CN115294608A - 着装检测方法、装置、电子设备及计算机可读取存储介质 - Google Patents
着装检测方法、装置、电子设备及计算机可读取存储介质 Download PDFInfo
- Publication number
- CN115294608A CN115294608A CN202210963974.4A CN202210963974A CN115294608A CN 115294608 A CN115294608 A CN 115294608A CN 202210963974 A CN202210963974 A CN 202210963974A CN 115294608 A CN115294608 A CN 115294608A
- Authority
- CN
- China
- Prior art keywords
- detection information
- human body
- detection
- dressing
- target
- 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
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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Human Computer Interaction (AREA)
- Image Analysis (AREA)
Abstract
本申请提供一种着装检测方法、装置、电子设备及计算机可读取存储介质,涉及图像处理技术领域。该方法包括:根据预训练的多目标检测模型对目标帧进行多目标检测,得到多种检测目标的着装检测信息,其中,着装检测信息包括:被测人物的人体检测信息、头部检测信息、上装检测信息、下装检测信息、帽部检测信息、口部检测信息中的至少一种;在多个人体标识中确定着装检测信息对应的目标人体标识;根据目标人体标识进行多类别的着装事件统计,得到多种着装事件的统计结果。本申请采用多目标检测模型对图像帧中多种类型的检测目标同时进行检测,并将多种检测信息匹配到相应的人物中,以对人物中的各种信息进行统计,得到统计结果,提高检测的准确性。
Description
技术领域
本申请涉及图像处理技术领域,具体而言,涉及一种着装检测方法、装置、电子设备及计算机可读取存储介质。
背景技术
日常生产中存在着很多作业现场,例如电力作业中的作业现场,土木作业中的工地现场、餐饮行业的厨房现场等。各个行业中对工作人员的着装具有相应的要求和规定,例如,电力行业对相关人员进入作业现场应遵守的安全要求做出了严格的规定,其中对于正确佩戴安全帽及穿着工作服有明确要求;工地施工要求工人需要佩戴安全帽,需要穿工作服和工作裤等;餐饮后厨需要人员佩戴口罩,佩戴厨师服,厨师帽等。
由于安全、正确的着装对于保障作业人员的人身安全、工作规范等至关重要,因此,为了对工作人员是否正确着装进行检测,现有技术中通常会对进入作业现场的作业人员进行视频监控,以根据视频识别工作人员是否正确着装进行检测。但是,目前的检测方式准确性较低,对工作人员着装的检测和纠正的效果较差,无法有效保证并监督工作人员的安全着装,导致作业时存在安全隐患,无法满足作业时的工作需求。
发明内容
有鉴于此,本申请实施例的目的在于提供一种着装检测方法、装置、电子设备及计算机可读取存储介质,以改善现有技术中存在的着装检测的准确性较低的问题。
为了解决上述问题,第一方面,本申请实施例提供了一种着装检测方法,所述方法包括:根据预训练的多目标检测模型对目标帧进行多目标检测,得到多种检测目标的着装检测信息,其中,所述着装检测信息包括:被测人物的人体检测信息、头部检测信息、上装检测信息、下装检测信息、帽部检测信息、口部检测信息中的至少一种;在多个人体标识中确定所述着装检测信息对应的目标人体标识;根据所述目标人体标识进行多类别的着装事件统计,得到多种着装事件的统计结果。
在上述实现过程中,通过预训练的多目标检测模型对图像帧中多种类型的检测目标同时进行检测,能够有效地提高检测时的效率,快速、准确地对被测人物的各个部位的着装进行检测和识别。并将多个着装检测信息匹配到对相应的被测人物进行追踪所确定的目标人体标识中,通过对目标人体标识中的所包含的着装检测信息对应的多种类别的着装事件进行统计,能够得到被测人物的各个部位进行着装检测的统计结果。通过多目标检测与多目标追踪技术的结合,增加了检测时的多种类型以及检测信息与被测人物之间的关联性,有效地提高了着装检测时的准确性,从而能够有效地保证并监督工作人员的安全着装,提高对工作人员着装的检测和纠正的效果,降低作业时的安全隐患、满足作业时的工作需求。
可选地,所述在多个人体标识中确定所述着装检测信息对应的目标人体标识之前,所述方法还包括:获取多个所述目标帧中检测得到的所述着装检测信息中所述人体检测信息中的多个人体区域;基于目标追踪技术对多个所述人体区域进行追踪,确定所述人体标识,其中,所述人体标识包括对应的被测人物的所有所述人体区域。
在上述实现过程中,由于目标帧图像中可以包括一个或多个被测人物,为了提高检测时的精度,可以对多个目标帧中检测到的人体检测信息中的人体区域进行追踪,从而确定每个包含了对应的被测人物所有的人体区域的人体标识,能够对视频中的多个被测人物进行动态地追踪和区分,从而有效地提高对每个被测人物的着装进行检测的准确性。
可选地,所述着装检测信息包括所述头部检测信息、所述上装检测信息或所述下装检测信息;所述在多个人体标识中确定所述着装检测信息对应的目标人体标识,包括:计算所述头部检测信息中的头部区域与每个所述人体标识的所述人体区域之间的第一交并比;以所述第一交并比满足第一阈值时的所述人体标识,作为所述头部检测信息对应的所述目标人体标识;或,计算所述上装检测信息中的上装区域与每个所述人体标识的所述人体区域之间的第二交并比;以所述第二交并比满足第二阈值时的所述人体标识,作为所述上装检测信息对应的所述目标人体标识;或,计算所述下装检测信息中的下装区域与每个所述人体标识的所述人体区域之间的第三交并比;以所述第三交并比满足第三阈值时的所述人体标识,作为所述下装检测信息对应的所述目标人体标识。
在上述实现过程中,在检测得到被测人员的相应的头部检测信息、上装检测信息或下装检测信息时,可以提取头部检测信息、上装检测信息或下装检测信息中检测到的头部区域、上装区域或下装区域,与每个人体标识都进行交并比计算,从而得到多个交并比。将交并比满足相应阈值的人体标识作为头部检测信息、上装检测信息或下装检测信息所对应的目标人体标识,即以重合程度较高的人体标识作为头部检测信息、上装检测信息或下装检测信息所属的目标人体标识。能够将检测到的各个头部检测信息、上装检测信息或下装检测信息分配到对应的被测人物的目标人体标识中,从而确定每个着装部位所对应的人物目标,将头部检测信息、上装检测信息或下装检测信息与被测人物进行相应地关联,有效地提高了对每个人物中各个部位的着装进行检测的有效性和准确性。
可选地,所述着装检测信息包括所述帽部检测信息或所述口部检测信息;所述在多个人体标识中确定所述着装检测信息对应的目标人体标识,包括:计算所述帽部检测信息中的帽部区域与每个所述头部检测信息中的头部区域之间的第四交并比;或,计算所述口部检测信息中的口部区域与每个所述头部检测信息中的头部区域之间的第五交并比;以所述第四交并比满足第四阈值,或所述第五交并比满足第五阈值时对应的所述头部区域作为目标头部区域;计算所述目标头部区域与每个所述人体标识的所述人体区域之间的所述第一交并比;以所述第一交并比满足所述第一阈值时的所述人体标识,作为所述帽部检测信息或所述口部检测信息对应的所述目标人体标识。
在上述实现过程中,为了确定更细化的部位的检测信息,例如帽部检测信息或口部检测信息所对应的目标人体标识,可以先计算帽部检测信息或口部检测信息中的帽部区域或口部区域与每个头部检测信息中的头部区域之间的各个交并比,以交并比满足相应阈值的头部检测信息所对应的头部区域作为包括帽部区域或口部区域的目标头部区域,从而计算目标头部区域与多个人体区域的交并比,以交并比满足相应阈值时的人体标识作为帽部检测信息或口部检测信息所对应的目标人体标识,即以重合程度较高的人体标识作为帽部检测信息或口部检测信息所属的目标人体标识。通过多次的交并比计算,先确定所属的头部,再确定头部所属的人体,将检测到的各个帽部检测信息或口部检测信息分配到对应的被测人物的目标人体标识中,从而确定每个着装部位所对应的人物目标,将帽部检测信息或口部检测信息与被测人物进行相应地关联,有效地提高了对每个人物的头部中的细化部位的着装进行检测的有效性和准确性。
可选地,所述根据所述目标人体标识进行多类别的着装事件统计,得到多种着装事件的统计结果,包括:确定所述目标人体标识对应的统计数量的多种所述着装事件,其中,所述着装事件包括:上装事件、下装事件、帽部事件以及口部事件,所述统计数量为根据统计时的帧数数量设置的事件的数量阈值;将所述目标人体标识对应的多种所述着装检测信息添加到对应的所述着装事件中;对每个所述着装事件中的所述着装检测信息的置信度进行统计,得到所述统计结果。
在上述实现过程中,为了保证统计结果的准确性,可以根据统计时所采用的目标帧的帧数数量,确定各个着装事件的数量阈值作为统计数量,从而确定目标人体标识所对应的各个类别、长度的着装事件。将目标人体标识中的多种类别的着装检测信息进行分类,从而将每一个着装检测信息添加到相应的着装事件的事件列表中,以在每个着装事件中,根据其中所包含的着装检测信息中进行检测得到的置信度进行计算,得到连续多帧图像中每一种着装事件检测后的统计结果。能够从统计结果中判断目标人体标识所对应的被测人物中的各个部位是否正常着装,提高了检测的全面性和有效性。
可选地,所述方法还包括:对所述统计结果中每个所述着装事件中的所述置信度进行计算,得到每个所述着装事件的目标数值;若所述目标数值满足预设的触发阈值,则根据所述着装事件生成对应的事件报警信息,以对所述目标人体标识对应的被测人物的着装错误情况进行报警。
在上述实现过程中,为了对被测人员的着装检测的统计结果进行反馈,可以根据统计结果进行相应地报警处理。由于统计结果中包括连续多帧的着装检测信息的置信度数据,通过对统计结果中每个着装事件中的置信度进行计算,能够得到每个着装事件中综合置信度的目标数值,从而根据目标数值与预设的触发阈值判断是否报警,以综合计算得到的目标数值作为判断报警的参数,能够有效地减少误报警的情况。在目标数值满足触发阈值时则触发对该着装事件的报警,生成相应的事件报警信息,对目标人体标识对应的被测人物的着装错误情况进行报警和提示,从而实时、准确地对工作人员的着装进行纠正和提示,有效保证并监督工作人员的安全着装,降低各种作业场景中作业时存在的安全隐患,满足作业时的工作需求。
可选地,所述方法还包括:监控每个所述着装事件的报警情况;在检测到所述着装事件产生报警情况时,在所述目标人体标识中对报警的所述着装事件进行隐藏处理。
在上述实现过程中,为了对减少对同一着装事件进行重复报警的情况,可以对每个着装事件的报警情况进行监控,在检测到目标人体标识所对应的任一着装事件进行报警,即产生报警情况时,则在目标人体标识的多个着装事件中对报警的着装事件进行隐藏处理,以使报警后的着装事件不会在短时间内多次触发报警,提高报警时的提示效果。
可选地,所述根据预训练的多目标检测模型对目标帧进行多目标检测,得到多种检测目标的着装检测信息,包括:根据多种所述检测目标的检测数据对初始多目标检测模型进行预训练,得到所述多目标检测模型,其中,所述检测目标包括:人体检测、头部检测、上装检测、下装检测、帽部检测以及口部检测;在着装检测视频进行解码的多个视频帧中筛选得到多个进行检测的所述目标帧;根据所述多目标检测模型对每个所述目标帧的多种检测目标进行检测,得到所述着装检测信息。
在上述实现过程中,通过在模型的预训练阶段中,采样多种类型的检测目标的检测数据对模型进行预训练,能够得到可以对多种检测目标进行同时检测的多目标检测模型。通过检测需求在着装检测视频解码后的多个视频帧中筛选得到进行检测的多个目标帧,从而根据多目标检测模型,对每个目标帧中的多种检测目标进行检测,得到相应的多种类型的着装检测信息。能够同时对被测人物的各个部位都进行检测,提高了检测时的范围、精度以及检测效率。
第二方面,本申请实施例还提供了一种着装检测装置,所述装置包括:检测模块,用于根据预训练的多目标检测模型对目标帧进行多目标检测,得到多种检测目标的着装检测信息,其中,所述着装检测信息包括:被测人物的人体检测信息、头部检测信息、上装检测信息、下装检测信息、帽部检测信息、口部检测信息中的至少一种;匹配模块,用于在多个人体标识中确定所述着装检测信息对应的目标人体标识;统计模块,用于根据所述目标人体标识进行多类别的着装事件统计,得到多种着装事件的统计结果。
第三方面,本申请实施例还提供了一种电子设备,所述电子设备包括存储器和处理器,所述存储器中存储有程序指令,所述处理器读取并运行所述程序指令时,执行上述着装检测方法中任一实现方式中的步骤。
第四方面,本申请实施例还提供了一种计算机可读取存储介质,所述可读取存储介质中存储有计算机程序指令,所述计算机程序指令被一处理器读取并运行时,执行上述着装检测方法中任一实现方式中的步骤。
综上所述,本申请提供了一种着装检测方法、装置、电子设备及计算机可读取存储介质,采用多目标检测模型对图像帧中多种类型的检测目标同时进行检测,并将多种检测信息匹配到相应的人物的人体标识中,以对人体标识中的各种信息进行统计,得到对着装进行检测的统计结果,提高检测的准确性和效率。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的一种电子设备的方框示意图;
图2为本申请实施例提供的一种着装检测方法的流程示意图;
图3为本申请实施例提供的另一种着装检测方法的流程示意图;
图4为本申请实施例提供的一种步骤S300的详细流程示意图;
图5为本申请实施例提供的另一种步骤S300的详细流程示意图;
图6为本申请实施例提供的一种步骤S400的详细流程示意图;
图7为本申请实施例提供的又一种着装检测方法的流程示意图;
图8为本申请实施例提供的再一种着装检测方法的流程示意图;
图9为本申请实施例提供的一种步骤S200的详细流程示意图;
图10为本申请实施例提供的一种着装检测装置的结构示意图。
图标:100-电子设备;111-存储器;112-存储控制器;113-处理器;114-外设接口;115-通信单元;116-显示单元;700-着装检测装置;710-检测模块;720-匹配模块;730-统计模块。
具体实施方式
下面将结合本申请实施例中附图,对本申请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申请实施例的一部分实施例,而不是全部的实施例。基于本申请实施例的实施例,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,都属于本申请实施例保护的范围。
许多行业对于其从业人员进入特定工作区域时的个人卫生状况、安全防护等方面都有较高的要求,比如餐饮行业的后厨人员、进入手术室的医生、电力行业的工作人员、施工现场的工人等。对进入工作场所的工作人员的服装制订了相应的标准,例如,后厨的工作人员应当佩戴口罩、穿戴厨师服和厨师帽,施工场地的工人应当佩戴安全帽,穿着工服和工裤,手术室中的医生应当佩戴口罩、手术帽,穿戴手套和防护服,电力场景下的工作人员需要佩戴安全带、穿着工服和工裤等,以确保生产、操作过程的卫生和安全。
而由于各种行业场景中光照情况、工作环境、工作位置等的变化,工作人员的姿态也在不断地变化,对工作人员的着装穿戴进行检测时,人工查看视频进行检测的效率较低。为了提高效率,目前通常会对进入作业现场的作业人员进行视频监控,以根据视频识别工作人员是否正确着装进行检测。但是,由于视频的变化因素较大,检测时对检测、识别算法的要求较高,目前的检测方式准确性较低,难以准确地识别现场作业人员各个部位的着装情况,对工作人员着装的检测和纠正的效果较差,无法有效保证并监督工作人员的安全着装,导致作业时存在安全隐患,无法满足作业时的工作需求。
为了解决上述问题,本申请实施例提供了一种着装检测方法,应用于电子设备,电子设备可以为服务器、个人电脑(Personal Computer,PC)、平板电脑、智能手机、个人数字助理(Personal Digital Assistant,PDA)等具有逻辑计算功能的电子设备,能够自动地对多个被测人物中各个部位的着装情况进行检测和统计,有效地提高了着装检测的准确性和效率。
可选地,请参阅图1,图1为本申请实施例提供的一种电子设备的方框示意图。电子设备100可以包括存储器111、存储控制器112、处理器113、外设接口114、通信单元115、显示单元116。本领域普通技术人员可以理解,图1所示的结构仅为示意,其并不对电子设备100的结构造成限定。例如,电子设备100还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。
上述的存储器111、存储控制器112、处理器113、外设接口114、通信单元115及显示单元116各元件相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。上述的处理器113用于执行存储器中存储的可执行模块。
其中,存储器111可以是,但不限于,随机存取存储器(Random Access Memory,简称RAM),只读存储器(Read Only Memory,简称ROM),可编程只读存储器(ProgrammableRead-Only Memory,简称PROM),可擦除只读存储器(Erasable Programmable Read-OnlyMemory,简称EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-OnlyMemory,简称EEPROM)等。其中,存储器111用于存储程序,处理器113在接收到执行指令后,执行程序,本申请实施例任一实施例揭示的过程定义的电子设备100所执行的方法可以应用于处理器113中,或者由处理器113实现。
上述的处理器113可能是一种集成电路芯片,具有信号的处理能力。上述的处理器113可以是通用处理器,包括中央处理器(Central Processing Unit,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 signalprocessor,简称DSP)、专用集成电路(Application Specific Integrated Circuit,简称ASIC)、现场可编程门阵列(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。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器,也可以是任何常规的处理器等。
上述的外设接口114将各种输入/输出装置耦合至处理器113以及存储器111。在一些实施例中,外设接口114,处理器113以及存储控制器112可以在单个芯片中实现。在其他一些实例中,他们可以分别由独立的芯片实现。
上述的通信单元115用于使电子设备与外部设备进行通信连接,以对检测的统计结果进行发送和通知。通信单元115可以是,但不限于,各种通信芯片等。
上述的显示单元116在电子设备100与用户之间提供一个交互界面(例如用户操作界面)或用于显示图像数据给用户参考。在本实施例中,显示单元可以是液晶显示器或触控显示器。若为触控显示器,其可为支持单点和多点触控操作的电容式触控屏或电阻式触控屏等。支持单点和多点触控操作是指触控显示器能感应到来自该触控显示器上一个或多个位置处同时产生的触控操作,并将该感应到的触控操作交由处理器进行计算和处理。在本申请实施例中,显示单元116可以显示进行检测的多个目标帧、各种类型的着装检测信息以及统计结果等多种数据。
本实施例中的电子设备可以用于执行本申请实施例提供的各个着装检测方法中的各个步骤。下面通过几个实施例详细描述着装检测方法的实现过程。
请参阅图2,图2为本申请实施例提供的一种着装检测方法的流程示意图,该方法包括步骤S200-S400。
步骤S200,根据预训练的多目标检测模型对目标帧进行多目标检测,得到多种检测目标的着装检测信息。
其中,多目标检测模型可以对目标帧的图像中的多种不同类型的检测目标同时进行检测,检测得到的着装检测信息可以包括多种检测目标对应的检测信息,例如:被测人物的人体检测信息、头部检测信息、上装检测信息、下装检测信息、帽部检测信息、口部检测信息等多种不同部位的目标的检测信息。
步骤S300,在多个人体标识中确定着装检测信息对应的目标人体标识。
其中,人体标识为对被测人员进行标识的信息,例如编号、标记等相关信息。由于目标帧的图像中可以包括多个不同的被测人物,为了提高每个被测人物的着装检测的准确性,可以对多个目标帧中的多个被测人物进行追踪,从而得到多个被测人物的人体标识,并根据检测得到的多个着装检测信息进行匹配,从而将每个着装检测信息匹配到对应的被测人物的目标人体标识,从而将检测的多个部位的信息关联到相应的被测人物的人体区域中。
步骤S400,根据目标人体标识进行多类别的着装事件统计,得到多种着装事件的统计结果。
其中,由于目标人体标识中对应有多种不同类别的着装事件统计,为了对每一种着装事件的检测结果进行整合,可以通过对目标人体标识中的所包含的着装检测信息对应的多种类别的着装事件进行统计,能够得到被测人物的各个部位进行着装检测的统计结果。
在图2所示的实施例中,通过多目标检测与多目标追踪技术的结合,增加了检测时的多种类型以及检测信息与被测人物之间的关联性,有效地提高了着装检测时的准确性,从而能够有效地保证并监督工作人员的安全着装,提高对工作人员着装的检测和纠正的效果,降低作业时的安全隐患、满足作业时的工作需求。
可选地,请参阅图3,图3为本申请实施例提供的另一种着装检测方法的流程示意图,在步骤S300之前,该方法还可以包括步骤S510-S520。
步骤S510,获取多个目标帧中检测得到的着装检测信息中人体检测信息中的多个人体区域。
其中,由于视频中存在多个目标帧,而图像中的被测人物存在移动的情况。因此,为了对多个目标帧中的同一个被测人物进行检测,可以对多个连续的目标帧中的被测人物进行追踪,通过着装检测信息中的人体检测信息中的多个人体区域对每个被测人物进行追踪。
可选地,在多个目标帧中,同一个被测人物可以具有多个人体检测信息,多个人体检测信息所对应的人体区域可以为多个重叠的区域,也可以为多个不重叠的区域。人体区域可以为以被测人物的人体作为检测目标而测试到的人体所在的矩形框等区域。
步骤S520,基于目标追踪技术对多个人体区域进行追踪,确定人体标识。
其中,通过多目标追踪技术对每个人体区域进行追踪,从而确定每个被测人物的人体标识,例如1001等,人体标识中包括对应的被测人物的所有人体区域,包括多个重叠的区域或多个不重叠的区域。
可选地,目标追踪技术可以为MOT(Multi-Object Tracking,多目标追踪技术),可以包括多种多目标追踪算法,例如SORT、Deep SORT等。能够在目标帧的图像序列中找到运动的人物,并将不同的目标帧的运动人物进行识别,从而获取每个被测人物对应的人体标识。
在图3所示的实施例中,能够对视频中的多个被测人物进行动态地追踪和区分,从而有效地提高对每个被测人物的着装进行检测的准确性。
可选地,请参阅图4,图4为本申请实施例提供的一种步骤S300的详细流程示意图,在着装检测信息包括头部检测信息、上装检测信息或下装检测信息时,步骤S300中可以包括步骤S310-S330。
步骤S310,计算头部检测信息中的头部区域与每个人体标识的人体区域之间的第一交并比;以第一交并比满足第一阈值时的人体标识,作为头部检测信息对应的目标人体标识。
其中,当着装检测信息为头部检测信息时,可以提取头部检测信息中检测到的头部区域,通过计算头部区域与该目标帧中的每个人体标识所对应的一个或多个人体区域之间的第一交并比(IOU,Intersection Over Union),即对头部区域与人体区域之间重合的面积进行计算,以第一交并比满足第一阈值时的人体区域所对应的人体标识,作为该头部检测信息对应的目标人体标识。
可选地,第一阈值为能够根据头部的实际情况和需求设定的交并比阈值,从而过滤交并比较低的计算结果,有效地提高匹配时的准确性,以重合度较高的人体区域所对应的人体标识作为目标人体标识。
步骤S320,计算上装检测信息中的上装区域与每个人体标识的人体区域之间的第二交并比;以第二交并比满足第二阈值时的人体标识,作为上装检测信息对应的目标人体标识。
其中,当着装检测信息为上装检测信息时,可以提取上装检测信息中检测到的上装区域,通过计算上装区域与该目标帧中的每个人体标识所对应的一个或多个人体区域之间的第二交并比,即对上装区域与人体区域之间重合的面积进行计算,以第二交并比满足第二阈值时的人体区域所对应的人体标识,作为该上装检测信息对应的目标人体标识。
可选地,第二阈值为能够根据上肢的实际情况和需求设定的交并比阈值,从而过滤交并比较低的计算结果,有效地提高匹配时的准确性,以重合度较高的人体区域所对应的人体标识作为目标人体标识。
步骤S330,计算下装检测信息中的下装区域与每个人体标识的人体区域之间的第三交并比;以第三交并比满足第三阈值时的人体标识,作为下装检测信息对应的目标人体标识。
其中,当着装检测信息为下装检测信息时,可以提取下装检测信息中检测到的下装区域,通过计算下装区域与该目标帧中的每个人体标识所对应的一个或多个人体区域之间的第三交并比,即对下装区域与人体区域之间重合的面积进行计算,以第三交并比满足第三阈值时的人体区域所对应的人体标识,作为该下装检测信息对应的目标人体标识。
可选地,第三阈值为能够根据下装的实际情况和需求设定的交并比阈值,从而过滤交并比较低的计算结果,有效地提高匹配时的准确性,以重合度较高的人体区域所对应的人体标识作为目标人体标识。
值得说明的是,头部检测信息中的头部区域为以头部作为检测目标进行检测后得到的区域,例如头部矩形框等;上装检测信息中的上装区域为以上肢作为检测目标进行检测后得到的区域,例如上肢矩形框等;下装检测信息中的下装区域为以下肢作为检测目标进行检测后得到的区域,例如下肢矩形框等。可选地,还可以直接以第一交并比、第二交并比、第三交并比最高时的人体区域对应的人体标识作为头部检测信息、上装检测信息或下装检测信息所对应的目标人体标识。
在图4所示的实施例中,可以根据重合的程度确定每个着装部位所对应的人物目标,将头部检测信息、上装检测信息或下装检测信息与被测人物进行相应地关联,有效地提高了对每个人物中各个部位的着装进行检测的有效性和准确性。
可选地,请参阅图5,图5为本申请实施例提供的另一种步骤S300的详细流程示意图,在着装检测信息包括帽部检测信息或口部检测信息时,步骤S300中还可以包括步骤S340-S370。
步骤S340,计算帽部检测信息中的帽部区域与每个头部检测信息中的头部区域之间的第四交并比。
其中,当着装检测信息为帽部检测信息时,可以提取帽部检测信息中检测到的帽部区域,通过计算帽部区域与该目标帧中的每个头部检测信息中的头部区域之间的第四交并比,即对帽部区域与头部区域之间重合的面积进行计算。
步骤S350,计算口部检测信息中的口部区域与每个头部检测信息中的头部区域之间的第五交并比。
其中,当着装检测信息为口部检测信息时,可以提取口部检测信息中检测到的口部区域,通过计算口部区域与该目标帧中的每个头部检测信息中的头部区域之间的第五交并比,即对口部区域与头部区域之间重合的面积进行计算。
值得说明的是,帽部检测信息中的帽部区域为以帽部作为检测目标进行检测后得到的区域,例如帽部矩形框等;口部检测信息中的口部区域为以口部作为检测目标进行检测后得到的区域,例如口部矩形框等。
步骤S360,以第四交并比满足第四阈值,或第五交并比满足第五阈值时对应的头部区域作为目标头部区域。
其中,第四阈值为根据帽部的实际情况和需求设定的交并比阈值,第五阈值为根据口部的实际情况和需求设定的交并比阈值,通过与阈值的对比,能够确定出与帽部区域或口部区域重合度较高的头部区域作为该帽部区域和口部区域所处的目标头部区域。
可选地,还可以直接以第四交并比或第五交并比最高时的头部区域作为目标头部区域。
步骤S370,计算目标头部区域与每个人体标识的人体区域之间的第一交并比;以第一交并比满足第一阈值时的人体标识,作为帽部检测信息或口部检测信息对应的目标人体标识。
其中,根据目标头部区域与人体区域之间的交并比计算和对比,确定该头部区域所对应的人体标识,以作为帽部检测信息或口部检测信息对应的目标人体标识。可选地,根据目标头部区域确定对应人体标识的方式与图5所示的实施例中的相同,不再进行赘述。
在图5所示的实施例中,能够通过多次的交并比计算,先确定所属的头部,再确定头部所属的人体,将检测到的各个帽部检测信息或口部检测信息分配到对应的被测人物的目标人体标识中,从而确定每个着装部位所对应的人物目标,将帽部检测信息或口部检测信息与被测人物进行相应地关联,有效地提高了对每个人物的头部中的细化部位的着装进行检测的有效性和准确性。
可选地,请参阅图6,图6为本申请实施例提供的一种步骤S400的详细流程示意图,步骤S400中可以包括步骤S410-S430。
步骤S410,确定目标人体标识对应的统计数量的多种着装事件。
其中,由于检测的目标以及检测到的着装检测信息的类别不同,而不同的着装检测信息所对应的着装事件也不相同,因此,可以根据目标人体标识建立对应的事件字典,从而在事件字典中建立多种不同的事件子字典作为不同的着装事件,着装事件可以包括上装事件、下装事件、帽部事件以及口部事件等,能够根据检测目标的类别和数量等进行增删和调整。并且,为了保证统计结果的准确性,还可以根据统计时所采用的目标帧的帧数数量,确定各个着装事件的数量阈值,以对着装事件的事件数量进行限定,确定统计数量的着装事件。
可选地,帧数数量可以由统计时的时间长度决定,时间较长时,则检测的帧数越多,时间较短时,则检测的帧数越少。为了避免因为时间过长而导致的统计结果不准确的情况,可以将统计的时间长度设置为较短的时长,例如,在统计时的帧数数量为50帧时,则可以将各个着装事件的统计数量设置为50,并采用先进先出的队列方式进行统计,即一个着装事件中可以对50个检测信息进行统计,统计完成的着装检测信息可以从着装事件中移除,以供新的着装检测信息进入队列进行统计。
可选地,着装事件中的上装事件、下装事件、帽部事件以及口部事件等可以为是否穿工装、是否穿工裤、是否戴帽子,例如安全帽、厨师帽、手术帽等,是否戴口罩等多种事件。确定的初始的着装事件所对应的事件子字典中的队列为空,可以由统计数量确定对应长度的队列以进行统计。
步骤S420,将目标人体标识对应的多种着装检测信息添加到对应的着装事件中。
可选地,确定的初始的着装事件所对应的事件子字典中的队列为空,可以将目标人体标识匹配的多个着装检测信息进行分类,从而将多种着装检测信息分别添加到对应的着装事件的队列中以进行统计。
步骤S430,对每个着装事件中的着装检测信息的置信度进行统计,得到统计结果。
其中,能够在每个着装事件中,根据其中所包含的着装检测信息中进行检测得到的置信度进行计算,得到连续多帧图像中每一种着装事件检测后的统计结果。
示例地,在目标人体标识目标人体标识为1001的帽部事件的事件子字典完成分类添加后,统计结果中存在目标人体标识为1001的帽部检测信息,帽部检测信息具有对是否戴帽子进行检测的置信度,置信度越高时,则表示没有按照规定进行着装的可能性越高,则帽部事件中表示戴帽子的可能性越低,置信度越低时,则表示按照规定进行着装的可能性越高,则帽部事件中表示戴帽子的可能性越高。例如,某一目标帧中帽部检测信息中的置信度为0.9时,则目标人体标识为1001的帽部事件中,可以在“是否戴帽子”的队列中增加值为0.9。若在第二帧的帽部检测信息中的置信度为0.8,则继续目标人体标识为1001的帽部事件中,在“是否戴帽子”的队列增加值为0.8。若在第三帧的结果中,存在目标人体标识为1001的人,但未检测到帽部检测信息,则“是否戴帽子”的队列增加值为0。如果某一帧的结果中没有目标人体标识为1001的着装检测信息,则统计事件中目标人体标识为1001的所有着装事件的队列都增加0。
示例地,以字典结构进行表示时,则统计结果可以={1001:{“是否戴帽子”:[-0.9,0.8,0,0.5,...]},“是否戴口罩”:[-0.9,-0.7,0,-0.5,...],“是否穿工服”:[0.7,-0.8,-0.6,-0.5,...],“是否穿工裤”:[-0.6,0,-0.6,-0.5,...]}。1002:{“是否戴帽子”:[0.3,0.5,-0.6,-0.5,...]},“是否戴口罩”:[-0.7,-0.7,0,-0.5,...],“是否穿工服”:[0.8,-0.8,-0.6,-0.5,...],“是否穿工裤”:[-0.6,0,-0.6,-0.5,...]}等。
可选地,当连续多帧未发现目标人体标识为1001的着装检测信息时,为了提高检测时的准确性,可以在事件字典中将删除对该目标人体标识的进行统计的着装事件。
在图6所示的实施例中,能够从统计结果中判断目标人体标识所对应的被测人物中的各个部位是否正常着装,提高了检测的全面性和有效性。
可选地,请参阅图7,图7为本申请实施例提供的又一种着装检测方法的流程示意图,在步骤S400之后,该方法还可以包括步骤S610-S620。
步骤S610,对统计结果中每个着装事件中的置信度进行计算,得到每个着装事件的目标数值。
其中,由于统计结果中包括连续多帧的着装检测信息的置信度数据,为了对检测的多帧图像中被测人物是否规范着装进行反馈,可以通过对统计结果中每个着装事件中的置信度进行计算,能够得到每个着装事件中综合置信度的目标数值。示例地,可以采用求和的方式进行计算,对统计结果中的每个着装事件中的所有置信度进行求和,得到相应的置信度的目标数值。
步骤S620,若目标数值满足预设的触发阈值,则根据着装事件生成对应的事件报警信息,以对目标人体标识对应的被测人物的着装错误情况进行报警。
可选地,为了对被测人员的不规范着装进行纠正,还可以根据目标数值与预设的触发阈值进行对比,从而在目标数值满足触发阈值时,根据着装事件生成对应的事件报警信息进行报警,例如,在帽部事件计算得到的目标数值大于触发阈值时,则表明被测人物没有戴帽子的可能性较大,生成未戴帽子的事件报警信息进行报警,从而对被测人员未戴帽子的着装错误情况进行通知和提示,并提醒该被测人员对帽子进行穿戴等。示例地,预设的触发阈值可以为根据置信度求和的数量设置的相关阈值,可以根据实际情况和需求进行调整。
可选地,事件报警信息中可以包括图片、语音、信号灯等多种形式的数据,在进行报警时,还可以将当前帧或统计结果中置信度最高时的视频帧作为事件报警信息中的图片数据。
在图7所示的实施例中,以综合计算得到的目标数值作为判断报警的参数,能够有效地减少误报警的情况,能够实时、准确地对工作人员的着装进行纠正和提示,有效保证并监督工作人员的安全着装,降低各种作业场景中作业时存在的安全隐患,满足作业时的工作需求。
可选地,请参阅图8,图8为本申请实施例提供的再一种着装检测方法的流程示意图,该方法还可以包括步骤S630-S640。
步骤S630,监控每个着装事件的报警情况。
其中,为了对减少对同一着装事件进行重复报警的情况,可以对每个着装事件的报警情况进行监控。
步骤S640,在检测到着装事件产生报警情况时,在目标人体标识中对报警的着装事件进行隐藏处理。
其中,在检测到目标人体标识所对应的任一着装事件进行报警,即产生报警情况时,则在目标人体标识的多个着装事件中对报警的着装事件进行隐藏处理,以使报警后的着装事件不会在短时间内多次触发报警,提高报警时的提示效果。示例地,隐藏处理可以为将报警后的着装事件从目标人体标识的事件字典中删除等,例如,在目标人体标识为1001已经发出未戴帽子的报警事件时,则可以将“是否戴帽子”从统计事件的事件字典中删除。
在图8所示的实施例中,能够通过因此处理避免重复报警的情况。
可选地,请参阅图9,图9为本申请实施例提供的一种步骤S200的详细流程示意图,步骤S200中可以包括步骤S210-S230。
步骤S210,根据多种检测目标的检测数据对初始多目标检测模型进行预训练,得到多目标检测模型。
其中,检测目标为根据着装的规范要求所确定的多种不同部位的目标。检测目标可以包括:人体检测、头部检测、上装检测、下装检测、帽部检测以及口部检测等对被测人物的不同部位进行检测的目标,还可以细化到更多的部位,例如手部检测,脚部检测等多种部位。进行预训练的多目标检测模型可以为yolov系列模型,例如yolov5检测模型等多种能够对多个目标进行同时检测的模型。
可选地,上装检测中可以包括穿工服与未穿工服的检测目标,下装检测中可以包括穿工裤与未穿工裤的检测目标,帽部检测可以包括戴帽子与未戴帽子的检测目标,口部检测可以包括戴口罩与未戴口罩的检测目标等。
步骤S220,在着装检测视频进行解码的多个视频帧中筛选得到多个进行检测的目标帧。
可选地,可以采用摄像装备对工作区域进行监控,例如采用摄像头等进行监控,从而获取着装检测视频。并对着装检测视频进行解码,以获取多个视频帧。考虑到着装检测视频较长时,视频帧也较多,进行检测时的工作量较大,因此,为了减少工作量,可以按照预设的筛选规则对多个视频帧进行筛选,例如挑选偶数帧作为目标帧,或者每隔5帧选取一帧作为目标帧等多种筛选方式得到多个进行检测的目标帧,从而减少检测时的被测帧数,以减少多目标检测模型的工作量,提高检测时的效率。
步骤S230,根据多目标检测模型对每个目标帧的多种检测目标进行检测,得到着装检测信息。
其中,由多目标检测模型对每一个目标帧中的多种检测目标同时进行检测,能够得到对应的多种类型的着装检测信息。
在图9所示的实施例中,能够同时对被测人物的各个部位都进行检测,提高了检测时的范围、精度以及检测效率。
请参阅图10,图10为本申请实施例提供的一种着装检测装置的结构示意图,着装检测装置700可以包括:
检测模块710,用于根据预训练的多目标检测模型对目标帧进行多目标检测,得到多种检测目标的着装检测信息,其中,着装检测信息包括:被测人物的人体检测信息、头部检测信息、上装检测信息、下装检测信息、帽部检测信息、口部检测信息中的至少一种;
匹配模块720,用于在多个人体标识中确定着装检测信息对应的目标人体标识;
统计模块730,用于根据目标人体标识进行多类别的着装事件统计,得到多种着装事件的统计结果。
在一可选的实施方式中,着装检测装置700中还可以包括追踪模块,用于获取多个目标帧中检测得到的着装检测信息中人体检测信息中的多个人体区域;基于目标追踪技术对多个人体区域进行追踪,确定人体标识,其中,人体标识包括对应的被测人物的所有人体区域。
着装检测信息包括头部检测信息、上装检测信息或下装检测信息,在一可选的实施方式中,匹配模块720中可以包括头部匹配子模块、上装匹配子模块和下装匹配子模块;头部匹配子模块,用于计算头部检测信息中的头部区域与每个人体标识的人体区域之间的第一交并比;以第一交并比满足第一阈值时的人体标识,作为头部检测信息对应的目标人体标识;上装匹配子模块,用于计算上装检测信息中的上装区域与每个人体标识的人体区域之间的第二交并比;以第二交并比满足第二阈值时的人体标识,作为上装检测信息对应的目标人体标识;下装匹配子模块,用于计算下装检测信息中的下装区域与每个人体标识的人体区域之间的第三交并比;以第三交并比满足第三阈值时的人体标识,作为下装检测信息对应的目标人体标识。
着装检测信息包括帽部检测信息或口部检测信息,在一可选的实施方式中,匹配模块720中还可以包括帽部匹配子模块和口部匹配子模块;帽部匹配子模块,用于计算帽部检测信息中的帽部区域与每个头部检测信息中的头部区域之间的第四交并比;口部匹配子模块,用于计算口部检测信息中的口部区域与每个头部检测信息中的头部区域之间的第五交并比;帽部匹配子模块和口部匹配子模块,还用于以第四交并比满足第四阈值,或第五交并比满足第五阈值时对应的头部区域作为目标头部区域;头部匹配子模块,还用于计算目标头部区域与每个人体标识的人体区域之间的第一交并比;以第一交并比满足第一阈值时的人体标识,作为帽部检测信息或口部检测信息对应的目标人体标识。
在一可选的实施方式中,统计模块730中还可以包括数量子模块、分类子模块和统计子模块;数量子模块,用于确定目标人体标识对应的统计数量的多种着装事件,其中,着装事件包括:上装事件、下装事件、帽部事件以及口部事件,统计数量为根据统计时的帧数数量设置的事件的数量阈值;分类子模块,用于将目标人体标识对应的多种着装检测信息添加到对应的着装事件中;统计子模块,用于对每个着装事件中的着装检测信息的置信度进行统计,得到统计结果。
在一可选的实施方式中,着装检测装置700中还可以包括报警模块,用于对统计结果中每个着装事件中的置信度进行计算,得到每个着装事件的目标数值;若目标数值满足预设的触发阈值,则根据着装事件生成对应的事件报警信息,以对目标人体标识对应的被测人物的着装错误情况进行报警。
在一可选的实施方式中,着装检测装置700中还可以包括隐藏模块,用于监控每个着装事件的报警情况;在检测到着装事件产生报警情况时,在目标人体标识中对报警的着装事件进行隐藏处理。
在一可选的实施方式中,检测模块710中还可以包括预训练子模块、筛选子模块和检测子模块;预训练子模块,用于根据多种检测目标的检测数据对初始多目标检测模型进行预训练,得到多目标检测模型,其中,检测目标包括:人体检测、头部检测、上装检测、下装检测、帽部检测以及口部检测;筛选子模块,用于在着装检测视频进行解码的多个视频帧中筛选得到多个进行检测的目标帧;检测子模块,用于根据多目标检测模型对每个目标帧的多种检测目标进行检测,得到着装检测信息。
由于本申请实施例中的着装检测装置700解决问题的原理与前述的着装检测方法的实施例相似,因此本实施例中的着装检测装置700的实施可以参见上述着装检测方法的实施例中的描述,重复之处不再赘述。
本申请实施例还提供了一种计算机可读取存储介质,可读取存储介质中存储有计算机程序指令,计算机程序指令被一处理器读取并运行时,执行本实施例提供的着装检测方法中任一项方法中的步骤。
综上所述,本申请实施例提供了一种着装检测方法、装置、电子设备及计算机可读取存储介质,采用多目标检测模型对图像帧中多种类型的检测目标同时进行检测,并将多种检测信息匹配到相应的人物的人体标识中,以对人体标识中的各种信息进行统计,得到对着装进行检测的统计结果,提高检测的准确性和效率。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的框图显示了根据本申请的多个实施例的设备的可能实现的体系架构、功能和操作。在这点上,框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图中的每个方框、以及框图的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块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,本申请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)执行本申请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、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
以上所述,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,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物品或者设备不仅包括那些要素,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、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
Claims (11)
1.一种着装检测方法,其特征在于,所述方法包括:
根据预训练的多目标检测模型对目标帧进行多目标检测,得到多种检测目标的着装检测信息,其中,所述着装检测信息包括:被测人物的人体检测信息、头部检测信息、上装检测信息、下装检测信息、帽部检测信息、口部检测信息中的至少一种;
在多个人体标识中确定所述着装检测信息对应的目标人体标识;
根据所述目标人体标识进行多类别的着装事件统计,得到多种着装事件的统计结果。
2.根据权利要求1所述的方法,其特征在于,所述在多个人体标识中确定所述着装检测信息对应的目标人体标识之前,所述方法还包括:
获取多个所述目标帧中检测得到的所述着装检测信息中所述人体检测信息中的多个人体区域;
基于目标追踪技术对多个所述人体区域进行追踪,确定所述人体标识,其中,所述人体标识包括对应的被测人物的所有所述人体区域。
3.根据权利要求2所述的方法,其特征在于,所述着装检测信息包括所述头部检测信息、所述上装检测信息或所述下装检测信息;
所述在多个人体标识中确定所述着装检测信息对应的目标人体标识,包括:
计算所述头部检测信息中的头部区域与每个所述人体标识的所述人体区域之间的第一交并比;以所述第一交并比满足第一阈值时的所述人体标识,作为所述头部检测信息对应的所述目标人体标识;
或,计算所述上装检测信息中的上装区域与每个所述人体标识的所述人体区域之间的第二交并比;以所述第二交并比满足第二阈值时的所述人体标识,作为所述上装检测信息对应的所述目标人体标识;
或,计算所述下装检测信息中的下装区域与每个所述人体标识的所述人体区域之间的第三交并比;以所述第三交并比满足第三阈值时的所述人体标识,作为所述下装检测信息对应的所述目标人体标识。
4.根据权利要求3所述的方法,其特征在于,所述着装检测信息包括所述帽部检测信息或所述口部检测信息;
所述在多个人体标识中确定所述着装检测信息对应的目标人体标识,包括:
计算所述帽部检测信息中的帽部区域与每个所述头部检测信息中的头部区域之间的第四交并比;
或,计算所述口部检测信息中的口部区域与每个所述头部检测信息中的头部区域之间的第五交并比;
以所述第四交并比满足第四阈值,或所述第五交并比满足第五阈值时对应的所述头部区域作为目标头部区域;
计算所述目标头部区域与每个所述人体标识的所述人体区域之间的所述第一交并比;
以所述第一交并比满足所述第一阈值时的所述人体标识,作为所述帽部检测信息或所述口部检测信息对应的所述目标人体标识。
5.根据权利要求1所述的方法,其特征在于,所述根据所述目标人体标识进行多类别的着装事件统计,得到多种着装事件的统计结果,包括:
确定所述目标人体标识对应的统计数量的多种所述着装事件,其中,所述着装事件包括:上装事件、下装事件、帽部事件以及口部事件,所述统计数量为根据统计时的帧数数量设置的事件的数量阈值;
将所述目标人体标识对应的多种所述着装检测信息添加到对应的所述着装事件中;
对每个所述着装事件中的所述着装检测信息的置信度进行统计,得到所述统计结果。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
对所述统计结果中每个所述着装事件中的所述置信度进行计算,得到每个所述着装事件的目标数值;
若所述目标数值满足预设的触发阈值,则根据所述着装事件生成对应的事件报警信息,以对所述目标人体标识对应的被测人物的着装错误情况进行报警。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:
监控每个所述着装事件的报警情况;
在检测到所述着装事件产生报警情况时,在所述目标人体标识中对报警的所述着装事件进行隐藏处理。
8.根据权利要求1所述的方法,其特征在于,所述根据预训练的多目标检测模型对目标帧进行多目标检测,得到多种检测目标的着装检测信息,包括:
根据多种所述检测目标的检测数据对初始多目标检测模型进行预训练,得到所述多目标检测模型,其中,所述检测目标包括:人体检测、头部检测、上装检测、下装检测、帽部检测以及口部检测;
在着装检测视频进行解码的多个视频帧中筛选得到多个进行检测的所述目标帧;
根据所述多目标检测模型对每个所述目标帧的多种检测目标进行检测,得到所述着装检测信息。
9.一种着装检测装置,其特征在于,所述装置包括:
检测模块,用于根据预训练的多目标检测模型对目标帧进行多目标检测,得到多种检测目标的着装检测信息,其中,所述着装检测信息包括:被测人物的人体检测信息、头部检测信息、上装检测信息、下装检测信息、帽部检测信息、口部检测信息中的至少一种;
匹配模块,用于在多个人体标识中确定所述着装检测信息对应的目标人体标识;
统计模块,用于根据所述目标人体标识进行多类别的着装事件统计,得到多种着装事件的统计结果。
10.一种电子设备,其特征在于,所述电子设备包括存储器和处理器,所述存储器中存储有程序指令,所述处理器运行所述程序指令时,执行权利要求1-8中任一项所述方法中的步骤。
11.一种计算机可读取存储介质,其特征在于,所述可读取存储介质中存储有计算机程序指令,所述计算机程序指令被一处理器运行时,执行权利要求1-8任一项所述方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210963974.4A CN115294608A (zh) | 2022-08-11 | 2022-08-11 | 着装检测方法、装置、电子设备及计算机可读取存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210963974.4A CN115294608A (zh) | 2022-08-11 | 2022-08-11 | 着装检测方法、装置、电子设备及计算机可读取存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115294608A true CN115294608A (zh) | 2022-11-04 |
Family
ID=83827761
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210963974.4A Pending CN115294608A (zh) | 2022-08-11 | 2022-08-11 | 着装检测方法、装置、电子设备及计算机可读取存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115294608A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024113242A1 (zh) * | 2022-11-30 | 2024-06-06 | 京东方科技集团股份有限公司 | 着装规范判别方法、行人重识别模型训练方法及装置 |
-
2022
- 2022-08-11 CN CN202210963974.4A patent/CN115294608A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024113242A1 (zh) * | 2022-11-30 | 2024-06-06 | 京东方科技集团股份有限公司 | 着装规范判别方法、行人重识别模型训练方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109299646B (zh) | 人群异常事件检测方法、装置、系统和存储介质 | |
CN109508688B (zh) | 基于骨架的行为检测方法、终端设备及计算机存储介质 | |
WO2020215552A1 (zh) | 多目标跟踪方法、装置、计算机设备及存储介质 | |
CN110866429A (zh) | 漏扫识别方法、装置、自助收银终端及系统 | |
CN110889339B (zh) | 基于头肩检测的危险区域分级预警方法与系统 | |
CN110619324A (zh) | 一种行人和安全帽检测方法、装置及系统 | |
CN111079478B (zh) | 一种无人售货架监控方法、装置、电子设备及系统 | |
CN115294608A (zh) | 着装检测方法、装置、电子设备及计算机可读取存储介质 | |
US20190156508A1 (en) | Analysis apparatus, analysis method, and storage medium | |
CN111539253A (zh) | 一种人脸检测方法、装置、终端及存储介质 | |
CN109561855A (zh) | 用于跌倒检测的设备、系统和方法 | |
CN111931652A (zh) | 着装检测方法、装置和监测终端 | |
CN112115803A (zh) | 口罩状态提醒方法、装置及移动终端 | |
Farooq et al. | Real-Time Safety Helmet Detection Using Yolov5 at Construction Sites. | |
CN112101288A (zh) | 安全帽佩戴检测方法、装置、设备及存储介质 | |
CN110717357A (zh) | 预警方法、装置、电子设备及存储介质 | |
US20220130148A1 (en) | System and Method for Identifying Outfit on a Person | |
CN111523488A (zh) | 厨房工作人员行为实时监控方法 | |
CN113384267A (zh) | 一种跌倒实时检测方法、系统、终端设备及存储介质 | |
JP2011070332A (ja) | 異常検知装置 | |
CN108009620A (zh) | 一种大礼拜计数方法、系统和装置 | |
CN108245170A (zh) | 监测可穿戴装置的穿戴 | |
CN111583521A (zh) | 一种安全防护方法及装置 | |
CN114679342B (zh) | 一种网络安全告警信息展示方法、装置、设备和介质 | |
CN112949606B (zh) | 工服穿戴状态检测方法、装置、存储介质及电子装置 |
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 |