CN112906651A - 目标检测方法及装置 - Google Patents
目标检测方法及装置 Download PDFInfo
- Publication number
- CN112906651A CN112906651A CN202110322489.4A CN202110322489A CN112906651A CN 112906651 A CN112906651 A CN 112906651A CN 202110322489 A CN202110322489 A CN 202110322489A CN 112906651 A CN112906651 A CN 112906651A
- Authority
- CN
- China
- Prior art keywords
- target
- image
- detected
- person
- region
- 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.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 119
- 238000000034 method Methods 0.000 claims abstract description 53
- 238000004891 communication Methods 0.000 claims abstract description 23
- 238000012545 processing Methods 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 abstract description 17
- 230000015654 memory Effects 0.000 description 29
- 230000006870 function Effects 0.000 description 10
- 238000003062 neural network model Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 235000019800 disodium phosphate Nutrition 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000001914 filtration Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method 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
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/165—Detection; Localisation; Normalisation using facial parts and geometric relationships
-
- 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
- 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
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Biomedical Technology (AREA)
- Software Systems (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本申请提供一种目标检测方法及装置,涉及通信领域,能够降低目标检测的误检率以及虚警率。该方法包括:获取第一图像,第一图像为图像采集装置采集到的图像;检测第一图像中是否存在第一目标,第一目标为位于待检测人员头部的目标;若第一图像中存在第一目标,则确定第一图像中是否存在第一目标对应第一图像区域,第一图像区域用于表征第一目标对应的待检测人员的面部图像所属的区域;若第一图像中存在第一目标对应第一图像区域,则检测第一图像区域中是否存在第二目标,第二目标为位于待检测人员的面部的目标。本申请实施例用于目标检测过程中。
Description
技术领域
本申请涉及通信领域,尤其涉及一种目标检测方法及装置。
背景技术
为了保证厨房的环境卫生,需要保证厨房内的工作人员严格遵守厨房内的行为规范。正确的佩戴帽子和口罩是厨房内行为规范的重要部分。
目前,检测厨房内的工作人员是否正确佩戴帽子和口罩的方法通常为:使用一个神经网络模型进行检测工作人员是否佩戴帽子,采用另外的一个模型检测工作人员是否佩戴口罩。但是上述方式对不同的目标只能进行单一的检测,即对于不同目标的检测均是独立的过程,其之间没有关联起来,容易出现将其他目标识别成待检测目标而导致的误检问题,以及,存在待检测目标但未识别到而导致的虚警问题。
发明内容
本申请提供一种目标检测方法和装置,能够降低目标检测的误检率以及虚警率。
为达到上述目的,本申请采用如下技术方案:
第一方面,本申请提供一种目标检测方法,该方法包括:获取第一图像,第一图像为图像采集装置采集到的图像;检测第一图像中是否存在第一目标,第一目标为位于待检测人员头部的目标;若第一图像中存在第一目标,则确定第一图像中是否存在第一目标对应第一图像区域,第一图像区域用于表征第一目标对应的待检测人员的面部图像所属的区域;若第一图像中存在第一目标对应第一图像区域,则检测第一图像区域中是否存在第二目标,第二目标为位于待检测人员的面部的目标。
基于上述技术方案,本申请实施例提供的目标检测方法,该方法在对第二目标进行检测之前,先确定第一目标所对应的第一目标区域(即待检测人员人脸区域),在第一目标区域内检测第二目标使得检测目标的区域范围被缩小(即将直接从原始图像中检测第二目标转换成从第一目标区域中检测第二目标),有效的过滤掉了第一目标区域之外(即待检测人员人脸区域之外)中与第二目标类似的疑似目标,从而降低了因将其他识别成待检测目标而导致的误检问题的概率;并且该方法在未识别到第一目标区域时,便不再对第二目标进行检测,有效避免了在待检测人员侧对、背对图像采集装置时,直接检测第二目标(例如,口罩)所导致的虚警问题,从而降低了因存在待检测目标但未识别到而导致的虚警问题的概率。
一种可能实现的方式,若第一图像中未存在第一目标,生成第一信息,第一信息用于指示待检测人员未佩戴第一目标。该方法可以使得管理人员清楚明了的得知厨房中所出现的问题,以便更好的管理。
一种可能实现的方式,若第一图像区域中未存在第二目标,生成第二信息,第二信息用于表示待检测人员未佩戴第二目标。该方法将对于不同图像的检测结合起来,即先确定一个比较大的区域,再通过这个较大的区域确定一个较小的区域,比起来直接确定较小的区域来说,该方法可以有效地避免失误,进而降低检测目标的误检率。
一种可能实现的方式,在确定第一图像中是否存在第一目标之前,方法还包括:从第一图像中获取矩形框的左下角坐标和右上角坐标,矩形框用于表征待检测人员所属的区域;根据矩形框的左下角坐标和右下角坐标确定待检测人员所属的区域;确定待检测人员所属的区域是否存在第一目标。该方法可以对第二目标进行检测,即还可以检测其他目标,将不同目标之间的检测结合起来,进而加强检测不同目标之间的联系,降低检测目标的误检率。
第二方面,本申请提供一种目标检测装置,该装置包括:通信单元和处理单元;通信单元,用于获取第一图像,第一图像为图像采集装置采集到的图像;处理单元,用于检测第一图像中是否存在第一目标,第一目标为位于待检测人员头部的目标;处理单元,还用于若第一图像中存在第一目标,则确定第一图像中是否存在第一目标对应第一图像区域,第一图像区域用于表征第一目标对应的待检测人员的面部图像所属的区域;处理单元,还用于若第一图像中存在第一目标对应第一图像区域,则检测第一图像区域中是否存在第二目标,第二目标为位于待检测人员的面部的目标。
一种可能实现的方式,处理单元,还用于:若第一图像中未存在第一目标,生成第一信息,第一信息用于指示待检测人员未佩戴第一目标。
一种可能实现的方式,处理单元,还用于方法还包括:若第一图像区域中未存在第二目标,生成第二信息,第二信息用于表示待检测人员未佩戴第二目标。
一种可能实现的方式,在确定第一图像中是否存在第一目标之前,处理单元,还用于:从第一图像中获取矩形框的左下角坐标和右上角坐标,矩形框用于表征待检测人员所属的区域;根据矩形框的左下角坐标和右下角坐标确定待检测人员所属的区域;确定待检测人员所属的区域是否存在第一目标。
可以理解地,上述提供的目标检测装置用于执行上文所提供的第一方面对应的方法,因此,其所能达到的有益效果可参考上文第一方面对应的方法以及下文具体实施方式中对应的方案的有益效果,此处不再赘述。
第三方面,本申请提供了一种目标检测装置,该装置包括:处理器和通信接口;通信接口和处理器耦合,处理器用于运行计算机程序或指令,以实现如第一方面和第一方面的任一种可能的实现方式中所描述的目标检测方法。
第四方面,本申请提供了一种计算机可读存储介质,计算机可读存储介质中存储有指令,当指令在终端上运行时,使得终端执行如第一方面和第一方面的任一种可能的实现方式中描述的目标检测方法。
第五方面,本申请实施例提供一种包含指令的计算机程序产品,当计算机程序产品在目标检测装置上运行时,使得目标检测装置执行如第一方面和第一方面的任一种可能的实现方式中所描述的目标检测方法。
第六方面,本申请实施例提供一种芯片,芯片包括处理器和通信接口,通信接口和处理器耦合,处理器用于运行计算机程序或指令,以实现如第一方面和第一方面的任一种可能的实现方式中所描述的目标检测方法。
具体的,本申请实施例中提供的芯片还包括存储器,用于存储计算机程序或指令。
附图说明
图1为本申请实施例提供的一种目标检测系统的结构图;
图2为本申请实施例提供的一种目标检测方法的流程图;
图3为本申请实施例提供的另一种目标检测方法的流程图;
图4为本申请实施例提供的另一种目标检测方法的流程图;
图5为本申请实施例提供的一种目标检测装置的结构示意图;
图6为本申请实施例提供的另一种目标检测装置的结构示意图;
图7为本申请实施例提供的另一种目标检测装置的结构示意图。
具体实施方式
下面结合附图对本申请实施例提供的数据加密的方法和装置进行详细地描述。
本文中术语“和/或”,仅仅是一种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这三种情况。
本申请的说明书以及附图中的术语“第一”和“第二”等是用于区别不同的对象,或者用于区别对同一对象的不同处理,而不是用于描述对象的特定顺序。
此外,本申请的描述中所提到的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括其他没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
需要说明的是,本申请实施例中,“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言,使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
在本申请的描述中,除非另有说明,“多个”的含义是指两个或两个以上。
如图1所示,本申请实施例提供的目标检测系统100包括:目标检测装置10,以及一个或多个图像采集装置20。目标检测装置10与图像采集装置20通信连接。
其中,目标检测装置10为具有图像处理能力的设备,能够获取图像采集装置20采集的图像,并对图像进行分析。目标检测装置10还可以对图像采集装置20进行管理,例如确定各个图像采集装置的采集时间间隔,运行时间等。目标检测装置10可以为各种个人计算机、笔记本电脑、智能手机、平板电脑等计算设备,本申请对此不做限定。
图像采集装置20用于采集图像,并将采集到的图像发送给目标检测装置10。图像采集装置20可以为用于采集图像的设备,例如:相机、抓拍机、摄像机,摄像头等,本申请对此不做限定。
目前,检测目标可以应用以下方法1、方法2。
方式1、使用目标检测(例如,私密特征网络(feature proposal network,FPN))机制在原始图片中定位帽子或者口罩的实体位置。
先对帽子和口罩设置其目标阈值(目标阈值用于表征目标的特征),并依据目标阈值对帽子和口罩进行分类,判断原始图片中是否存在帽子或者口罩,若存在,则依据定位到的待检测目标的实体位置将待检测目标用边框圈起来,从而形成待检测目标的候选框,再对候选框进行处理,确定出帽子或者口罩的精确位置。
方式1存在的问题:上述依据FNP机制对不同的目标进行检测时,是对不同的目标进行单一检测的,即检测不同目标的过程不联系,这样会大大提高将其他识别成待检测目标而导致的误检的概率。
方式2、仅使用一个神经网络模型直接检测帽子和口罩。
将原始图像输入使用FPN机制训练和测试得到的该神经网络模型中,输出帽子或者口罩的候选框(或者位置坐标)。若待检测目标存在多个时,将不同的待检测目标作为独立的实体,输出各个检测目标的类别和位置。神将网络模型可以是卷积神经网络(convolutional neural networks,CNN)、RetinaNet算法,基于网络附属存储(NetworkAttached Storage,NAS)-FPN的ResNet算法。
方式2存在的问题:
1、与上述方式1相同的单一检测的问题。
2、由于所检测的帽子和口罩都是厨师所佩戴的实体,即与厨师均有直接的关系。方式2只使用一个神经网络模型,并没有将检测厨师所属区域的过程加入检测帽子和口罩的过程中,使得厨师之外的物体(例如,桌子上的帽子和口罩,其他与帽子、口罩相似的物体)会干扰到对待检测人员身上的帽子和口罩的检测,从而出现因将其他识别成帽子或者口罩而导致的误检问题。
3、由于被厨师背对或者侧对摄像头时,图像中便不存在厨师的脸部区域,如若在此情况下,还继续检测口罩,那么很可能出现厨师佩戴口罩但未识别到而导致的虚警问题。方式2只使用一个神经网络模型,并没有将检测厨师的人脸所属区域的过程加入检测口罩的过程中,使得在检测到厨师的背面或者侧面时,直接输出未检测到口罩的报警信息,从而出现厨师佩戴口罩但未识别到而导致的虚警问题。
为了解决上述现有技术中存在的问题,本申请实施例提出了一种目标检测方法,能够降低目标检测的误检率以及虚警率。如图2所示,该方法包括:
S201、目标检测装置获取第一图像。
其中,第一图像为图像采集装置采集到的图像。
示例性的,图像采集装置可以是设置在厨房内的监控摄像头摄像机,那么第一图像就是摄像机采集到的原始图像。
需要说明的是,图像采集装置还可以是其他能够用于采集图像的装置,本申请对此不做限定。
S202、目标检测装置检测第一图像中是否存在第一目标。
其中,第一目标为位于待检测人员头部的目标。
示例性的,第一目标可以是待检测人员头部所佩戴的帽子。需要说明的是,第一目标还可以是位于待检测人员头部的其他目标,本申请对此不做限定。
S203、若第一图像中存在第一目标,则目标检测装置确定第一图像中是否存在第一目标对应第一图像区域。
一种可能的实现方式中,若第一图像中存在第一目标,则目标检测装置生成第三信息,第三信息用于指示待检测人员佩戴第一目标。示例性的,若获取的原始图像中检测到帽子,则生成“有佩戴帽子”的指示信息。
一种可能的实现方式中,若第一图像中未存在第一目标,则目标检测装置生成第一信息,第一信息用于指示待检测人员未佩戴第一目标。
示例性的,若获取的原始图像中未检测到帽子,则生成“没有佩戴帽子”的指示信息。
其中,第一图像区域用于表征第一目标对应的待检测人员的面部图像所属的区域。
S204、若第一图像中存在第一目标对应第一图像区域,则目标检测装置检测第一图像区域中是否存在第二目标,第二目标为位于待检测人员的面部的目标。
在该种情况下,由于第一图像区域用于表征第一目标对应的待检测人员的面部图像所属的区域,肯定要小于第一图像的区域范围,因此,目标检测装置先确定第一图像中存在第一目标对应第一图像区域,再在第一图像区域中检测是否存在第二目标,可以降低对于检测目标的误检率。
示例性的,第二目标可以是待检测人员头部所佩戴的帽子。上述仅为第二目标的一种示例,本申请不作限制。
一种实现方式中,若第一图像中未存在第一目标对应第一图像区域,则目标检测装置结束流程。也就是说,目标检测装置先检测人脸区域,如果没有检测到第一图像区域(例如,人脸区域),就不检测第二目标(例如,口罩),可以有效避免了在待检测人员背对、侧对图像采集工具时,未检测到第二目标所引发的虚警的问题。在实际情况中,当厨师背对镜头时,即没有检测到人脸区域时,则结束检测流程,直至检测到厨师面部图像时,再对口罩进行检测,这样可以降低目标检测的虚警率。
一种实现方式中,若第一图像区域中未存在第二目标,则目标检测装置生成第二信息,第二信息用于表示待检测人员未佩戴第二目标。
一种可能的实现方式中,若第一图像区域中存在第二目标,则目标检测装置生成第四信息,第四信息用于指示待检测人员佩戴第二目标。
需要说明的是,上述检测不同的目标、检测目标所对应的区域均可以通过不同的神经网络模型进行实现,本申请实施例所提供的方案可以为将多个神经网络模型串联到一起,也就是说,检测帽子的模型,串联检测人脸的模型,再串联检测口罩的模型,使得各个神经网络模型之间实现优势互补,更大的发挥其效果,从而降低目标检测的降低误检率、漏检率、误警率、虚警率。
本申请实施例提供的目标检测方法,在目标检测装置对第二目标进行检测之前,先确定第一目标所对应的第一目标区域(即待检测人员人脸区域),在第一目标区域内检测第二目标使得检测目标的区域范围被缩小(即将直接从原始图像中检测第二目标转换成从第一目标区域中检测第二目标),有效的过滤掉了第一目标区域之外(即待检测人员人脸区域之外)中与第二目标类似的疑似目标,从而降低了因将其他识别成待检测目标而导致的误检问题的概率;并且该方法在目标检测装置未识别到第一目标区域时,便不再对第二目标进行检测,有效避免了在待检测人员侧对、背对图像采集装置时,直接检测第二目标(例如,口罩)所导致的虚警问题,从而降低了因存在待检测目标但未识别到而导致的虚警问题的概率。
一种可能的实现方式中,结合图2,如图3所示,上述S202具体可以通过以下S301至S303确定。
S301、目标检测装置从第一图像中获取矩形框的左下角坐标和右上角坐标。
示例性的,左下角的坐标可以为(x,y),右上角的坐标可以为(w,h)。
S302、目标检测装置根据矩形框的左下角坐标和右上角坐标确定待检测人员所属的区域。
结合上述示例,矩形框依据上述对角线两端的左下角坐标和右上角坐标确定,则该矩形框所表征的区域为待检测人员所属的区域。
S303、目标检测装置确定待检测人员的区域是否存在第一目标。
其中,第一目标的示例可参考上述相应位置进行理解,此处不再赘述。
一种实现方式中,如图4所示,以场景为厨房场景,待检测人员为厨师,第一目标为帽子,第二目标为口罩,第一图像区域为人脸为例进行说明:
S401、目标检测装置获取原始图像,该原始图像为厨房场景中的图像采集装置采集到的原始图像。
S402、目标检测装置从原始图像中获取厨师所在区域的矩形框的左下角坐标和右上角坐标。
S403、目标检测装置根据矩形框的左下角坐标和右上角坐标确定厨师所在的区域。
S404、目标检测装置检测矩形框内中是否存在帽子。
若原始图像中存在帽子,则目标检测装置执行S405和S407。
若原始图像中不存在帽子,则目标检测装置执行S406和S407。
S405、目标检测装置生成“有佩戴帽子”的信息。
S406、目标检测装置生成“未佩戴帽子”的信息。
S407、目标检测装置确定原始图像中是否存在厨师的人脸。
若原始图像中不存在厨师的人脸,则目标检测装置执行S408。
若原始图像中存在厨师的人脸,则目标检测装置执行S409。
S408、目标检测装置结束检测流程,即不再对口罩进行检测。
S409、目标检测装置检测厨师的人脸区域中是否存在口罩。
若原始图像中存在口罩,则目标检测装置执行S410。
若原始图像中不存在口罩,则目标检测装置执行S411。
S410、目标检测装置生成“有佩戴口罩”的信息。
S411、目标检测装置生成“未佩戴口罩”的信息。
本申请实施例提供的目标检测方法,目标检测装置通过先从原始图像中确定待检测人员所属的区域后,即进一步缩小了检测范围后,再从待检测人员所属的区域中检测第一目标(例如,帽子),有效过滤掉了待检测人员所属的区域之外的干扰(例如,放在桌子上的帽子等),从而提升了检测第一目标的精准度。
可以理解的是,上述模型训练方法可以由目标检测装置实现。目标检测装置为了实现上述功能,其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到,结合本文中所公开的实施例描述的各示例的模块及算法步骤,本申请公开实施例能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请公开实施例的范围。
本申请公开实施例可以根据上述方法示例对上述歌词生成模型训练装置和域名检测装置等进行功能模块的划分,例如,可以对应各个功能划分各个功能模块,也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。需要说明的是,本公开实施例中对模块的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
如图5所示,为本申请实施例提供的一种目标检测装置的结构示意图,该装置包括:
处理单元501,用于对目标检测装置的动作进行控制管理,例如,处理单元501用于执行图2中的S201-S204,图3中的S201、S203、S204、S301-S303,图4中的S401-S411,和/或本申请实施例中所描述的其他过程中的数据加密装置执行的动作。处理单元501可以通过通信单元502与其他网络实体通信。
在通过硬件实现时,本申请实施例中的通信单元502可以集成在通信接口上,处理单元501可以集成在处理器上。具体实现方式如图6所示。
图6示出了上述实施例中所涉及的目标检测装置的又一种可能的结构示意图。该目标检测装置包括:处理器602和通信接口603。处理器602用于对目标检测装置的动作进行控制管理,例如,执行上述处理单元501执行的步骤,和/或用于执行本文所描述的技术的其它过程。通信接口603用于支持目标检测装置与其他网络实体的通信,例如,执行上述通信单元502执行的步骤。目标检测装置还可以包括存储器601和总线604,存储器301用于存储目标检测装置的程序代码和数据。
其中,存储器601可以是目标检测装置中的存储器等,该存储器可以包括易失性存储器,例如随机存取存储器;该存储器也可以包括非易失性存储器,例如只读存储器,快闪存储器,硬盘或固态硬盘;该存储器还可以包括上述种类的存储器的组合。
上述处理器602可以是实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。该处理器可以是中央处理器,通用处理器,数字信号处理器,专用集成电路,现场可编程门阵列或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。该处理器也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等。
总线604可以是扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。总线604可以分为地址总线、数据总线、控制总线等。为便于表示,图6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。
图7是本申请实施例提供的芯片70的结构示意图。芯片70包括一个或两个以上(包括两个)处理器710和通信接口730。
可选的,该芯片70还包括存储器740,存储器740可以包括只读存储器和随机存取存储器,并向处理器710提供操作指令和数据。存储器740的一部分还可以包括非易失性随机存取存储器(non-volatile random access memory,NVRAM)。
在一些实施方式中,存储器740存储了如下的元素,执行模块或者数据结构,或者他们的子集,或者他们的扩展集。
在本申请实施例中,通过调用存储器740存储的操作指令(该操作指令可存储在操作系统中),执行相应的操作。
其中,上述处理器710可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,单元和电路。该处理器可以是中央处理器,通用处理器,数字信号处理器,专用集成电路,现场可编程门阵列或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,单元和电路。所述处理器也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等。
存储器740可以包括易失性存储器,例如随机存取存储器;该存储器也可以包括非易失性存储器,例如只读存储器,快闪存储器,硬盘或固态硬盘;该存储器还可以包括上述种类的存储器的组合。
总线720可以是扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。总线720可以分为地址总线、数据总线、控制总线等。为便于表示,图7中仅用一条线表示,但并不表示仅有一根总线或一种类型的总线。
通过以上的实施方式的描述,所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请实施例提供一种包含指令的计算机程序产品,当该计算机程序产品在计算机上运行时,使得该计算机执行上述方法实施例中的目标检测方法。
本申请实施例还提供一种计算机可读存储介质,计算机可读存储介质中存储有指令,当该指令在计算机上运行时,使得该计算机执行上述方法实施例所示的方法流程中的目标检测方法。
其中,计算机可读存储介质,例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(Random Access Memory,RAM)、只读存储器(Read-Only Memory,ROM)、可擦式可编程只读存储器(Erasable Programmable Read Only Memory,EPROM)、寄存器、硬盘、光纤、便携式紧凑磁盘只读存储器(Compact Disc Read-Only Memory,CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合、或者本领域熟知的任何其它形式的计算机可读存储介质。一种示例性的存储介质耦合至处理器,从而使处理器能够从该存储介质读取信息,且可向该存储介质写入信息。当然,存储介质也可以是处理器的组成部分。处理器和存储介质可以位于特定用途集成电路(Application Specific Integrated Circuit,ASIC)中。在本申请实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
本发明的实施例提供一种包含指令的计算机程序产品,当指令在计算机上运行时,使得计算机执行如图2至图4中所述的目标检测方法。
由于本发明的实施例中的目标检测装置、计算机可读存储介质、计算机程序产品可以应用于上述方法,因此,其所能获得的技术效果也可参考上述方法实施例,本发明实施例在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、设备和方法,可以通过其它的方式实现。例如,以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
以上,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何在本申请揭露的技术范围内的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应该以权利要求的保护范围为准。
Claims (10)
1.一种目标检测方法,其特征在于,包括:
获取第一图像,所述第一图像为图像采集装置采集到的图像;
检测所述第一图像中是否存在第一目标,所述第一目标为位于待检测人员头部的目标;
若所述第一图像中存在所述第一目标,则确定所述第一图像中是否存在所述第一目标对应第一图像区域,所述第一图像区域用于表征所述第一目标对应的待检测人员的面部图像所属的区域;
若所述第一图像中存在所述第一目标对应所述第一图像区域,则检测所述第一图像区域中是否存在第二目标,所述第二目标为位于所述待检测人员的面部的目标。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
若所述第一图像中未存在所述第一目标,生成第一信息,所述第一信息用于指示所述待检测人员未佩戴所述第一目标。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
若所述第一图像区域中未存在所述第二目标,生成第二信息,所述第二信息用于表示所述待检测人员未佩戴所述第二目标。
4.根据权利要求1所述的方法,其特征在于,在所述确定所述第一图像中是否存在第一目标之前,所述方法还包括:
从所述第一图像中获取矩形框的左下角坐标和右上角坐标,所述矩形框用于表征待检测人员所属的区域;
根据所述矩形框的左下角坐标和右下角坐标确定待检测人员所属的区域;
确定所述待检测人员所属的区域是否存在所述第一目标。
5.一种目标检测装置,其特征在于,包括:通信单元和处理单元;
所述通信单元,用于获取第一图像,所述第一图像为图像采集装置采集到的图像;
所述处理单元,用于检测所述第一图像中是否存在第一目标,所述第一目标为位于待检测人员头部的目标;
所述处理单元,还用于若所述第一图像中存在所述第一目标,则确定所述第一图像中是否存在所述第一目标对应第一图像区域,所述第一图像区域用于表征所述第一目标对应的待检测人员的面部图像所属的区域;
所述处理单元,还用于若所述第一图像中存在所述第一目标对应所述第一图像区域,则检测所述第一图像区域中是否存在第二目标,所述第二目标为位于所述待检测人员的面部的目标。
6.根据权利要求5所述的装置,其特征在于,所述处理单元,还用于:
若所述第一图像中未存在所述第一目标,生成第一信息,所述第一信息用于指示所述待检测人员未佩戴所述第一目标。
7.根据权利要求5所述的装置,其特征在于,所述处理单元,还用于:
若所述第一图像区域中未存在所述第二目标,生成第二信息,所述第二信息用于表示所述待检测人员未佩戴所述第二目标。
8.根据权利要求5所述的装置,其特征在于,在所述确定所述第一图像中是否存在第一目标之前,所述处理单元,还用于:
从所述第一图像中获取矩形框的左下角坐标和右上角坐标,所述矩形框用于表征待检测人员所属的区域;
根据所述矩形框的左下角坐标和右下角坐标确定待检测人员所属的区域;
确定所述待检测人员所属的区域是否存在所述第一目标。
9.一种目标检测装置,其特征在于,包括:处理器和通信接口;所述通信接口和所述处理器耦合,所述处理器用于运行计算机程序或指令,以实现如权利要求1-4任一项中所述的目标检测方法。
10.一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,其特征在于,当计算机执行该指令时,该计算机执行上述权利要求1-4任一项中所述的目标检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110322489.4A CN112906651B (zh) | 2021-03-25 | 2021-03-25 | 目标检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110322489.4A CN112906651B (zh) | 2021-03-25 | 2021-03-25 | 目标检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112906651A true CN112906651A (zh) | 2021-06-04 |
CN112906651B CN112906651B (zh) | 2023-07-11 |
Family
ID=76106578
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110322489.4A Active CN112906651B (zh) | 2021-03-25 | 2021-03-25 | 目标检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112906651B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113420675A (zh) * | 2021-06-25 | 2021-09-21 | 浙江大华技术股份有限公司 | 一种口罩佩戴规范度的检测方法及装置 |
Citations (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1567344A (zh) * | 2003-06-23 | 2005-01-19 | 威视科技股份有限公司 | 脸部监视系统及方法 |
US20130101224A1 (en) * | 2010-06-30 | 2013-04-25 | Nec Soft, Ltd. | Attribute determining method, attribute determining apparatus, program, recording medium, and attribute determining system |
US20130230217A1 (en) * | 2010-10-22 | 2013-09-05 | Nec Soft, Ltd. | Attribute determining method, attribute determining apparatus, program, recording medium, and attribute determining system |
US20130282609A1 (en) * | 2012-04-20 | 2013-10-24 | Honeywell International Inc. | Image recognition for personal protective equipment compliance enforcement in work areas |
CN103996203A (zh) * | 2014-06-13 | 2014-08-20 | 北京锐安科技有限公司 | 一种检测图像面部遮挡的方法和装置 |
CN105844245A (zh) * | 2016-03-25 | 2016-08-10 | 广州市浩云安防科技股份有限公司 | 一种伪装人脸检测方法及系统 |
WO2018121690A1 (zh) * | 2016-12-29 | 2018-07-05 | 北京市商汤科技开发有限公司 | 对象属性检测、神经网络训练、区域检测方法和装置 |
CN109146322A (zh) * | 2018-09-12 | 2019-01-04 | 深圳市商汤科技有限公司 | 监控方法及装置和系统、电子设备以及存储介质 |
CN110879995A (zh) * | 2019-12-02 | 2020-03-13 | 上海秒针网络科技有限公司 | 目标物品检测方法及装置、存储介质及电子装置 |
CN110991401A (zh) * | 2019-12-18 | 2020-04-10 | 天地伟业技术有限公司 | 一种监测厨师是否佩戴口罩和帽子进行安全操作的方法 |
CN111062429A (zh) * | 2019-12-12 | 2020-04-24 | 上海点泽智能科技有限公司 | 基于深度学习的厨师帽和口罩佩戴的检测方法 |
CN111209874A (zh) * | 2020-01-09 | 2020-05-29 | 北京百目科技有限公司 | 一种对人头部穿戴属性的分析识别方法 |
CN111223011A (zh) * | 2019-12-29 | 2020-06-02 | 航天信息股份有限公司 | 一种基于视频分析的餐饮企业食品安全监管方法及系统 |
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 |
CN111382719A (zh) * | 2020-03-18 | 2020-07-07 | 浙江新再灵科技股份有限公司 | 用于疫情防控的直梯乘梯人员佩戴口罩监测方法 |
CN111626210A (zh) * | 2020-05-27 | 2020-09-04 | 上海科技大学 | 人员着装检测方法、处理终端、及存储介质 |
CN111666920A (zh) * | 2020-06-24 | 2020-09-15 | 浙江大华技术股份有限公司 | 目标物品佩戴检测方法、装置、存储介质及电子装置 |
CN111754192A (zh) * | 2020-06-18 | 2020-10-09 | 北京同城必应科技有限公司 | 一种基于神经网络的装备物品审核方法 |
CN112183471A (zh) * | 2020-10-28 | 2021-01-05 | 西安交通大学 | 一种现场人员防疫口罩规范佩戴的自动检测方法及系统 |
CN112200043A (zh) * | 2020-09-30 | 2021-01-08 | 中邮通建设咨询有限公司 | 面向室外施工现场的危险源智能识别系统及方法 |
CN112434578A (zh) * | 2020-11-13 | 2021-03-02 | 浙江大华技术股份有限公司 | 口罩佩戴规范性检测方法、装置、计算机设备和存储介质 |
CN112464827A (zh) * | 2020-11-30 | 2021-03-09 | 深圳集智数字科技有限公司 | 口罩佩戴识别方法、装置、设备及存储介质 |
-
2021
- 2021-03-25 CN CN202110322489.4A patent/CN112906651B/zh active Active
Patent Citations (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1567344A (zh) * | 2003-06-23 | 2005-01-19 | 威视科技股份有限公司 | 脸部监视系统及方法 |
US20130101224A1 (en) * | 2010-06-30 | 2013-04-25 | Nec Soft, Ltd. | Attribute determining method, attribute determining apparatus, program, recording medium, and attribute determining system |
US20130230217A1 (en) * | 2010-10-22 | 2013-09-05 | Nec Soft, Ltd. | Attribute determining method, attribute determining apparatus, program, recording medium, and attribute determining system |
US20130282609A1 (en) * | 2012-04-20 | 2013-10-24 | Honeywell International Inc. | Image recognition for personal protective equipment compliance enforcement in work areas |
CN103996203A (zh) * | 2014-06-13 | 2014-08-20 | 北京锐安科技有限公司 | 一种检测图像面部遮挡的方法和装置 |
CN105844245A (zh) * | 2016-03-25 | 2016-08-10 | 广州市浩云安防科技股份有限公司 | 一种伪装人脸检测方法及系统 |
WO2018121690A1 (zh) * | 2016-12-29 | 2018-07-05 | 北京市商汤科技开发有限公司 | 对象属性检测、神经网络训练、区域检测方法和装置 |
CN109146322A (zh) * | 2018-09-12 | 2019-01-04 | 深圳市商汤科技有限公司 | 监控方法及装置和系统、电子设备以及存储介质 |
CN110879995A (zh) * | 2019-12-02 | 2020-03-13 | 上海秒针网络科技有限公司 | 目标物品检测方法及装置、存储介质及电子装置 |
CN111062429A (zh) * | 2019-12-12 | 2020-04-24 | 上海点泽智能科技有限公司 | 基于深度学习的厨师帽和口罩佩戴的检测方法 |
CN110991401A (zh) * | 2019-12-18 | 2020-04-10 | 天地伟业技术有限公司 | 一种监测厨师是否佩戴口罩和帽子进行安全操作的方法 |
CN111223011A (zh) * | 2019-12-29 | 2020-06-02 | 航天信息股份有限公司 | 一种基于视频分析的餐饮企业食品安全监管方法及系统 |
CN111209874A (zh) * | 2020-01-09 | 2020-05-29 | 北京百目科技有限公司 | 一种对人头部穿戴属性的分析识别方法 |
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 |
CN111382719A (zh) * | 2020-03-18 | 2020-07-07 | 浙江新再灵科技股份有限公司 | 用于疫情防控的直梯乘梯人员佩戴口罩监测方法 |
CN111626210A (zh) * | 2020-05-27 | 2020-09-04 | 上海科技大学 | 人员着装检测方法、处理终端、及存储介质 |
CN111754192A (zh) * | 2020-06-18 | 2020-10-09 | 北京同城必应科技有限公司 | 一种基于神经网络的装备物品审核方法 |
CN111666920A (zh) * | 2020-06-24 | 2020-09-15 | 浙江大华技术股份有限公司 | 目标物品佩戴检测方法、装置、存储介质及电子装置 |
CN112200043A (zh) * | 2020-09-30 | 2021-01-08 | 中邮通建设咨询有限公司 | 面向室外施工现场的危险源智能识别系统及方法 |
CN112183471A (zh) * | 2020-10-28 | 2021-01-05 | 西安交通大学 | 一种现场人员防疫口罩规范佩戴的自动检测方法及系统 |
CN112434578A (zh) * | 2020-11-13 | 2021-03-02 | 浙江大华技术股份有限公司 | 口罩佩戴规范性检测方法、装置、计算机设备和存储介质 |
CN112464827A (zh) * | 2020-11-30 | 2021-03-09 | 深圳集智数字科技有限公司 | 口罩佩戴识别方法、装置、设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
王沣: "改进 yolov5 的口罩和安全帽佩戴人工智能检测识别算法", 《建筑与预算》, vol. 11, pages 67 - 69 * |
王镇: "基于目标检测的餐饮人员卫生监管系统 ——以卫生帽和口罩佩戴为例", 《中国优秀硕士学位论文全文数据库工程科技I辑》, no. 2021, pages 024 - 408 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113420675A (zh) * | 2021-06-25 | 2021-09-21 | 浙江大华技术股份有限公司 | 一种口罩佩戴规范度的检测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112906651B (zh) | 2023-07-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11030464B2 (en) | Privacy processing based on person region depth | |
CN109166156B (zh) | 一种摄像头标定图像的生成方法、移动终端及存储介质 | |
CN110363076B (zh) | 人员信息关联方法、装置及终端设备 | |
US9697415B2 (en) | Recording medium, image processing method, and information terminal | |
CN110321852B (zh) | 一种动作类型识别方法、装置、存储介质及计算机设备 | |
CN108182396A (zh) | 一种自动识别拍照行为的方法及装置 | |
CN110491060B (zh) | 一种机器人及其安全监控方法、装置及存储介质 | |
CN112614085A (zh) | 一种物体检测方法、装置及终端设备 | |
CN111444555B (zh) | 一种测温信息显示方法、装置及终端设备 | |
CN111724496A (zh) | 一种考勤方法、考勤装置及计算机可读存储介质 | |
CN109559336B (zh) | 对象追踪方法、装置及存储介质 | |
CN112084882A (zh) | 一种行为检测方法、装置及计算机可读存储介质 | |
CN109767369A (zh) | 一种考勤统计方法、系统及终端设备 | |
CN111881740A (zh) | 人脸识别方法、装置、电子设备及介质 | |
CN112906651A (zh) | 目标检测方法及装置 | |
CN112504473B (zh) | 火情检测方法、装置、设备及计算机可读存储介质 | |
CN108769521B (zh) | 一种拍照方法、移动终端及计算机可读存储介质 | |
JP6683889B2 (ja) | 画像検索装置 | |
CN109858319A (zh) | 图像处理设备及控制方法和非暂时性计算机可读存储介质 | |
CN112906646A (zh) | 人体姿态的检测方法及装置 | |
CN111083444B (zh) | 一种抓拍方法、装置、电子设备及存储介质 | |
CN109309853A (zh) | 无线信号强度分析系统 | |
CN113128299B (zh) | 人流密度检测方法、装置、终端设备、服务器及存储介质 | |
JP7103156B2 (ja) | 画像データ処理装置、画像データ処理システム、画像データ処理方法、およびプログラム | |
CN108062748A (zh) | 一种图像识别系统及图像识别方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |