CN114387640A - 工作服识别方法、装置、电子设备及存储介质 - Google Patents

Abstract

本发明提供了一种工作服识别方法、装置、电子设备及存储介质，该方法包括：对待识别图像进行人脸检测和/或人体检测，得到目标检测框；根据所述目标检测框确定工作服所在区域；对所述工作服所在区域内的像素值进行统计，确定所述像素值在预设像素值范围内的像素点数所占的比例，作为第一比例；若所述第一比例大于或等于第一比例阈值，则对所述工作服所在区域进行工作服标志检测；若所述工作服所在区域包括目标工作服标志，则确定工作服识别成功。本发明通过对像素值的判断和工作服标志的检测，实现了对工作服的自动识别，相比于人工审核，提高了工作服识别效率，降低了识别成本。

Description

工作服识别方法、装置、电子设备及存储介质

技术领域

本发明涉及图像识别技术领域，尤其涉及一种工作服识别方法、装置、电子设备及存储介质。

背景技术

随着我国经济迅猛发展，人民生活水平迅速提高，对提高生活质量和家政服务产生了巨大需求，由此家政服务行业得到迅猛发展。家庭服务业的发展事关每个家庭，家庭服务业与互联网的融合，有助于提升行业发展速度和家政人员服务效率。为了打造科学的家政运营管理模式，家政服务平台需要对上门服务的人员进行工作服识别，以便核实人员身份，提升服务质量。

现有技术中，在进行工作服识别时，是通过家政服务人员上传个人自拍照片，家政服务平台通过运营审核人员对照片进行人工审核。人工审核存在一定的时间成本和人力成本，并不能满足于当前的审核需求。

发明内容

本发明实施例提供一种工作服识别方法、装置、电子设备及存储介质，有助于提高工作服识别效率，降低成本。

第一方面，本发明实施例提供了一种工作服识别方法，包括：

对待识别图像进行人脸检测和/或人体检测，得到目标检测框；

根据所述目标检测框确定工作服所在区域；

对所述工作服所在区域内的像素值进行统计，确定所述像素值在预设像素值范围内的像素点数所占的比例，作为第一比例；

若所述第一比例大于或等于第一比例阈值，则对所述工作服所在区域进行工作服标志检测；

若所述工作服所在区域包括目标工作服标志，则确定工作服识别成功。

第二方面，本发明实施例提供了一种工作服识别装置，包括：

图像检测模块，用于对待识别图像进行人脸检测和/或人体检测，得到目标检测框；

工作服区域确定模块，用于根据所述目标检测框确定工作服所在区域；

像素值统计模块，用于对所述工作服所在区域内的像素值进行统计，确定所述像素值在预设像素值范围内的像素点数所占的比例，作为第一比例；

标志检测模块，用于若所述第一比例大于或等于第一比例阈值，则对所述工作服所在区域进行工作服标志检测；

识别结果确定模块，用于若所述工作服所在区域包括目标工作服标志，则确定工作服识别成功。

第三方面，本发明实施例提供了一种电子设备，包括：处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如第一方面所述的工作服识别方法的步骤。

第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的工作服识别方法的步骤。

本发明实施例提供的工作服识别方法、装置、电子设备及存储介质，通过对待识别图像进行人脸检测和/或人体检测，得到目标检测框，根据目标检测框确定工作服所在区域，对工作服所在区域内的像素值进行统计，确定像素值在预设像素值范围内的像素点数所占的第一比例，若第一比例大于或等于第一比例阈值，则确定工作服所在区域进行工作服标志检测，如果工作服所在区域包括目标工作服标志，则确定工作服识别成功，在确定工作服所在区域后，通过对像素值的判断和工作服标志的检测，实现了对工作服的自动识别，相比于人工审核，提高了工作服识别效率，降低了识别成本。

附图说明

图1是本发明实施例提供的一种工作服识别方法的流程图；

图2是本发明实施例提供的另一种工作服识别方法的流程图；

图3是本发明实施例中第二比例小于或等于第二比例阈值时确定的目标检测框和工作服所在区域的示意图；

图4是本发明实施例中第二比例大于或等于第三比例阈值时确定的目标检测框和工作服所在区域的示意图；

图5是本发明实施例提供的另一种工作服识别方法的流程图；

图6是本发明实施例提供的一种工作服识别装置的结构示意图。

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，所描述的实施例是本发明一部分实施例，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。

图1是本发明实施例提供的一种工作服识别方法的流程图，该工作服识别方法可以由服务器或计算机执行，如图1所示，该工作服识别方法包括：

步骤101，对待识别图像进行人脸检测和/或人体检测，得到目标检测框。

家政服务人员或其他服务人员需要进行工作服识别时，可以将摄像头对准要识别工作服的人员进行拍照，并将拍摄到的照片上传服务器，服务器接收到的照片为待识别图像。对待识别图像进行人脸检测和/或人体检测，以确定待识别图像是否为人像照片，若通过检测得到了包括人脸或人体的目标检测框，则确定待识别图像为人像照片，可以进行后续的工作服识别，若通过检测确定了待识别图像不包括人脸和人体，则确定待识别图像不是人像照片，不再执行后续的检测步骤。

步骤102，根据所述目标检测框确定工作服所在区域。

其中，所述工作服所在区域一般是包括上衣所在区域的区域。

在目标检测框为人脸检测框时，可以基于人脸与上身的关系，确定目标检测框下面一定位置范围内的区域为工作服所在区域。在目标检测框为人体检测框时，可以将人体检测框确定为工作服所在区域，也可以基于人体与上身的关系，从人体检测框中截取出上衣区域，将截取出的上衣区域确定为工作服所在区域。

步骤103，对所述工作服所在区域内的像素值进行统计，确定所述像素值在预设像素值范围内的像素点数所占的比例，作为第一比例。

其中，预设像素值范围是预设颜色所对应的像素值范围，例如，预设颜色可以是绿色、青色、黄色等。像素值可以是以HSV颜色空间的像素值，便于按照颜色对像素值进行统计。HSV(Hue,Saturation,Value)是根据颜色的直观特性表示的一种颜色空间,也称六角锥体模型(Hexcone Model)。

在工作服所在区域内的像素值以RGB表示时，将RGB表示的像素值转换为HSV像素值，从而可以按照颜色对工作服所在区域内的像素值进行统计，统计像素值在预设像素值内的像素点数，并确定该像素点数与工作服所在区域内的总像素点数的比例，将像素值在预设像素值范围内的像素点数所占的比例确定为第一比例。

步骤104，若所述第一比例大于或等于第一比例阈值，则对所述工作服所在区域进行工作服标志检测。

在工作服所在区域内，如果像素值在预设像素值范围内的像素点数所占的第一比例大于或等于第一比例阈值，则确定工作服所在区域中包括工作服颜色，这时为了判断工作服所在区域是否为工作服，可以进一步对工作服所在区域进行工作服标志检测，得到工作服标志检测结果，以确定工作服所在区域中是否包括目标工作服标志。可以通过目标检测模型对工作服所在区域进行工作服标志识别。其中，第一比例阈值可以根据需求设置，例如可以是0.3等。

如果像素值在预设像素值范围内的像素点数所占的第一比例小于第一比例阈值，则确定待识别图像中不包括工作服，即确定工作服识别失败。

在本发明的一个实施例中，所述对所述工作服所在区域进行工作服标志检测，包括：将所述工作服所在区域输入工作服标志检测模型，通过所述工作服标志检测模型对所述工作服所在区域进行工作服标志检测，得到工作服标志检测结果，所述工作服标志检测模型为深度学习模型。

其中，所述工作服标志检测模型可以是目标检测模型，是基于大量包括目标工作服标志标注的样本图像进行训练得到的，可以检测一种目标工作服标志，也可以检测多种目标工作服标志。

在确定工作服所在区域后，可以从待识别图像中截取所述工作服所在区域，将截取到的工作服所在区域输入工作服标志检测模型，通过工作服标志检测模型对工作服所在区域进行工作服标志检测，获取工作服标志检测模型的输出，得到工作服标志检测结果。在工作服标志检测模型可以检测多种目标工作服标志时，工作服标志检测结果中可以包括具体每一种目标工作服标志所对应的置信度。

步骤105，若所述工作服所在区域包括目标工作服标志，则确定工作服识别成功。

根据工作服标志检测结果确定工作服所在区域是否包括目标工作服标志，如果工作服所在区域中目标工作服标志的置信度大于或等于置信度阈值，则确定工作服所在区域包括目标工作服标志，如果工作服所在区域中目标工作服标志的置信度小于置信度阈值，则确定工作服所在区域不包括目标工作服标志。

如果工作服所在区域包括目标工作服标志，则确定工作服识别成功，如果工作服所在区域不包括目标工作服标志，则确定工作服识别失败。

本实施例提供的工作服识别方法，通过对待识别图像进行人脸检测和/或人体检测，得到目标检测框，根据目标检测框确定工作服所在区域，对工作服所在区域内的像素值进行统计，确定像素值在预设像素值范围内的像素点数所占的第一比例，若第一比例大于或等于第一比例阈值，则确定工作服所在区域进行工作服标志检测，如果工作服所在区域包括目标工作服标志，则确定工作服识别成功，在确定工作服所在区域后，通过对像素值的判断和工作服标志的检测，实现了对工作服的自动识别，相比于人工审核，提高了工作服识别效率，降低了识别成本。

图2是本发明实施例提供的另一种工作服识别方法的流程图，该工作服识别方法可以由服务器或计算机执行，如图2所示，该工作服识别方法包括：

步骤201，对所述待识别图像进行人脸检测，将人脸检测框确定为所述目标检测框。

在获取到待识别图像后，通过人脸检测器对待识别图像进行人脸检测，确定待识别图像中是否包括人脸，在待识别图像中包括人脸时，通过人脸检测可以得到人脸检测框，可以遵循最大值原则，对检测到的人脸检测框进行选取，选取人脸面积最大的人脸检测框，并将选取到的人脸检测框确定为目标检测框。

步骤202，确定所述目标检测框在所述待识别图像中所占的比例，作为第二比例。

可以计算目标检测框的面积，并计算待识别图像的面积，计算目标检测框的面积与待识别图像的面积的比例，将该比例确定为第二比例；或者，还可以计算目标检测框的像素点数，并计算待识别图像的像素点数，确定目标检测框的像素点数与待识别图像的像素点数的比例，将该比例确定为第二比例。

步骤203，根据所述第二比例和所述目标检测框，确定工作服所在区域。

根据第二比例来确定待识别图像为大头照还是全身照，进而根据目标检测框坐标的相对位置采取不同的方式，来确定工作服所在区域。工作服所在区域，一般是指上衣所在区域。

在本发明的一个实施例中，所述根据所述第二比例和所述目标检测框，确定工作服所在区域，包括：

若所述第二比例小于或等于第二比例阈值，则根据所述目标检测框的下边界和高度确定所述工作服所在区域的上边界，根据所述上边界和所述高度确定所述工作服所在区域的下边界，根据所述目标检测框的左边界和宽度确定所述工作服所在区域的左边界，并根据所述目标检测框的右边界和所述宽度确定所述工作服所在区域的右边界；

若所述第二比例大于或等于第三比例阈值，则根据所述目标检测框的下边界和高度确定所述工作服所在区域的上边界，根据所述待识别图像的高度确定所述工作服所在区域的下边界，根据所述目标检测框的左边界和宽度确定所述工作服所在区域的左边界，并根据所述目标检测框的右边界和所述宽度确定所述工作服所在区域的右边界；

其中，所述第二比例阈值小于所述第三比例阈值。

如果第二比例小于或等于第二比例阈值，可以确定待识别图像为全身照，如图3所示，这时可以根据目标检测框1的下边界和高度，确定工作服所在区域2的上边界，确定的工作服所在区域2的上边界为y_up＝y_face_bottom-1/8*H_m，其中，y_up为工作服所在区域的上边界，y_face_bottom为目标检测框的下边界，H_m为目标检测框的高度；根据工作服所在区域2的上边界和目标检测框1的高度，确定工作服所在区域2的下边界，确定的工作服所在区域2的下边界为y_bottom＝y_up+2*H_m，其中，y_bottom为工作服所在区域的下边界；根据目标检测框1的左边界和目标检测框1的宽度，确定工作服所在区域2的左边界，确定的工作服所在区域2的左边界为x_left＝x_face_left-W_m/2，其中，x_1eft为工作服所在区域的左边界，x_face_left为目标检测框的左边界，W_m为目标检测框的宽度；根据目标检测框1的右边界和目标检测框1的宽度确定工作服所在区域2的右边界，确定的工作服所在区域2的右边界为x_right＝x_face_right+W_m/2，其中，x_right为工作服所在区域的右边界，x_face_right为目标检测框的右边界。其中，第二比例阈值例如可以是0.1。

如果第二比例大于或等于第三比例阈值，可以确定待识别图像为大头照，如图4所示，这时可以根据目标检测框1的下边界和目标检测框1的高度，确定工作服所在区域2的上边界，确定的工作服所在区域2的上边界为y_up＝y_face_bottom-1/8*H_m，其中，y_up为工作服所在区域的上边界，y_face_bottom为目标检测框的下边界，H_m为目标检测框的高度；由于待识别图像为大头照，为了避免待识别图像中只拍到衣领部分检测不准确的情况，可以根据待识别图像的高度确定工作服所在区域2的下边界，例如可以将待识别图像的下边界确定为工作服所在区域的下边界，为了提高检测准确性，可以将工作服所在区域的下边界确定为y_bottom＝H-1，其中，y_bottom为工作服所在区域的下边界，H为待识别图像的高度；根据目标检测框1的左边界和目标检测框1的宽度，确定工作服所在区域的左边界，确定的工作服所在区域的左边界为x_left＝x_face_left-W_m/2，其中，x_left为工作服所在区域的左边界，x_face_left为目标检测框的左边界，W_m为目标检测框的宽度；根据目标检测框1的右边界和目标检测框1的宽度确定工作服所在区域的右边界，确定的工作服所在区域的右边界为x_right＝x_face_right+W_m/2，其中，x_right为工作服所在区域的右边界，x_face_right为目标检测框的右边界。如果计算得到的工作服所在区域的左边界超出了待识别图像的左边界，则将待识别图像的左边界确定为工作服所在区域的左边界，如果计算得到的工作服所在区域的右边界超出了待识别图像的右边界，则将待识别图像的右边界确定为工作服所在区域的右边界。

通过基于第二比例与第二比例阈值和第三比例阈值的比较，分为不同的情况来确定工作服所在区域，可以提高确定的工作服所在区域的准确性，进一步提高工作服识别结果的准确性。

在本发明的一个实施例中，在所述对所述待识别图像进行人脸检测之后，还包括：若未检测到人脸，则对所述待识别图像进行人体检测，将人体检测框确定为所述目标检测框；

所述根据所述目标检测框确定工作服所在区域，包括：将所述目标检测框确定为所述工作服所在区域。

在对待识别图像进行人脸检测时，如果未检测到人脸，待识别图像有可能是穿着工作服的人员背对摄像头拍照得到的图像，这时可以再对待识别图像进行人体检测，以确定待识别图像是否是人像照片，如果经过人体检测确定待识别图像中不包括人体，则确定待识别图像不是人像照片，不再进行工作服的识别，如果经过人体检测确定待识别图像中包括人体，即得到了人体检测框，则将人体检测框确定为目标检测框。在确定工作服所在区域时，可以将整个目标检测框确定为工作服所在区域。

通过在未检测到人脸时，进一步对待识别图像进行人体检测，并基于人体检测结果来确定工作服所在区域，进而进行工作服识别，可以避免待识别图像中未拍到人脸时无法识别出工作服的问题，提高工作服识别的准确性。

步骤204，对所述工作服所在区域内的像素值进行统计，确定所述像素值在预设像素值范围内的像素点数所占的比例，作为第一比例。

步骤205，若所述第一比例大于或等于第一比例阈值，则对所述工作服所在区域进行工作服标志检测。

需要说明的是，在目标检测框为人脸检测框和人体检测框时，第一比例阈值是不同的，目标检测框为人脸检测框时的第一比例阈值要大于目标检测框为人体检测框时的第一比例阈值，因为基于人脸检测框确定的工作服所在区域为上衣所在区域，而基于人体检测框确定的工作服所在区域为整个人体所在区域，而在整个人体所在区域中上衣所在区域占有比例是较小的。

步骤206，若所述工作服所在区域包括目标工作服标志，则确定工作服识别成功。

本实施例提供的工作服识别方法，通过对待识别图像进行人脸检测，在检测到人脸时将人脸检测框确定为目标检测框，确定目标检测框在待识别图像中所占的第二比例，根据第二比例和目标检测框确定工作服所在区域，在未检测到人脸时，还可以对对待识别图像进行人体检测，将人体检测框确定为工作服所在区域，从而基于工作服所在区域进行颜色值的判断和工作服标志的检测，实现了对工作服的自动识别，提高了工作服识别效率，而且可以能够适应不同场景和不同图像尺度的变化，识别鲁棒性强。

图5是本发明实施例提供的另一种工作服识别方法的流程图，该工作服识别方法可以由服务器或计算机执行，如图5所示，该工作服识别方法包括：

步骤501，对所述待识别图像进行人体检测，将人体检测框确定为所述目标检测框。

对待识别图像进行人体检测，以确定待识别图像是否是人像照片，如果经过人体检测确定待识别图像中不包括人体，则确定待识别图像不是人像照片，不再进行工作服的识别，如果经过人体检测确定待识别图像中包括人体，即得到了人体检测框，则将人体检测框确定为目标检测框。可以使用人体检测模型对待识别图像进行人体检测。

步骤502，将所述目标检测框确定为所述工作服所在区域。

在确定工作服所在区域时，可以将整个目标检测框确定为工作服所在区域。

步骤503，对所述工作服所在区域内的像素值进行统计，确定所述像素值在预设像素值范围内的像素点数所占的比例，作为第一比例。

步骤504，若所述第一比例大于或等于第一比例阈值，则对所述工作服所在区域进行工作服标志检测。

步骤505，若所述工作服所在区域包括目标工作服标志，则确定工作服识别成功。

本实施例提供的工作服识别方法，通过对待识别图像进行人体检测，将人体检测框确定为工作服所在区域，从而对工作服所在区域进行颜色的判断和工作服标志的识别，实现了对工作服的自动识别，提高了工作服的识别效率，降低了识别成本。

图6是本发明实施例提供的一种工作服识别装置的结构示意图，如图6所示，该工作服识别装置包括：

图像检测模块601，用于对待识别图像进行人脸检测和/或人体检测，得到目标检测框；

工作服区域确定模块602，用于根据所述目标检测框确定工作服所在区域；

像素值统计模块603，用于对所述工作服所在区域内的像素值进行统计，确定所述像素值在预设像素值范围内的像素点数所占的比例，作为第一比例；

标志检测模块604，用于若所述第一比例大于或等于第一比例阈值，则对所述工作服所在区域进行工作服标志检测；

识别结果确定模块605，用于若所述工作服所在区域包括目标工作服标志，则确定工作服识别成功。

可选的，所述图像检测模块包括：

人脸检测单元，用于对所述待识别图像进行人脸检测，将人脸检测框确定为所述目标检测框；

所述工作服区域确定模块包括：

第二比例确定单元，用于确定所述目标检测框在所述待识别图像中所占的比例，作为第二比例；

第一工作服区域确定单元，用于根据所述第二比例和所述目标检测框，确定工作服所在区域。

可选的，所述第一工作服区域确定单元具体用于：

若所述第二比例小于或等于第二比例阈值，则根据所述目标检测框的下边界和高度确定所述工作服所在区域的上边界，根据所述上边界和所述高度确定所述工作服所在区域的下边界，根据所述目标检测框的左边界和宽度确定所述工作服所在区域的左边界，并根据所述目标检测框的右边界和所述宽度确定所述工作服所在区域的右边界；

若所述第二比例大于或等于第三比例阈值，则根据所述目标检测框的下边界和高度确定所述工作服所在区域的上边界，根据所述待识别图像的高度确定所述工作服所在区域的下边界，根据所述目标检测框的左边界和宽度确定所述工作服所在区域的左边界，并根据所述目标检测框的右边界和所述宽度确定所述工作服所在区域的右边界；

其中，所述第二比例阈值小于所述第三比例阈值。

可选的，所述图像检测模块还包括：

第一人体检测单元，用于在所述对所述待识别图像进行人脸检测之后，若未检测到人脸，则对所述待识别图像进行人体检测，将人体检测框确定为所述目标检测框；

所述工作服区域确定模块包括：

第二工作服区域确定单元，用于将所述目标检测框确定为所述工作服所在区域。

可选的，所述图像检测模块包括：

第二人体检测单元，用于对所述待识别图像进行人体检测，将人体检测框确定为所述目标检测框；

所述工作服区域确定模块包括：

第三工作服区域确定单元，用于将所述目标检测框确定为所述工作服所在区域。

可选的，所述标志检测模块具体用于：

将所述工作服所在区域输入工作服标志检测模型，通过所述工作服标志检测模型对所述工作服所在区域进行工作服标志检测，得到工作服标志检测结果，所述工作服标志检测模型为深度学习模型。

本发明实施例提供的工作服识别装置，用于实现本发明实施例中所述的工作服识别方法的各步骤，装置的各模块的具体实施方式参见相应步骤，此处不再赘述。

本实施例提供的工作服识别装置，通过对待识别图像进行人脸检测和/或人体检测，得到目标检测框，根据目标检测框确定工作服所在区域，对工作服所在区域内的像素值进行统计，确定像素值在预设像素值范围内的像素点数所占的第一比例，若第一比例大于或等于第一比例阈值，则确定工作服所在区域进行工作服标志检测，如果工作服所在区域包括目标工作服标志，则确定工作服识别成功，在确定工作服所在区域后，通过对像素值的判断和工作服标志的检测，实现了对工作服的自动识别，相比于人工审核，提高了工作服识别效率，降低了识别成本。

优选的，本发明实施例还提供了一种电子设备，包括：处理器，存储器，存储在存储器上并可在处理器上运行的计算机程序，该计算机程序被处理器执行时实现上述工作服识别方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。

本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现上述工作服识别方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。其中，所述的计算机可读存储介质，如只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等。

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(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。

上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本发明的保护之内。

本领域普通技术人员可以意识到，结合本发明实施例中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，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发明的范围。

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，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。

在本申请所提供的实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置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，装置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，在本发明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。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。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或者该技术方案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一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种工作服识别方法，其特征在于，包括：

对待识别图像进行人脸检测和/或人体检测，得到目标检测框；

根据所述目标检测框确定工作服所在区域；

对所述工作服所在区域内的像素值进行统计，确定所述像素值在预设像素值范围内的像素点数所占的比例，作为第一比例；

若所述第一比例大于或等于第一比例阈值，则对所述工作服所在区域进行工作服标志检测；

若所述工作服所在区域包括目标工作服标志，则确定工作服识别成功。

2.根据权利要求1所述的方法，其特征在于，所述对待识别图像进行人脸检测和/或人体检测，得到目标检测框，包括：

对所述待识别图像进行人脸检测，将人脸检测框确定为所述目标检测框；

所述根据所述目标检测框确定工作服所在区域，包括：

确定所述目标检测框在所述待识别图像中所占的比例，作为第二比例；

根据所述第二比例和所述目标检测框，确定工作服所在区域。

3.根据权利要求2所述的方法，其特征在于，所述根据所述第二比例和所述目标检测框，确定工作服所在区域，包括：

若所述第二比例小于或等于第二比例阈值，则根据所述目标检测框的下边界和高度确定所述工作服所在区域的上边界，根据所述上边界和所述高度确定所述工作服所在区域的下边界，根据所述目标检测框的左边界和宽度确定所述工作服所在区域的左边界，并根据所述目标检测框的右边界和所述宽度确定所述工作服所在区域的右边界；

若所述第二比例大于或等于第三比例阈值，则根据所述目标检测框的下边界和高度确定所述工作服所在区域的上边界，根据所述待识别图像的高度确定所述工作服所在区域的下边界，根据所述目标检测框的左边界和宽度确定所述工作服所在区域的左边界，并根据所述目标检测框的右边界和所述宽度确定所述工作服所在区域的右边界；

其中，所述第二比例阈值小于所述第三比例阈值。

4.根据权利要求2所述的方法，其特征在于，在所述对所述待识别图像进行人脸检测之后，还包括：

若未检测到人脸，则对所述待识别图像进行人体检测，将人体检测框确定为所述目标检测框；

所述根据所述目标检测框确定工作服所在区域，包括：

将所述目标检测框确定为所述工作服所在区域。

5.根据权利要求1所述的方法，其特征在于，所述对待识别图像进行人脸检测和/或人体检测，得到目标检测框，包括：

对所述待识别图像进行人体检测，将人体检测框确定为所述目标检测框；

所述根据所述目标检测框确定工作服所在区域，包括：

将所述目标检测框确定为所述工作服所在区域。

6.根据权利要求1-6任一项所述的方法，其特征在于，所述对所述工作服所在区域进行工作服标志检测，包括：

将所述工作服所在区域输入工作服标志检测模型，通过所述工作服标志检测模型对所述工作服所在区域进行工作服标志检测，得到工作服标志检测结果，所述工作服标志检测模型为深度学习模型。

7.一种工作服识别装置，其特征在于，包括：

图像检测模块，用于对待识别图像进行人脸检测和/或人体检测，得到目标检测框；

工作服区域确定模块，用于根据所述目标检测框确定工作服所在区域；

像素值统计模块，用于对所述工作服所在区域内的像素值进行统计，确定所述像素值在预设像素值范围内的像素点数所占的比例，作为第一比例；

标志检测模块，用于若所述第一比例大于或等于第一比例阈值，则对所述工作服所在区域进行工作服标志检测；

识别结果确定模块，用于若所述工作服所在区域包括目标工作服标志，则确定工作服识别成功。

8.根据权利要求7所述的装置，其特征在于，所述图像检测模块包括：

人脸检测单元，用于对所述待识别图像进行人脸检测，将人脸检测框确定为所述目标检测框；

所述工作服区域确定模块包括：

第二比例确定单元，用于确定所述目标检测框在所述待识别图像中所占的比例，作为第二比例；

第一工作服区域确定单元，用于根据所述第二比例和所述目标检测框，确定工作服所在区域。

9.一种电子设备，其特征在于，包括：处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至6中任一项所述的工作服识别方法的步骤。

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上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的工作服识别方法的步骤。

Images