 (zh) * | 2017-06-23 | 2018-12-27 | 中国科学院自动化研究所 | 基于透视失真特性的人脸图像鉴伪方法、存储、处理设备 |
CN108073914A (zh) * | 2018-01-10 | 2018-05-25 | 成都品果科技有限公司 | 一种动物面部关键点标注方法 |
US20190318194A1 (en) * | 2018-01-19 | 2019-10-17 | Beijing Sensetime Technology Development Co., Ltd | Body contour key point detection methods, apparatuses, and devices |
CN108764048A (zh) * | 2018-04-28 | 2018-11-06 | 中国科学院自动化研究所 | 人脸关键点检测方法及装置 |
CN108985149A (zh) * | 2018-06-01 | 2018-12-11 | 平安科技(深圳)有限公司 | 人物图像识别方法、服务器及计算机可读存储介质 |
WO2019232894A1 (zh) * | 2018-06-05 | 2019-12-12 | 中国石油大学(华东) | 一种基于复杂场景下的人体关键点检测系统及方法 |
CN110147701A (zh) * | 2018-06-27 | 2019-08-20 | 腾讯科技(深圳)有限公司 | 关键点标注方法、装置、计算机设备及存储介质 |
CN109086798A (zh) * | 2018-07-03 | 2018-12-25 | 迈吉客科技(北京)有限公司 | 一种数据标注方法和标注装置 |
CN109472205A (zh) * | 2018-10-09 | 2019-03-15 | 深兰科技(上海)有限公司 | 商品识别方法、商品识别装置及存储介质 |
CN109508681A (zh) * | 2018-11-20 | 2019-03-22 | 北京京东尚科信息技术有限公司 | 生成人体关键点检测模型的方法和装置 |
CN109829442A (zh) * | 2019-02-22 | 2019-05-31 | 焦点科技股份有限公司 | 一种基于摄像头的人体动作评分的方法及系统 |
CN110633608A (zh) * | 2019-03-21 | 2019-12-31 | 广州中科凯泽科技有限公司 | 一种姿态图像的人体肢体相似度评估方法 |
CN110321789A (zh) * | 2019-05-21 | 2019-10-11 | 平安普惠企业管理有限公司 | 基于生物特征识别面试欺诈的方法及相关设备 |
CN110287936A (zh) * | 2019-07-02 | 2019-09-27 | 北京字节跳动网络技术有限公司 | 图像检测方法、装置、设备及存储介质 |
CN110334677A (zh) * | 2019-07-11 | 2019-10-15 | 山东大学 | 一种基于人体骨骼关键点检测和非均等分区的行人重识别方法 |
Non-Patent Citations (2)
Title |
---|
胡保林: "基于深度学习的人体关键点检测", CNKI优秀硕士学位论文全文数据库 * |
陈锐;林达;: "基于级联卷积神经网络的人脸关键点定位", 四川理工学院学报(自然科学版), no. 01 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111797791A (zh) | 人体姿态识别方法及装置 | |
KR101507662B1 (ko) | 비디오 내 객체들의 시맨틱 파싱 | |
US9953437B1 (en) | Method and device for constructing a table including information on a pooling type and testing method and testing device using the same | |
CN110766095B (zh) | 基于图像灰度特征的缺陷检测方法 | |
CN105184292A (zh) | 自然场景图像中手写体数学公式结构分析与识别方法 | |
CN109858476B (zh) | 标签的扩充方法和电子设备 | |
CN110909618B (zh) | 一种宠物身份的识别方法及装置 | |
CN107862234A (zh) | 一种彩色条形码的识别方法、电子设备及存储介质 | |
EP3376433B1 (en) | Image processing apparatus, image processing method, and image processing program | |
CN112001406B (zh) | 一种文本区域检测方法及装置 | |
CN108388871B (zh) | 一种基于车身回归的车辆检测方法 | |
CN111339975A (zh) | 基于中心尺度预测与孪生神经网络的目标检测识别跟踪方法 | |
KR102375325B1 (ko) | 원거리 고밀도 시각적 마커의 검출 및 인식 방법 | |
CN113597614A (zh) | 图像处理方法和装置、电子设备及存储介质 | |
CN107403179A (zh) | 一种物品包装信息的注册方法及装置 | |
CN113947714B (zh) | 一种视频监控和遥感的多模态协同优化方法及系统 | |
CN108992033B (zh) | 一种视觉测试的评分装置、设备和存储介质 | |
CN111259822A (zh) | 针对电商图像中模特脖颈关键点的检测方法 | |
CN110738123B (zh) | 识别密集陈列商品的方法及其装置 | |
Shen et al. | Robust detection of skewed symmetries by combining local and semi-local affine invariants | |
Wang et al. | Recognition and distance estimation of an irregular object in package sorting line based on monocular vision | |
CN112861664B (zh) | 一种基于深度学习的家禽姿态检测方法和系统 | |
CN103136513A (zh) | 一种改进的asm人脸特征点定位方法 | |
CN113470073A (zh) | 一种基于深度学习的动物中心追踪方法 | |
CN107146244B (zh) | 基于pbil算法的图像配准方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
AD01 | Patent right deemed abandoned | ||
AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20240322 |