CN111738147A - 一种物品佩戴检测方法、装置、计算机设备及存储介质 - Google Patents
一种物品佩戴检测方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN111738147A CN111738147A CN202010572312.5A CN202010572312A CN111738147A CN 111738147 A CN111738147 A CN 111738147A CN 202010572312 A CN202010572312 A CN 202010572312A CN 111738147 A CN111738147 A CN 111738147A
- Authority
- CN
- China
- Prior art keywords
- image
- area
- article
- user
- detected
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 157
- 238000000034 method Methods 0.000 claims abstract description 38
- 238000012549 training Methods 0.000 claims description 10
- PICXIOQBANWBIZ-UHFFFAOYSA-N zinc;1-oxidopyridine-2-thione Chemical class [Zn+2].[O-]N1C=CC=CC1=S.[O-]N1C=CC=CC1=S PICXIOQBANWBIZ-UHFFFAOYSA-N 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 8
- 239000011159 matrix material Substances 0.000 description 8
- 230000006870 function Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000003062 neural network model Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- 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
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及计算机技术领域,提供一种物品佩戴检测方法、装置、计算机设备及存储介质,用于提高检测物品佩戴的效率及准确性。该方法包括:确定待检测图像中的第一区域;其中,所述第一区域用于识别所述待检测图像中的用户;基于在图像中被佩戴物品与用户之间的相对位置,从所述待检测图像中确定出所述第一区域对应的第二区域;其中,所述第二区域是指用户在佩戴物品时,所述物品在所述待检测图像中所对应的区域;识别所述第二区域中是否包括所述物品,并根据对所述第二区域的识别结果,确定用户是否佩戴所述物品。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及一种物品佩戴检测方法、装置、计算机设备及存储介质。
背景技术
在一些场景下,用户需要佩戴规定物品,例如,在工作中,职工佩戴工作证不仅能够体现一个企业的文化,还可以便于各部门同事之间的工作交流;或者,在学校中,学生佩戴名牌可以便于老师与学生之间的交流等。
目前,企业或学校等均是通过人工检查的方式检查每个用户是否佩戴规定物品,或者是否将规定物品佩戴在指定位置,然而,这种检查方式不仅效率较低,且还容易出现遗漏的情况,造成检查的准确性较低。
发明内容
本申请实施例提供一种物品佩戴检测方法、装置、计算机设备及存储介质,用于提高检测物品佩戴的效率及准确性。
第一方面,提供一种物品佩戴检测方法,该方法包括:
确定待检测图像中的第一区域;其中,所述第一区域用于识别所述待检测图像中的用户;
基于在图像中被佩戴物品与用户之间的相对位置,从所述待检测图像中确定出所述第一区域对应的第二区域;其中,所述第二区域是指用户在佩戴物品时,所述物品在所述待检测图像中所对应的区域;
识别所述第二区域中是否包括所述物品,并根据对所述第二区域的识别结果,确定用户是否佩戴所述物品。
本申请实施例中,通过用于识别待检测图像中的用户的第一区域,确定被佩戴的物品在图像中的第二区域,再对第二区域进行识别,确定第二区域中是否包括物品,从而确定用户是否佩戴物品。相较于人工检测用户是否佩戴物品的方式,通过设备检测用户是否佩戴物品的检测效率更高,提高了检测物品佩戴的效率,降低了人工成本。且,相较于直接从待检测图像中识别是否佩戴物品的方式,本申请实施例中,通过用于识别用户的第一区域,确定第二区域的方式,可以确定出每个用户对应的第二区域,减少了遗漏的情况,提高了确定第二区域的准确性,从而提高了检测物品佩戴的准确性。且,根据在图像中被佩戴物品与用户之间的相对位置来确定第二区域,限定了第二区域在待检测图像中,相对于用户的位置关系,不仅可以通过识别第二区域确定用户是否佩戴物品,还可以确定用户是否规范佩戴物品,进一步提高了检测物品佩戴的准确性。
可选的,确定待检测图像中的第一区域,包括:
检测待检测图像中多个用户中各用户的头肩,获得所述待检测图像中多个用户中各用户的头肩区域,确定出的头肩区域为对应用户的第一区域。
本申请实施例中,将用户的头肩区域作为识别待检测图像中用户的第一区域,相较于通过用户的面部区域识别用户的方法,本申请实施例中,可以确定第一区域时,直接确定出用户的肩部,便于一些场景下,如办公室场景下,根据用户的肩部以及工作证的挂绳长度,确定工作证所在的第二区域,减少了用户脖子长度差异,造成的确定出的第二区域位置的偏差的情况,提高了确定第二区域的准确性。
可选的,在确定待检测图像中的第一区域之后,包括:
确定每个第一区域与预存的比对信息中各用户的头肩图像之间的相似度,其中,所述比对信息还包括各用户的身份信息;
根据与每个第一区域相似度大于相似度阈值的头肩图像所关联的身份信息,确定每个第一区域关联的用户的身份信息。
本申请实施例中,确定待检测图像中每个第一区域对应的用户的身份信息,从而在检测待检测图像中各用户是否佩戴物品时,可以将各用户的身份信息与是否佩戴物品的识别结果对应起来,使得获得的识别结果是针对待检测图像中每个用户的。因此,如果待检测图像中包括多个用户,可以通过对一张待检测图像进行检测,确定多个用户中每个用户是否佩戴物品。相较于通过每个用户对应的待检测图像中去检测该用户是否佩戴物品的方式,本申请实施例中,可以从一张图像中识别出多个用户中每个用户是否佩戴物品,提高了检测物品佩戴的效率。
可选的,所述待检测图像为视频中的一视频帧;以及,
在基于在图像中被佩戴物品与用户之间的相对位置,从所述待检测图像中确定出所述第一区域对应的第二区域之前,包括:
确定所述用户的身份信息,与从所述待检测图像的前N帧中各帧中识别身份信息不同;其中,N为正整数,所述前N帧为预设时间段内的视频帧。
本申请实施例中,对于在预设时间段内的视频帧中,待检测图像的前N帧的各帧中各用户的身份信息,如果与待检测图像中用户的身份信息不同,那么可以确定待检测图像中用户未检测过是否佩戴物品,如果与待检测图像中用户的身份信息相同,那么可以确定待检测图像中用户已检测过是否佩戴物品。对于已经检测过的用户不会再进行检测,仅对未检测过的用户进行检测,减少了设备处理数据的数据量,减少了不必要的计算资源的占用,提高了设备处理数据的处理效率。
可选的,基于在图像中被佩戴物品与用户之间的相对位置,从所述待检测图像中确定出所述第一区域对应的第二区域,包括:
当在图像中被佩戴物品与用户之间的相对位置为被佩戴物品在图像中的区域与第一区域之间的相对距离时,根据所述第一区域在所述待检测图像中的位置和所述相对距离,确定所述待检测图像中的第二区域。
本申请实施例中,根据被佩戴物品在图像中的区域与第一区域之间的相对距离,确定待检测图像中第一区域对应的第二区域,使得第二区域在待检测图像中的位置是相对于第一区域固定的位置,在识别第二区域是否包括物品时,不仅可以确定第一区域关联的用户是否佩戴物品,还可以确定出该用户是否将物品佩戴在指定位置,提高了检测物品佩戴的准确性。
可选的,识别所述第二区域中是否包括所述物品,包括:
将所述第二区域输入识别模型,获得所述第二区域包括所述物品的概率值,其中,所述识别模型是根据样本数据训练得到的,所述样本数据包括多个标注有所述物品的样本图像;
若所述概率值大于概率阈值,则确定所述第二区域中包括所述物品。
本申请实施例中,通过已训练的识别模型对第二区域进行识别,确定第二区域中是否包括所述物品的识别结果,由于识别模型是经过大量的样本数据训练得到的,因此识别模型在识别物品时,具有更高准确性。
第二方面,提供一种物品佩戴检测装置,该装置包括:
第一区域识别模块:用于确定待检测图像中的第一区域;其中,所述第一区域用于识别所述待检测图像中的用户;
第二区域识别模块:基于在图像中被佩戴物品与用户之间的相对位置,从所述待检测图像中确定出所述第一区域对应的第二区域;其中,所述第二区域是指用户在佩戴物品时,所述物品在所述待检测图像中所对应的区域。
物品识别模块:用于识别所述第二区域中是否包括所述物品,并根据对所述第二区域的识别结果,确定用户是否佩戴所述物品。
可选的,所述第一区域识别模块,具体用于:
检测待检测图像中多个用户中各用户的头肩,获得所述待检测图像中多个用户中各用户的头肩区域,确定出的头肩区域为对应用户的第一区域。
可选的,所述第一区域识别模块,还用于:
在确定待检测图像中的第一区域之后,确定每个第一区域与预存的比对信息中各用户的头肩图像之间的相似度,其中,所述比对信息还包括各用户的身份信息;以及,根据与每个第一区域相似度大于相似度阈值的头肩图像所关联的身份信息,确定每个第一区域关联的用户的身份信息。
可选的,所述待检测图像为视频中的一视频帧;所述第一区域识别模块,还用于:在基于在图像中被佩戴物品与用户之间的相对位置,从所述待检测图像中确定出所述第一区域对应的第二区域之前,确定所述用户的身份信息,与从所述待检测图像的前N帧中各帧中识别身份信息不同;其中,N为正整数,所述前N帧为预设时间段内的视频帧。
可选的,所述第一区域识别模块具体用于:
当在图像中被佩戴物品与用户之间的相对位置为被佩戴物品在图像中的区域与第一区域之间的相对距离时,根据所述第一区域在所述待检测图像中的位置和所述相对距离,确定所述待检测图像中的第二区域。
可选的,所述第二区域识别模块具体用于:
将所述第二区域输入识别模型,获得所述第二区域包括所述物品的概率值,其中,所述识别模型是根据样本数据训练得到的,所述样本数据包括多个标注有所述物品的样本图像;以及,若所述概率值大于概率阈值,则确定所述第二区域中包括所述物品。
可选的,所述物品识别模块具体用于:
从所述第二区域识别出所述物品,则确定用户佩戴所述物品,并存储用于表示用户佩戴所述物品的第一信息;以及,从所述第二区域未识别到所述物品,则确定用户未佩戴所述物品,并存储用于表示所述用户未佩戴所述物品的第二信息。
第三方面,提供一种计算机设备,包括:
存储器,用于存储程序指令;
处理器,用于调用所述存储器中存储的程序指令,按照获得的程序指令执行第一方面中任一所述的方法。
第四方面,提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行第一方面中任一所述的方法。
附图说明
图1为本申请实施例提供的物品佩戴检测方法的应用场景示意图;
图2为本申请实施例提供的物品佩戴检测方法的交互示意图;
图3为本申请实施例提供的物品佩戴检测方法的界面示意图;
图4为本申请实施例提供的物品佩戴检测方法的原理示意图;
图5为本申请实施例提供的物品佩戴检测方法的过程示意图;
图6为本申请实施例提供的物品佩戴检测装置的结构示意图;
图7为本申请实施例提供的计算机设备的结构示意图。
具体实施方式
为了使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述。
另外,本申请实施例中,“至少一个”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B的情况,其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达,是指的这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b,或c中的至少一项(个),可以表示:a,b,c,a-b,a-c,b-c,或a-b-c,其中a,b,c可以是单个,也可以是多个。
为了提高检测物品佩戴的效率及准确性,本申请提供一种物品佩戴检测方法,该方法可以由物品佩戴检测设备执行,下面对该方法涉及的应用场景进行说明。
请参考图1,为物品佩戴检测方法的一种应用场景示意图,或者图1可以理解为物品佩戴检测设备的部署示意图。该应用场景中包括物品佩戴检测设备101、采集设备102和显示设备103。物品佩戴检测设备101和采集设备102之间可以通信,物品佩戴检测设备101和显示设备103之间可以通信。各设备之间的通信方式可以是有线通信或无线通信,有线通信例如连接网线、或数据线等;无线通信例如通过蓝牙、或者无线局域网进行通信等。
采集设备102泛指用于采集视频或图像的设备,例如摄像机等。物品佩戴检测设备101泛指用于检测图像中的用户是否佩戴物品的设备,物品佩戴检测设备101可以是终端设备或服务器等,终端设备例如手机、台式计算机或平板电脑等。显示设备103泛指用于显示物品佩戴检测设备101检测出的用户是否佩戴物品的检测结果,显示设备103可以是终端设备或显示屏等。
作为一种实施例,物品佩戴检测设备101和采集设备102可以是同一个设备;或者,物品佩戴检测设备101和显示设备103可以是同一个设备;或者,物品佩戴检测设备101、采集设备102和显示设备103可以是同一个设备。本申请实施例中以物品佩戴检测设备101、采集设备102和显示设备103为不同的设备为例进行介绍。
下面对各设备之间的交互进行示例说明:
比如在办公室中,职工通常需要佩戴工作证,采集设备102可以对进入工作区域的职工进行视频采集或图像采集,获得视频或图像。采集设备102可以向物品佩戴检测设备101发送视频或图像,物品佩戴检测设备101接收来自采集设备102的视频或图像之后,可以获得待检测图像。待检测图像中包括至少一个用户,待检测图像的数量可以是一个或多个,具体不做限制。
物品佩戴检测设备101获得待检测图像之后,确定待检测图像中的第一区域,第一区域用于识别待检测图像中的用户。物品佩戴检测设备101在确定第一区域之后,基于在图像中被佩戴物品与用户之间的相对位置,确定待检测图像中第一区域对应的第二区域。物品佩戴检测设备101在确定第二区域之后,识别第二区域中是否包括物品,物品佩戴检测设备101获得针对第二区域的识别结果,并根据识别结果,确定用户是否佩戴物品。
本申请实施例中,物品佩戴检测设备101可以根据物品与用户之间的相对位置,针对图像中物品的区域,确定该区域是否包括物品,从而检测用户是否佩戴物品,不需要安排人工进行检测,提高了检测效率,降低了人力成本,且,减少了人工检测造成了遗漏的情况,提高了检测的准确性。
基于图1论述的场景,下面对本申请实施例中的物品佩戴检测方法进行介绍。
请参考图2,为本申请实施例涉及的物品佩戴检测设备101、采集设备102和显示设备103之间的交互过程示意图。
S201,采集设备102获得视频或图像。
在办公场景下,公司为了展示企业形象,以及便于职工之间的交流,通常会规定职工在指定位置佩戴工作证。如果通过人工检测职工是否按规定佩戴工作证,效率较低且人工成本高,因此,公司可以设置采集设备102,采集设备102对工作区域进行视频拍摄或图像拍摄,获得职工进出工作区域的待检测图像。采集设备102可以对采集场景进行视频拍摄,获得视频;或者,采集设备102可以对采集场景进行图像拍摄,获得图像,下面以两种情况为例,进行介绍。
情况一、采集设备103获得视频。
采集设备102可以是实时对采集场景进行视频拍摄,或者,采集设备102可以是在满足预设条件时,对采集场景进行视频拍摄。预设条件比如可以是预设时长,或者,可以是采集画面出现用户,或者,可以是采集画面中目标开始运动等,本申请实施例中对预设条件的内容不作具体限制。
作为一种实施例,视频中可以包括按照预设时间段划分的多个视频序列,每个视频序列由多个视频帧组成,划分每个视频序列的预设时间段可以是相同的,或者可以是不同的。
例如,对于实时获得采集场景中的用户是否规范佩戴物品的场景,采集设备102可以进行视频拍摄,如校园中,需要实时检测不按照校规佩戴名牌的学生时,采集设备102可以进行视频拍摄,也可以将拍摄的视频按预设时间段划分,对划分后的多个视频序列中的每个视频序列执行后续的步骤S202~步骤S209。
情况二、采集设备103获得图像。
采集设备103可以对采集画面进行随机保存,或者采集设备103可以保存满足预设条件的采集画面,获得图像,预设条件例如可以是采集画面中出现特定目标,或者达到预设周期时进行图像拍摄等,本申请实施例中对预设规则的内容不作具体限制。特定目标可以穿着特定服装的人,即需要佩戴物品的用户等。
例如,对于随机检查采集场景中的用户是否规范佩戴物品的场景,采集设备102可以进行图像拍摄,如办公室中,随机检查不按照公司规定佩戴工作证的职工,采集设备102可以进行图像拍摄。
又例如,办公室中,实时检查不按照公司规定佩戴工作证的职工,采集设备102可以进行视频拍摄和图像拍摄,删除按照公司规定配电工作证的员工的图像;对不按照公司规定佩戴工作证的次数小于预设值的职工发送提示信息,并删除图像;对不按照公司规定佩戴工作证的次数大于或等于预设值的职工,记录图像,并生成相应的处罚信息。
S202,采集设备102获得待检测图像。
采集设备102获得视频或图像之后,可以根据视频或图像,获得待检测图像,具体针对步骤S201中介绍的两种情况,进行介绍。
针对上述情况一:
采集设备102采集视频之后,对视频进行处理,获得待检测图像。
采集设备102中可以包括雷达装置,采集设备102在对采集场景进行视频拍摄时,可以实时通过雷达装置发射电磁波信号,雷达装置接收反射的电磁波信号,从而雷达装置可以根据接收的电磁波信号,确定采集画面中是否包含目标。采集设备102将包含目标的视频帧确定为待检测图像;或者,采集设备102在获得视频之后,可以将视频中每一个视频帧确定为待检测图像等。
作为一种实施例,如果视频中包括按照预设时间段划分的多个视频序列,那么,采集设备102可以分别获得多个视频序列的每个视频序列中的待检测图像,或者,可以按照预设规则,分别获得多个视频序列的每个指定视频序列中的待检测图像。指定视频序列是根据预设规则获得的,例如,预设规则为视频序列中每个视频帧包括的目标数量的总和大于预设数量,那么指定视频序列即为多个视频序列中的目标数量的总和大于预设数量的视频序列。多个视频序列中的目标数量的总和是指所有视频帧中包括的目标数量的总和。
针对上述情况二:
采集设备102采集图像之后,获得待检测图像。
采集设备102在获得图像之后,可以将获得的每一个图像确定为待检测图像等。
作为一种实施例,采集设备102可以在每次获得一个图像时,确定该图像是否包含目标;或者,可以根据采集设备102计算资源的占用情况,在占用率低于预设值时,确定获得的图像中每个图像是否包含目标等。
S203,物品佩戴检测设备101获得待检测图像。
采集设备102在获得待检测图像之后,可以向物品佩戴检测设备101发送待检测图像,物品佩戴检测设备101接收来自采集设备102的待检测图像。
作为一种实施例,采集设备102在每次获得待检测图像时,可以实时的向物品佩戴检测设备101发送待检测图像,或者,可以根据预设发送条件,向物品佩戴检测设备101发送多个待检测图像。
预设发送条件可以是,采集设备102确定数据发送通道的传输资源占用率小于第一预设阈值,或者,可以是采集设备102接收物品佩戴检测设备101发送的传输指令,传输指令用于指示采集设备102向物品佩戴检测设备101发送待检测图像,或者,采集设备102获得一个视频序列中的待检测图像,或者,可以是采集设备102确定自身处理资源占用率小于第二预设阈值等,第一预设阈值和第二预设阈值可以相同,也可以不同。
作为一种实施例,步骤S201~步骤S202为可选的,也就是说,可以由物品佩戴检测设备101执行步骤S201~步骤S202,获得的待检测图像,或者,物品佩戴检测设备101可以通过其他方式获得待检测图像,物品佩戴检测设备101获得待检测图像的方式不做具体限制。
S204,物品佩戴检测设备101确定待检测图像中的第一区域。
物品佩戴检测设备101获得待检测图像之后,可以确定待检测图像中的第一区域,物品佩戴检测设备101可以根据待检测图像中的第一区域识别待检测图像中的用户。物品佩戴检测设备101确定待检测图像中的第一区域的方法有多种,例如通过待检测图像各像素点的梯度值,以及边缘检测算子,确定待检测图像中包含目标的第一区域;或者,例如将待检测图像输入大量样本数据训练的深度神经网络模型,输出待检测图像中的第一区域等。本申请实施例中以将待检测图像输入大量样本数据训练的深度神经网络模型,输出待检测图像中的第一区域的方法为例进行介绍。
作为一种实施例,第一区域可以包括用户的头肩,那么物品佩戴检测设备101可以将头肩作为目标,对待检测图像进行检测。物品佩戴检测设备101确定待检测图像中是否包括头肩区域,如果物品佩戴检测设备101确定待检测图像中包括至少一个头肩区域,那么该至少一个头肩区域即可以确定为至少一个第一区域。
作为一种实施例,第一区域可以包括用户的面部,那么物品佩戴检测设备101可以将人脸作为目标,对待检测图像进行检测。物品佩戴检测设备101确定待检测图像中是否包括人脸区域,如果物品佩戴检测设备101确定待检测图像中包括至少一个人脸区域,那么该至少一个人脸区域即可以确定为至少一个第一区域。
具体的,物品佩戴检测设备101获得待检测图像之后,将待检测图像输入目标检测模型,获得待检测图像中的包含目标的第一区域。目标检测模型所检测的目标,为用于识别用户的目标,比如用户的头肩。
其中,目标检测模型是根据样本数据训练得到的模型,用于检测图像中存在的目标。样本数据包括多个样本图像,以及每个样本图像中的目标的类别,以及目标在对应在样本图像中的区域。目标的类别比如是否为用户的头肩两个类别等。
目标检测模型的结构可以有多种,作为一种实施例,目标检测模型包括检测模块和回归模块,以目标为头肩为例,检测模块获得待检测图像之后,将待检测图像划分为多个候选区域,多个候选区域均为待检测图像中的区域。多个候选区域中包括包含头肩的候选区域、不包含头肩的候选区域以及包含部分头肩的候选区域。检测模块对多个候选区域中的每个候选区域进行检测,获得每个候选区域包含头肩的检测概率值。包含头肩的候选区域的检测概率值大于包含部分头肩的候选区域的检测概率值,包含部分头肩的候选区域的检测概率值大于不包含头肩的候选区域的检测概率值。目标检测模型将其中检测概率值大于预设概率值的候选区域输入回归模块,回归模块对候选区域的尺寸进行调整。物品佩戴检测设备101将调整后的候选区域,确定为得待检测图像中的第一区域。
比如办公室情况下,多个职工进入工作区域,采集设备102获得的待检测图像中可能会包括多个职工,即物品佩戴检测设备101获得的待检测图像中可能会包括多个职工,作为一种实施例,如果待检测图像中包括多个用户,那么物品佩戴检测设备101将待检测图像输入目标检测模型时,检测模块可以获得多个检测概率值大于预设概率值的候选区域,回归模块分别对多个候选区域中每个候选区域进行尺寸调整。物品佩戴检测设备101将调整后的多个候选区域,确定为待检测图像中多个用户中每个用户对应的第一区域。
S205,物品佩戴检测设备101确定第一区域关联的用户的身份信息。
在办公室场景下,每个公司的职工进出办公区域的次数一般为多次,那么采集设备102可能会获得同一个职工的多个待检测图像,如果对每个待检测图像都进行识别,会增大物品佩戴检测设备101处理数据的数据量,因此,物品佩戴检测设备101在确定待检测图像中的第一区域之后,可以将第一区域输入目标确定模型,输出第一区域关联的用户的身份信息,对身份信息相同的用户只进行一次检测,减少物品佩戴检测设备101处理数据的数据量。
其中,目标确定模型是根据样本数据训练得到的模型,用于确定图像中用户的身份信息。样本数据包括多个样本图像,以及每个样本图像中的目标的类别。目标的类别比如用户A、用户B和用户C等多个类别等。
目标确定模型的结构可以有多种,作为一种实施例,目标确定模型包括特征提取模块和确定模块。以第一区域为头肩区域为例,特征提取模块获得头肩区域之后,可以对头肩区域进行特征提取,获得头肩区域对应的特征矩阵。目标确定模型将头肩区域对应的特征矩阵输入确定模块,确定模块对头肩区域对应的特征矩阵与预存的比对信息中各用户的头肩图像对应的特征矩阵进行相似度计算,获得相似度大于相似度阈值的预存的比对信息中用户的头肩图像。物品佩戴检测设备101根据获得的预存的比对信息中用户的头肩图像关联的身份信息,确定待检测图像中的头肩区域关联的用户的身份信息。比对信息包括预存的各用户的头肩图像,以及,预存的各用户的身份信息。身份信息泛指用于表示用户身份的信息,例如用户的姓名、用户的工号ID或用户的电话号码等,具体不做限制。
作为一种实施例,目标确定模型与前述的目标检测模型可以是同一个模型,用于检测待检测图像中的第一区域,以及确定第一区域关联的用户的身份信息。或者,目标确定模型与前述的目标检测模型可以是两个不同的模型,所使用的训练数据也不同,目标所指代的内容也不同。
比对信息可以以表结构、树结构或知识图谱结构的形式进行存储,具体存储形式不作限制。
下面以表结构的比对信息为例进行介绍,请参考表1,为比对信息的一种存储形式。
表1
ID | 姓名 | 头肩图像 | 工号 |
1 | 用户a | 头肩图像A | 1XXX1 |
2 | 用户b | 头肩图像B | 2XXX2 |
其中,用户的姓名和工号为用户的身份信息,用户的头肩图像为用户的第一区域。
作为一种实施例,比对信息中还包括各用户的第一区域对应的特征矩阵,如用户的头肩图像对应的特征矩阵,确定模块可以确定待检测图像中的头肩区域对应的特征矩阵,与比对信息中各头肩图像的特征矩阵之间的相似度。
作为一种实施例,如果采集设备102获得的待检测图像中包括多个用户,即佩戴检测设备101获得的待检测图像中包括多个用户,那么物品佩戴检测设备101获得的第一区域为多个。物品佩戴检测设备101依次确定多个第一区域中每个第一区域关联的用户的身份信息。
作为一种实施例,物品佩戴检测设备101在执行步骤S206,基于在图像中被佩戴物品与用户之间的相对位置,从待检测图像中确定第一区域对应的第二区域之前,可以根据待检测图像中的用户的身份信息,确定待检测图像的前N帧中各帧中的用户中,是否包括待检测图像中的用户。物品佩戴检测设备101确定待检测图像的前N帧中各帧中的用户的身份信息,与第一区域关联的用户的身份信息是否相同。
其中,待检测图像的前N帧可以是预设时间段内,排列顺序在待检测图像之前的视频帧,或者,可以是一个视频序列中,排列顺序在待检测图像之前的视频帧等。预设时间段比如可以是距离当前时刻在预设时长内的一段时间,比如当前时间为9:00,预设时间段可以为今天8:00-9:00。
如果待检测图像的前N帧中各帧中的用户的身份信息中存在与第一区域关联的用户的身份信息相同的身份信息,那么物品佩戴检测设备101确定待检测图像的前N帧中各帧中的用户中,包括待检测图像中的用户,物品佩戴检测设备101不针对该用户执行步骤S206,从待检测图像中确定第一区域对应的第二区域。
如果待检测图像的前N帧中各帧中的用户的身份信息中不存在与第一区域关联的用户的身份信息相同的身份信息,那么物品佩戴检测设备101确定待检测图像的前N帧中各帧中的用户中,不包括待检测图像中的用户,物品佩戴检测设备101执行步骤S206,从待检测图像中确定第一区域对应的第二区域。
S206,物品佩戴检测设备101基于在图像中被佩戴物品与用户之间的相对位置,从待检测图像中确定第一区域对应的第二区域。
物品佩戴检测设备101确定待检测图像中的第一区域之后,可以基于在图像中被佩戴物品与用户之间的相对位置,从待检测图像中确定第一区域对应的第二区域。
作为一种实施例,第一区域和第二区域可以是同一个区域,或者,是不同的区域。当第一区域和第二区域可以是同一个区域时,物品佩戴检测设备101确定第一区域之后,可以将第一区域作为第二区域执行步骤S207~步骤S209。当第一区域和第二区域是不同的区域时,物品佩戴检测设备101基于在图像中被佩戴物品与用户之间的相对位置,从待检测图像中确定第一区域对应的第二区域。
在图像中被佩戴物品与用户之间的相对位置,表示按照物品佩戴的规定位置,被佩戴物品与用户映射在图像中之后,被佩戴物品与用户之间的相对位置。被佩戴物品与用户之间的相对位置可以是,被佩戴物品在图像中的区域与第一区域的相对距离,或者,可以是被佩戴物品在图像中的区域与用户身体部位在图像中的区域之间的对应关系等。
物品佩戴检测设备101根据第一区域在待检测图像中的位置,以及,被佩戴物品在图像中的区域与第一区域的相对距离,确定第一区域对应的第二区域在待检测图像中的位置。
或者,物品佩戴检测设备101用户的身体部位在待检测图像中的位置,以及,被佩戴物品在图像中的区域与用户的身体部位在图像中的区域之间的对应关系,确定第一区域对应的第二区域在待检测图像中的位置。
第一区域、第二区域或用户的身体部位在待检测图像中的位置,可以是像素点位置,例如第i个像素点到第j个像素点;或者,可以是区域边界相对于待检测图像边界的距离,例如相对于待检测图像上边界2厘米,下边界3厘米,左边界2厘米和右边界2厘米的位置;或者,可以是待检测图像映射的坐标系中坐标点所包围的区域等。
作为一种实施例,第二区域可以是包含在第一区域内的一个区域,或者,第一区域和第二区域可以是有部分重叠的两个区域,或者,第一区域和第二区域可以是完全没有重叠的两个区域等。
例如,被佩戴物品为职工的工作证,通过挂绳佩戴于用户的胸前。待检测图像映射到坐标系中,第一区域为用户的头肩,第一区域为一个矩形区域,可以通过四个顶点的坐标,确定该矩形区域,如(0,0)、(x,0)、(0,y)和(x,y)。被佩戴物品与用户之间的相对位置为,工作证在图像中的区域,与用户头肩区域之间的相对距离,如L1,该相对距离为挂绳的长度。根据挂绳的长度,物品佩戴检测设备101可以将工作证在图像中的区域,即第二区域,确定为一个矩形区域,坐标为(0,y+L1)、(x,y+L1)、(0,y+L1+L2)和(x,y+L1+L2),其中,L2为一个大于工作证长度的值。
又例如,被佩戴物品为学生的红领巾,佩戴于用户的肩颈区域。待检测图像映射到坐标系中,第一区域为用户的头肩,第一区域为一个矩形区域,确定该矩形区域,如(0,0)、(x,0)、(0,y)和(x,y)。被佩戴物品与用户之间的相对位置为,工作证在图像中的区域对应于用户的肩颈区域。肩颈区域在用户的头肩区域内,因此,物品佩戴检测设备101可以将工作证在图像中的区域,即第二区域,确定为一个矩形区域,坐标为(0,y-L2)、(x,y-L2)、(0,y)和(x,y),其中,L2为一个大于红领巾被佩戴时的长度的值。
S207,物品佩戴检测设备101识别第二区域中是否包括物品。
物品佩戴检测设备101在确定第一区域对应的第二区域之后,可以将第二区域输入识别模型,输出第二区域内是否包括物品的识别结果。
其中,识别模型是根据样本数据训练得到的模型,用于识别图像中是否包括物品。样本数据包括多个样本图像,以及每个样本图像中的目标的类别。目标的类别比如是否包括物品两个类别等。
物品佩戴检测设备101将第二区域输入识别模型之后,识别模型确定第二区域包括物品的概率值。物品佩戴检测设备101根据第二区域包括物品的概率值,可以获得第二区域中是否包括物品的识别结果。如果第二区域包括物品的概率值大于概率阈值,那么物品佩戴检测设备101获得识别结果,识别结果为第二区域包括物品,如果第二区域包括物品的概率值小于或等于概率阈值,那么物品佩戴检测设备101获得识别结果,识别结果为第二区域不包括物品。
作为一种实施例,识别模型与前述的目标确定模型和前述的目标检测模型可以是同一个模型,用于检测待检测图像中的第一区域,以及确定第一区域关联的用户的身份信息,以及识别第二区域中的物品。或者,识别模型与前述的目标确定模型或前述的目标检测模型可以是不同的模型,所使用的训练数据也不同,目标所指代的内容也不同等。
S208,物品佩戴检测设备101根据对第二区域的识别结果,确定用户是否佩戴物品。
物品佩戴检测设备101获得第二区域是否包括物品的识别结果之后,可以确定第二区域对应的第一区域中的用户是否佩戴物品。如果识别结果为第二区域包括物品,那么物品佩戴检测设备101确定第二区域对应的第一区域中的用户佩戴了物品;如果识别结果为第二区域不包括物品,那么物品佩戴检测设备101确定第二区域对应的第一区域中的用户未佩戴物品。
S209,显示设备103根据识别结果,显示用户是否佩戴物品。
物品佩戴检测设备101确定用户是否佩戴物品之后,可以向显示设备103发送识别结果。显示设备103接收物品佩戴检测设备101发送的识别结果之后,可以显示用户是否佩戴物品。
如果物品佩戴检测设备101确定用户佩戴了物品,那么物品佩戴检测设备101可以向显示设备103发送识别结果,或者,物品佩戴检测设备101可以向显示设备103发送识别结果,以及待检测图像、第一区域或第二区域中的一种或多种。显示设备103接收物品佩戴检测设备101发送的识别结果,以及待检测图像、第一区域和/或第二区域,并进行显示,表示物品佩戴检测设备101确定第一区域中的用户佩戴了物品。如果物品佩戴检测设备101确定用户未佩戴物品,那么物品佩戴检测设备101可以向显示设备103发送识别结果,或者,物品佩戴检测设备101可以向显示设备103发送识别结果,以及待检测图像或第一区域中的一种或多种。显示设备103接收物品佩戴检测设备101发送的识别结果,以及待检测图像和/或第一区域,并进行显示,表示物品佩戴检测设备101确定第一区域中的用户未佩戴物品。
作为一种实施例,由于识别用户是否佩戴物品的过程中,还会识别用户的身份信息,因此可以根据识别身份信息的结果,以及当前时刻,确定用户是否按时出勤等,还可以记录用户的出勤情况等。
作为一种实施例,显示识别结果、待检测图像、第一区域或第二区域时,可以以表格的形式,将相关联的数据显示在表格的同一行中;或者,可以在待检测图像标注第一区域、第二区域或识别结果的形式进行显示等。
作为一种实施例,请参考图3,为一种界面示意图。显示设备103进行显示之后,可以根据用户的操作,确定物品佩戴检测设备101的识别结果是否准确。显示设备103可以向用户显示“确认”和“申诉”按键,用户选择“确认”按键之后,显示设备103可以指示物品佩戴检测设备101记录用户的识别结果;或者,用户选择“申诉”按键之后,显示设备103可以指示用户上传申诉依据,并根据申诉依据指示物品佩戴检测设备101更新并记录用户的识别结果。
作为一种实施例,步骤S201~步骤S203、步骤S205和步骤S209为可选的。
为了更清楚地说明识别模型、目标确定模型和目标检测模型在本申请实施例所提供的方法中的作用,请参考图4,为本申请实施例提供的物品佩戴检测方法中,识别模型、目标确定模型和目标检测模型之间的原理示意图。
S1.1,待检测图像输入目标检测模型之后,目标检测模型输出待检测图像中的第一区域。
S1.2,第一区域输入目标确定模型之后,目标确定模型输出第一区域关联的用户的身份信息。
S1.3,根据第一区域,确定待检测图像中的第二区域之后,将第二区域输入识别模型,识别模型输入第二区域是否包括物品的识别结果。
为了更清楚地说明本申请实施例中确定第一区域、第二区域以及识别物品的方法,下面以待检测图像中包括一个第一区域,第一区域为用户的头肩区域为例,对本申请实施例涉及步骤S204和步骤S206~步骤S208进行示例说明,请参考图5,为本申请实施例提供的物品佩戴检测方法的过程示意图。
S2.1,物品佩戴检测设备101获得待检测图像,如图5(a),待检测图像中包括一个用户501。
S2.2,物品佩戴检测设备101确定待检测图像中的头肩区域,如图5(b),待检测图像中包括一个用户501和第一区域,即头肩区域502。
S2.3,物品佩戴检测设备101基于在图像中被佩戴物品与用户之间的相对位置,从待检测图像中确定第一区域对应的第二区域,如图5(c),待检测图像中包括一个用户501、头肩区域502和被佩戴物品与用户之间的相对位置,即被佩戴物品在图像中的区域与头肩区域502之间的相对距离503。
S2.4,物品佩戴检测设备101识别第二区域中是否包括物品,并确定用户是否佩戴物品,如图5(d),待检测图像中包括一个用户501、头肩区域502、被佩戴物品在图像中的区域与头肩区域502之间的相对距离503和第二区域504。
基于同一发明构思,本申请实施例提供一种物品佩戴检测装置,该装置相当于设置在前文论述的检测设备101中,该装置用于实现前述物品佩戴检测方法。请参考图6,该装置包括第一区域识别模块601、第二区域识别模块602和物品识别模块603,其中:
第一区域识别模块601:用于确定待检测图像中的第一区域;其中,第一区域用于识别待检测图像中的用户;
第二区域识别模块602:基于在图像中被佩戴物品与用户之间的相对位置,从待检测图像中确定出第一区域对应的第二区域;其中,第二区域是指用户在佩戴物品时,物品在待检测图像中所对应的区域。
物品识别模块603:用于识别第二区域中是否包括物品,并根据对第二区域的识别结果,确定用户是否佩戴物品。
在一种可能的实施例中,第一区域识别模块601具体用于:
检测待检测图像中多个用户中各用户的头肩,获得待检测图像中多个用户中各用户的头肩区域,确定出的头肩区域为对应用户的第一区域。
在一种可能的实施例中,第一区域识别模块601还用于:
在确定待检测图像中的第一区域之后,确定每个第一区域与预存的比对信息中各用户的头肩图像之间的相似度,其中,比对信息还包括各用户的身份信息;以及,根据与每个第一区域相似度大于相似度阈值的头肩图像所关联的身份信息,确定每个第一区域关联的用户的身份信息。
在一种可能的实施例中,待检测图像为视频中的一视频帧,第一区域识别模块601还用于:
在基于在图像中被佩戴物品与用户之间的相对位置,从待检测图像中确定出第一区域对应的第二区域之前,确定用户的身份信息,与从待检测图像的前N帧中各帧中识别身份信息不同;其中,N为正整数,前N帧为预设时间段内的视频帧。
在一种可能的实施例中,第一区域识别模块601具体用于:
当在图像中被佩戴物品与用户之间的相对位置为被佩戴物品在图像中的区域与第一区域之间的相对距离时,根据第一区域在待检测图像中的位置和相对距离,确定待检测图像中的第二区域。
在一种可能的实施例中,物品识别模块603具体用于:
将第二区域输入识别模型,获得第二区域包括物品的概率值,其中,识别模型是根据样本数据训练得到的,样本数据包括多个标注有物品的样本图像;以及,若概率值大于概率阈值,则确定第二区域中包括物品。
基于同一发明构思,本申请实施例提供一种计算机设备,该设备能够实现前述物品佩戴检测方法,计算机设备相当于前文论述的物品佩戴检测设备101,请参考图7,该设备包括:
至少一个处理器701,以及与至少一个处理器701连接的存储器702,本申请实施例中不限定处理器701与存储器702之间的具体连接介质,图7中是以处理器701和存储器702之间通过总线700连接为例。总线700在图7中以粗线表示,其它部件之间的连接方式,仅是进行示意性说明,并不引以为限。总线700可以分为地址总线、数据总线、控制总线等,为便于表示,图7中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。或者,处理器701也可以称为控制器701,对于名称不做限制。
在本申请实施例中,存储器702存储有可被至少一个处理器701执行的指令,至少一个处理器701通过执行存储器702存储的指令,可以执行前文论述的物品佩戴检测方法。以及,处理器701可以实现图6所示的物品佩戴检测装置中各个模块的功能。
其中,处理器701是该设备的控制中心,可以利用各种接口和线路连接整个该设备的各个部分,通过运行或执行存储在存储器702内的指令以及调用存储在存储器702内的数据,该设备的各种功能和处理数据。存储器702作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。存储器702可以包括至少一种类型的存储介质,本申请实施例中的存储器702还可以是电路或者其它任意能够实现存储功能的装置,用于存储程序指令和/或数据。
基于同一发明构思,本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质存储有计算机可执行指令,该计算机可执行指令用于使计算机执行前文论述任一的物品佩戴检测方法。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,也可装载到计算机或其他可编程数据处理设备上,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种物品佩戴检测方法,其特征在于,包括:
确定待检测图像中的第一区域;其中,所述第一区域用于识别所述待检测图像中的用户;
基于在图像中被佩戴物品与用户之间的相对位置,从所述待检测图像中确定出所述第一区域对应的第二区域;其中,所述第二区域是指用户在佩戴物品时,所述物品在所述待检测图像中所对应的区域;
识别所述第二区域中是否包括所述物品,并根据对所述第二区域的识别结果,确定用户是否佩戴所述物品。
2.根据权利要求1所述的方法,其特征在于,确定待检测图像中的第一区域,包括:
检测待检测图像中多个用户中各用户的头肩,获得所述待检测图像中多个用户中各用户的头肩区域,确定出的头肩区域为对应用户的第一区域。
3.根据权利要求2所述的方法,其特征在于,在确定待检测图像中的第一区域之后,包括:
确定每个第一区域与预存的比对信息中各用户的头肩图像之间的相似度,其中,所述比对信息还包括各用户的身份信息;
根据与每个第一区域相似度大于相似度阈值的头肩图像所关联的身份信息,确定每个第一区域关联的用户的身份信息。
4.根据权利要求3所述的方法,其特征在于,所述待检测图像为视频中的一视频帧;以及,
在基于在图像中被佩戴物品与用户之间的相对位置,从所述待检测图像中确定出所述第一区域对应的第二区域之前,包括:
确定所述用户的身份信息,与从所述待检测图像的前N帧中各帧中识别身份信息不同;其中,N为正整数,所述前N帧为预设时间段内的视频帧。
5.根据权利要求1所述的方法,其特征在于,基于在图像中被佩戴物品与用户之间的相对位置,从所述待检测图像中确定出所述第一区域对应的第二区域,包括:
当在图像中被佩戴物品与用户之间的相对位置为被佩戴物品在图像中的区域与第一区域之间的相对距离时,根据所述第一区域在所述待检测图像中的位置和所述相对距离,确定所述待检测图像中的第二区域。
6.根据权利要求1~5任一所述的方法,其特征在于,识别所述第二区域中是否包括所述物品,包括:
将所述第二区域输入识别模型,获得所述第二区域包括所述物品的概率值,其中,所述识别模型是根据样本数据训练得到的,所述样本数据包括多个标注有所述物品的样本图像;
若所述概率值大于概率阈值,则确定所述第二区域中包括所述物品。
7.一种物品佩戴检测装置,其特征在于,包括:
第一区域识别模块:用于确定待检测图像中的第一区域;其中,所述第一区域用于识别所述待检测图像中的用户;
第二区域识别模块:基于在图像中被佩戴物品与用户之间的相对位置,从所述待检测图像中确定出所述第一区域对应的第二区域;其中,所述第二区域是指用户在佩戴物品时,所述物品在所述待检测图像中所对应的区域
物品识别模块:用于识别所述第二区域中是否包括所述物品,并根据对所述第二区域的识别结果,确定用户是否佩戴所述物品。
8.根据权利要求7所述的装置,其特征在于,所述第一区域识别模块具体用于:
检测待检测图像中多个用户中各用户的头肩,获得所述待检测图像中多个用户中各用户的头肩区域,确定出的头肩区域为对应用户的第一区域。
9.一种计算机设备,其特征在于,包括:
存储器,用于存储程序指令;
处理器,用于调用所述存储器中存储的程序指令,按照获得的程序指令执行如权利要求1~6中任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行如权利要求1~6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010572312.5A CN111738147A (zh) | 2020-06-22 | 2020-06-22 | 一种物品佩戴检测方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010572312.5A CN111738147A (zh) | 2020-06-22 | 2020-06-22 | 一种物品佩戴检测方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111738147A true CN111738147A (zh) | 2020-10-02 |
Family
ID=72650257
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010572312.5A Pending CN111738147A (zh) | 2020-06-22 | 2020-06-22 | 一种物品佩戴检测方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111738147A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108537256A (zh) * | 2018-03-26 | 2018-09-14 | 北京智芯原动科技有限公司 | 一种安全帽佩戴识别方法及装置 |
CN108875731A (zh) * | 2017-12-28 | 2018-11-23 | 北京旷视科技有限公司 | 目标识别方法、装置、系统及存储介质 |
CN110210274A (zh) * | 2018-02-28 | 2019-09-06 | 杭州海康威视数字技术股份有限公司 | 安全帽检测方法、装置及计算机可读存储介质 |
CN111079553A (zh) * | 2019-11-25 | 2020-04-28 | 上海眼控科技股份有限公司 | 客户分析数据的获取方法、装置、设备和存储介质 |
CN111191567A (zh) * | 2019-12-26 | 2020-05-22 | 深圳供电局有限公司 | 身份数据处理方法、装置、计算机设备和存储介质 |
CN111199200A (zh) * | 2019-12-27 | 2020-05-26 | 深圳供电局有限公司 | 基于电力防护装备的佩戴检测方法、装置和计算机设备 |
-
2020
- 2020-06-22 CN CN202010572312.5A patent/CN111738147A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108875731A (zh) * | 2017-12-28 | 2018-11-23 | 北京旷视科技有限公司 | 目标识别方法、装置、系统及存储介质 |
CN110210274A (zh) * | 2018-02-28 | 2019-09-06 | 杭州海康威视数字技术股份有限公司 | 安全帽检测方法、装置及计算机可读存储介质 |
CN108537256A (zh) * | 2018-03-26 | 2018-09-14 | 北京智芯原动科技有限公司 | 一种安全帽佩戴识别方法及装置 |
CN111079553A (zh) * | 2019-11-25 | 2020-04-28 | 上海眼控科技股份有限公司 | 客户分析数据的获取方法、装置、设备和存储介质 |
CN111191567A (zh) * | 2019-12-26 | 2020-05-22 | 深圳供电局有限公司 | 身份数据处理方法、装置、计算机设备和存储介质 |
CN111199200A (zh) * | 2019-12-27 | 2020-05-26 | 深圳供电局有限公司 | 基于电力防护装备的佩戴检测方法、装置和计算机设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107679475B (zh) | 门店监控评价方法、装置及存储介质 | |
CN108985199A (zh) | 商品取放操作的检测方法、装置及存储介质 | |
CN110650316A (zh) | 智能巡逻及预警处理方法、装置、电子设备及存储介质 | |
CN109116129B (zh) | 终端检测方法、检测设备、系统及存储介质 | |
CN110287862B (zh) | 基于深度学习的防偷拍检测方法 | |
CN110610127B (zh) | 人脸识别方法、装置、存储介质及电子设备 | |
CN109961472B (zh) | 3d热力图生成的方法、系统、存储介质及电子设备 | |
CN111553327B (zh) | 一种服饰识别方法、装置、设备和介质 | |
US11640709B2 (en) | Merchandise specification systems and programs | |
US20230252698A1 (en) | Information processing device, display method, and program storage medium for monitoring object movement | |
KR20210067498A (ko) | 딥러닝 기반 영상 내 객체 자동 검출 방법 및 시스템 | |
CN109873979A (zh) | 一种基于摄像头的静态图像差异比对方法及装置 | |
CN115690496A (zh) | 基于YOLOv5的实时区域入侵检测方法 | |
CN111881740A (zh) | 人脸识别方法、装置、电子设备及介质 | |
US20220300774A1 (en) | Methods, apparatuses, devices and storage media for detecting correlated objects involved in image | |
CN108921792B (zh) | 用于处理图片的方法和装置 | |
CN110569716A (zh) | 一种货架图像翻拍检测方法 | |
CN111738147A (zh) | 一种物品佩戴检测方法、装置、计算机设备及存储介质 | |
CN106530498B (zh) | 一种业务办理方法、装置及自助终端 | |
US11749021B2 (en) | Retrieval device, control method, and non-transitory storage medium | |
CN114360057A (zh) | 数据处理方法及相关装置 | |
CN114500900A (zh) | 丢失对象的寻找方法及装置 | |
CN111382628B (zh) | 同行判定方法及装置 | |
CN112037406A (zh) | 一种智慧工地门禁方法、系统及设备 | |
CN112581525A (zh) | 人体佩戴物品的状态检测方法、装置、设备及存储介质 |
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 |