CN112766209A - 着装检测方法、着装检测系统和计算机可读存储介质 - Google Patents

着装检测方法、着装检测系统和计算机可读存储介质 Download PDF

Info

Publication number
CN112766209A
CN112766209A CN202110123562.5A CN202110123562A CN112766209A CN 112766209 A CN112766209 A CN 112766209A CN 202110123562 A CN202110123562 A CN 202110123562A CN 112766209 A CN112766209 A CN 112766209A
Authority
CN
China
Prior art keywords
user
image
clothing
detection
attribute
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
CN202110123562.5A
Other languages
English (en)
Inventor
李志军
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.)
Shenzhen Zhilai Science and Technology Co Ltd
Original Assignee
Shenzhen Zhilai Science and 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 Shenzhen Zhilai Science and Technology Co Ltd filed Critical Shenzhen Zhilai Science and Technology Co Ltd
Priority to CN202110123562.5A priority Critical patent/CN112766209A/zh
Publication of CN112766209A publication Critical patent/CN112766209A/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
    • G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
    • 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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Multimedia (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Human Computer Interaction (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开一种着装检测方法，所述着装检测方法包括以下步骤：获取检测通道内用户的目标图像，并根据所述目标图像获取所述用户的服饰的属性；根据所述属性确定所述用户的着装是否满足放行条件；在所述用户的着装满足放行条件时，控制所述检测通道对应的闸机的闸门打开，以对所述用户放行。本发明还公开一种着装检测系统和计算机可读存储介质。本发明降低了人员着装的检测成本。

Description

着装检测方法、着装检测系统和计算机可读存储介质
技术领域
本发明涉及医疗行为管理技术领域，尤其涉及一种着装检测方法、着装检测系统和计算机可读存储介质。
背景技术
一些场所对于环境清洁度的要求很高，对于进入此类场所的人员，需要对人员的着装进行控制，以避免降低场所内的环境洁净度。例如，外科手术室要求无菌环境，对于进入手术室的人员，必须按规定穿戴衣裤、口罩、帽子、鞋等，使得着装整齐并符合要求。
目前，人员着装是通过人工进行检查的，使得人员着装检测的成本较高。
发明内容
本发明的主要目的在于提供一种着装检测方法、着装检测系统和计算机可读存储介质，旨在解决人员着装检测的成本较高的问题。
为实现上述目的，本发明提供一种着装检测方法，所述着装检测方法包括以下步骤：
获取检测通道内用户的目标图像，并根据所述目标图像获取所述用户的服饰的属性；
根据所述属性确定所述用户的着装是否满足放行条件；
在所述用户的着装满足放行条件时，控制所述检测通道对应的闸机的闸门打开，以对所述用户放行。
在一实施例中，所述根据所述目标图像获取所述用户的服饰的属性的步骤包括：
将所述目标图像输入识别模型；
获取所述识别模型输出的所述用户的服饰的属性。
在一实施例中，所述将所述目标图像输入识别模型的步骤之前，还包括：
获取各个待处理图像，并确定每个所述待处理图像中的人体图像；
对所述人体图像中每个人体部位佩戴的服饰标记属性，得到训练图像；
根据各个所述训练图像对模型进行训练得到识别模型。
在一实施例中，所述根据所述目标图像获取所述用户的服饰的属性的步骤包括：
根据所述目标图像提取所述用户各个人体部位对应的子图像；
获取每个所述子图像中服饰的属性。
在一实施例中，所述根据所述属性确定所述用户的着装是否满足放行条件的步骤包括：
确定每个所述属性对应的服饰所在的人体部位，并确定所述人体部位对应的预设属性；
判断所述属性与所述属性对应预设属性是否匹配，其中，在每个所述属性与所述属性对应的预设属性匹配时，判定所述用户的着装满足放行条件。
在一实施例中，所述获取检测通道内用户的目标图像的步骤之后，还包括：
根据所述目标图像确定所述用户的人体部位是否佩戴预设服饰；
在所述人体部位佩戴预设服饰时，根据所述目标图像获取所述用户的服饰的属性。
在一实施例中，所述获取检测通道内用户的目标图像的步骤包括：
获取检测通道内用户的待确定图像，并根据所述待确定图像提取人体部位对应的子图像；
在所述待确定图像提取的人体部位的子图像的数量小于预设数量时，根据未提取的人体部位输出站姿建议信息，以再次采集检测通道内的用户的图像作为目标图像；
在所述待确定图像提取的人体部位的子图像的数量达到预设数量时，将所述待确定图像确定为目标图像。
在一实施例中，所述获取检测通道内用户的目标图像的步骤之前，还包括：
在检测到用户位于检测通道时，启动所述检测通道对应的电子标签阅读器；
获取所述电子标签阅读器检测的电子标签信息；
在根据所述电子标签信息对所述用户的身份验证成功时，获取检测通道内用户的目标图像。
为实现上述目的，本发明还提供一种着装检测系统，所述着装检测系统包括检测通道以及图像采集模块，所述检测通道设有闸机，所述着装检测系统还包括存储器、处理器以及存储在所述存储器并可在所述处理器上运行的检测程序，所述闸机以及所述图像采集模块与所述处理器连接，所述检测程序被所述处理器执行时实现如上所述的着装检测方法的各个步骤。
为实现上述目的，本发明还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检测程序，所述检测程序被处理器执行时如上所述的着装检测方法的各个步骤。
本发明提供的着装检测方法、着装检测系统和计算机可读存储介质，着装检测系统获取检测通道内用户的目标图像，并根据目标图像获取用户的服饰的属性，在基于属性确定用户的着装是否满足放行条件，在用户的着装满足放行条件时，控制检测通道对应的闸机的闸门打开以对用户放行。本发明通过从用户的图像中获取用户的服饰的属性，再通过服饰的属性确定用户的着装是否符合放行条件，无需人工进行人员的着装检测，节省了人员着装检测的人工成本，降低了人员着装检测的成本。
附图说明
图1为本发明实施例涉及的着装检测系统的硬件结构示意图；
图2为本发明着装检测方法第一实施例的流程示意图；
图3为本发明着装检测方法第二实施例的流程示意图；
图4为本发明着装检测方法第三实施例的流程示意图；
图5为本发明着装检测方法第四实施例的流程示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例的主要解决方案是：获取检测通道内用户的目标图像，并根据所述目标图像获取所述用户的服饰的属性；根据所述属性确定所述用户的着装是否满足放行条件；在所述用户的着装满足放行条件时，控制所述检测通道对应的闸机的闸门打开，以对所述用户放行。
本发明通过从用户的图像中获取用户的服饰的属性，再通过服饰的属性确定用户的着装是否符合放行条件，无需人工进行人员的着装检测，节省了人员着装检测的人工成本，降低了人员着装检测的成本。
参照图1，图1是本发明实施例方案涉及的着装检测系统的硬件结构示意图。
如图1所示，本发明实施例方案涉及是着装检测系统，着装检测系统可以包括：处理器101，例如CPU，通信总线102，存储器103。其中，通信总线102用于实现这些组件之间的连接通信。存储器103可以是高速RAM存储器，也可以是稳定的存储器(non-volatilememory)，例如磁盘存储器。存储器103可选的还可以是独立于前述处理器101的存储装置。本领域技术人员可以理解，图1中示出的结构并不构成对着装检测系统的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种计算机存储介质的存储器103中可以包括检测程序。
在图1所示的装置中，处理器101可以用于调用存储器103中存储的检测程序，并执行以下操作：
获取检测通道内用户的目标图像，并根据所述目标图像获取所述用户的服饰的属性；
根据所述属性确定所述用户的着装是否满足放行条件；
在所述用户的着装满足放行条件时，控制所述检测通道对应的闸机的闸门打开，以对所述用户放行。
在一实施例中，处理器101可以调用存储器103中存储的检测程序，还执行以下操作：
将所述目标图像输入识别模型；
获取所述识别模型输出的所述用户的服饰的属性。
在一实施例中，处理器101可以调用存储器103中存储的检测程序，还执行以下操作：
获取各个待处理图像，并确定每个所述待处理图像中的人体图像；
对所述人体图像中每个人体部位佩戴的服饰标记属性，得到训练图像；
根据各个所述训练图像对模型进行训练得到识别模型。
在一实施例中，处理器101可以调用存储器103中存储的检测程序，还执行以下操作：
根据所述目标图像提取所述用户各个人体部位对应的子图像；
获取每个所述子图像中服饰的属性。
在一实施例中，处理器101可以调用存储器103中存储的检测程序，还执行以下操作：
确定每个所述属性对应的服饰所在的人体部位，并确定所述人体部位对应的预设属性；
判断所述属性与所述属性对应预设属性是否匹配，其中，在每个所述属性与所述属性对应的预设属性匹配时，判定所述用户的着装满足放行条件。
在一实施例中，处理器101可以调用存储器103中存储的检测程序，还执行以下操作：
根据所述目标图像确定所述用户的人体部位是否佩戴预设服饰；
在所述人体部位佩戴预设服饰时，根据所述目标图像获取所述用户的服饰的属性。
在一实施例中，处理器101可以调用存储器103中存储的检测程序，还执行以下操作：
获取检测通道内用户的待确定图像，并根据所述待确定图像提取人体部位对应的子图像；
在所述待确定图像提取的人体部位的子图像的数量小于预设数量时，根据未提取的人体部位输出站姿建议信息，以再次采集检测通道内的用户的图像作为目标图像；
在所述待确定图像提取的人体部位的子图像的数量达到预设数量时，将所述待确定图像确定为目标图像。
在一实施例中，处理器101可以调用存储器103中存储的检测程序，还执行以下操作：
在检测到用户位于检测通道时，启动所述检测通道对应的电子标签阅读器；
获取所述电子标签阅读器检测的电子标签信息；
在根据所述电子标签信息对所述用户的身份验证成功时，获取检测通道内用户的目标图像。
本实施例根据上述方案，着装检测系统获取检测通道内用户的目标图像，并根据目标图像获取用户的服饰的属性，在基于属性确定用户的着装是否满足放行条件，在用户的着装满足放行条件时，控制检测通道对应的闸机的闸门打开以对用户放行。本发明通过从用户的图像中获取用户的服饰的属性，再通过服饰的属性确定用户的着装是否符合放行条件，无需人工进行人员的着装检测，节省了人员着装检测的人工成本，降低了人员着装检测的成本。
基于上述着装检测系统的硬件构架，提出本发明着装检测方法的实施例。
参照图2，图2为本发明着装检测方法的第一实施例，所述着装检测方法包括以下步骤：
步骤S10，获取检测通道内用户的目标图像，并根据所述目标图像获取所述用户的服饰的属性；
在本实施例中，执行主体为着装检测系统。着装检测系统设有闸机，闸机为一种通道阻挡结构，也即闸机包括检测通道以及闸门。着装检测系统还设有图像采集模块，图像采集模块用于采集检测通道内的图像。图像采集模块可以摄像头，可以是机器视觉传感器，机器视觉传感器是通过对摄像机拍摄到的图像进行图像处理，来计算对象物的特征量(面积、重心、长度、位置等)，并输出数据和判断结果的传感器。
图像采集模块可以实时或定时采集检测通道内的图像，着装检测系统则获取图像采集模块采集的图像，并对图像进行分析，若是图像包含有用户，该图像即为目标图像，也即着装检测系统可以获取检测通道内用户的目标图像。
着装检测系统在获得目标图像后，即可基于目标图像获取用户的服饰的属性。属性为服饰的颜色、材质、样式中的至少一个。样式可以为服饰的长短，例如，服饰为长袖上衣或者短袖上衣。
步骤S20，根据所述属性确定所述用户的着装是否满足放行条件；
着装检测系统中设有放行条件。放行条件与着装要求的场所相关。例如，场所为手术室，则要求人员穿戴浅蓝色的上衣以及浅蓝色头套，且要求人员穿戴防护服；又例如，场所为实验室，则要求人员穿戴白色上衣且要求人员穿戴长袖上衣；又例如，场所为无静电场所，则用户穿戴的服饰为不会产生静电的服饰。
着装检测系统存储有当前的场所的信息，基于信息获取场所对应的放行条件，并根据属性确定用户的着装是否满足放行条件。若是属性与放行条件对应的属性匹配，即可判定用户的着装满足放行条件。例如，场所为手术室，若是服饰的材质表征服饰为防护服，且穿戴的服饰的颜色为浅蓝色，即可确定用户的着装满足放行条件。
步骤S30，在所述用户的着装满足放行条件时，控制所述检测通道对应的闸机的闸门打开，以对所述用户放行。
着装检测系统在确定用户的着装满足放行条件后，即可控制检测通道对应的闸机的闸门打开，从而对用户放行。而在确定用户的着装不满足放行条件，着装检测系统则输出语音信息，提示用户的着装不规范，也即着装检测系统输出着装不规范的提示信息。进一步的，着装检测系统还可以直接输出不规范服饰的提示信息，例如，着装检测系统输出未穿戴防护服的提示信息。
在本实施例提供的技术方案中，着装检测系统获取检测通道内用户的目标图像，并根据目标图像获取用户的服饰的属性，在基于属性确定用户的着装是否满足放行条件，在用户的着装满足放行条件时，控制检测通道对应的闸机的闸门打开以对用户放行。本发明通过从用户的图像中获取用户的服饰的属性，再通过服饰的属性确定用户的着装是否符合放行条件，无需人工进行人员的着装检测，节省了人员着装检测的人工成本，降低了人员着装检测的成本。
参照图3，图3为本发明着装检测方法的第二实施例，基于第一实施例，所述步骤S10包括：
步骤S11，将所述目标图像输入识别模型；
步骤S12，获取所述识别模型输出的所述用户的服饰的属性。
在本实施例中，着装检测系统通过AI(Artificial Intelligence，人工智能)属性侦测算法获取用户的服饰的属性。着装检测系统通过AI属性侦测算法得到识别模型，再将将目标图像输入至识别模型，识别模型则基于目标图像获取用户的服饰的属性，使得着装检测系统获取识别模型输出的属性。
具体的，AI属性侦测算法：将人体图像输入多属性卷积神经网络模型，得到人体区域图像中的各个人体属性对应的预先定义的每一个属性值的概率；多属性卷积神经网络模型是利用卷积神经网络对预先获得的训练图像进行多属性识别训练得到的。
卷积神经网络模拟了人的视觉神经，单个神经元只能对某种特定的图像特征产生响应，这些简单的神经元构成一层，在层数足够多后，就可以获取足够丰富的特征。利用这一原理，即可从目标图像中提取服饰的属性这一特征。
神经网络训练算法分为两个阶段，第一阶段向前传播阶段，a)从样本集中取一个样本(X,Yp)，将X输入网络；b)计算相应的实际输出Op。在此阶段，信息从输入层经过逐级的变换，传送到输出层。这个过程也是网络在完成训练后正常运行时执行的过程。在此过程中，网络执行的是计算(实际上就是输入与每层的权值矩阵相点乘，得到最后的输出结果)Op＝Fn(…(F2(F1(XpW(1))W(2))…)W(n))。第二阶段向后传播阶段，c)算实际输出Op与相应的理想输出Yp的差；d)按极小化误差的方法反向传播调整权矩阵。
通过上述算法，可以在原人体图像中标定人体框，通过分析人体属性特征与图像低层特征的映射关系，检验或识别出人体框中的视觉语义特征。将人体框划分为不同区域，提取每个区域的颜色、纹理、形状等视觉语义特征，再用k均值聚类算法对训练集中所有的视觉语义特征进行聚类，从而进一步将人体框图像进行分割。分割后的图像即可以表征人体属性特征，比如分割后的人体头部图像、四肢图像等进入下一步的迭代卷积神经网络训练算法，最终得到人体属性特征矢量值。
基于此，着装检测系统获取各个待处理图像，并确定每个待处理图像中的人体图像。人体图像即为用户图像。再对人体图像中每个人体部位佩戴的服饰标记属性。人体部位例如为头部、手臂、脚等。也即标记人体部位穿戴的服饰的属性，如，待处理图像中用户穿戴口罩，则在待处理图像中的头部标记为口罩、口罩的材质以及口罩的颜色等。可以理解的是，人体图像中人体部位的服饰的属性即为待处理图像的标签。着装检测系统对人体图像中每个人体部位佩戴的服饰标记属性即可得到训练图像，按照这种方式，着装检测系统可以获取每个待处理图像对应的训练图像。着装检测系统在基于各个训练图像对模型进行训练得到识别模型，并保存识别模型。
在本实施例提供的技术方案中，着装检测系统将目标图像输入识别模型，从而获取识别模型输出的用户的服饰的属性，进而准确的确定用户的着装是否满足放行条件。
在一实施例中，着装检测系统从目标图像中提取每个人体部位对应的子图像，着装检测系统再从每个子图像中获取服饰的属性。具体的，着装检测系统可以对目标图像中的人体进行轮廓分离，每一个轮廓划分为一个子图像，且确定每个轮廓对应的人体部位，进而从人体部位提取出服饰的属性，并将服饰的属性与人体部位进行关联。着装检测系统在得到每个人体部位对应的服饰的属性后，基于关联关系确定每个属性对应的服饰所在的人体部位。着装检测系统中设置有每个人体部位对应的预设属性，着装检测系统再判断属性与属性对应的预设属性是否匹配，属性关联的人体部位与属性对应的预设属性的人体部位相同。预设属性可以理解为该人体部位对于服饰的要求，例如，人体部位为手臂，则手臂对应的预设属性为长袖，若是获取的人体部位的属性为短袖，则属性与预设属性不匹配。若是每个属性与属性对应的预设属性均匹配时，即可确定用户的着装满足放行条件。
进一步的，在每个属性与属性对应的预设属性均匹配时，装置再确定用户的服饰的穿戴是否符合穿戴规范。例如，手术室要求人员的上衣扎在裤带内，头发以及口罩不外露。着装检测系统将每个人体部位的服饰所对应的子图像与预设图像进行相似度的计算，若是相似度大于预设阈值，即可确定人体部位的服饰的穿戴符合穿戴规范。着装检测系统在确定每个人体部位的服饰的穿戴符合穿戴规范后，即可确定用户的着装满足着装条件。此外，着装检测系统可以直接通过识别模型识别出服装的穿戴是否符合穿戴规范。
参照图4，图4为本发明着装检测系统的第三实施例，基于第一或第二实施例，所述步骤S10包括：
步骤S13，获取检测通道内用户的目标图像；
步骤S14，根据所述目标图像确定所述用户的人体部位是否佩戴预设服饰；
步骤S15，在所述人体部位佩戴预设服饰时，根据所述目标图像获取所述用户的服饰的属性。
在本实施例中，着装检测系统在获取检测通道内用户的目标图像后，基于目标图像确定用户的人体部位是否佩戴预设服饰，也即判断用户是否佩戴了需要佩戴的服饰。例如，确定用户是否佩戴口罩。在人体部位佩戴预设服饰时，则基于目标图像获取用户的服饰的属性。此外，可以通过识别模型识别出用户是否佩戴预设服饰。而在当人体部位未佩戴预设服饰，着装检测系统输出着装不符合规范的提示信息。
在本实施例提供的技术方案中，着装检测系统在获取目标图像后，基于目标图像确定用户的人体部位是否佩戴预设服饰，若是人体部位佩戴了预设服饰，即可基于目标图像获取用户的服饰属性，也即着装检测系统先进行预设服饰是否佩戴的预先检测，以准确的确定用户是否可以进入场所内。
参照图5，图5为本发明着装检测方法的第四实施例，基于第一至第三中任一实施例，所述步骤S10包括：
步骤S16，获取检测通道内用户的待确定图像，并根据所述待确定图像提取人体部位对应的子图像；
步骤S17，在所述待确定图像提取的人体部位的子图像的数量小于预设数量时，根据未提取的人体部位输出站姿建议信息，以再次采集检测通道内的用户的图像作为目标图像；
步骤S18，在所述待确定图像提取的人体部位的子图像的数量达到预设数量时，将所述待确定图像确定为目标图像。
在本实施例中，用户需要正对着图像采集模块，着装检测系统才可以得到所需检测的服饰以判断用户的着装是否满足放行条件，也即需要用户摆正站姿。
对此，着装检测系统将含有用户的图像作为待确定图像，并根据待确定图像提取人体不问对应的子图像，具体的，着装检测系统通过机器视觉算法将人体轮廓与图像背景进行分离，返回分割后的二值图、灰度图、前景人像图。再将分割后图像进一步处理，标定出人体的主要关键部位，包含头部、五官、颈部、四肢主要关节部位。提取人体部位的子图像即为分离人体轮廓。人体轮廓的分离也可以通过图像采集模块实现。着装检测系统中设有预设数量，也即着装检测系统至少要分离出关键人体部位的数量，例如，至少需要分离头部、五官、颈部、四肢等7个关键人体部位，预设数量即为7个。
着装检测系统在提取子图像的数量后，即可判断数量是否达到7个。若子图像的数量小于7个，则着装检测系统并未成功提取某个关键人体部位，即可确定用户的站姿存在问题导致着装检测系统无法提取该关键人体部位。着装检测系统则基于未提取的人体部位输出站姿建议信息，使得检测通道内的用户调整站姿，以再次采集检测通道内用户的图像，直至着装检测系统提取的子图像的数量达到预设数量。若是子图像的数量达到预设数量，即可将待确定图像确定为目标图像。
在本实施例提供的技术方案中，着装检测系统先获取检测通道内用户的待确定图像，在提取人体部位的子图像，基于子图像的数量确定用户的站姿是否存在问题，从而使得着装检测系统能够准确的获取所需的用户的人体部位的服饰的属性，进而提高着装检测系统的判断准确性。
在一实施例中，着装检测系统设有红外传感器，红外传感器设置于检测通道内。红外传感器可以用于检测是否有用户位于检测通道内。若是红外传感器检测到用户位于检测通道内，着装检测系统启动检测通道对应的电子标签阅读器。用户在需要进入场所时，需要佩戴电子标签，电子标签中携带有该用户的信息，信息例如为用户的职位、所属部位、年龄、性别、姓名等。电子便签可以为RFID(Radio Frequency Identification，射频识别)标签。着装检测系统获取电子标签阅读器检测电子标签信息，再通过电子标签信息对用户的身份进行验证，若是确定用户的身份为无效身份，也即未在数据库中查询到用户的信息，或者用户的信息长时间未进行更新，即可确定为无效身份，此时，着装检测系统输出提示信息，提示用户身份无效并建议退出检测通道。若是根据电子便签信息对用户的身份验证成功时，也即数据库中存储有与电子标签信息相同的信息时，即可判定用户的身份验证成功，此时，获取检测通道内用户的目标图像进行着装分析。在启动电子标签阅读器后，若是电子标签阅读器未在预设时长内检测到电子标签信息，即可确定用户未佩戴电子标签，着装检测系统直接启动装置报警，提示异常入侵。
进一步，数据库中存储有与电子标签信息相同的信息时，着装检测系统在获取目标图像后，装置可以通过识别模型获取目标图像的人体属性，人体属性例如为年龄段、性别等，识别模型再将识别的人体属性与电子便签信息进行比对，若是匹配，即可判定用户的身份验证成功。
本发明还提供一种着装检测系统，所述着装检测系统包括检测通道以及图像采集模块，所述检测通道设有闸机，所述着装检测系统还包括存储器、处理器以及存储在所述存储器并可在所述处理器上运行的检测程序，所述闸机以及所述图像采集模块与所述处理器连接，所述检测程序被所述处理器执行时实现如上实施例所述的着装检测方法的各个步骤。
着装检测装置设置于医院中需要进行着装检测的位置，且着装检测装置可以与医院各个医疗系统进行对接通信。例如，着装检测装置设置于手术室门口，在当手术室需要进行手术时，医生可以在医院的手术系统中进行手术申请，手术申请包括医生、护士、病人进入手术室的时间段，手术系统则将时间段发送至着装检测装置，使得着装检测装置在该时间内对进入手术室的人员进行着装检测，着装检测装置再将人员着装及放行记录上传至手术系统。
本发明还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检测程序，所述检测程序被处理器执行时如上实施例所述的着装检测方法的各个步骤。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种着装检测方法，其特征在于，所述着装检测方法包括以下步骤：
获取检测通道内用户的目标图像，并根据所述目标图像获取所述用户的服饰的属性；
根据所述属性确定所述用户的着装是否满足放行条件；
在所述用户的着装满足放行条件时，控制所述检测通道对应的闸机的闸门打开，以对所述用户放行。
2.如权利要求1所述的着装检测方法，其特征在于，所述根据所述目标图像获取所述用户的服饰的属性的步骤包括：
将所述目标图像输入识别模型；
获取所述识别模型输出的所述用户的服饰的属性。
3.如权利要求2所述的着装检测方法，其特征在于，所述将所述目标图像输入识别模型的步骤之前，还包括：
获取各个待处理图像，并确定每个所述待处理图像中的人体图像；
对所述人体图像中每个人体部位佩戴的服饰标记属性，得到训练图像；
根据各个所述训练图像对模型进行训练得到识别模型。
4.如权利要求1所述的着装检测方法，其特征在于，所述根据所述目标图像获取所述用户的服饰的属性的步骤包括：
根据所述目标图像提取所述用户各个人体部位对应的子图像；
获取每个所述子图像中服饰的属性。
5.如权利要求1所述的着装检测方法，其特征在于，所述根据所述属性确定所述用户的着装是否满足放行条件的步骤包括：
确定每个所述属性对应的服饰所在的人体部位，并确定所述人体部位对应的预设属性；
判断所述属性与所述属性对应预设属性是否匹配，其中，在每个所述属性与所述属性对应的预设属性匹配时，判定所述用户的着装满足放行条件。
6.如权利要求1所述的着装检测方法，其特征在于，所述获取检测通道内用户的目标图像的步骤之后，还包括：
根据所述目标图像确定所述用户的人体部位是否佩戴预设服饰；
在所述人体部位佩戴预设服饰时，根据所述目标图像获取所述用户的服饰的属性。
7.如权利要求1所述的着装检测方法，其特征在于，所述获取检测通道内用户的目标图像的步骤包括：
获取检测通道内用户的待确定图像，并根据所述待确定图像提取人体部位对应的子图像；
在所述待确定图像提取的人体部位的子图像的数量小于预设数量时，根据未提取的人体部位输出站姿建议信息，以再次采集检测通道内的用户的图像作为目标图像；
在所述待确定图像提取的人体部位的子图像的数量达到预设数量时，将所述待确定图像确定为目标图像。
8.如权利要求1-7任一项所述着装检测方法，其特征在于，所述获取检测通道内用户的目标图像的步骤之前，还包括：
在检测到用户位于检测通道时，启动所述检测通道对应的电子标签阅读器；
获取所述电子标签阅读器检测的电子标签信息；
在根据所述电子标签信息对所述用户的身份验证成功时，获取检测通道内用户的目标图像。
9.一种着装检测系统，其特征在于，所述着装检测系统包括检测通道以及图像采集模块，所述检测通道设有闸机，所述着装检测系统还包括存储器、处理器以及存储在所述存储器并可在所述处理器上运行的检测程序，所述闸机以及所述图像采集模块与所述处理器连接，所述检测程序被所述处理器执行时实现如权利要求1-8任一项所述的着装检测方法的各个步骤。
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检测程序，所述检测程序被处理器执行时如权利要求1-8任一项所述的着装检测方法的各个步骤。
CN202110123562.5A 2021-01-27 2021-01-27 着装检测方法、着装检测系统和计算机可读存储介质 Pending CN112766209A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110123562.5A CN112766209A (zh) 2021-01-27 2021-01-27 着装检测方法、着装检测系统和计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110123562.5A CN112766209A (zh) 2021-01-27 2021-01-27 着装检测方法、着装检测系统和计算机可读存储介质

Publications (1)

Publication Number Publication Date
CN112766209A true CN112766209A (zh) 2021-05-07

Family

ID=75706598

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110123562.5A Pending CN112766209A (zh) 2021-01-27 2021-01-27 着装检测方法、着装检测系统和计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN112766209A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113537126A (zh) * 2021-07-28 2021-10-22 浙江大华技术股份有限公司 人体穿戴违规行为的确定方法及装置、存储介质、电子装置
CN113723275A (zh) * 2021-08-27 2021-11-30 拉扎斯网络科技（上海）有限公司 用户的出行检测方法及装置、电子设备、存储介质
CN114973477A (zh) * 2022-04-21 2022-08-30 中国人民解放军海军特色医学中心 一种人机交互的船舶人员管理系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109446932A (zh) * 2018-10-11 2019-03-08 武汉微道云信息科技有限公司 一种着装检查方法、装置、终端设备及计算机存储介质
CN111325150A (zh) * 2020-02-20 2020-06-23 中科智云科技有限公司 着装检测装置、方法及存储介质
CN111709444A (zh) * 2020-05-12 2020-09-25 上海明略人工智能(集团)有限公司 着装检测方法、装置、及计算机可读存储介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109446932A (zh) * 2018-10-11 2019-03-08 武汉微道云信息科技有限公司 一种着装检查方法、装置、终端设备及计算机存储介质
CN111325150A (zh) * 2020-02-20 2020-06-23 中科智云科技有限公司 着装检测装置、方法及存储介质
CN111709444A (zh) * 2020-05-12 2020-09-25 上海明略人工智能(集团)有限公司 着装检测方法、装置、及计算机可读存储介质

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113537126A (zh) * 2021-07-28 2021-10-22 浙江大华技术股份有限公司 人体穿戴违规行为的确定方法及装置、存储介质、电子装置
CN113723275A (zh) * 2021-08-27 2021-11-30 拉扎斯网络科技（上海）有限公司 用户的出行检测方法及装置、电子设备、存储介质
CN113723275B (zh) * 2021-08-27 2024-07-12 拉扎斯网络科技（上海）有限公司 用户的出行检测方法及装置、电子设备、存储介质
CN114973477A (zh) * 2022-04-21 2022-08-30 中国人民解放军海军特色医学中心 一种人机交互的船舶人员管理系统

Similar Documents

Publication Publication Date Title
CN112766209A (zh) 着装检测方法、着装检测系统和计算机可读存储介质
US20220036055A1 (en) Person identification systems and methods
JP4241763B2 (ja) 人物認識装置及びその方法
CN111563480B (zh) 冲突行为检测方法、装置、计算机设备和存储介质
CN109299658B (zh) 脸部检测方法、脸部图像渲染方法、装置及存储介质
JP7299923B2 (ja) 個人識別システムおよび方法
KR20050085583A (ko) 표정 불변 얼굴 인식
WO2021174941A1 (zh) 人体属性识别方法、系统、计算机设备及存储介质
CN112633196A (zh) 人体姿态检测方法、装置和计算机设备
JP2010262425A (ja) 衣服を認識および分類するためのコンピュータ実行方法
CN108171138B (zh) 一种生物特征信息获取方法和装置
CN111753643A (zh) 人物姿态识别方法、装置、计算机设备和存储介质
US20220156959A1 (en) Image processing device, image processing method, and recording medium in which program is stored
US20230394939A1 (en) Monitoring device, suspicious object detecting method, and recording medium
US12032625B2 (en) Display control apparatus, display control method, and computer program product
CN111444894A (zh) 用于佩戴口罩人群的身份识别方法和系统
CN111598047B (zh) 一种人脸识别方法
JP2019109843A (ja) 分類装置、分類方法、属性認識装置、及び機械学習装置
US20230298348A1 (en) Clothing standardization detection method and apparatus
CN110929570B (zh) 虹膜快速定位装置及其定位方法
US20220130148A1 (en) System and Method for Identifying Outfit on a Person
CN112115790A (zh) 人脸识别方法、装置、可读存储介质和电子设备
WO2019088661A1 (ko) 인공지능 기술을 이용해 광고 및 상품 구매에 관한 서비스를 제공하는 장치, 시스템, 및 방법
CN111242016A (zh) 衣物管理方法、控制装置、衣柜以及计算机可读存储介质
CN113344124A (zh) 轨迹分析方法及装置、存储介质和系统

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