CN115830626A - 穿戴检测方法、设备和计算机可读存储介质 - Google Patents
穿戴检测方法、设备和计算机可读存储介质 Download PDFInfo
- Publication number
- CN115830626A CN115830626A CN202211289786.4A CN202211289786A CN115830626A CN 115830626 A CN115830626 A CN 115830626A CN 202211289786 A CN202211289786 A CN 202211289786A CN 115830626 A CN115830626 A CN 115830626A
- Authority
- CN
- China
- Prior art keywords
- human body
- wearing
- body part
- target
- similarity
- 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
Landscapes
- Image Analysis (AREA)
Abstract
本申请公开了一种穿戴检测方法、设备和计算机可读存储介质,该方法包括:获取包含人体目标的目标图像;对目标图像中的人体目标上的至少两个人体部位进行检测;对检测到的各人体部位进行穿戴特征提取,得到各人体部位的穿戴特征;利用各人体部位的穿戴特征与对应的样本部位的穿戴特征之间的穿戴相似度,得到综合相似度;基于综合相似度,得到穿戴检测结果;其中,穿戴检测结果用于表征人体目标的穿戴是否合规。通过上述方式,本申请能够提高对穿戴是否合规的检测的准确性。
Description
技术领域
本申请涉及计算机视觉技术领域,特别是涉及一种穿戴检测方法、设备和计算机可读存储介质。
背景技术
目前,不同行业对穿着有一定的要求,如,电力行业要求电力从业人员执行作业时需穿静电非、戴安全帽等。但是,如今对穿着是否合规的检查大多采用传统的人力检查的方式,这需要耗费大量的人力,且检查效率比较低。
发明内容
本申请主要解决的技术问题是提供一种穿戴检测方法、设备和计算机可读存储介质,能够提高对穿戴是否合规的检测的准确性。
为解决上述技术问题,本申请采用的一个技术方案是:提供一种穿戴检测方法,该方法包括:获取包含人体目标的目标图像;对目标图像中的人体目标上的至少两个人体部位进行检测;对检测到的各人体部位进行穿戴特征提取,得到各人体部位的穿戴特征;利用各人体部位的穿戴特征与对应的样本部位的穿戴特征之间的穿戴相似度,得到综合相似度;基于综合相似度,得到穿戴检测结果;其中,穿戴检测结果用于表征人体目标的穿戴是否合规。
其中,利用各人体部位的穿戴特征与对应的样本部位的穿戴特征之间的穿戴相似度,得到综合相似度,包括:对各穿戴相似度进行加权求和,得到综合相似度。
其中,对目标图像中的人体目标上的至少两个人体部位进行检测,包括:确定各人体部位的存在状况,其中,存在状况用于表征在目标图像中是否检测到对应的人体部位;对各穿戴相似度进行加权求和,包括:基于各人体部位的存在状况对各人体部位的权重进行自适应设置;基于设置后的权重对穿戴相似度进行加权求和。
其中,至少两个人体部位预先设置有第一归一化权重;基于各人体部位的存在状况对各人体部位的权重进行自适应设置,包括:当部分人体部位未被检测到时,对被检测到的人体部位的第一归一化权重重新进行归一化,得到第二归一化权重;基于设置后的权重对穿戴相似度进行加权求和,包括:当至少两个人体部位均被检测到时,利用第一归一化权重对至少两个人体部位的穿戴相似度进行加权求和;当部分人体部位未被检测到时,利用第二归一化权重对被检测到的人体部位的穿戴相似度进行加权求和。
其中,至少两个人体部位预先设置有第一归一化权重;基于各人体部位的存在状况对各人体部位的权重进行自适应设置,包括:通过以下公式计算各人体部位的设置后的权重:
其中,β1i为第i个人体部位的第一归一化权重,β2i为第i个人体部位的第二归一化权重,αi为用于表征第i个人体部位的存在状况的状况系数,并在第i个人体部位被检测到时设置为1,在第i个人体部位未被检测到时设置为0,n为至少两个人体部位的数量。
其中,工服穿戴的检测方法进一步包括:根据用户的检测需求对第一归一化权重进行设置,其中,用户对人体部位的关注度越高,对应的第一归一化权重越大。
其中,基于综合相似度,得到穿戴检测结果,包括:响应于综合相似度小于或等于预设的阈值,确定人体目标的穿戴不合规;和/或,在基于综合相似度,得到穿戴检测结果之后,穿戴检测方法还包括:响应于穿戴检测结果为人体目标的穿戴不合规,向用户终端发送提示人体目标穿戴不合规的提示信息。
其中,至少两个人体部位包括上半身、下半身、头部中的至少两者。
为解决上述技术问题,本申请采用的另一个技术方案是:提供一种穿戴检测设备,该穿戴检测设备包括处理器和存储器,存储器存储有程序指令,处理器用于执行程序指令以实现上述的穿戴检测方法。
为解决上述技术问题,本申请采用的另一个技术方案是:提供一种计算机可读存储介质,该计算机可读存储介质用于存储程序指令,程序指令能够被执行以实现上述的穿戴检测方法。
上述技术方案,将人体目标划分各个人体部位进行比对而确定人体目标的穿戴是否合规,相比于直接基于完整人体进行比对而确定穿戴是否合规的方式,对穿戴是否合规的检测更加准确。另外,由于是利用检测到的各穿戴特征与对应的样本部位的穿戴特征之间的穿戴相似度得到综合相似度的,所以基于综合相似度确定人体目标的穿戴是否合规,相当于是基于各检测到的人体部位的穿戴情况而确定人体目标的穿戴是否合规的,对穿戴是否合规的检测更加准确,减少误检、误报的情况发生。
附图说明
图1是本申请提供的穿戴检测方法一实施例的流程示意图;
图2是本申请提供的穿戴数据一实施例的示意图;
图3是本申请提供的构建比较底库的示意图;
图4是图1所示步骤S14一实施例的流程示意图;
图5是本申请提供的穿戴检测设备一实施例的结构示意图;
图6是本申请提供的计算机可读存储介质一实施例的结构示意图。
具体实施方式
下面结合说明书附图,对本申请实施例的方案进行详细说明。
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、接口、技术之类的具体细节,以便透彻理解本申请。
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。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。此外,本文中的“多”表示两个或者多于两个。另外,本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合,例如,包括A、B、C中的至少一种,可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
请参阅图1,图1是本申请提供的穿戴检测方法一实施例的流程示意图。需注意的是,若有实质上相同的结果,本实施例并不以图1所示的流程顺序为限。如图1所示,本实施例包括:
步骤S11:获取包含人体目标的目标图像。
本实施例的方法用于检测人体目标的穿戴是否合规,穿戴合规可以理解为是否穿戴所需穿戴的工服,如,电力从业人员合规穿戴为电力从业人员穿戴静电服、消防员合规穿戴为消防员穿戴消防服等。本文所述的工服包括但不限于电力从业人员执行作业时需穿戴的静电服、安全帽等、焊接车间内的施工人员需要穿戴的焊接防护服、高空作业的施工人员需穿戴的绑有安全带的防护服、吊装车间的施工人员需要穿戴的常规工服、消防人员所需穿戴的消防服等。举例来说,以本申请提供的穿戴检测方法具体应用于检测消防员的消防服穿戴是否合规为例,在消防员实施救援时,消防服的穿戴能够为消防员提供一定的保护,有效减少消防员所受到的伤害;所以,对消防员的消防服穿戴是否合规进行检测,以便于后续能够针对消防服穿戴不合规的消防员进行告警提示,从而保证消防员在实施救援时是穿戴消防服的。
在一实施方式中,具体可以从本地存储或者云端存储获取得到包含人体目标的目标图像。可以理解地,在其他实施方式中,也可通过图像采集设备实时采集包含人体目标的目标图像,在此不做具体限定。
其中,人体目标可以看作是需要检测穿戴是否合规的对象。例如,需要检测目标图像包含的人体目标消防服穿戴是否合规,此时人体目标对应的是消防员的人体;又例如,需要检测目标图像包含的人体目标是否穿戴防疫防护服,此时人体目标为任一需要穿戴防疫防护服的对象的人体。
步骤S12:对目标图像中的人体目标上的至少两个人体部位进行检测。
本实施方式中,对目标图像中的人体目标上的至少两个人体部位进行检测,以使得后续能够区分人体部位进行比对而确定人体目标的穿戴是否合规,相比于直接基于完整人体进行比对而确定人体目标的穿戴是否合规的方式,对于穿戴是否合规的检测更加准确,减少误检、误报的情况发生。其中,不对检测的人体部位的数量进行限定,可根据实际使用需要具体设置;例如,对目标图像中的人体目标上的两个、三个、四个等人体部位进行检测。另外,不对人体部位的具体划分方式进行限定;例如,将人体部位划分为上半身、下半身和头部,那么上述的至少两个人体部位为上半身、下半身和头部中的至少两者;又例如,将人体部位划分为头部、上半身、腿部和脚部,那么上述的至少两个人体部位为头部、上半身、腿部和脚部中的至少两者。
在一实施方式中,对目标图像中的人体目标上的至少两个人体部位进行检测,具体为确定各人体部位的存在状况,其中,存在状况用于表征在目标图像中是否检测到对应的人体部位。也就是说,对目标图像中的人体目标进行人体部位检测就是确定人体目标各人体部位的存在状况,即确定是否能够检测到对应的人体部位,如,确定是否存在遮挡等,以使得后续能够基于检测到的人体部位而确定人体目标的穿戴是否合规,而摈弃未被检测到的人体部位的相关信息,从而能够提高对穿戴是否合规的检测的准确性。
在一实施方式中,可以利用人体部位检测算法对目标图像中的人体目标上的至少两个人体部位进行检测。可以理解地,在其他实施方式中,也可利用人体部位检测模型对目标图像中的人体目标上的至少两个人体部位进行检测,在此不做具体限定。在一具体实施方式中,人体部位检测模型的训练具体为以下步骤,步骤一:建立穿戴数据集,其中,穿戴数据集上标注有人体部位;例如,如图2所示,图2是本申请提供的穿戴数据一实施例的示意图,该穿戴图像上标注的人体部位为头部、上半身和下半身。步骤二:利用穿戴数据集,基于yoloV3网络模型训练人体部位检测模型,直至训练人体部位检测模型至收敛,此时完成对人体部位检测模型的训练。
在一具体实施方式中,至少两个人体部位包括上半身、下半身和头部,也就是说,同时囊括了对目标图像中的人体目标的上半身、下半身和头部的检测,能够使得本申请提供的穿戴检测方法适用于多个场景。举例来说,在A场景下需要检测是否穿戴安全帽,此时需要对目标图像中的人体目标上的头部进行检测;而若B场景下需要检测是否穿戴防护服,此时需要对目标图像中的人体目标上的上半身、下半身和头部进行检测;所以,如果同时囊括了对目标图像中的人体目标的上半身、下半身和头部的检测,则可以直接利用此人体部位检测算法或者人体部位检测模型应用于A场景或者B场景,而无需单独再提供用于检测人体目标某一人体部位的算法或模型。
步骤S13:对检测到的各人体部位进行穿戴特征提取,得到各人体部位的穿戴特征。
本实施方式中,对检测到的各人体部位进行穿戴特征提取,得到各人体部位的穿戴特征。也就是说,对检测到的各人体部位进行穿戴特征提取,使得后续基于检测到的各人体部位的穿戴特征进行特征比对,以确定人体目标的穿戴是否合规,即,基于检测到的各人体部位确定人体目标的穿戴是否合规,提高了对穿戴是否合规的检测的准确性。
在一实施方式中,可利用特征提取算法对检测到的各人体部位进行穿戴特征提取,以得到各人体部位的穿戴特征。可以理解地,在其他实施方式中,也可利用特征提取模型对检测到的各人体部位进行穿戴特征提取,得到各人体部位的穿戴特征。在一具体实施方式中,利用样本集对分类模型进行训练,其中,样本集包括人体的上半身数据集合、人体的下半身数据集合、人体的头部数据集合等;然后,将训练完成的分类模型剔除分类层后作为特征提取模型。
步骤S14:利用各人体部位的穿戴特征与对应的样本部位的穿戴特征之间的穿戴相似度,得到综合相似度。
本实施方式中,利用各人体部位的穿戴特征与对应的样本部位的穿戴特征之间的穿戴相似度,得到综合相似度。也就是说,会将各人体部位的穿戴特征与对应的各样本部位的穿戴特征之间进行相似度计算,并将与对应的各样本部位的穿戴特征之间的最大穿戴相似度作为此人体部位对应的穿戴相似度;然后,利用各人体部位对应的穿戴相似度,得到人体目标对应的综合相似度。举例来说,以检测到的人体部位为上半身和下半身为例;首先,确定上半身对应的穿戴特征与比较底库中的各样本上半身对应的穿戴特征之间的穿戴相似度,并将最大穿戴相似度作为上半身对应的穿戴相似度,以及确定下半身对应的穿戴特征与比较底库中的各样本下半身对应的穿戴特征之间的穿戴相似度,并将最大穿戴相似度作为下半身对应的穿戴相似度;然后,利用上半身对应的穿戴相似度以及下半身对应的穿戴相似度,得到人体目标对应的综合相似度。
其中,需要说明的是,样本部位对应的穿戴特征所属的比较底库是提前构建的。具体地,如图3所示,图3是本申请提供的构建比较底库的示意图,以样本人体部位包括样本头部、样本上半身和样本下半身为例:首先,搜集样本穿戴数据,其中,样本穿戴数据包括不同角度、不同场景穿着工服的人体图像;然后,利用人体部位检测模型或者人体部位检测算法进行样本人体部位的检测,得到样本人体的样本上半身数据、样本人体的样本下半身数据和样本人体的样本头部数据;然后,利用特征提取模型或者特征提取算法对样本人体部位(即,样本人体的样本上半身数据、样本人体的样本下半身数据和样本人体的样本头部数据)进行穿戴特征提取,得到各样本人体部位的穿戴特征,此时各样本人体部位的穿戴特征共同构成比较底库。
在一实施方式中,对各人体部位的穿戴特征与对应的样本部位的穿戴特征之间的穿戴相似度进行加权求和,得到综合相似度。可以理解地,在其他实施方式中,也可对各人体部位的穿戴特征与对应的样本部位的穿戴特征之间的穿戴相似度进行求平均处理,以得到综合相似度,在此不做具体限定。
在一具体实施方式中,如图4所示,图4是图1所示步骤S14一实施例的流程示意图,在对目标图像中的人体目标上的至少两个人体部位进行检测具体为确定各人体部位的存在状况时,对各穿戴相似度进行加权求和具体包括如下子步骤:
步骤S141:基于各人体部位的存在状况对各人体部位的权重进行自适应设置。
本实施方式中,基于各人体部位的存在状况对各人体部位的权重进行自适应设置。通过人体部位的存在状况对人体部位的权重进行自适应设置,以弱化或者剔除未检测到的人体部位(如,被遮挡的人体部位)在后续穿戴是否合规的判断中的影响,即,弱化或者剔除未检测到的人体部位的穿戴相似度在后续确定的综合相似度中所占的比重,从而使得后续基于综合相似度对人体目标的穿戴是否合规是基于检测到的人体部位的穿戴情况判定人体目标的穿戴是否合规的,提高了对穿戴是否合规的检测的准确性。
在一实施方式中,人体目标上的至少两个人体部位预设设置有第一归一化权重,在人体目标的部分人体部位未被检测到时,为了弱化或者剔除未检测到的人体部位在后续穿戴是否合规的判定中的影响,需要重新设置未检测到的人体部位的第一归一化权重,此时同时需要对检测到的人体部位对应的第一归一化权重进行调整。
具体地,为了剔除或削弱未检测到的人体部位在后续穿戴是否合规的判定中的影响,或者说,增大检测到的人体部位在后续穿戴是否合规的判定中的影响,使得后续基于检测到的人体部位对应的穿戴相似度得到综合相似度,从而使得后续基于综合相似度得到的穿戴检测结果是基于检测到的人体部位的穿戴情况确定的,提高了对穿戴是否合规的检测的准确性。其中,具体为对被检测到的人体部位的第一归一化权重重新进行归一化,以得到各检测到的人体部位对应的第二归一化权重,从而实现基于各人体部位的存在状况对各人体部位的权重进行自适应设置。
在其他实施方式中,人体目标上的至少两个人体部位预先设置有第一归一化权重,具体通过如下公式确定人体部位设置后的权重:
其中,β1i为第i个人体部位的第一归一化权重;β2i为第i个人体部位的第二归一化权重;αi为用于表征第i个人体部位的存在状况的状况系数,并在第i个人体部位被检测到时设置为1,在第i个人体部位未被检测到时设置为0,n为至少两个人体部位的数量。需要说明的是,由于在人体部位未被检测到时,此人体部位的状况系数设置为0,所以此人体部位的设置后的权重即第二归一化权重为0,使得后续在基于设置后的权重对穿戴相似度进行加权求和时不添加未检测到的人体部位的穿戴相似度值,从而剔除未检测到的人体部位在后续穿戴是否合规的判定中的影响,使得后续基于检测到的人体部位的穿戴情况判定人体目标的穿戴是否合规,提高了对穿戴是否合规的检测的准确性。
在一实施方式中,上述实施方式中提及的第一归一化权重可根据用户的检测需求进行设置,其中,用户对人体部位的关注度越高,对应的第一归一化权重越大。举例来说,以至少两个人体部位包括头部、上半身和下半身为例,在消防场景下,只需要检测消防人员是否穿戴消防服而无需检测消防人员是否穿戴安全帽,则表明用户对上半身和下半身的关注度会比较高,此时上半身和下半身对应的第一归一化权重可设置为非0的较大值,而头部对应的第一归一化权重可设置为0值或者非0的较小值;在头部对应的第一归一化权重设置为0值时,能够使得后续能够只结合人体目标的上半身穿戴情况和下半身穿戴情况确定人体目标的穿戴是否合规,减少了计算量,提高了检测效率和准确性。又例如,以至少两个人体部位包括头部、上半身和下半身为例,若只需要检测是否穿戴安全帽,则此时安全帽对应的第一归一化权重可设置为非0的较大值,而上半身和下半身对应的第一归一化权重设置可设置为0值或者非0的较小值;在上半身和下半身对应的第一归一化权重设置为0值时,能够使得后续只通过人体目标的头部穿戴情况确定人体目标的穿戴是否合规,减少了计算量,提高了检测准确性和效率。
步骤S142:基于设置后的权重对部位相似度进行加权求和。
本实施方式中,基于设置后的权重对部位相似度进行加权求和。在一实施方式中,在采用对被检测到的人体部位的第一归一化权重重新进行归一化得到第二归一化权重的方式时,基于设置后的权重对穿戴相似度进行加权求和具体为:当至少两个人体部位均被检测到时,利用第一归一化权重对至少两个人体部位的穿戴相似度进行加权求和;当部分人体部位未被检测到时,利用第二归一化权重对被检测到的人体部位的穿戴相似度进行加权求和。也就是说,在至少两个人体部位都被检测到时,利用各个人体部位的穿戴相似度进行加权求和,以得到综合相似度,从而使得后续基于综合相似度得到的穿戴检测结果是基于各个人体部位的穿戴情况综合确定的,提高了对穿戴是否合规的检测的准确性;而在部分人体部位未被检测到时,利用检测到的人体部位对应的第二归一化权重对被检测到的人体部位的穿戴相似度进行加权求和而得到综合相似度,由于综合相似度是未加入未检测到的人体部位的穿戴相似度值的,所以基于检测到的人体部位对应的穿戴相似度得到的综合相似度进行穿戴是否合规的判定是只基于检测到的人体部位的穿戴情况判定的,提高了对穿戴是否合规的检测的准确性。
在其他实施方式中,在基于上述公式(1)确定人体部位设置后的权重时,基于设置后的权重对穿戴相似度进行加权求和而得到综合戴相似度的具体公式如下所示:
其中,sim为综合相似度;simi为第i个人体部位的穿戴相似度;β2i为第i个人体部位的第二归一化权重;αi为用于表征第i个人体部位的存在状况的状况系数,并在第i个人体部位被检测到时设置为1,在第i个人体部位未被检测到时设置为0,n为至少两个人体部位的数量。
步骤S15:基于综合相似度,得到穿戴检测结果。
本实施方式中,基于综合相似度,得到穿戴检测结果;其中,穿戴检测结果用于表征人体目标的穿戴是否合规。由于是利用检测到的各人体部位的穿戴特征与对应的样本部位的穿戴特征之间的穿戴相似度得到综合相似度的,所以基于综合相似度确定人体目标的穿戴是否合规,相当于是基于各检测到的人体部位的穿戴情况而确定人体目标的穿戴是否合规的,相比于利用完整的人体确定人体目标的穿戴是否合规的方式,对穿戴是否合规的检测更加准确,减少误检、误报的情况发生。
举例来说,以对人体目标A检测到的人体部位包括头部、上半身和下半身,且人体目标A的下半身未穿戴工服为例:由于综合相似度是利用检测到的头部、上半身和下半身对应的穿戴相似度得到的,所以基于综合相似度得到的穿戴检测结果是考虑了头部、上半身和下半身的穿戴情况的;因此,在人体目标A的下半身未穿戴工服的情况下,会同时基于人体目标A的头部穿戴的情况、人体目标A的上半身穿戴的情况以及人体目标A的下半身未穿戴的情况,确定人体目标A的穿戴是否合规,对穿戴是否合规的检测准确性高;而若直接基于从人体目标A的完整人体提取出来的穿戴特征进行比对,可能提取出来的特征是未涉及人体目标A的下半身,从而导致相似度过高,造成误检的情况发生。
又例如,以人体部位包括头部、上半身和下半身,人体目标B的下半身被遮挡为例,由于人体目标B的下半身被物品遮挡,所以检测到的各人体部位即为未被遮挡的人体部位,即,检测到的人体部位为人体目标B的头部和人体目标B的上半身;由于综合相似度是利用检测到的头部和上半身对应的穿戴相似度得到的,所以基于综合相似度得到的穿戴检测结果是只考虑了头部和上半身的穿戴情况的;因此,在人体目标B的下半身被遮挡的情况下,只基于能够检测到的人体目标B的头部穿戴情况和上半身穿戴情况,确定人体目标B的穿戴是否合规,对穿戴是否合规的检测准确性高;而若直接基于从人体目标B的完整人体提取出来的穿戴特征进行比对,会将被遮挡的这部分区域的信息考虑进去,可能会造成误检的情况发生。
在一实施方式中,可通过确定综合相似度与预设的阈值之间的大小关系,确定人体目标的穿戴是否合规,直接通过预设的阈值确定人体目标的穿戴是否合规,方式简单,计算量较小,能够提高对穿戴是否合规的检测的效率。具体为:响应于综合相似度小于或等于预设的阈值,确定人体目标的穿戴不合规;响应于综合相似度大于预设的阈值,确定人体目标的穿戴合规。也就是说,在综合相似度小于或等于预设的阈值时,表明人体目标的穿戴合规的可能性较小,此时判定目标图像中包含的人体目标的穿戴不合规;而在综合相似度大于预设的阈值时,表明人体目标的穿戴合规的可能性较大,此时判定目标图像中包含的人体目标的穿戴合规。其中,不对预设的阈值大小进行限定,可根据实际使用需要具体设置。例如,预设的阈值为0.6、0.7或者0.8等。
在一实施方式中,在基于综合相似度,得到穿戴检测结果之后,响应于穿戴检测结果为人体目标的穿戴不合规,向用户终端发送提示人体目标的穿戴不合规的提示信息,以便于用户能够及时对人体目标的穿戴不合规行为进行监管、处理。在其他实施方式中,在确定人体目标的穿戴不合规之后,也可通过发送警报信息以控制警报器发出警报声或者控制警报器闪烁,以及时告知当前的穿戴是不合规的。
上述实施方式中,将人体目标划分各个人体部位进行比对而确定人体目标的穿戴是否合规,相比于直接基于完整人体进行比对而确定穿戴是否合规的方式,对穿戴是否合规的检测更加准确。另外,由于是利用检测到的各人体部位的穿戴特征与对应的样本部位的穿戴特征之间的穿戴相似度得到综合相似度的,所以基于综合相似度确定人体目标的穿戴是否合规,相当于是基于各检测到的人体部位的穿戴情况而确定人体目标的穿戴是否合规的,对穿戴是否合规的检测更加准确,减少误检、误报的情况发生。
请参阅图5,图5是本申请提供的穿戴检测设备一实施例的结构示意图。穿戴检测设备50包括相互耦接的存储器51和处理器52,处理器52用于执行存储器51中存储的程序指令,以实现上述任一穿戴检测方法实施例的步骤。在一个具体的实施场景中,穿戴检测设备50可以包括但不限于:微型计算机、服务器,此外,工服穿戴的检测设备50还可以包括笔记本电脑、平板电脑等移动设备,在此不做限定。
具体而言,处理器52用于控制其自身以及存储器51以实现上述任一穿戴检测方法实施例的步骤。处理器52还可以称为CPU(Central Processing Unit,中央处理单元)。处理器52可能是一种集成电路芯片,具有信号的处理能力。处理器52还可以是通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application SpecificIntegrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,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。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。另外,处理器52可以由集成电路芯片共同实现。
请参阅图6,图6是本申请提供的计算机可读存储介质一实施例的结构示意图。本申请实施例的计算机可读存储介质60存储有程序指令61,该程序指令61被执行时实现本申请穿戴检测方法任一实施例以及任意不冲突的组合所提供的方法。其中,该程序指令61可以形成程序文件以软件产品的形式存储在上述计算机可读存储介质60中,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方式方法的全部或部分步骤。而前述的计算机可读存储介质60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,或者是计算机、服务器、手机、平板等终端设备。
若本申请技术方案涉及个人信息,应用本申请技术方案的产品在处理个人信息前,已明确告知个人信息处理规则,并取得个人自主同意。若本申请技术方案涉及敏感个人信息,应用本申请技术方案的产品在处理敏感个人信息前,已取得个人单独同意,并且同时满足“明示同意”的要求。例如,在摄像头等个人信息采集装置处,设置明确显著的标识告知已进入个人信息采集范围,将会对个人信息进行采集,若个人自愿进入采集范围即视为同意对其个人信息进行采集;或者在个人信息处理的装置上,利用明显的标识/信息告知个人信息处理规则的情况下,通过弹窗信息或请个人自行上传其个人信息等方式获得个人授权;其中,个人信息处理规则可包括个人信息处理者、个人信息处理目的、处理方式以及处理的个人信息种类等信息。
以上所述仅为本申请的实施方式,并非因此限制本申请的专利范围,凡是利用本申请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,均同理包括在本申请的专利保护范围内。
Claims (10)
1.一种穿戴检测方法,其特征在于,包括:
获取包含人体目标的目标图像;
对所述目标图像中的所述人体目标上的至少两个人体部位进行检测;
对检测到的各所述人体部位进行穿戴特征提取,得到各所述人体部位的穿戴特征;
利用各所述人体部位的穿戴特征与对应的样本部位的穿戴特征之间的穿戴相似度,得到综合相似度;
基于所述综合相似度,得到穿戴检测结果;其中,所述穿戴检测结果用于表征所述人体目标的穿戴是否合规。
2.根据权利要求1所述的方法,其特征在于,所述利用各所述人体部位的穿戴特征与对应的样本部位的穿戴特征之间的穿戴相似度,得到综合相似度,包括:
对各所述穿戴相似度进行加权求和,得到所述综合相似度。
3.根据权利要求2所述的方法,其特征在于,所述对所述目标图像中的所述人体目标上的至少两个人体部位进行检测,包括:
确定各所述人体部位的存在状况,其中,所述存在状况用于表征在所述目标图像中是否检测到对应的所述人体部位;
所述对各所述穿戴相似度进行加权求和,包括:
基于各所述人体部位的存在状况对各所述人体部位的权重进行自适应设置;
基于设置后的所述权重对所述穿戴相似度进行加权求和。
4.根据权利要求3所述的方法,其特征在于,所述至少两个人体部位预先设置有第一归一化权重;
所述基于各所述人体部位的存在状况对各所述人体部位的权重进行自适应设置,包括:
当部分所述人体部位未被检测到时,对被检测到的所述人体部位的所述第一归一化权重重新进行归一化,得到第二归一化权重;
所述基于设置后的所述权重对所述穿戴相似度进行加权求和,包括:
当所述至少两个人体部位均被检测到时,利用所述第一归一化权重对所述至少两个人体部位的穿戴相似度进行加权求和;
当部分所述人体部位未被检测到时,利用所述第二归一化权重对被检测到的所述人体部位的穿戴相似度进行加权求和。
6.根据权利要求4或5所述的方法,其特征在于,所述方法进一步包括:
根据用户的检测需求对所述第一归一化权重进行设置,其中,所述用户对所述人体部位的关注度越高,对应的所述第一归一化权重越大。
7.根据权利要求1所述的方法,其特征在于,所述基于所述综合相似度,得到穿戴检测结果,包括:
响应于所述综合相似度小于或等于预设的阈值,确定所述人体目标的穿戴不合规;和/或,
在所述基于所述综合相似度,得到穿戴检测结果之后,所述方法还包括:
响应于所述穿戴检测结果为所述人体目标的穿戴不合规,向用户终端发送提示所述人体目标穿戴不合规的提示信息。
8.根据权利要求1所述的方法,其特征在于,所述至少两个人体部位包括上半身、下半身、头部中的至少两者。
9.一种穿戴检测设备,其特征在于,所述穿戴检测设备包括处理器和存储器,所述存储器存储有程序指令,所述处理器用于执行所述程序指令以实现如权利要求1-8任一项所述的穿戴检测方法。
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用于存储程序指令,所述程序指令能够被执行以实现如权利要求1-8任一项所述的穿戴检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211289786.4A CN115830626A (zh) | 2022-10-20 | 2022-10-20 | 穿戴检测方法、设备和计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211289786.4A CN115830626A (zh) | 2022-10-20 | 2022-10-20 | 穿戴检测方法、设备和计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115830626A true CN115830626A (zh) | 2023-03-21 |
Family
ID=85525096
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211289786.4A Pending CN115830626A (zh) | 2022-10-20 | 2022-10-20 | 穿戴检测方法、设备和计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115830626A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117421688A (zh) * | 2023-12-18 | 2024-01-19 | 金品计算机科技(天津)有限公司 | 基于机器学习的智能预警方法、装置、设备及介质 |
-
2022
- 2022-10-20 CN CN202211289786.4A patent/CN115830626A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117421688A (zh) * | 2023-12-18 | 2024-01-19 | 金品计算机科技(天津)有限公司 | 基于机器学习的智能预警方法、装置、设备及介质 |
CN117421688B (zh) * | 2023-12-18 | 2024-03-22 | 金品计算机科技(天津)有限公司 | 基于机器学习的智能预警方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111445524B (zh) | 基于场景理解的施工现场工人不安全行为识别方法 | |
CN106372662B (zh) | 安全帽佩戴的检测方法和装置、摄像头、服务器 | |
Xie et al. | A convolutional neural network based approach towards real-time hard hat detection | |
CN110532988B (zh) | 行为监控方法、装置、计算机设备和可读存储介质 | |
Mneymneh et al. | Evaluation of computer vision techniques for automated hardhat detection in indoor construction safety applications | |
CN108154099B (zh) | 一种人物识别方法、装置及电子设备 | |
CN115830626A (zh) | 穿戴检测方法、设备和计算机可读存储介质 | |
CN111062303A (zh) | 图像处理方法、系统及计算机存储介质 | |
CN111931652A (zh) | 着装检测方法、装置和监测终端 | |
CN111598021B (zh) | 面部遮挡物的佩戴检测方法、装置、电子设备及存储介质 | |
KR101668555B1 (ko) | 작업 현장 영상 데이터 내의 작업자 인식 방법 | |
Hong et al. | Monitoring safety behaviors of scaffolding workers using Gramian angular field convolution neural network based on IMU sensing data | |
TW201432633A (zh) | 跌倒偵測方法 | |
CN113505770A (zh) | 快递行业衣着发饰异常检测方法及系统、电子设备 | |
CN114092875A (zh) | 基于机器学习的作业现场安全监管方法及装置 | |
CN114220117A (zh) | 一种穿戴合规性检测方法、装置和计算机可读存储介质 | |
CN111582183A (zh) | 一种公共场所的口罩识别方法及系统 | |
CN112149527A (zh) | 一种可穿戴设备检测方法、装置、电子设备及存储介质 | |
KR101674266B1 (ko) | 영상 기반의 건설 현장 안전 수준 평가 시스템 | |
JP6977607B2 (ja) | 安全判定装置、安全判定システム、安全判定方法 | |
CN115240365B (zh) | 一种融合多维信息的电力作业人员危险态势动态感知方法 | |
Tran et al. | A fully automated vision-based system for real-time personal protective detection and monitoring | |
Truong et al. | Instance segmentation of personal protective equipment using a multi-stage transfer learning process | |
Thakur et al. | YOLOv8-Based Helmet and Vest Detection System for Safety Assessment | |
TWI808490B (zh) | 施工區域的監視裝置和監視方法 |
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 |