CN112036251A - 用于用户着装检测的实现方法、系统、介质及终端 - Google Patents

用于用户着装检测的实现方法、系统、介质及终端 Download PDF

Info

Publication number
CN112036251A
CN112036251A CN202010773026.5A CN202010773026A CN112036251A CN 112036251 A CN112036251 A CN 112036251A CN 202010773026 A CN202010773026 A CN 202010773026A CN 112036251 A CN112036251 A CN 112036251A
Authority
CN
China
Prior art keywords
user
image
detected
feature vector
similarity
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
Application number
CN202010773026.5A
Other languages
English (en)
Inventor
袁德胜
成西锋
崔龙
游浩泉
马卫民
林治强
党毅飞
李伟超
王海涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Winner Technology Co ltd
Original Assignee
Winner Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Winner Technology Co ltd filed Critical Winner Technology Co ltd
Priority to CN202010773026.5A priority Critical patent/CN112036251A/zh
Publication of CN112036251A publication Critical patent/CN112036251A/zh
Pending legal-status Critical Current

Links

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
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供一种用于用户着装检测的实现方法、系统、介质及终端；所述方法包括以下步骤：获取工作装图像集和待检测用户图像；对工作装图像集中的每一工作装图像进行特征提取，获取对应每一工作装图像的第一特征向量；基于待检测用户图像，获取对应待检测用户图像上待检测用户着装的第二特征向量；计算第二特征向量与每一第一特征向量之间的相似度，以根据相似度实现对待检测用户着装的检测；本发明通过计算待检测用户着装与工作装图像之间的相似度判断用户是否穿着工作装，这样可以有效避免随着工作装的更新或扩充，算法网络需要重新训练，且适应多种工作装款式，具备行业应用的适应及批量普及能力，可利用统一的算法网络适用各种应用场景。

Description

用于用户着装检测的实现方法、系统、介质及终端
技术领域
本发明属于用户着装检测技术领域，特别是涉及一种用于用户着装检测的实现方法、系统、介质及终端。
背景技术
随着人工智能和计算机视觉技术的飞速发展，技术应用的范围也逐渐从安防监控领域蔓延到民用、商场、活动、门店等场景；其中，在门店应用场景中，商业主管需要对门店进行定期的巡店，其中店铺工作人员的着装便是巡店中需要检查的重点内容之一。
目前，现有的用户着装检测方法，主要依赖图像的分类实现；具体做法是首先通过行人检测器，将人体检测出后送入分类网络识别，通常分类网络主要类别分为工作装和非工作装两类；在网络设计实现的时候，亦可以将检测和分类两个步骤合并，即在图像中检测两类目标，穿着工作装的用户和未穿工作装的用户，但这里存在一个问题，需要收集工作装和非工作装的图片去训练分类模型，这样决定了模型仅对已知工作装具有区别能力，不仅操作麻烦，还使得用户着装检测耗时耗力。
在实际应用中，门店尤其是服装门店的店员，工作着装通常有多个款式，男女款式不同，且随着时间会不断更新，再者，每个门店可能都在使用不同的工作装款式，于是分类模型在门店尤其服饰门店中难以应用，导致分类模型适应性较差，因此，市场中急切需要一个可适用多种工作装且不局限于特定工作装的检测方案。
发明内容
鉴于以上所述现有技术的缺点，本发明的目的在于提供一种用于用户着装检测的实现方法、系统、介质及终端，用于解决现有技术中对用户的着装检测存在需经常训练分类模型，操作麻烦、耗时耗力及分类模型适应性差的问题。
为实现上述目的及其他相关目的，本发明提供一种用于用户着装检测的实现方法，包括以下步骤：获取工作装图像集和待检测用户图像；对所述工作装图像集中的每一工作装图像进行特征提取，获取对应每一所述工作装图像的第一特征向量；基于所述待检测用户图像，获取对应所述待检测用户图像上待检测用户着装的第二特征向量；计算所述第二特征向量与每一所述第一特征向量之间的相似度，以根据所述相似度实现对所述待检测用户着装的检测。
于本发明的一实施例中，基于所述待检测用户图像，获取对应所述待检测用户图像上待检测用户着装的第二特征向量包括以下步骤：对所述待检测用户图像上的至少一用户进行检测，获取相应的用户检测结果；根据所述用户检测结果，获取对应所述用户的独立用户图像；对所述独立用户图像进行预处理，获取预处理后的目标用户图像；对所述目标用户图像进行特征提取，获取对应所述待检测用户着装的第二特征向量。
于本发明的一实施例中，所述用户检测结果包括对应所述用户的用户检测框及对应所述用户检测框的像素坐标点；根据所述用户检测结果，获取对应所述用户的独立用户图像包括：根据所述像素坐标点，从所述待检测用户图像上截取出所述独立用户图像；对所述独立用户图像进行预处理，获取预处理后的目标用户图像包括：将所述独立用户图像缩放至预设尺寸，以产生所述目标用户图像。
于本发明的一实施例中，计算所述第二特征向量与每一所述第一特征向量之间的相似度包括以下步骤：计算所述第二特征向量与每一所述第一特征向量之间的距离；根据所述距离计算出所述相似度。
于本发明的一实施例中，所述相似度的计算公式为：
Similarity＝1-dist(X,Y)；
其中，dist(X,Y)表示所述第二特征向量与所述第一特征向量之间的距离；Similarity表示所述第二特征向量与所述第一特征向量之间的相似度；所述距离为所述第二特征向量与所述第一特征向量之间的余弦距离或欧氏距离。
于本发明的一实施例中，根据所述相似度实现对所述待检测用户着装的检测包括：从计算的所述相似度中选取最大相似度，并判断所述最大相似度是否大于预设阈值，以根据判断结果实现对所述待检测用户着装的检测；若所述最大相似度大于所述预设阈值，则所述待检测用户着装是工作装；若所述最大相似度小于所述预设阈值，则所述待检测用户着装不是工作装。
于本发明的一实施例中，还包括以下步骤：对所述第一特征向量进行唯一标识；存储所述第一特征向量。
本发明提供一种用于用户着装检测的实现系统，包括：第一获取模块、第二获取模块、第三获取模块及计算检测模块；所述第一获取模块用于获取工作装图像集和待检测用户图像；所述第二获取模块用于对所述工作装图像集中的每一工作装图像进行特征提取，获取对应每一所述工作装图像的第一特征向量；所述第三获取模块用于基于所述待检测用户图像，获取对应所述待检测用户图像上待检测用户着装的第二特征向量；所述计算检测模块用于计算所述第二特征向量与每一所述第一特征向量之间的相似度，以根据所述相似度实现对所述待检测用户着装的检测。
本发明提供一种存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述的用于用户着装检测的实现方法。
本发明提供一种终端，包括：处理器及存储器；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，以使所述终端执行上述的用于用户着装检测的实现方法。
如上所述，本发明所述的用于用户着装检测的实现方法、系统、介质及终端，具有以下有益效果：
(1)与现有技术相比，通过计算待检测用户着装与工作装图像之间的相似度判断用户是否穿着工作装，这样可以有效避免随着工作装的更新或扩充，算法网络需要重新训练，且适应多种工作装款式，具备行业应用的适应及批量普及能力，可利用统一的算法网络适用各种应用场景；
(2)本发明不局限于具体工作装的款式，即使是对未知的工作装也具备一定的辨识能力。
附图说明
图1显示为本发明的用于用户着装检测的实现方法于一实施例中的流程图。
图2显示为本发明的获取第二特征向量于一实施例中的流程图。
图3显示为本发明的计算相似度于一实施例中的流程图。
图4显示为本发明的用于用户着装检测的实现系统于一实施例中的结构示意图。
图5显示为本发明的终端于一实施例中的结构示意图。
标号说明
41 第一获取模块
42 第二获取模块
43 第三获取模块
44 计算检测模块
51 处理器
52 存储器
S1～S4 步骤
S31～S34 步骤
S41～S42 步骤
具体实施方式
以下通过特定的具体实施例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图示中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
本发明的用于用户着装检测的实现方法、系统、介质及终端，与现有技术相比，通过计算待检测用户着装与工作装图像之间的相似度判断用户是否穿着工作装，这样可以有效避免随着工作装的更新或扩充，算法网络需要重新训练，且适应多种工作装款式，具备行业应用的适应及批量普及能力，可利用统一的算法网络适用各种应用场景；本发明不局限于具体工作装的款式，即使是对未知的工作装也具备一定的辨识能力。
如图1所示，于一实施例中，本发明的用于用户着装检测的实现方法包括以下步骤：
步骤S1、获取工作装图像集和待检测用户图像。
具体地，获取由工作装图像或是穿着工作装的模特图像组成的工作装图像集以及需要进行后续着装检测的待检测用户图像。
需要说明的是，该待检测用户图像可通过网络、USB、WIFI、蓝牙、摄像头、抓拍机等方式获取
进一步地，若后续工作装有更新或扩充，就继续将更新或扩充后的工作装图像保存至该工作装图像集中，以使该工作装图像集中始终包含所有的工作装，用于后续将待检测用户着装与该所有的工作装一一进行比对，从而检测出该待检测用户着装是否为工作装。
步骤S2、对所述工作装图像集中的每一工作装图像进行特征提取，获取对应每一所述工作装图像的第一特征向量。
具体地，通过特征提取网络对工作装图像集中的每一个工作装图像分别进行特征提取，分别产生对应每一个工作装图像的第一特征向量。
需要说明的是，该特征提取网络为本领域内常规的技术手段，其具体结构不作为限制本发明的条件，所以，在此也不详细赘述。
于一实施例中，该用于用户着装检测的实现方法还包括存储所述第一特征向量。
具体地，将工作装图像集中的每一个工作装图像对应的第一特征向量均存储至数据库中。
步骤S3、基于所述待检测用户图像，获取对应所述待检测用户图像上待检测用户着装的第二特征向量。
如图2所示，于一实施例中，基于所述待检测用户图像，获取对应所述待检测用户图像上待检测用户着装的第二特征向量包括以下步骤：
步骤S31、对所述待检测用户图像上的至少一用户进行检测，获取相应的用户检测结果。
具体地，通过行人检测网络对该待检测用户图像进行人体检测，以获取相应的用户检测结果。
需要说明的是，当该待检测用户图像上包含至少一个用户时，获取对应该至少一个用户的用户检测结果。
优选地，该行人检测网络采用但并限于YOLO、SSD、FRCNN、CenterNet等。
需要说明的是，该行人检测网络为本领域内常规的技术手段，其具体结构不作为限制本发明的条件，所以，在此也不详细赘述。
于一实施例中，所述用户检测结果包括对应所述用户的用户检测框及对应所述用户检测框的像素坐标点。
具体地，经行人检测网络对待检测用户图像上的用户进行人体检测后，会获取对应用户的用户检测框及对应用户检测框的像素坐标点(每一个用户具有独立的用户检测框及对应该用户检测框的像素坐标点)。
步骤S32、根据所述用户检测结果，获取对应所述用户的独立用户图像。
于一实施例中，根据所述用户检测结果，获取对应所述用户的独立用户图像包括：根据所述像素坐标点，从所述待检测用户图像上截取出所述独立用户图像。
需要说明的是，根据用户检测框的像素坐标点，可确定该用户检测框在该待检测用户图像中的位置，从而根据该位置将用户人体图像提取出来，也就是从待检测用户图像中截取出只包含有一个用户的人体图像，即独立用户图像(待检测用户图像上有几个用户，就对应产生几个独立用户图像)。
步骤S33、对所述独立用户图像进行预处理，获取预处理后的目标用户图像。
于一实施例中，对所述独立用户图像进行预处理，获取预处理后的目标用户图像包括：将所述独立用户图像缩放至预设尺寸，以产生所述目标用户图像。
需要说明的是，在通过特征提取网络对图像进行特征提取操作之前，需要根据特征提取网络的需求，将图像进行尺寸缩放处理；具体地，将该独立用户图像尺寸缩放至预设尺寸，该预设尺寸是预先设定好的，其具体尺寸大小不作为限制本发明的条件，可视实际应用场景来设定。
进一步地，该预处理操作包括但并不限于对独立用户图像进行缩放至预设尺寸；诸如，对该独立用户图像进行减去像素均值的处理，并归一化到[-1,1]区间。
步骤S34、对所述目标用户图像进行特征提取，获取对应所述待检测用户着装的第二特征向量。
具体地，同上述步骤S2的工作原理相同，即通过特征提取网络对该目标用户图像进行特征提取，以获取该目标用户图像中待检测用户着装的第二特征向量。
需要说明的是，该步骤的特征提取网络可以与步骤S2中的特征提取网络是同一个，也可以通过采用两个特征提取网络对步骤S2中的工作装图像和此处的目标用户图像分别进行特征提取。
进一步地，步骤S2和步骤S3的执行步骤没有一定的先后顺序，可以先执行步骤S2，再执行步骤S3，也可以先执行步骤S3，再执行步骤S2，亦或是步骤S2和步骤S3同时执行。
步骤S4、计算所述第二特征向量与每一所述第一特征向量之间的相似度，以根据所述相似度实现对所述待检测用户着装的检测。
如图3所示，于一实施例中，计算所述第二特征向量与每一所述第一特征向量之间的相似度包括以下步骤：
步骤S41、计算所述第二特征向量与每一所述第一特征向量之间的距离。
于一实施例中，所述距离为所述第二特征向量与所述第一特征向量之间的余弦距离或欧氏距离。
需要说明的是，本领域内计算特征向量之间距离的方法有很多种，常见的是通过计算向量之间的余弦距离或欧氏距离；具体地，余弦距离的计算公式为：
Figure BDA0002617351410000061
其中，cos(X,Y)表示第一特征向量X和第二特征向量Y之间的余弦距离；xi表示第一特征向量X中的第i个元素；yi表示第二特征向量Y中的第i个元素；i的值从1取到n；n的值取决于第一特征向量X或第二特征向量Y的维度(第一特征向量X和第二特征向量Y的维度相同)。
欧氏距离的计算公式为：
Figure BDA0002617351410000071
其中，o(X,Y)表示第一特征向量X和第二特征向量Y之间的欧式距离；xi表示第一特征向量X中的第i个元素；yi表示第二特征向量Y中的第i个元素；i的值从1取到n；n的值取决于第一特征向量X或第二特征向量Y的维度(第一特征向量X和第二特征向量Y的维度相同)。
步骤S42、根据所述距离计算出所述相似度。
于一实施例中，所述相似度的计算公式为：
Similarity＝1-dist(X,Y)；
其中，dist(X,Y)表示所述第二特征向量与所述第一特征向量之间的距离(余弦距离或欧式距离)；Similarity表示所述第二特征向量与所述第一特征向量之间的相似度。
于一实施例中，根据所述相似度实现对所述待检测用户着装的检测包括：从计算的所述相似度中选取最大相似度(所有的相似度中数值最大的一个)，并判断所述最大相似度是否大于预设阈值，以根据判断结果实现对所述待检测用户着装的检测。
需要说明的是，若所述最大相似度大于所述预设阈值，则所述待检测用户着装是工作装；若所述最大相似度小于所述预设阈值，则所述待检测用户着装不是工作装。
进一步地，该预设阈值是预先设定好的，其具体数值不作为限制本发明的条件，可根据实际应用场景来设定。
于一实施例中，还包括对所述第一特征向量进行唯一标识。
需要说明的是，通过对步骤S2中获取的工作装图像集中对应每一所述工作装图像的第一特征向量分别进行唯一标识，并将标识后的第一特征向量存储在数据库中，当经步骤S4检测出待检测用户着装是工作装时，根据最大相似度对应的第一特征向量的标识信息，确定待检测用户着装具体为哪一种工作装，以进一步实现对工作装的识别。
进一步地，可利用标识编码对第一特征向量进行唯一标识处理，此时，第一特征向量对应的标识信息即为该标识编码。
需要说明的是，本发明所述的用于用户着装检测的实现方法的保护范围不限于本实施例列举的步骤执行顺序，凡是根据本发明的原理所做的现有技术的步骤增减、步骤替换所实现的方案都包括在本发明的保护范围内。
如图4所示，于一实施例中，本发明的用于用户着装检测的实现系统包括第一获取模块41、第二获取模块42、第三获取模块43及计算检测模块44。
所述第一获取模块41用于获取工作装图像集和待检测用户图像。
所述第二获取模块42用于对所述工作装图像集中的每一工作装图像进行特征提取，获取对应每一所述工作装图像的第一特征向量。
所述第三获取模块43用于基于所述待检测用户图像，获取对应所述待检测用户图像上待检测用户着装的第二特征向量。
所述计算检测模块44用于计算所述第二特征向量与每一所述第一特征向量之间的相似度，以根据所述相似度实现对所述待检测用户着装的检测。
需要说明的是，所述第一获取模块41、所述第二获取模块42、所述第三获取模块43及所述计算检测模块44的结构及原理与上述用于用户着装检测的实现方法中的步骤一一对应，故在此不再赘述。
需要说明的是，应理解以上系统的各个模块的划分仅仅是一种逻辑功能的划分，实际实现时可以全部或部分集成到一个物理实体上，也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现；也可以全部以硬件的形式实现；还可以部分模块通过处理元件调用软件的形式实现，部分模块通过硬件的形式实现。例如，x模块可以为单独设立的处理元件，也可以集成在上述系统的某一个芯片中实现，此外，也可以以程序代码的形式存储于上述系统的存储器中，由上述系统的某一个处理元件调用并执行以上x模块的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起，也可以独立实现。这里所述的处理元件可以是一种集成电路，具有信号的处理能力。在实现过程中，上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
例如，以上这些模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路(Application Specific Integrated Circuit，简称ASIC)，或，一个或多个数字信号处理器(Digital Singnal Processor，简称DSP)，或，一个或者多个现场可编程门阵列(Field Programmable Gate Array，简称FPGA)等。再如，当以上某个模块通过处理元件调度程序代码的形式实现时，该处理元件可以是通用处理器，例如中央处理器(Central Processing Unit，简称CPU)或其它可以调用程序代码的处理器。再如，这些模块可以集成在一起，以片上系统(system-on-a-chip，简称SOC)的形式实现。
本发明的存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述的用于用户着装检测的实现方法。所述存储介质包括：ROM、RAM、磁碟、U盘、存储卡或者光盘等各种可以存储程序代码的介质。
如图5所示，本发明的终端包括处理器51及存储器52。
所述存储器52用于存储计算机程序；优选地，所述存储器52包括：ROM、RAM、磁碟、U盘、存储卡或者光盘等各种可以存储程序代码的介质。
所述处理器51与所述存储器52相连，用于执行所述存储器52存储的计算机程序，以使所述终端执行上述的用于用户着装检测的实现方法。
优选地，所述处理器51可以是通用处理器，包括中央处理器(Central ProcessingUnit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processor，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
需要说明的是，本发明的用于用户着装检测的实现系统可以实现本发明的用于用户着装检测的实现方法，但本发明的用于用户着装检测的实现方法的实现装置包括但不限于本实施例列举的用于用户着装检测的实现系统的结构，凡是根据本发明的原理所做的现有技术的结构变形和替换，都包括在本发明的保护范围内。
下面通过具体实施例来进一步解释说明本发明的用于用户着装检测的实现方法。
于一实施例中，将该用于用户着装检测的实现方法应用在商场门店对店铺工作人员的着装检测中；具体地，在进行用户着装检测之前，先收集所有的工作装图像，同时，搭建用于用户着装检测的用户着装检测模型，该用户着装检测模型包括特征提取网络和行人检测网络。
需要说明的是，该用于用户着装检测的实现方法的工作原理如下：
首先，通过该特征提取网络对每一工作装图像进行特征提取，产生对应每一工作装图像的第一特征向量，并对该第一特征向量进行标识编码的唯一标识处理后存储至数据库中；然后，通过行人检测网络从待检测用户图像中检测出用户人体(相应获取对应用户人体的用户检测框及对应该用户检测框的像素坐标点)，再通过该特征提取网络对检测出的人体中的待检测用户着装进行特征提取，产生该待检测用户着装对应的第二特征向量；对第二特征向量分别计算其与数据库中所有的第一特征向量之间的相似度；最后，从计算出的所有的相似度中选取最大相似度；当该最大相似度大于预设阈值时，则说明该待检测用户着装是工作装，且根据该最大相似度对应的第一特征向量，在数据库中找到该第一特征向量对应的标识编码，从而进一步实现对该待检测用户着装所穿工作装的识别；反之，当该最大相似度小于该预设阈值时，则说明该待检测用户着装不是工作装。
需要说明的是，待检测用户图像通过商场门店入口处的抓拍机来获取；在通过特征提取网络对经行人检测网络检测出的用户人体中的待检测用户着装进行特征提取之前，需要对检测出的人体进行相应的处理，包括根据行人检测网络检测出的结果从待检测用户图像中扣取相应的独立用户图像(有且仅包含一个用户人体)及对独立用户图像进行缩放至预设尺寸等预处理操作，以获取最终的目标用户图像，该特征提取网络最终是对该目标用户图像中的待检测用户着装进行特征提取。
进一步地，该用于用户着装检测的实现方法还可应用在其它领域，可对应用场景具备更好的泛化应用性，且可以使用统一的算法模型(诸如上述的用户着装检测模型)，更具备量产应用的价值。
综上所述，本发明的用于用户着装检测的实现方法、系统、介质及终端，与现有技术相比，通过计算待检测用户着装与工作装图像之间的相似度判断用户是否穿着工作装，这样可以有效避免随着工作装的更新或扩充，算法网络需要重新训练，且适应多种工作装款式，具备行业应用的适应及批量普及能力，可利用统一的算法网络适用各种应用场景；本发明不局限于具体工作装的款式，即使是对未知的工作装也具备一定的辨识能力；所以，本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。

Claims (10)

1.一种用于用户着装检测的实现方法，其特征在于，包括以下步骤：
获取工作装图像集和待检测用户图像；
对所述工作装图像集中的每一工作装图像进行特征提取，获取对应每一所述工作装图像的第一特征向量；
基于所述待检测用户图像，获取对应所述待检测用户图像上待检测用户着装的第二特征向量；
计算所述第二特征向量与每一所述第一特征向量之间的相似度，以根据所述相似度实现对所述待检测用户着装的检测。
2.根据权利要求1所述的用于用户着装检测的实现方法，其特征在于，基于所述待检测用户图像，获取对应所述待检测用户图像上待检测用户着装的第二特征向量包括以下步骤：
对所述待检测用户图像上的至少一用户进行检测，获取相应的用户检测结果；
根据所述用户检测结果，获取对应所述用户的独立用户图像；
对所述独立用户图像进行预处理，获取预处理后的目标用户图像；
对所述目标用户图像进行特征提取，获取对应所述待检测用户着装的第二特征向量。
3.根据权利要求2所述的用于用户着装检测的实现方法，其特征在于，所述用户检测结果包括对应所述用户的用户检测框及对应所述用户检测框的像素坐标点；
根据所述用户检测结果，获取对应所述用户的独立用户图像包括：根据所述像素坐标点，从所述待检测用户图像上截取出所述独立用户图像；
对所述独立用户图像进行预处理，获取预处理后的目标用户图像包括：将所述独立用户图像缩放至预设尺寸，以产生所述目标用户图像。
4.根据权利要求1所述的用于用户着装检测的实现方法，其特征在于，计算所述第二特征向量与每一所述第一特征向量之间的相似度包括以下步骤：
计算所述第二特征向量与每一所述第一特征向量之间的距离；
根据所述距离计算出所述相似度。
5.根据权利要求4所述的用于用户着装检测的实现方法，其特征在于，所述相似度的计算公式为：
Similarity＝1-dist(X，Y)；
其中，dist(X，Y)表示所述第二特征向量与所述第一特征向量之间的距离；Similarity表示所述第二特征向量与所述第一特征向量之间的相似度；
所述距离为所述第二特征向量与所述第一特征向量之间的余弦距离或欧氏距离。
6.根据权利要求1所述的用于用户着装检测的实现方法，其特征在于，根据所述相似度实现对所述待检测用户着装的检测包括：从计算的所述相似度中选取最大相似度，并判断所述最大相似度是否大于预设阈值，以根据判断结果实现对所述待检测用户着装的检测；
若所述最大相似度大于所述预设阈值，则所述待检测用户着装是工作装；若所述最大相似度小于所述预设阈值，则所述待检测用户着装不是工作装。
7.根据权利要求1所述的用于用户着装检测的实现方法，其特征在于，还包括以下步骤：
对所述第一特征向量进行唯一标识；
存储所述第一特征向量。
8.一种用于用户着装检测的实现系统，其特征在于，包括：第一获取模块、第二获取模块、第三获取模块及计算检测模块；
所述第一获取模块用于获取工作装图像集和待检测用户图像；
所述第二获取模块用于对所述工作装图像集中的每一工作装图像进行特征提取，获取对应每一所述工作装图像的第一特征向量；
所述第三获取模块用于基于所述待检测用户图像，获取对应所述待检测用户图像上待检测用户着装的第二特征向量；
所述计算检测模块用于计算所述第二特征向量与每一所述第一特征向量之间的相似度，以根据所述相似度实现对所述待检测用户着装的检测。
9.一种存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至7中任一项所述的用于用户着装检测的实现方法。
10.一种终端，其特征在于，包括：处理器及存储器；
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，以使所述终端执行权利要求1至7中任一项所述的用于用户着装检测的实现方法。
CN202010773026.5A 2020-08-04 2020-08-04 用于用户着装检测的实现方法、系统、介质及终端 Pending CN112036251A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010773026.5A CN112036251A (zh) 2020-08-04 2020-08-04 用于用户着装检测的实现方法、系统、介质及终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010773026.5A CN112036251A (zh) 2020-08-04 2020-08-04 用于用户着装检测的实现方法、系统、介质及终端

Publications (1)

Publication Number Publication Date
CN112036251A true CN112036251A (zh) 2020-12-04

Family

ID=73582265

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010773026.5A Pending CN112036251A (zh) 2020-08-04 2020-08-04 用于用户着装检测的实现方法、系统、介质及终端

Country Status (1)

Country Link
CN (1) CN112036251A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112597953A (zh) * 2020-12-28 2021-04-02 深圳市捷顺科技实业股份有限公司 检测视频中通道闸区域行人的方法、装置、设备及介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109815845A (zh) * 2018-12-29 2019-05-28 深圳前海达闼云端智能科技有限公司 人脸识别的方法和装置、存储介质
CN110110666A (zh) * 2019-05-08 2019-08-09 北京字节跳动网络技术有限公司 目标检测方法和装置
CN110472574A (zh) * 2019-08-15 2019-11-19 北京文安智能技术股份有限公司 一种检测着装不规范的方法、装置及系统
CN111401301A (zh) * 2020-04-07 2020-07-10 上海东普信息科技有限公司 人员着装监控方法、装置、设备及存储介质
CN111428641A (zh) * 2020-03-24 2020-07-17 深圳供电局有限公司 安全着装检测方法、装置、计算机设备和可读存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109815845A (zh) * 2018-12-29 2019-05-28 深圳前海达闼云端智能科技有限公司 人脸识别的方法和装置、存储介质
CN110110666A (zh) * 2019-05-08 2019-08-09 北京字节跳动网络技术有限公司 目标检测方法和装置
CN110472574A (zh) * 2019-08-15 2019-11-19 北京文安智能技术股份有限公司 一种检测着装不规范的方法、装置及系统
CN111428641A (zh) * 2020-03-24 2020-07-17 深圳供电局有限公司 安全着装检测方法、装置、计算机设备和可读存储介质
CN111401301A (zh) * 2020-04-07 2020-07-10 上海东普信息科技有限公司 人员着装监控方法、装置、设备及存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112597953A (zh) * 2020-12-28 2021-04-02 深圳市捷顺科技实业股份有限公司 检测视频中通道闸区域行人的方法、装置、设备及介质
CN112597953B (zh) * 2020-12-28 2024-04-09 深圳市捷顺科技实业股份有限公司 检测视频中通道闸区域行人的方法、装置、设备及介质

Similar Documents

Publication Publication Date Title
Li et al. Towards 3D face recognition in the real: a registration-free approach using fine-grained matching of 3D keypoint descriptors
Derpanis et al. Action spotting and recognition based on a spatiotemporal orientation analysis
Wang et al. Person re-identification: System design and evaluation overview
CN110443137B (zh) 多维度身份信息识别方法、装置、计算机设备及存储介质
CN108629261A (zh) 远距离的身份识别方法及其系统与计算机可读取记录媒体
Paral et al. Vision sensor-based shoe detection for human tracking in a human–robot coexisting environment: A photometric invariant approach using DBSCAN algorithm
US11501462B2 (en) Multi-view three-dimensional positioning
CN109446364A (zh) 抓拍检索方法、图像处理方法、装置、设备及存储介质
JP2015106300A (ja) 画像検索装置、画像検索装置の制御方法およびプログラム
CN113536958B (zh) 导航路径提取方法、装置、农业机器人和存储介质
Sun et al. 3D ear recognition using local salience and principal manifold
JP2015106197A (ja) 画像処理装置、画像処理方法
Bedagkar-Gala et al. Gait-assisted person re-identification in wide area surveillance
Linda et al. Color-mapped contour gait image for cross-view gait recognition using deep convolutional neural network
Ahmed et al. Symmetric image contents analysis and retrieval using decimation, pattern analysis, orientation, and features fusion
Alsawwaf et al. In your face: person identification through ratios and distances between facial features
Jiang et al. Salient regions detection for indoor robots using RGB-D data
Xu et al. Saliency detection with color contrast based on boundary information and neighbors
CN112036251A (zh) 用于用户着装检测的实现方法、系统、介质及终端
Kim et al. Robust corner detection based on image structure
Yang et al. Person reidentification by kernel pca based appearance learning
CN111104857A (zh) 一种基于步态能量图的身份识别方法及系统
CN115240269A (zh) 基于体型变换的步态识别方法、设备及存储介质
Wang et al. Global contrast of superpixels based salient region detection
Matuska et al. A novel system for non-invasive method of animal tracking and classification in designated area using intelligent camera system

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
CB02 Change of applicant information

Address after: 201203 No. 6, Lane 55, Chuanhe Road, China (Shanghai) pilot Free Trade Zone, Pudong New Area, Shanghai

Applicant after: Winner Technology Co.,Ltd.

Address before: 201505 Room 216, 333 Tingfeng Highway, Tinglin Town, Jinshan District, Shanghai

Applicant before: Winner Technology Co.,Ltd.

CB02 Change of applicant information
RJ01 Rejection of invention patent application after publication

Application publication date: 20201204

RJ01 Rejection of invention patent application after publication