CN113223009B - 一种衣着检测系统 - Google Patents

一种衣着检测系统 Download PDF

Info

Publication number
CN113223009B
CN113223009B CN202110414178.0A CN202110414178A CN113223009B CN 113223009 B CN113223009 B CN 113223009B CN 202110414178 A CN202110414178 A CN 202110414178A CN 113223009 B CN113223009 B CN 113223009B
Authority
CN
China
Prior art keywords
image
human body
contour
fingerprint image
module
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.)
Active
Application number
CN202110414178.0A
Other languages
English (en)
Other versions
CN113223009A (zh
Inventor
迟海鹏
张怀东
邢希学
张京军
龚长华
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.)
Beijing Dynaflow Experiment Technology Co Ltd
Original Assignee
Beijing Dynaflow Experiment 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 Beijing Dynaflow Experiment Technology Co Ltd filed Critical Beijing Dynaflow Experiment Technology Co Ltd
Priority to CN202110414178.0A priority Critical patent/CN113223009B/zh
Publication of CN113223009A publication Critical patent/CN113223009A/zh
Application granted granted Critical
Publication of CN113223009B publication Critical patent/CN113223009B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • 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
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • 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
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • 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
    • G06V10/56—Extraction of image or video features relating to colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image

Landscapes

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

Abstract

本发明公开了一种衣着检测系统，包括：人体图像获取模块，用于获取进入所述缓冲间内部的第一人体图像；图像处理模块，用于对所述第一人体图像进行滤波处理，得到第二人体图像，对所述第二人体图像进行轮廓提取，得到目标轮廓图像；特征提取模块，用于对所述轮廓图像进行图像分割处理，得到若干个子轮廓图像，根据每个子轮廓图像的图像特征确定每个图像的特征向量，将所述子轮廓图像的特征向量进行加权求和处理，得到衣着特征；第一控制模块，用于计算所述衣着特征与预设衣着特征的相关度，在确定所述相关度小于预设相关度时，控制所述第一报警模块发出第一报警提示。有益效果：提取到的衣着特征更加的精确，提高最后检测结果的准确性。

Description

一种衣着检测系统
技术领域
本发明涉及图像处理领域，特别涉及一种衣着检测系统。
背景技术
随着经济和科技的不断发展，社会各个领域竞争愈发激烈，许多企业纷纷加大研发力度、建立相关实验室来提高自身的竞争力。细胞室也属于实验室的一个重要分支，在细胞室不仅有需要珍贵的工作设备，还存放着大量的实验细胞样本，在实验过程中实验人员必须穿着实验服，缓冲间室实验人员更换实验服的场所，对缓冲间更衣，戴帽、戴手套的人员进行一次着装确认室必要的，目前，对实验人员的衣着检测结果不够精确。
发明内容
本发明旨在至少一定程度上解决上述技术中的技术问题之一。为此，本发明的目的在于提出了一种衣着检测系统，通过特征提取模块提取到的衣着特征更加的精确，提高最后检测结果的准确性。
一种衣着检测系统，包括：
人体图像获取模块，用于获取进入所述缓冲间内部的第一人体图像；
图像处理模块，与所述人体图像获取模块连接，用于接收所述人体图像获取模块发送的第一人体图像，对所述第一人体图像进行滤波处理，得到第二人体图像，对所述第二人体图像进行轮廓提取，得到目标轮廓图像；
特征提取模块，与所述图像处理模块连接，用于接收所述图像处理模块发送的轮廓图像，对所述轮廓图像进行图像分割处理，得到若干个子轮廓图像，对所述若干个子轮廓图像分别进行特征提取，得到与所述若干个子轮廓图像相对应的图像特征，根据每个子轮廓图像的图像特征确定每个图像的特征向量，将所述子轮廓图像的特征向量进行加权求和处理，得到衣着特征；
第一报警模块；
第一控制模块，分别与所述特征提取模块、第一报警模块连接，用于接收所述特征提取模块发送的衣着特征，计算所述衣着特征与预设衣着特征的相关度，并判断所述相关度是否小于预设相关度，在确定所述相关度小于预设相关度时，控制所述第一报警模块发出第一报警提示。
进一步地，所述图像特征包括边缘特征、颜色特征以及纹理特征。
进一步地，所述对所述轮廓图像进行图像分割处理，包括:
将所述轮廓图像输入预先训练好的关键部位提取模型中，输出所述轮廓图像中包括的人体的关键部位，根据所述关键部位对所述轮廓图像进行图像分割处理；其中，所述关键部位包括额头、左肩、右肩、左手、右手、左腰、右腰、左脚以及右脚。
进一步地，所述的衣着检测系统，还包括：
电子锁，设置在所述缓冲间的房门内侧，用于对所述房门进行锁定/解锁操作；
指纹图像获取模块，设置在所述缓冲间的房门外侧，用于在所述人体进入所述缓冲间前，获取人体的指纹图像；
第二报警模块；
第二控制模块，分别与所述电子锁、指纹图像获取模块、第二报警模块连接，用于：
接收所述指纹图像获取模块发送的指纹图像，将所述指纹图像与若干张预设指纹图像进行匹配，计算得到若干个指纹图像匹配度，筛选出最大的指纹图像匹配度，判断所述最大的指纹图像匹配度是否大于预设指纹图像匹配度，在确定所述最大的指纹图像匹配度大于预设指纹图像匹配度时，控制所述电子锁对所述缓冲间的房门进行解锁操作；
反之，控制所述第二报警模块发出第二报警提示。
进一步地，所述图像处理模块包括：
图像滤波模块，用于获取所述第一人体图像中每个像素点与其相邻像素点的平均像素差值，根据所述平均像素差值得到所述第一人体图像中对应像素点的权重，根据所述第一人体图像中每个像素点的权重与像素值得到每个像素点的滤波系数，根据所述滤波系数对与其相对应的像素点进行滤波处理，根据滤波处理后的像素点生成第二人体图像；
第三控制模块，与所述图像滤波模块连接，用于：
接收所述图像滤波模块发送的第二人体图像，对所述第二人体图像进行图像灰度化处理，基于prewitt算子模板对灰度化处理后的第二人体图像进行卷积锐化处理，得到梯度图像；
对所述梯度图像进行特征提取，提取所述梯度图像中的水平梯度信息及垂直梯度信息，根据所述水平梯度信息及垂直梯度信息计算得到所述梯度图像的结构向量；所述结构向量包括垂直分量和切线分量；
对所述垂直分量进行特征提取，提取所述垂直分量的垂直方向信息，对所述垂直方向信息基于高斯差算法进行计算，得到所述第二人体图像中的边缘像素点；
对所述切线分量进行特征提取，提取所述切线分量的切线方向信息，根据所述切线方向信息对所述第二人体图像中的边缘像素点进行模糊化处理，得到所述第二人体图像的轮廓线，根据所述轮廓线对所述第二人体图像进行图像切割处理，得到待检测轮廓图；
提取所述待检测轮廓图中所有的封闭轮廓，得到若干个子待检测轮廓图，将所述若干个子待检测轮廓图分别与预设人体轮廓库中的人体轮廓图进行匹配，计算得到轮廓图匹配度，筛选轮廓图匹配度大于预设轮廓图匹配度对应的子待检测轮廓图，将所述轮廓图匹配度大于预设轮廓图匹配度对应的子待检测轮廓图作为目标轮廓图。
进一步地，将所述指纹图像与一张预设指纹图像进行匹配，计算得到指纹图像匹配度，包括：
所述指纹图像与所述预设指纹图像中包括的像素点数量相同；
计算所述指纹图像与预设指纹图像的相似系数K，如公式(1)所示：
其中，N为所述指纹图像中包括的像素点数量，也为预设指纹图像中包括的像素点的数量且所述指纹图像与所述预设指纹图像中包括的像素点数量相同；Ai为所述指纹图像中第i个像素点的像素值；为所述指纹图像中包括的像素点的平均像素值；Bi为所述预设指纹图像中第i个像素点的像素值；/>所述预设指纹图像中包括的像素点的平均像素值；ζ1为所述指纹图像的清晰度；ζ2为所述预设指纹图像的清晰度；
根据所述指纹图像与预设指纹图像的相似系数K，计算所述指纹图像与预设指纹图像的指纹图像匹配度S，如公式(2)所示：
其中，M为所述指纹图像中包括的脊线的条数,也为所述预设指纹图像中包括的脊线的条数且所述指纹图像中包括的脊线与所述预设指纹图像中包括的脊线的条数相同；Lj为所述指纹图像中第j条脊线的方向角；Dj为所述预设指纹图像中第j条脊线的方向角；Cj为所述指纹图像中第j条脊线的长度；Gj为所述预设指纹图像中第j条脊线的长度。
进一步地，所述的衣着检测系统，还包括：
区域划分模块，用于获取所述人体图像获取模块所处区域，将所述区域进行区域划分处理，得到第一关键区域以及第二关键区域；
光敏传感器，设置在所述第一关键区域中，用于在所述人体图像获取模块获取进入缓冲间内部的第一人体图像前，获取第一关键区域的第一亮度值；
第二关键区域图像获取模块，设置在正对所述第二关键区域处，用于在所述人体图像获取模块获取进入缓冲间内部的第一人体图像前，获取第二关键区域图像；
第二亮度值获取模块，与所述第二关键区域图像获取模块连接，用于：
接收所述第二关键区域图像获取模块发送的第二关键区域图像，将所述第二关键区域图像中的每个像素点从基色颜色空间转换为色亮分离颜色空间后，获取所述第二关键区域图像中每个像素点的亮度分量信息，根据每个像素点的亮度分量信息，得到所述第二关键区域图像的亮度信息；
对所述第二关键区域图像进行图像灰度化处理，获取图像灰度化处理后的第二关键区域图像中每个像素点的灰度值，计算所述每个像素点与其相邻像素点的灰度差值，计算所述灰度差值相同的相邻像素点的分布概率，根据所述灰度差值以及所述灰度差值相同的相邻像素点的分布概率计算得到所述第二关键区域图像的对比度信息；
根据所述第二关键区域图像的亮度信息及对比度信息，得到所述第二关键区域的第二亮度值；
目标亮度值获取模块，分别与所述光敏传感器、第二亮度值获取模块连接，用于：
接收所述光敏传感器发送的第一亮度值；
接收所述第二亮度值获取模块发送的第二亮度值；
将所述第一亮度值及第二亮度值同时输入预先训练好的目标亮度值获取模型中，输出目标亮度值；
第四控制模块，分别与所述目标亮度值获取模块、人体图像获取模块连接，用于接收所述目标亮度值获取模块发送的目标亮度值，根据所述目标亮度值确定目标曝光参数，将所述目标曝光参数发送至所述人体图像获取模块；
所述人体图像获取模块，还用于接收所述第四控制模块发送的目标曝光参数，并将所述目标曝光参数作为工作时的曝光参数。
进一步地，所述根据所述目标亮度值确定目标曝光参数，包括：
根据所述目标亮度值查询预设目标亮度值-目标曝光参数表，得到与所述目标亮度值相对应的目标曝光参数。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为根据本发明第一实施例的一种衣着检测系统的框图；
图2为根据本发明第二实施例的一种衣着检测系统的框图；
图3为根据本发明第三实施例的一种衣着检测系统的框图。
附图标记
人体图像获取模块1、图像处理模块2、图像滤波模块201、第三控制模块202、特征提取模块3、第一报警模块4、第一控制模块5、光敏传感器6、第二关键区域图像获取模块7、第二亮度值获取模块8、目标亮度值获取模块9、第四控制模块10。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
下面参考图1至图3来描述本发明实施例提出的一种衣着检测系统。
如图1所示，一种衣着检测系统，包括：
人体图像获取模块1，用于获取进入所述缓冲间内部的第一人体图像；
图像处理模块2，与所述人体图像获取模块1连接，用于接收所述人体图像获取模块1发送的第一人体图像，对所述第一人体图像进行滤波处理，得到第二人体图像，对所述第二人体图像进行轮廓提取，得到目标轮廓图像；
特征提取模块3，与所述图像处理模块2连接，用于接收所述图像处理模块2发送的轮廓图像，对所述轮廓图像进行图像分割处理，得到若干个子轮廓图像，对所述若干个子轮廓图像分别进行特征提取，得到与所述若干个子轮廓图像相对应的图像特征，根据每个子轮廓图像的图像特征确定每个图像的特征向量，将所述子轮廓图像的特征向量进行加权求和处理，得到衣着特征；
第一报警模块4；
第一控制模块5，分别与所述特征提取模块3、第一报警模块4连接，用于接收所述特征提取模块3发送的衣着特征，计算所述衣着特征与预设衣着特征的相关度，并判断所述相关度是否小于预设相关度，在确定所述相关度小于预设相关度时，控制所述第一报警模块4发出第一报警提示。
上述方案的工作原理：人体图像获取模块1用于获取进入所述缓冲间内部的第一人体图像；图像处理模块2用于接收所述人体图像获取模块1发送的第一人体图像，对所述第一人体图像进行滤波处理，得到第二人体图像，对所述第二人体图像进行轮廓提取，得到目标轮廓图像；特征提取模块3用于接收所述图像处理模块2发送的轮廓图像，对所述轮廓图像进行图像分割处理，得到若干个子轮廓图像，对所述若干个子轮廓图像分别进行特征提取，得到与所述若干个子轮廓图像相对应的图像特征，根据每个子轮廓图像的图像特征确定每个图像的特征向量，将所述子轮廓图像的特征向量进行加权求和处理，得到衣着特征；所述衣着特征包括颜色要求，衣着长短，是否戴帽子。第一控制模块5，用于接收所述特征提取模块3发送的衣着特征，计算所述衣着特征与预设衣着特征的相关度，并判断所述相关度是否小于预设相关度，在确定所述相关度小于预设相关度时，控制所述第一报警模块4发出第一报警提示。
上述方案的有益效果：缓冲间是换衣服的场所，在细胞间内换实验服装是硬性要求，对缓冲内部人员的衣着精确检测是非常必要的，人体图像获取模块1用于获取进入所述缓冲间内部的第一人体图像；获取第一人体图像是对缓冲间内部人员衣着检测的必要前提；图像处理模块2用于接收所述人体图像获取模块1发送的第一人体图像，对所述第一人体图像进行滤波处理，得到第二人体图像，使得第二人体图像更加的清晰，提高最后检测结果的准确性，对所述第二人体图像进行轮廓提取，得到目标轮廓图像，目标轮廓图像为人体轮廓图；征提取模块用于接收所述图像处理模块2发送的轮廓图像，对所述轮廓图像进行图像分割处理，得到若干个子轮廓图像，对所述若干个子轮廓图像分别进行特征提取，得到与所述若干个子轮廓图像相对应的图像特征，根据每个子轮廓图像的图像特征确定每个图像的特征向量，将所述子轮廓图像的特征向量进行加权求和处理，得到衣着特征，根据对子轮廓图像的特征向量进行加权求和处理后得到的衣着特征更加的精确；第一控制模块5，用于接收所述特征提取模块3发送的衣着特征，计算所述衣着特征与预设衣着特征的相关度，并判断所述相关度是否小于预设相关度，在确定所述相关度小于预设相关度时，控制所述第一报警模块4发出第一报警提示，提醒人体穿衣不规范，及时解决。
根据本发明的一些实施例，所述图像特征包括边缘特征、颜色特征以及纹理特征。
根据本发明的一些实施例，所述对所述轮廓图像进行图像分割处理，包括:
将所述轮廓图像输入预先训练好的关键部位提取模型中，输出所述轮廓图像中包括的人体的关键部位，根据所述关键部位对所述轮廓图像进行图像分割处理；其中，所述关键部位包括额头、左肩、右肩、左手、右手、左腰、右腰、左脚以及右脚。
上述方案的工作原理：将所述轮廓图像输入预先训练好的关键部位提取模型中，输出所述轮廓图像中包括的人体的关键部位，根据所述关键部位对所述轮廓图像进行图像分割处理；其中，所述关键部位包括额头、左肩、右肩、左手、右手、左腰、右腰、左脚以及右脚。所述关键部位提取模型中是通过样本轮廓图像与所述样本轮廓图像对应的关键部位通过训练得到的神经网络模型。
上述方案的有益效果：通过对轮廓图像的关键部位进行提取，减少了检测时间，增加了检测结果的精确性。
根据本发明的一些实施例，所述的衣着检测系统，还包括：
电子锁，设置在所述缓冲间的房门内侧，用于对所述房门进行锁定/解锁操作；
指纹图像获取模块，设置在所述缓冲间的房门外侧，用于在所述人体进入所述缓冲间前，获取人体的指纹图像；
第二报警模块；
第二控制模块，分别与所述电子锁、指纹图像获取模块、第二报警模块连接，用于：
接收所述指纹图像获取模块发送的指纹图像，将所述指纹图像与若干张预设指纹图像进行匹配，计算得到若干个指纹图像匹配度，筛选出最大的指纹图像匹配度，判断所述最大的指纹图像匹配度是否大于预设指纹图像匹配度，在确定所述最大的指纹图像匹配度大于预设指纹图像匹配度时，控制所述电子锁对所述缓冲间的房门进行解锁操作；
反之，控制所述第二报警模块发出第二报警提示。
上述方案的工作原理：电子锁用于对所述房门进行锁定/解锁操作；指纹图像获取模块用于在所述人体进入所述缓冲间前，获取人体的指纹图像；第二控制模块用于接收所述指纹图像获取模块发送的指纹图像，将所述指纹图像与若干张预设指纹图像进行匹配，计算得到若干个指纹图像匹配度，筛选出最大的指纹图像匹配度，判断所述最大的指纹图像匹配度是否大于预设指纹图像匹配度，在确定所述最大的指纹图像匹配度大于预设指纹图像匹配度时，控制所述电子锁对所述缓冲间的房门进行解锁操作；反之，控制所述第二报警模块发出第二报警提示。
上述方案的有益效果：缓冲间作为换实验服的重要场所，对所述缓冲间外门进行锁定是必要的，通过电子锁对所述房门进行锁定/解锁操作，避免被无关人员进入，指纹图像获取模块用于在所述人体进入所述缓冲间前，获取人体的指纹图像；第二控制模块用于接收所述指纹图像获取模块发送的指纹图像，将所述指纹图像与若干张预设指纹图像进行匹配，计算得到若干个指纹图像匹配度，筛选出最大的指纹图像匹配度，判断所述最大的指纹图像匹配度是否大于预设指纹图像匹配度，在确定所述最大的指纹图像匹配度大于预设指纹图像匹配度时，控制所述电子锁对所述缓冲间的房门进行解锁操作；反之，控制所述第二报警模块发出第二报警提示，通过指纹图像控制电子锁的开关状态，增加了缓冲间外门的智能性，提高了缓冲间的安全性，增加了用户的体验感。
如图2所示，根据本发明的一些实施例，所述图像处理模块2包括：
图像滤波模块201，用于获取所述第一人体图像中每个像素点与其相邻像素点的平均像素差值，根据所述平均像素差值得到所述第一人体图像中对应像素点的权重，根据所述第一人体图像中每个像素点的权重与像素值得到每个像素点的滤波系数，根据所述滤波系数对与其相对应的像素点进行滤波处理，根据滤波处理后的像素点生成第二人体图像；
第三控制模块202，与所述图像滤波模块201连接，用于：
接收所述图像滤波模块201发送的第二人体图像，对所述第二人体图像进行图像灰度化处理，基于prewitt算子模板对灰度化处理后的第二人体图像进行卷积锐化处理，得到梯度图像；
对所述梯度图像进行特征提取，提取所述梯度图像中的水平梯度信息及垂直梯度信息，根据所述水平梯度信息及垂直梯度信息计算得到所述梯度图像的结构向量；所述结构向量包括垂直分量和切线分量；
对所述垂直分量进行特征提取，提取所述垂直分量的垂直方向信息，对所述垂直方向信息基于高斯差算法进行计算，得到所述第二人体图像中的边缘像素点；
对所述切线分量进行特征提取，提取所述切线分量的切线方向信息，根据所述切线方向信息对所述第二人体图像中的边缘像素点进行模糊化处理，得到所述第二人体图像的轮廓线，根据所述轮廓线对所述第二人体图像进行图像切割处理，得到待检测轮廓图；
提取所述待检测轮廓图中所有的封闭轮廓，得到若干个子待检测轮廓图，将所述若干个子待检测轮廓图分别与预设人体轮廓库中的人体轮廓图进行匹配，计算得到轮廓图匹配度，筛选轮廓图匹配度大于预设轮廓图匹配度对应的子待检测轮廓图，将所述轮廓图匹配度大于预设轮廓图匹配度对应的子待检测轮廓图作为目标轮廓图。
上述方案的工作原理：图像滤波模块201用于获取所述第一人体图像中每个像素点与其相邻像素点的平均像素差值，根据所述平均像素差值得到所述第一人体图像中对应像素点的权重，根据所述第一人体图像中每个像素点的权重与像素值得到每个像素点的滤波系数，根据所述滤波系数对与其相对应的像素点进行滤波处理，根据滤波处理后的像素点生成第二人体图像；示例的，与像素点A相邻的像素点有像素点B、像素点C、像素点D，分别计算像素点B、像素点C、像素点D与像素点A的像素差值，进而计算出平均像素差值；将像素点A的像素值与平均像素差值的比值作为像素点A的权重；第三控制模块202用于接收所述图像滤波模块201发送的第二人体图像，对所述第二人体图像进行图像灰度化处理，基于prewitt算子模板对灰度化处理后的第二人体图像进行卷积锐化处理，得到梯度图像；Prewitt算子是一种一阶微分算子的边缘检测，利用像素点上下、左右邻点的灰度差，在边缘处达到极值检测边缘，去掉部分伪边缘，对噪声具有平滑作用。其原理是在图像空间利用两个方向模板与图像进行邻域卷积来完成的，这两个方向模板一个检测水平边缘，一个检测垂直边缘。对所述梯度图像进行特征提取，提取所述梯度图像中的水平梯度信息及垂直梯度信息，垂直梯度信息为梯度图像在垂直方向上梯度值的变化信息。根据所述水平梯度信息及垂直梯度信息计算得到所述梯度图像的结构向量；所述结构向量包括垂直分量和切线分量；对所述垂直分量进行特征提取，提取所述垂直分量的垂直方向信息，对所述垂直方向信息基于高斯差算法进行计算，得到所述第二人体图像中的边缘像素点；切线分量的方向为该像素的方向向量，垂直分量为与该像素的方向向量的方向垂直的向量，垂直方向信息为与该像素的方向向量的方向垂直的像素点的梯度信息；对所述切线分量进行特征提取，提取所述切线分量的切线方向信息，根据所述切线方向信息对所述第二人体图像中的边缘像素点进行模糊化处理，得到所述第二人体图像的轮廓线，根据所述轮廓线对所述第二人体图像进行图像切割处理，得到待检测轮廓图；提取所述待检测轮廓图中所有的封闭轮廓，得到若干个子待检测轮廓图，将所述若干个子待检测轮廓图分别与预设人体轮廓库中的人体轮廓图进行匹配，计算得到轮廓图匹配度，筛选轮廓图匹配度大于预设轮廓图匹配度对应的子待检测轮廓图，将所述轮廓图匹配度大于预设轮廓图匹配度对应的子待检测轮廓图作为目标轮廓图。
上述方案的有益效果：对所述第一人体图像进行滤波处理，使得滤波处理后的第二人体图像更加的清晰，提高最后检测结果的精确性，第三控制模块202用于接收所述图像滤波模块201发送的第二人体图像，对所述第二人体图像进行图像灰度化处理，避免图像条带失真，基于prewitt算子模板对灰度化处理后的第二人体图像进行卷积锐化处理，得到梯度图像，便于后续的检测，对所述梯度图像进行特征提取，提取所述梯度图像中的水平梯度信息及垂直梯度信息，根据所述水平梯度信息及垂直梯度信息计算得到所述梯度图像的结构向量；所述结构向量包括垂直分量和切线分量对所述垂直分量进行特征提取，提取所述垂直分量的垂直方向信息，对所述垂直方向信息基于高斯差算法进行计算，得到所述第二人体图像中的边缘像素点；高斯差(DOG，Difference of Gauss)算法为一种图像增强算法。可通过DOG算法将图像中的边缘区域增强(即边缘部分信号增强，图像的其它部分衰减)后提取边缘区域中对应的边缘像素点对所述切线分量进行特征提取，提取所述切线分量的切线方向信息，根据所述切线方向信息对所述第二人体图像中的边缘像素点进行模糊化处理，得到所述第二人体图像的轮廓线，根据所述轮廓线对所述第二人体图像进行图像切割处理，得到待检测轮廓图；提取所述待检测轮廓图中所有的封闭轮廓，得到若干个子待检测轮廓图，将所述若干个子待检测轮廓图分别与预设人体轮廓库中的人体轮廓图进行匹配，计算得到轮廓图匹配度，筛选轮廓图匹配度大于预设轮廓图匹配度对应的子待检测轮廓图，将所述轮廓图匹配度大于预设轮廓图匹配度对应的子待检测轮廓图作为目标轮廓图，使得得到的目标轮廓图更加的精确，便于后续对人体衣着的检测。
根据本发明的一些实施例，将所述指纹图像与一张预设指纹图像进行匹配，计算得到指纹图像匹配度，包括：
所述指纹图像与所述预设指纹图像中包括的像素点数量相同；
计算所述指纹图像与预设指纹图像的相似系数K，如公式(1)所示：
其中，N为所述指纹图像中包括的像素点数量，也为预设指纹图像中包括的像素点的数量且所述指纹图像与所述预设指纹图像中包括的像素点数量相同；Ai为所述指纹图像中第i个像素点的像素值；为所述指纹图像中包括的像素点的平均像素值；Bi为所述预设指纹图像中第i个像素点的像素值；/>所述预设指纹图像中包括的像素点的平均像素值；ζ1为所述指纹图像的清晰度；ζ2为所述预设指纹图像的清晰度；
根据所述指纹图像与预设指纹图像的相似系数K，计算所述指纹图像与预设指纹图像的指纹图像匹配度S，如公式(2)所示：
其中，M为所述指纹图像中包括的脊线的条数,也为所述预设指纹图像中包括的脊线的条数且所述指纹图像中包括的脊线与所述预设指纹图像中包括的脊线的条数相同；Lj为所述指纹图像中第j条脊线的方向角；Dj为所述预设指纹图像中第j条脊线的方向角；Cj为所述指纹图像中第j条脊线的长度；Gj为所述预设指纹图像中第j条脊线的长度。
上述方案的有益效果：在计算所述指纹图像的匹配度时，考虑所述指纹图像中第j条脊线的方向角、所述预设指纹图像中第v条脊线的方向角、所述指纹图像中第j条脊线的长度、所述预设指纹图像中第v条脊线的长度、所述指纹图像的清晰度、所述预设指纹图像的清晰度等因素，使得计算出来的指纹图像匹配度更加的精确，提高判断所述指纹图像匹配度与预设指纹图像匹配度大小的准确性，便于在所述指纹图像匹配度大于预设指纹图像匹配度时，控制所述电子锁进行解锁操作，小于等于预设指纹图像匹配度时，控制所述第二报警模块发出第二报警提示，提醒人体擦拭手指重新尝试。
如图3所示，根据本发明的一些实施例，所述的衣着检测系统，还包括：
区域划分模块，用于获取所述人体图像获取模块1所处区域，将所述区域进行区域划分处理，得到第一关键区域以及第二关键区域；
光敏传感器6，设置在所述第一关键区域中，用于在所述人体图像获取模块1获取进入缓冲间内部的第一人体图像前，获取第一关键区域的第一亮度值；
第二关键区域图像获取模块7，设置在正对所述第二关键区域处，用于在所述人体图像获取模块1获取进入缓冲间内部的第一人体图像前，获取第二关键区域图像；
第二亮度值获取模块8，与所述第二关键区域图像获取模块7连接，用于：
接收所述第二关键区域图像获取模块7发送的第二关键区域图像，将所述第二关键区域图像中的每个像素点从基色颜色空间转换为色亮分离颜色空间后，获取所述第二关键区域图像中每个像素点的亮度分量信息，根据每个像素点的亮度分量信息，得到所述第二关键区域图像的亮度信息；
对所述第二关键区域图像进行图像灰度化处理，获取图像灰度化处理后的第二关键区域图像中每个像素点的灰度值，计算所述每个像素点与其相邻像素点的灰度差值，计算所述灰度差值相同的相邻像素点的分布概率，根据所述灰度差值以及所述灰度差值相同的相邻像素点的分布概率计算得到所述第二关键区域图像的对比度信息；
根据所述第二关键区域图像的亮度信息及对比度信息，得到所述第二关键区域的第二亮度值；
目标亮度值获取模块9，分别与所述光敏传感器6、第二亮度值获取模块8连接，用于：
接收所述光敏传感器6发送的第一亮度值；
接收所述第二亮度值获取模块8发送的第二亮度值；
将所述第一亮度值及第二亮度值同时输入预先训练好的目标亮度值获取模型中，输出目标亮度值；
第四控制模块10，分别与所述目标亮度值获取模块9、人体图像获取模块1连接，用于接收所述目标亮度值获取模块9发送的目标亮度值，根据所述目标亮度值确定目标曝光参数，将所述目标曝光参数发送至所述人体图像获取模块1；
所述人体图像获取模块1，还用于接收所述第四控制模块10发送的目标曝光参数，并将所述目标曝光参数作为工作时的曝光参数。
上述方案的工作原理：区域划分模块用于获取所述人体图像获取模块1所处区域，将所述区域进行区域划分处理，得到第一关键区域以及第二关键区域；光敏传感器6用于在所述人体图像获取模块1获取进入缓冲间内部的第一人体图像前，获取第一关键区域的第一亮度值；第二关键区域图像获取模块7用于在所述人体图像获取模块1获取进入缓冲间内部的第一人体图像前，获取第二关键区域图像；第二亮度值获取模块8用于接收所述第二关键区域图像获取模块7发送的第二关键区域图像，将所述第二关键区域图像中的每个像素点从基色颜色空间转换为色亮分离颜色空间后，获取所述第二关键区域图像中每个像素点的亮度分量信息，根据每个像素点的亮度分量信息，得到所述第二关键区域图像的亮度信息；对所述第二关键区域图像进行图像灰度化处理，获取图像灰度化处理后的第二关键区域图像中每个像素点的灰度值，计算所述每个像素点与其相邻像素点的灰度差值，计算所述灰度差值相同的相邻像素点的分布概率，根据所述灰度差值以及所述灰度差值相同的相邻像素点的分布概率计算得到所述第二关键区域图像的对比度信息；根据所述第二关键区域图像的亮度信息及对比度信息，得到所述第二关键区域的第二亮度值；目标亮度值获取模块9，分别与所述光敏传感器6、第二亮度值获取模块8连接，用于：接收所述光敏传感器6发送的第一亮度值；接收所述第二亮度值获取模块8发送的第二亮度值；将所述第一亮度值及第二亮度值同时输入预先训练好的目标亮度值获取模型中，输出目标亮度值；第四控制模块10，分别与所述目标亮度值获取模块9、人体图像获取模块1连接，用于接收所述目标亮度值获取模块9发送的目标亮度值，根据所述目标亮度值确定目标曝光参数，将所述目标曝光参数发送至所述人体图像获取模块1；所述人体图像获取模块1，还用于接收所述第四控制模块10发送的目标曝光参数，并将所述目标曝光参数作为工作时的曝光参数。
上述方案的有益效果：人体图像获取模块1的曝光参数决定着第一人体图像的质量，不同的环境亮度对应着不同的曝光参数，因此，检测所述人体图像获取模块1所处区域的亮度值，进而调整人体图像获取模块1的曝光参数是非常必要的，区域划分模块用于获取所述人体图像获取模块1所处区域，将所述区域进行区域划分处理，得到第一关键区域以及第二关键区域，对两个关键区域分别进行亮度检测，提高最后检测结果的精确性，光敏传感器6于在所述人体图像获取模块1获取进入缓冲间内部的第一人体图像前，获取第一关键区域的第一亮度值，第二关键区域图像获取模块7用于在所述人体图像获取模块1获取进入缓冲间内部的第一人体图像前，获取第二关键区域图像；第二亮度值获取模块8用于接收所述第二关键区域图像获取模块7发送的第二关键区域图像，将所述第二关键区域图像中的每个像素点从基色颜色空间转换为色亮分离颜色空间后，获取所述第二关键区域图像中每个像素点的亮度分量信息，基色颜色空间为RGB，色亮分离颜色空间为YUV,亮度分量信息为YUV中的Y，根据每个像素点的亮度分量信息，得到所述第二关键区域图像的亮度信息；对所述第二关键区域图像进行图像灰度化处理，获取图像灰度化处理后的第二关键区域图像中每个像素点的灰度值，计算所述每个像素点与其相邻像素点的灰度差值，计算所述灰度差值相同的相邻像素点的分布概率，根据所述灰度差值以及所述灰度差值相同的相邻像素点的分布概率计算得到所述第二关键区域图像的对比度信息；根据所述第二关键区域图像的亮度信息及对比度信息，得到所述第二关键区域的第二亮度值；根据所述亮度信息及对比度信息计算出来的第二亮度值更加的准确，目标亮度值获取模块9用于接收所述光敏传感器6发送的第一亮度值；接收所述第二亮度值获取模块8发送的第二亮度值；将所述第一亮度值及第二亮度值同时输入预先训练好的目标亮度值获取模型中，输出目标亮度值；目标亮度值为所述人体图像获取模块1所在区域的水平亮度值，即最精确的亮度值，第四控制模块10用于接收所述目标亮度值获取模块9发送的目标亮度值，根据所述目标亮度值确定目标曝光参数，将所述目标曝光参数发送至所述人体图像获取模块1；所述人体图像获取模块1，还用于接收所述第四控制模块10发送的目标曝光参数，并将所述目标曝光参数作为工作时的曝光参数，对所述人体图像获取模块1的曝光参数实时的调整，保证拍摄的第一人体图像的质量，进而保证最后对人体衣着检测结果的精确性。
根据本发明的一些实施例，所述根据所述目标亮度值确定目标曝光参数，包括：
根据所述目标亮度值查询预设目标亮度值-目标曝光参数表，得到与所述目标亮度值相对应的目标曝光参数。
上述方案的有益效果：根据预设目标亮度值-目标曝光参数表，得到的目标曝光参数更加的精确。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (7)

1.一种衣着检测系统，应用于缓冲间，其特征在于，包括：
人体图像获取模块，用于获取进入所述缓冲间内部的第一人体图像；
图像处理模块，与所述人体图像获取模块连接，用于接收所述人体图像获取模块发送的第一人体图像，对所述第一人体图像进行滤波处理，得到第二人体图像，对所述第二人体图像进行轮廓提取，得到目标轮廓图像；
特征提取模块，与所述图像处理模块连接，用于接收所述图像处理模块发送的轮廓图像，对所述轮廓图像进行图像分割处理，得到若干个子轮廓图像，对所述若干个子轮廓图像分别进行特征提取，得到与所述若干个子轮廓图像相对应的图像特征，根据每个子轮廓图像的图像特征确定每个图像的特征向量，将所述子轮廓图像的特征向量进行加权求和处理，得到衣着特征；
第一报警模块；
第一控制模块，分别与所述特征提取模块、第一报警模块连接，用于接收所述特征提取模块发送的衣着特征，计算所述衣着特征与预设衣着特征的相关度，并判断所述相关度是否小于预设相关度，在确定所述相关度小于预设相关度时，控制所述第一报警模块发出第一报警提示；
其中，图像处理模块包括：
图像滤波模块，用于获取所述第一人体图像中每个像素点与其相邻像素点的平均像素差值，根据所述平均像素差值得到所述第一人体图像中对应像素点的权重，根据所述第一人体图像中每个像素点的权重与像素值得到每个像素点的滤波系数，根据所述滤波系数对与其相对应的像素点进行滤波处理，根据滤波处理后的像素点生成第二人体图像；
第三控制模块，与所述图像滤波模块连接，用于：
接收所述图像滤波模块发送的第二人体图像，对所述第二人体图像进行图像灰度化处理，基于prewitt算子模板对灰度化处理后的第二人体图像进行卷积锐化处理，得到梯度图像；
对所述梯度图像进行特征提取，提取所述梯度图像中的水平梯度信息及垂直梯度信息，根据所述水平梯度信息及垂直梯度信息计算得到所述梯度图像的结构向量；所述结构向量包括垂直分量和切线分量；
对所述垂直分量进行特征提取，提取所述垂直分量的垂直方向信息，对所述垂直方向信息基于高斯差算法进行计算，得到所述第二人体图像中的边缘像素点；
对所述切线分量进行特征提取，提取所述切线分量的切线方向信息，根据所述切线方向信息对所述第二人体图像中的边缘像素点进行模糊化处理，得到所述第二人体图像的轮廓线，根据所述轮廓线对所述第二人体图像进行图像切割处理，得到待检测轮廓图；
提取所述待检测轮廓图中所有的封闭轮廓，得到若干个子待检测轮廓图，将所述若干个子待检测轮廓图分别与预设人体轮廓库中的人体轮廓图进行匹配，计算得到轮廓图匹配度，筛选轮廓图匹配度大于预设轮廓图匹配度对应的子待检测轮廓图，将所述轮廓图匹配度大于预设轮廓图匹配度对应的子待检测轮廓图作为目标轮廓图。
2.根据权利要求1所述的衣着检测系统，其特征在于，所述图像特征包括边缘特征、颜色特征以及纹理特征。
3.根据权利要求1所述的衣着检测系统，其特征在于，所述对所述轮廓图像进行图像分割处理，包括:
将所述轮廓图像输入预先训练好的关键部位提取模型中，输出所述轮廓图像中包括的人体的关键部位，根据所述关键部位对所述轮廓图像进行图像分割处理；其中，所述关键部位包括额头、左肩、右肩、左手、右手、左腰、右腰、左脚以及右脚。
4.根据权利要求1所述的衣着检测系统，其特征在于，还包括：
电子锁，设置在所述缓冲间的房门内侧，用于对所述房门进行锁定/解锁操作；
指纹图像获取模块，设置在所述缓冲间的房门外侧，用于在所述人体进入所述缓冲间前，获取人体的指纹图像；
第二报警模块；
第二控制模块，分别与所述电子锁、指纹图像获取模块、第二报警模块连接，用于：
接收所述指纹图像获取模块发送的指纹图像，将所述指纹图像与若干张预设指纹图像进行匹配，计算得到若干个指纹图像匹配度，筛选出最大的指纹图像匹配度，判断所述最大的指纹图像匹配度是否大于预设指纹图像匹配度，在确定所述最大的指纹图像匹配度大于预设指纹图像匹配度时，控制所述电子锁对所述缓冲间的房门进行解锁操作；
反之，控制所述第二报警模块发出第二报警提示。
5.根据权利要求4所述的衣着检测系统，其特征在于，将所述指纹图像与一张预设指纹图像进行匹配，计算得到指纹图像匹配度，包括：
所述指纹图像与所述预设指纹图像中包括的像素点数量相同；
计算所述指纹图像与预设指纹图像的相似系数K，如公式(1)所示：
其中，N为所述指纹图像中包括的像素点数量，也为预设指纹图像中包括的像素点的数量且所述指纹图像与所述预设指纹图像中包括的像素点数量相同；Ai为所述指纹图像中第i个像素点的像素值；为所述指纹图像中包括的像素点的平均像素值；Bi为所述预设指纹图像中第i个像素点的像素值；/>所述预设指纹图像中包括的像素点的平均像素值；ζ1为所述指纹图像的清晰度；ζ2为所述预设指纹图像的清晰度；
根据所述指纹图像与预设指纹图像的相似系数K，计算所述指纹图像与预设指纹图像的指纹图像匹配度S，如公式(2)所示：
其中，M为所述指纹图像中包括的脊线的条数,也为所述预设指纹图像中包括的脊线的条数且所述指纹图像中包括的脊线与所述预设指纹图像中包括的脊线的条数相同；Lj为所述指纹图像中第j条脊线的方向角；Dj为所述预设指纹图像中第j条脊线的方向角；Cj为所述指纹图像中第j条脊线的长度；Gj为所述预设指纹图像中第j条脊线的长度。
6.根据权利要求1所述的衣着检测系统，其特征在于，还包括：
区域划分模块，用于获取所述人体图像获取模块所处区域，将所述区域进行区域划分处理，得到第一关键区域以及第二关键区域；
光敏传感器，设置在所述第一关键区域中，用于在所述人体图像获取模块获取进入缓冲间内部的第一人体图像前，获取第一关键区域的第一亮度值；
第二关键区域图像获取模块，设置在正对所述第二关键区域处，用于在所述人体图像获取模块获取进入缓冲间内部的第一人体图像前，获取第二关键区域图像；
第二亮度值获取模块，与所述第二关键区域图像获取模块连接，用于：
接收所述第二关键区域图像获取模块发送的第二关键区域图像，将所述第二关键区域图像中的每个像素点从基色颜色空间转换为色亮分离颜色空间后，获取所述第二关键区域图像中每个像素点的亮度分量信息，根据每个像素点的亮度分量信息，得到所述第二关键区域图像的亮度信息；
对所述第二关键区域图像进行图像灰度化处理，获取图像灰度化处理后的第二关键区域图像中每个像素点的灰度值，计算所述每个像素点与其相邻像素点的灰度差值，计算所述灰度差值相同的相邻像素点的分布概率，根据所述灰度差值以及所述灰度差值相同的相邻像素点的分布概率计算得到所述第二关键区域图像的对比度信息；
根据所述第二关键区域图像的亮度信息及对比度信息，得到所述第二关键区域的第二亮度值；
目标亮度值获取模块，分别与所述光敏传感器、第二亮度值获取模块连接，用于：
接收所述光敏传感器发送的第一亮度值；
接收所述第二亮度值获取模块发送的第二亮度值；
将所述第一亮度值及第二亮度值同时输入预先训练好的目标亮度值获取模型中，输出目标亮度值；
第四控制模块，分别与所述目标亮度值获取模块、人体图像获取模块连接，用于接收所述目标亮度值获取模块发送的目标亮度值，根据所述目标亮度值确定目标曝光参数，将所述目标曝光参数发送至所述人体图像获取模块；
所述人体图像获取模块，还用于接收所述第四控制模块发送的目标曝光参数，并将所述目标曝光参数作为工作时的曝光参数。
7.根据权利要求6所述的衣着检测系统，其特征在于，所述根据所述目标亮度值确定目标曝光参数，包括：
根据所述目标亮度值查询预设目标亮度值-目标曝光参数表，得到与所述目标亮度值相对应的目标曝光参数。
CN202110414178.0A 2021-04-16 2021-04-16 一种衣着检测系统 Active CN113223009B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110414178.0A CN113223009B (zh) 2021-04-16 2021-04-16 一种衣着检测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110414178.0A CN113223009B (zh) 2021-04-16 2021-04-16 一种衣着检测系统

Publications (2)

Publication Number Publication Date
CN113223009A CN113223009A (zh) 2021-08-06
CN113223009B true CN113223009B (zh) 2023-10-17

Family

ID=77087615

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110414178.0A Active CN113223009B (zh) 2021-04-16 2021-04-16 一种衣着检测系统

Country Status (1)

Country Link
CN (1) CN113223009B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113709519B (zh) * 2021-08-27 2023-11-17 上海掌门科技有限公司 一种用于确定直播遮挡区域的方法与设备
CN113756059B (zh) * 2021-09-29 2023-09-29 四川虹美智能科技有限公司 物联网安全洗衣机系统
CN114387450A (zh) * 2022-01-11 2022-04-22 平安科技（深圳）有限公司 图片特征提取方法、装置、存储介质及计算机设备
CN114550331A (zh) * 2022-03-01 2022-05-27 江苏忠江智能科技有限公司 一种实验室安全系统及其控制方法
CN114758363B (zh) * 2022-06-16 2022-08-19 四川金信石信息技术有限公司 一种基于深度学习的绝缘手套佩戴检测方法和系统
CN116045480A (zh) * 2022-12-23 2023-05-02 珠海格力电器股份有限公司 空调控制方法、装置、存储介质及电子设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102521565A (zh) * 2011-11-23 2012-06-27 浙江晨鹰科技有限公司 低分辨率视频的服装识别方法及系统
CN107578035A (zh) * 2017-09-30 2018-01-12 深圳市颐通科技有限公司 基于超像素‑多色彩空间的人体轮廓提取方法
CN109035293A (zh) * 2018-05-22 2018-12-18 安徽大学 适用于视频图像中显著人体实例分割的方法
CN110706235A (zh) * 2019-08-30 2020-01-17 华南农业大学 一种基于双级级联分割的远红外行人检测方法
CN111080663A (zh) * 2019-12-30 2020-04-28 广西科技大学 一种基于动态感受野的仿生型轮廓检测方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010073432A1 (ja) * 2008-12-24 2010-07-01 株式会社ソニー・コンピュータエンタテインメント 画像処理装置および画像処理方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102521565A (zh) * 2011-11-23 2012-06-27 浙江晨鹰科技有限公司 低分辨率视频的服装识别方法及系统
CN107578035A (zh) * 2017-09-30 2018-01-12 深圳市颐通科技有限公司 基于超像素‑多色彩空间的人体轮廓提取方法
CN109035293A (zh) * 2018-05-22 2018-12-18 安徽大学 适用于视频图像中显著人体实例分割的方法
CN110706235A (zh) * 2019-08-30 2020-01-17 华南农业大学 一种基于双级级联分割的远红外行人检测方法
CN111080663A (zh) * 2019-12-30 2020-04-28 广西科技大学 一种基于动态感受野的仿生型轮廓检测方法

Also Published As

Publication number Publication date
CN113223009A (zh) 2021-08-06

Similar Documents

Publication Publication Date Title
CN113223009B (zh) 一种衣着检测系统
CN110084156B (zh) 一种步态特征提取方法及基于步态特征的行人身份识别方法
CN103632132B (zh) 一种基于肤色分割和模板匹配的人脸检测与识别方法
EP1260935B1 (en) Face detection device, face pose detection device, partial image extraction device, and methods for said devices
CN105956578A (zh) 一种基于身份证件信息的人脸验证方法
Shrenika et al. Sign language recognition using template matching technique
CN110765857A (zh) 指纹识别方法、芯片及电子装置
CN107067389A (zh) 一种基于Sobel边缘检测与图像块亮度特征的图像篡改盲取证方法
CN112396011B (zh) 一种基于视频图像心率检测及活体检测的人脸识别系统
CN111783629A (zh) 一种面向对抗样本攻击的人脸活体检测方法及装置
CN106326834A (zh) 人体性别自动识别方法及装置
CN108171157A (zh) 基于多尺度局部块LBP直方图特征与Co-HOG特征相结合的人眼检测算法
CN112101260B (zh) 一种作业人员安全带识别方法、装置、设备和存储介质
CN108875623A (zh) 一种基于图像特征融合对比技术的人脸识别方法
CN107784263A (zh) 基于改进加速鲁棒特征的平面旋转人脸检测的方法
CN112633217A (zh) 基于三维眼球模型计算视线方向的人脸识别活体检测方法
Basthomi et al. Implementation of RFID attendance system with face detection using validation viola-jones and local binary pattern histogram method
Achban et al. Wrist hand vein recognition using local line binary pattern (LLBP)
Wang et al. Infrared and visible image fusion based on Laplacian pyramid and generative adversarial network.
CN113033305A (zh) 活体检测方法、装置、终端设备和存储介质
Fathy et al. Benchmarking of pre-processing methods employed in facial image analysis
CN111753710A (zh) 一种应用于物流配送的细分类神经网络人脸识别方法
Fang et al. Construction algorithm for adaptive morphological structuring elements based on the neighborhood gray difference changing vector field and relative density
KR20170087755A (ko) 퍼지 추론 기반 지정맥 영상 추출 방법 및 그 장치
Odaudu et al. Sequential feature selection using hybridized differential evolution algorithm and haar cascade for object detection framework

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