CN116310763B - 一种模板图像生成方法、装置、电子设备及存储介质 - Google Patents

一种模板图像生成方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN116310763B
CN116310763B CN202310517484.6A CN202310517484A CN116310763B CN 116310763 B CN116310763 B CN 116310763B CN 202310517484 A CN202310517484 A CN 202310517484A CN 116310763 B CN116310763 B CN 116310763B
Authority
CN
China
Prior art keywords
image
alternative
template
candidate
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.)
Active
Application number
CN202310517484.6A
Other languages
English (en)
Other versions
CN116310763A (zh
Inventor
李�诚
王隐之
谢凯
杨再初
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 Yingtelinda Information Technology Co ltd
Hefei Intelingda Information Technology Co ltd
Original Assignee
Beijing Yingtelinda Information Technology Co ltd
Hefei Intelingda Information 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 Yingtelinda Information Technology Co ltd, Hefei Intelingda Information Technology Co ltd filed Critical Beijing Yingtelinda Information Technology Co ltd
Priority to CN202310517484.6A priority Critical patent/CN116310763B/zh
Publication of CN116310763A publication Critical patent/CN116310763A/zh
Application granted granted Critical
Publication of CN116310763B publication Critical patent/CN116310763B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • 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
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • 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
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Human Computer Interaction (AREA)
  • Image Analysis (AREA)

Abstract

本发明实施例提供了一种模板图像生成方法、装置、电子设备及存储介质，涉及图像处理技术领域，包括：获取多个第一备选图像和多个第二备选图像；针对每一第一备选图像，计算该第一备选图像对应的第一图像相似度；计算该第一备选图像对应的第一图像相似度的统计值，得到该第一备选图像对应的第二图像相似度；在该第一备选图像对应的第二图像相似度小于第二预设阈值时，计算该第一备选图像的第三图像相似度；从除该第一备选图像之外的其他第一备选图像中，确定与该第一备选图像的第三图像相似度大于第三预设阈值的备选模板图像；基于各第一备选图像对应的备选模板图像，得到多个目标模板图像，应用本发明实施例提供的方法，可以提高检测的准确度。

Description

一种模板图像生成方法、装置、电子设备及存储介质
技术领域
本发明涉及图像处理技术领域，特别是涉及一种模板图像生成方法、装置、电子设备及存储介质。
背景技术
工服为根据工作人员的工作需要而特制的服装。工服可以指示工作人员的身份，或在发生事故时为工作人员提供防护，降低事故危害。如高空作业的工作人员的工服为绑有安全带的防护服。若工作人员未穿戴工服，在工作人员的工作过程中会存在安全隐患。为了减少安全隐患，可以基于检测算法，对待检测图像中的工作人员是否穿戴工服进行检测。
相关技术中，可以预先建立包括多个标准模板图像的标准模板库，每一标准模板图像与一种工服相对应，该标准模板图像为工作人员按照标准方式穿戴工服的图像。电子设备获取待检测图像，并分别计算待检测图像的图像特征和每一标准模板图像的图像特征的相似度，得到待检测图像与各标准模板图像的相似度。进而，基于待检测图像与各标准模板图像的相似度，得到表示工作人员是否穿戴工服的检测结果。
然而，由于工服的种类较多，且工作人员可以对工服进行个性化穿戴，如工作人员可以在工服外增加外套，进而，基于检测算法对待检测图像中的工作人员是否穿戴工服进行检测时，若工作人员未按照标准方式穿戴工服，则提取到的待检测图像的图像特征中包含其他衣服的特征，电子设备基于待检测图像的图像特征计算得到的该待检测图像的图像特征与标准模板图像的图像特征的相似度较低。进而，即使工作人员穿戴工服，电子设备也可能得到表示工作人员未穿戴工服的检测结果，导致最终得到的检测结果的准确度不高。
发明内容
本发明实施例的目的在于提供一种模板图像生成方法、装置、电子设备及存储介质，以提高检测的准确度。具体技术方案如下：
在本发明实施例的第一方面，首先提供了一种模板图像生成方法，所述方法包括：
获取多个第一备选图像和多个第二备选图像；其中，所述第一备选图像与标准模板图像的相似度大于第一预设阈值；所述第二备选图像与所述标准模板图像的相似度不大于所述第一预设阈值；所述第一备选图像与所述第二备选图像是基于实际工作环境得到的；
针对每一第一备选图像，分别计算该第一备选图像的图像特征与各第二备选图像的图像特征的相似度，作为该第一备选图像对应的第一图像相似度；
计算该第一备选图像对应的多个第一图像相似度的统计值，得到该第一备选图像对应的第二图像相似度；
在该第一备选图像对应的第二图像相似度小于第二预设阈值时，计算该第一备选图像的图像特征与其他第一备选图像的图像特征的相似度，作为第三图像相似度；
从除该第一备选图像之外的其他第一备选图像中，确定与该第一备选图像的第三图像相似度大于第三预设阈值的图像，得到该第一备选图像对应的备选模板图像；
基于各第一备选图像对应的备选模板图像，得到多个目标模板图像。
可选的，所述获取多个第一备选图像和多个第二备选图像，包括：
获取多个待匹配图像和多个标准模板图像；其中，每一标准模板图像与一种工服相对应，该标准模板图像为工作人员按照标准方式穿戴工服的图像；
针对每一待匹配图像，对该待匹配图像进行特征提取，得到该待匹配图像的图像特征，以及针对每一标准模板图像，对该标准模板图像进行特征提取，得到该标准模板图像的图像特征；
针对每一待匹配图像，分别计算该待匹配图像的图像特征与各标准模板图像的图像特征的相似度，作为第四图像相似度；
确定多个第四图像相似度中最大的第四图像相似度对应的标准模板图像，作为参考模板图像；
如果该待匹配图像与所述参考模板图像的第四图像相似度大于第一预设阈值，确定该待匹配图像为第一备选图像；
如果该待匹配图像与所述参考模板图像的第四图像相似度不大于所述第一预设阈值，确定该待匹配图像为第二备选图像。
可选的，在所述分别计算该第一备选图像的图像特征与各第二备选图像的图像特征的相似度之前，所述方法还包括：
针对每一第一备选图像，对该第一备选图像的图像特征进行归一化处理，得到该第一备选图像的归一化后的图像特征；
针对每一第二备选图像，对该第二备选图像的图像特征进行归一化处理，得到该第二备选图像的归一化后的图像特征；
所述分别计算该第一备选图像的图像特征与各第二备选图像的图像特征的相似度，包括：
针对每一第二备选图像，计算该第一备选图像的归一化后的图像特征与该第二备选图像的归一化后的图像特征的内积，得到该第一备选图像的图像特征与该第二备选图像的图像特征的相似度；
所述计算该第一备选图像的图像特征与其他第一备选图像的图像特征的相似度，包括：
针对除该第一备选图像之外的其他每一第一备选图像，计算该第一备选图像的归一化后的图像特征与其他第一备选图像的归一化后的图像特征的内积，得到该第一备选图像的图像特征与其他第一备选图像的图像特征的相似度。
可选的，所述计算该第一备选图像对应的多个第一图像相似度的统计值，得到该第一备选图像对应的第二图像相似度，包括：
确定所述多个第一图像相似度中的最大值，作为该第一备选图像对应的第二图像相似度。
可选的，所述基于各第一备选图像对应的备选模板图像，得到多个目标模板图像，包括：
从多个第一备选图像中，选择一个第一备选图像，作为当前的待处理图像；
针对当前的待处理图像对应的每一备选模板图像，判断当前的模板图像集合中是否包含该备选模板图像；
如果当前的模板图像集合中不包含该备选模板图像，将该备选模板图像添加至当前的模板图像集合中，从除当前的待处理图像外的其他第一备选图像中，选择一个未针对对应的备选模板图像进行筛选的第一备选图像，作为当前的待处理图像，并返回执行所述针对当前的待处理图像对应的每一备选模板图像，判断当前的模板图像集合中是否包含该备选模板图像的步骤，直至完成对各第一备选图像对应的备选模板图像的筛选，将当前的模板图像集合中包含的各备选模板图像确定为目标模板图像；
如果当前的模板图像集合中包含当前的待处理图像对应的各备选模板图像，从除当前的待处理图像外的其他第一备选图像中，选择一个未针对对应的备选模板图像进行筛选的第一备选图像，作为当前的待处理图像，并返回执行所述针对当前的待处理图像对应的每一备选模板图像，判断当前的模板图像集合中是否包含该备选模板图像的步骤，直至完成对各第一备选图像对应的备选模板图像的筛选，将当前的模板图像集合中包含的各备选模板图像确定为目标模板图像。
可选的，在所述基于各第一备选图像对应的备选模板图像，得到多个目标模板图像之后，所述方法还包括：
获取待检测图像；其中，所述待检测图像包括工作人员的图像；
基于所述目标模板图像，对所述待检测图像进行检测，得到所述待检测图像对应的检测结果；其中，所述待检测图像对应的检测结果表示：所述待检测图像中的工作人员是否穿戴工服。
在本发明实施例的第二方面，提供了一种模板图像生成装置，所述装置包括：
第一获取模块，用于获取多个第一备选图像和多个第二备选图像；其中，所述第一备选图像与标准模板图像的相似度大于第一预设阈值；所述第二备选图像与所述标准模板图像的相似度不大于所述第一预设阈值；所述第一备选图像与所述第二备选图像是基于实际工作环境得到的；
第一图像相似度计算模块，用于针对每一第一备选图像，分别计算该第一备选图像的图像特征与各第二备选图像的图像特征的相似度，作为该第一备选图像对应的第一图像相似度；
第二图像相似度计算模块，用于计算该第一备选图像对应的多个第一图像相似度的统计值，得到该第一备选图像对应的第二图像相似度；
第三图像相似度计算模块，用于在该第一备选图像对应的第二图像相似度小于第二预设阈值时，计算该第一备选图像的图像特征与其他第一备选图像的图像特征的相似度，作为第三图像相似度；
备选模板图像确定模块，用于从除该第一备选图像之外的其他第一备选图像中，确定与该第一备选图像的第三图像相似度大于第三预设阈值的图像，得到该第一备选图像对应的备选模板图像；
目标模板图像确定模块，用于基于各第一备选图像对应的备选模板图像，得到多个目标模板图像。
可选的，所述第一获取模块，具体用于：
获取多个待匹配图像和多个标准模板图像；其中，每一标准模板图像与一种工服相对应，该标准模板图像为工作人员按照标准方式穿戴工服的图像；
针对每一待匹配图像，对该待匹配图像进行特征提取，得到该待匹配图像的图像特征，以及针对每一标准模板图像，对该标准模板图像进行特征提取，得到该标准模板图像的图像特征；
针对每一待匹配图像，分别计算该待匹配图像的图像特征与各标准模板图像的图像特征的相似度，作为第四图像相似度；
确定多个第四图像相似度中最大的第四图像相似度对应的标准模板图像，作为参考模板图像；
如果该待匹配图像与所述参考模板图像的第四图像相似度大于第一预设阈值，确定该待匹配图像为第一备选图像；
如果该待匹配图像与所述参考模板图像的第四图像相似度不大于所述第一预设阈值，确定该待匹配图像为第二备选图像。
可选的，所述装置还包括：
第一归一化处理模块，用于在所述第一图像相似度计算模块执行所述分别计算该第一备选图像的图像特征与各第二备选图像的图像特征的相似度之前，执行针对每一第一备选图像，对该第一备选图像的图像特征进行归一化处理，得到该第一备选图像的归一化后的图像特征；
第二归一化处理模块，用于针对每一第二备选图像，对该第二备选图像的图像特征进行归一化处理，得到该第二备选图像的归一化后的图像特征；
所述第一图像相似度计算模块，具体用于：
针对每一第二备选图像，计算该第一备选图像的归一化后的图像特征与该第二备选图像的归一化后的图像特征的内积，得到该第一备选图像的图像特征与该第二备选图像的图像特征的相似度；
所述第三图像相似度计算模块，具体用于：
针对除该第一备选图像之外的其他每一第一备选图像，计算该第一备选图像的归一化后的图像特征与其他第一备选图像的归一化后的图像特征的内积，得到该第一备选图像的图像特征与其他第一备选图像的图像特征的相似度。
可选的，所述第二图像相似度计算模块，具体用于：
确定所述多个第一图像相似度中的最大值，作为该第一备选图像对应的第二图像相似度。
可选的，所述目标模板图像确定模块，具体用于：
从多个第一备选图像中，选择一个第一备选图像，作为当前的待处理图像；
针对当前的待处理图像对应的每一备选模板图像，判断当前的模板图像集合中是否包含该备选模板图像；
如果当前的模板图像集合中不包含该备选模板图像，将该备选模板图像添加至当前的模板图像集合中，从除当前的待处理图像外的其他第一备选图像中，选择一个未针对对应的备选模板图像进行筛选的第一备选图像，作为当前的待处理图像，并返回执行所述针对当前的待处理图像对应的每一备选模板图像，判断当前的模板图像集合中是否包含该备选模板图像的步骤，直至完成对各第一备选图像对应的备选模板图像的筛选，将当前的模板图像集合中包含的各备选模板图像确定为目标模板图像；
如果当前的模板图像集合中包含当前的待处理图像对应的各备选模板图像，从除当前的待处理图像外的其他第一备选图像中，选择一个未针对对应的备选模板图像进行筛选的第一备选图像，作为当前的待处理图像，并返回执行所述针对当前的待处理图像对应的每一备选模板图像，判断当前的模板图像集合中是否包含该备选模板图像的步骤，直至完成对各第一备选图像对应的备选模板图像的筛选，将当前的模板图像集合中包含的各备选模板图像确定为目标模板图像。
可选的，所述装置还包括：
第二获取模块，用于在所述目标模板图像确定模块执行所述基于各第一备选图像对应的备选模板图像，得到多个目标模板图像之后，执行获取待检测图像；其中，所述待检测图像包括工作人员的图像；
检测模块，用于基于所述目标模板图像，对所述待检测图像进行检测，得到所述待检测图像对应的检测结果；其中，所述待检测图像对应的检测结果表示：所述待检测图像中的工作人员是否穿戴工服。
在本发明实施例的第三方面，提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现上述第一方面任一所述的模板图像生成方法步骤。
在本发明实施例的第四方面，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内存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面任一所述的模板图像生成方法步骤。
本发明实施例还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述第一方面任一所述的模板图像生成方法。
本发明实施例提供的一种模板图像生成方法，获取多个第一备选图像和多个第二备选图像；其中，第一备选图像与标准模板图像的相似度大于第一预设阈值；第二备选图像与标准模板图像的相似度不大于第一预设阈值；第一备选图像与第二备选图像是基于实际工作环境得到的；针对每一第一备选图像，分别计算该第一备选图像的图像特征与各第二备选图像的图像特征的相似度，作为该第一备选图像对应的第一图像相似度；计算该第一备选图像对应的多个第一图像相似度的统计值，得到该第一备选图像对应的第二图像相似度；在该第一备选图像对应的第二图像相似度小于第二预设阈值时，计算该第一备选图像的图像特征与其他第一备选图像的图像特征的相似度，作为第三图像相似度；从除该第一备选图像之外的其他第一备选图像中，确定与该第一备选图像的第三图像相似度大于第三预设阈值的图像，得到该第一备选图像对应的备选模板图像；基于各第一备选图像对应的备选模板图像，得到多个目标模板图像。
基于上述处理，由于目标模板图像与第二备选图像的相似度较低，而第二备选图像中的工作人员未穿戴工服，也就是目标模板图像与工作人员未穿戴工服的图像的差异较大，后续，基于目标模板图像对待检测图像中的工作人员是否穿戴工服进行检测时，可以识别出未穿戴工服的工作人员；目标模板图像与第一备选图像的相似度较高，而第一备选图像中的工作人员穿戴工服，则目标模板图像可以体现工服的特征，以及在实际工作环境中，工作人员个性化穿戴工服时工服的特征。后续，基于目标模板图像对待检测图像中的工作人员是否穿戴工服进行检测时，可以识别出穿戴工服的工作人员。相应的，基于目标模板图像进行检测时，可以提高检测的准确度。
当然，实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的实施例。
图1为本发明实施例提供的模板图像生成方法的第一种流程图；
图2为本发明实施例提供的模板图像生成方法的第二种流程图；
图3为本发明实施例提供的模板图像生成方法的第三种流程图；
图4为本发明实施例提供的模板图像生成方法的第四种流程图；
图5为本发明实施例提供的检测方法的一种流程图；
图6为本发明实施例提供的模板图像生成方法的第五种流程图；
图7为本发明实施例提供的模板图像生成方法的第六种流程图；
图8为本发明实施例提供的模板图像生成装置的一种结构图；
图9为本发明实施例提供的电子设备的一种结构图。
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，所描述的实施例仅仅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基于本发明所获得的所有其他实施例，都属于本发明保护的范围。
相关技术中，由于工服的种类较多，且工作人员可以对工服进行个性化穿戴，如工作人员可以在工服外增加外套。基于检测算法对待检测图像中的工作人员是否穿戴工服进行检测时，若工作人员未按照标准方式穿戴工服，则提取到的待检测图像的图像特征中包含其他衣服的特征，电子设备基于待检测图像的图像特征计算得到的该待检测图像的图像特征与标准模板图像的图像特征的相似度较低。即使工作人员穿戴工服，电子设备也可能得到表示工作人员未穿戴工服的检测结果，导致最终得到的检测结果的准确度不高。
为了解决上述问题，本发明实施例提供了一种模板图像生成方法，应用于电子设备。电子设备可以获取基于实际工作环境得到的多个第一备选图像和第二备选图像。第一备选图像与标准模板图像的相似度较高，第二备选图像与标准模板图像的相似度较低。进而，电子设备可以按照本发明实施例提供的模板图像生成方法，从第一备选图像中确定出目标模板图像，目标模板图像可以体现工服的特征，以及在实际工作环境中，工作人员个性化穿戴工服时工服的特征，基于目标模板图像对实际工作环境中得到的工作人员的图像进行检测时，可以提高检测的准确度。后续，在智能安防监控系统的应用场景中，或者，在进行人工智能图像检索时，基于目标模板图像，识别特定场所中的工作人员是否正确穿戴指定工服，当工作人员的穿着与所有目标模板图像中的工服均不相似时会发生告警。
参见图1，图1为本发明实施例提供的模板图像生成方法的第一种流程图，该方法可以包括以下步骤：
S101：获取多个第一备选图像和多个第二备选图像。
其中，第一备选图像与标准模板图像的相似度大于第一预设阈值；第二备选图像与标准模板图像的相似度不大于第一预设阈值；第一备选图像与第二备选图像是基于实际工作环境得到的。
S102：针对每一第一备选图像，分别计算该第一备选图像的图像特征与各第二备选图像的图像特征的相似度，作为该第一备选图像对应的第一图像相似度。
S103：计算该第一备选图像对应的多个第一图像相似度的统计值，得到该第一备选图像对应的第二图像相似度。
S104：在该第一备选图像对应的第二图像相似度小于第二预设阈值时，计算该第一备选图像的图像特征与其他第一备选图像的图像特征的相似度，作为第三图像相似度。
S105：从除该第一备选图像之外的其他第一备选图像中，确定与该第一备选图像的第三图像相似度大于第三预设阈值的图像，得到该第一备选图像对应的备选模板图像。
S106：基于各第一备选图像对应的备选模板图像，得到多个目标模板图像。
基于本发明实施例提供的模板图像生成方法，由于目标模板图像与第二备选图像的相似度较低，而第二备选图像中的工作人员未穿戴工服，也就是目标模板图像与工作人员未穿戴工服的图像的差异较大，后续，基于目标模板图像对待检测图像中的工作人员是否穿戴工服进行检测时，可以识别出未穿戴工服的工作人员；目标模板图像与第一备选图像的相似度较高，而第一备选图像中的工作人员穿戴工服，则目标模板图像可以体现工服的特征，以及在实际工作环境中，工作人员个性化穿戴工服时工服的特征。后续，基于目标模板图像对待检测图像中的工作人员是否穿戴工服进行检测时，可以识别出穿戴工服的工作人员。相应的，基于目标模板图像进行检测时，可以提高检测的准确度。
针对步骤S101，标准模板图像为工作人员按照标准方式穿戴工服的图像，标准模板图像可以有多个，每一标准模板图像与一种工服相对应，多个标准模板图像中的工作人员按照标准方式穿戴多种不同种类的工服。
示例性的，标准模板图像可以为：工作人员按照标准方式穿戴工服后，在工作人员处于自然站立状态时，图像采集设备从工作人员的正面拍摄得到的工作人员的全身的图像。
第一备选图像与标准模板图像的相似度大于第一预设阈值，表示第一备选图像中的工作人员穿戴工服。第一预设阈值可以由技术人员根据经验设置。
第二备选图像与标准模板图像的相似度不大于第一预设阈值，表示第二备选图像中的工作人员未穿戴工服。
第一备选图像与第二备选图像为：对从实际工作环境中采集的待匹配图像进行检测得到的。实际工作环境可以为工厂的车间，实验室，办公室等。待匹配图像为从实际工作环境采集的工作人员的图像。
例如，可以在实际工作环境中的指定点位部署图像采集设备，如在车间的入口处设置摄像头。当工作人员经过车间的入口处时，通过图像采集设备拍摄工作人员的图像，得到多个待匹配图像。电子设备对待匹配图像进行检测，得到第一备选图像和第二备选图像。
一种实现方式中，针对每一待匹配图像，可以由技术人员按照该待匹配图像中的工作人员是否穿戴工服，对该待匹配图像进行分类，将工作人员穿戴工服的待匹配图像确定为第一备选图像，将工作人员未穿戴工服的图像确定为第二备选图像。
另一种实现方式中，参见图2，在图1的基础上，步骤S101可以包括以下步骤：
S1011：获取多个待匹配图像和多个标准模板图像。
其中，每一标准模板图像与一种工服相对应，该标准模板图像为工作人员按照标准方式穿戴工服的图像。
S1012：针对每一待匹配图像，对该待匹配图像进行特征提取，得到该待匹配图像的图像特征，以及针对每一标准模板图像，对该标准模板图像进行特征提取，得到该标准模板图像的图像特征。
S1013：针对每一待匹配图像，分别计算该待匹配图像的图像特征与各标准模板图像的图像特征的第四图像相似度。
S1014：确定多个第四图像相似度中最大的第四图像相似度对应的标准模板图像，作为参考模板图像。
S1015：如果该待匹配图像与参考模板图像的第四图像相似度大于第一预设阈值，确定该待匹配图像为第一备选图像；如果该待匹配图像与参考模板图像的第四图像相似度不大于第一预设阈值，确定该待匹配图像为第二备选图像。
电子设备在获取到多个待匹配图像和多个标准模板图像后，针对每一待匹配图像，可以将该待匹配图像输入至特征提取模型，得到特征提取模型输出的该待匹配图像的图像特征，每一待匹配图像的图像特征包括该待匹配图像中的工作人员在实际工作环境中穿着的衣服的服饰特征。针对每一标准模板图像，电子设备可以通过特征提取模型，提取该标准模板图像的图像特征，每一标准模板图像的图像特征包括该标准模板图像中工作人员穿戴的工服的服饰特征。
一个图像的图像特征可以采用特征向量表示，该图像的图像特征能够表示该图像中的工作人员穿着的衣服的服饰特征。
特征提取模型可以为用于对图像进行分类的算法模型，算法模型为基于样本图像和样本图像的图像特征进行训练得到的，例如，算法模型可以为PCA（PrincipalComponents Analysis，主成分分析）模型，LDA（Latent Dirichlet Allocation，隐含狄利克雷分布）模型，CNN（Convolutional Neural Network，卷积神经网络）模型。
电子设备使用同一种算法模型对各待匹配图像进行特征提取，以及对各标准模板图像进行特征提取。例如，针对每一待匹配图像，若电子设备使用CNN模型提取该待匹配图像的图像特征，则针对每一标准模板图像，电子设备也使用CNN模型提取该标准模板图像的图像特征。电子设备提取得到的各待匹配图像的图像特征，与各标准模板图像的图像特征的类型相同。
进而，针对每一待匹配图像，电子设备可以通过相似度算法，计算该待匹配图像的图像特征与各标准模板图像的图像特征的第四图像相似度。其中，相似度算法可以为余弦相似度算法、皮尔森相关系数、欧几里得距离、曼哈顿距离，马哈拉诺比斯距离等。
例如，在采用特征向量表示该待匹配图像的图像特征时，针对每一标准模板图像，计算该待匹配图像的特征向量与该标准模板图像的特征向量的内积，得到该待匹配图像的图像特征与该标准模板图像的图像特征的第四图像相似度。或者，计算该待匹配图像的特征向量与该标准模板图像的特征向量的欧氏距离，得到该待匹配图像的图像特征与该标准模板图像的图像特征的第四图像相似度。
针对每一标准模板图像，该标准模板图像的图像特征与该待匹配图像的图像特征的第四图像相似度可以表示：该待匹配图像中的工作人员穿戴了该标准模板图像中的工服的概率。该标准模板图像的图像特征与该待匹配图像的图像特征的第四图像相似度较高时，该待匹配图像中的工作人员穿戴了该标准模板图像中的工服的概率较大；该标准模板图像的图像特征与该待匹配图像的图像特征的第四图像相似度较低时，该待匹配图像中的工作人员穿戴了该标准模板图像中的工服的概率较小。
电子设备计算得到多个第四图像相似度后，可以从多个第四图像相似度中，确定最大的第四图像相似度，并确定该最大的第四图像相似度对应的标准模板图像，作为参考模板图像。如果该待匹配图像与参考模板图像的第四图像相似度大于第一预设阈值，表明该待匹配图像中的工作人员穿戴了参考模板图像中的工服的概率较大，电子设备可以确定该待匹配图像中的工作人员穿戴了参考模板图像中的工服，即该待匹配图像中的工作人员穿戴工服。因此，可以将该待匹配图像确定为第一备选图像。
如果该待匹配图像与参考模板图像的第四图像相似度不大于第一预设阈值，表明该待匹配图像中的工作人员穿戴了参考模板图像中的工服的概率较小。并且，由于参考模板图像与该待匹配图像的第四图像相似度最大，因此，当该待匹配图像中的工作人员穿戴了参考模板图像中工服的概率较小时，该待匹配图像中的工作人员穿戴了其他标准模板图像中的工服的概率也较小，电子设备可以确定该待匹配图像中的工作人员未穿戴标准模板图像中的任一种工服，即该待匹配图像中的工作人员未穿戴工服。因此，可以将该待匹配图像确定为第二备选图像。
基于上述处理，可以从基于实际工作环境得到的待匹配图像中，确定出第一备选图像和第二备选图像，并基于第一备选图像和第二备选图像确定目标模板图像。后续，基于目标模板图像进行检测时，可以提高检测的准确度。
在一些实施例中，由于算法模型存在误差，为了提高模板图像生成的准确度，还可以由技术人员再次对各第一备选图像和各第二备选图像进行筛选，将工作人员未穿戴工服的图像确定为第二备选图像，并将工作人员穿戴工服的图像确定为第一备选图像，经过多次筛选确定出的多个第一备选图像和多个第二备选图像的准确度更高。
针对步骤S102和步骤S103，电子设备获取到多个第一备选图像和第二备选图像后，可以获取各第一备选图像的图像特征，以及获取各第二备选图像的图像特征。进而，针对每一第一备选图像，可以通过相似度算法，分别计算该第一备选图像的图像特征和各第二备选图像的图像特征的相似度，得到该第一备选图像对应的多个第一图像相似度。
电子设备获取各第一备选图像的图像特征的方式，以及获取各第二备选图像的图像特征的方式，与前述实施例中获取待匹配图像的图像特征的方式类似，可以参考前述实施例的相关介绍。
在一些实施例中，参见图3，在图1的基础上，在步骤S102之前，该方法还可以包括以下步骤：
S107：针对每一第一备选图像，对该第一备选图像的图像特征进行归一化处理，得到该第一备选图像的归一化后的图像特征。
S108：针对每一第二备选图像，对该第二备选图像的图像特征进行归一化处理，得到该第二备选图像的归一化后的图像特征。
相应的，步骤S102包括以下步骤：
S1021：针对每一第一备选图像，针对每一第二备选图像，计算该第一备选图像的归一化后的图像特征与该第二备选图像的归一化后的图像特征的内积，得到该第一备选图像的图像特征与该第二备选图像的图像特征的相似度，作为该第一备选图像对应的第一图像相似度。
相应的，步骤S104包括以下步骤：
S1041：在该第一备选图像对应的第二图像相似度小于第二预设阈值时，针对除该第一备选图像之外的其他每一第一备选图像，计算该第一备选图像的归一化后的图像特征与其他第一备选图像的归一化后的图像特征的内积，得到该第一备选图像的图像特征与其他第一备选图像的图像特征的相似度，作为第三图像相似度。
电子设备可以通过归一化算法，分别对第一备选图像的图像特征和第二备选图像的图像特征进行归一化处理，得到第一备选图像的归一化后的图像特征，以及第二备选图像的归一化后的图像特征。示例性的，归一化算法可以为min-max标准化（英文：Min-MaxNormalization，中文：最大最小标准化）算法，标准分数归一化方法，非线性归一化算法等。
进而，在采用特征向量表示该待匹配图像的图像特征时，针对每一第一备选图像，电子设备可以分别计算该第一备选图像的归一化后的图像特征与各第二备选图像的归一化后的图像特征的内积，得到该第一备选图像对应的多个第一图像相似度。电子设备可以分别计算该第一备选图像的归一化后的图像特征与其他第一备选图像的归一化后的图像特征的内积，得到该第一备选图像对应的多个第三图像相似度。
基于上述处理，针对每一图像，对该图像的图像特征进行归一化处理，后续，在计算两个图像的相似度时，通过该两个图像的归一化后的图像特征，计算该两个图像的相似度，可以提高计算相似度的效率，进而提高模板图像生成的效率。
在本实施例中，不限定步骤S107和步骤S108的执行顺序，可以先执行步骤S107，也可以先执行步骤S108。例如，可以先执行步骤S107，再执行步骤S108；或者，可以先执行步骤S107，再执行步骤S108；或者，也可以同时执行步骤S107和步骤S108。
电子设备计算得到该第一备选图像对应的多个第一图像相似度后，可以计算该第一备选图像对应的多个第一图像相似度的统计值，得到该第一备选图像对应的第二图像相似度。
示例性的，该第一备选图像对应的第二图像相似度可以为：该第一备选图像对应的多个第一图像相似度的均值，该第一备选图像对应的多个第一图像相似度的方差，该第一备选图像对应的多个第一图像相似度的标准差等。
在一些实施例中，步骤S103可以包括以下步骤：确定多个第一图像相似度中的最大值，作为该第一备选图像对应的第二图像相似度。
第一备选图像与第二备选图像的相似度表示：第一备选图像与工作人员未穿戴工服的图像的相似度，相应的，第一备选图像对应的第二图像相似度也可以表示第一备选图像与工作人员未穿戴工服的图像的相似度。针对每一第一备选图像，如果该第一备选图像对应的第二图像相似度较高，表明第一备选图像与未穿戴工服的图像的相似度较高。若工作人员未穿戴工服，则基于该第一备选图像对待检测图像中的工作人员是否穿戴工服进行检测时，可能会得到表示该工作人员穿戴工服的检测结果。因此，该第一备选图像不能用于对待检测图像中的工作人员是否穿戴工服进行检测。进而，电子设备可以不使用该第一备选图像确定目标模板图像。
如果该第一备选图像对应的第二图像相似度较低，表明第一备选图像与未穿戴工服的图像的相似度较低。若工作人员未穿戴工服，则基于该第一备选图像对待检测图像中的工作人员是否穿戴工服进行检测时，会得到表示该工作人员未穿戴工服的检测结果。因此，该第一备选图像可能可以用于对待检测图像中的工作人员是否穿戴工服进行检测。进而，电子设备可以根据该第一备选图像，确定目标模板图像。
针对步骤S104和步骤S105，第一备选图像对应的第二图像相似度小于第二预设阈值时，表明第一备选图像与未穿戴工服的图像的相似度较低，若工作人员未穿戴工服，则基于该第一备选图像对待检测图像中的工作人员是否穿戴工服进行检测时，会得到表示该工作人员未穿戴工服的检测结果。因此，该第一备选图像可能可以用于对待检测图像中的工作人员是否穿戴工服进行检测。
电子设备计算该第一备选图像的图像特征，与各第一备选图像中，除该第一备选图像以外的其他第一备选图像（可以称为第三备选图像）的图像特征的相似度，得到多个第三图像相似度。第三图像相似度表示：第一备选图像与工作人员穿戴工服的图像的相似度。
针对每一第三备选图像，如果该第一备选图像与该第三备选图像的第三图像相似度较高，表明该第三备选图像与穿戴工服的图像的相似度较高，若工作人员穿戴工服，则基于该第三备选图像对待检测图像中的工作人员是否穿戴工服进行检测时，会得到表示该工作人员穿戴工服的检测结果。因此，该第三备选图像可以用于对待检测图像中的工作人员是否穿戴工服进行检测。电子设备可以将该第三备选图像确定为备选模板图像。
如果该第一备选图像与该第三备选图像的第三图像相似度较低，表明该第三备选图像与穿戴工服的图像的相似度较低，若工作人员穿戴工服，则基于该第三备选图像对待检测图像中的工作人员是否穿戴工服进行检测时，可能会得到表示该工作人员未穿戴工服的检测结果。因此，该第三备选图像不能用于对待检测图像中的工作人员是否穿戴工服进行检测。相应的，电子设备可以不使用该第三备选图像进行检测，不将该第三备选图像确定为备选模板图像。
因此，电子设备可以从多个第三备选图像中，确定与该第一备选图像的第三图像相似度大于第三预设阈值的第三备选图像，作为该第一备选图像对应的备选模板图像。备选模板图像可以体现工服的特征，以及在实际工作环境中，工作人员个性化穿戴工服时工服的特征，可以用于后续对待检测图像中的工作人员是否穿戴工服进行检测。
针对步骤S106，一种实现方式中，针对每一第一备选图像，由于该第一备选图像对应的备选模板图像是从多个第一备选图像中确定的，则各第一备选图像对应的备选模板图像中可能会有重复的图像。进而，在各第一备选图像对应的备选模板图像中，针对不重复的备选模板图像，将该备选模板图像确定为目标模板图像；针对重复的备选模板图像，从该重复的备选模板图像中选择一个备选模板图像，作为目标模板图像。
另一种实现方式中，参见图4，在图1的基础上，步骤S106可以包括以下步骤：
S1061：从多个第一备选图像中，选择一个第一备选图像，作为当前的待处理图像。
S1062：针对当前的待处理图像对应的每一备选模板图像，判断当前的模板图像集合中是否包含该备选模板图像。
S1063：如果当前的模板图像集合中不包含该备选模板图像，将该备选模板图像添加至当前的模板图像集合中，从除当前的待处理图像外的其他第一备选图像中，选择一个未针对对应的备选模板图像进行筛选的第一备选图像，作为当前的待处理图像，并返回执行针对当前的待处理图像对应的每一备选模板图像，判断当前的模板图像集合中是否包含该备选模板图像的步骤，直至完成对各第一备选图像对应的备选模板图像的筛选，将当前的模板图像集合中包含的各备选模板图像确定为目标模板图像。
S1064：如果当前的模板图像集合中包含当前的待处理图像对应的各备选模板图像，从除当前的待处理图像外的其他第一备选图像中，选择一个未针对对应的备选模板图像进行筛选的第一备选图像，作为当前的待处理图像，并返回执行针对当前的待处理图像对应的每一备选模板图像，判断当前的模板图像集合中是否包含该备选模板图像的步骤，直至完成对各第一备选图像对应的备选模板图像的筛选，将当前的模板图像集合中包含的各备选模板图像确定为目标模板图像。
电子设备获取到多个第一备选图像及每一第一备选图像对应的备选模板图像后，可以按照预设顺序对各第一备选图像进行排序。预设顺序可以为各第一备选图像的拍摄时间从早到晚的顺序，或者，每一第一备选图像与各标准模板图像的第一图像相似度的最大值从大到小的顺序等。然后，选择预设顺序中的第一个第一备选图像，作为当前的待处理图像。
进而，针对当前的待处理图像对应的每一备选模板图像，电子设备判断当前的模板图像集合中是否包含该备选模板图像。当前的模板图像集合中的备选模板图像为：基于预设顺序中位于当前的待处理图像之前的各第一备选图像对应的备选模板图像进行筛选得到的。
在电子设备第一次针对第一备选图像对应的备选模板图像进行筛选时，当前的模板图像集合为空集，不包含任一备选模板图像，即模板图集合中不包含当前的待处理图像对应的备选模板图像。因此，电子设备将当前的待处理图像对应的各备选模板图像均添加到当前的模板图像集合中。
然后，电子设备按照预设顺序，判断是否完成对各第一备选图像对应的备选模板图像的筛选。若电子设备完成对各第一备选图像对应的备选模板图像的筛选，表明各第一备选图像中，不存在未针对对应的备选模板图像进行筛选的第一备选图像，电子设备将当前的模板图像集合中包含的各备选模板图像确定为目标模板图像，得到多个目标模板图像。
若电子设备未完成对各第一备选图像对应的备选模板图像的筛选，表明各第一备选图像中，存在未针对对应的备选模板图像进行筛选的第一备选图像，电子设备选择预设顺序中的第二个第一备选图像，作为当前的待处理图像。此时，当前的模板图像集合中的备选模板图像为：基于预设顺序中的第一个第一备选图像对应的备选模板图像进行筛选得到的。
针对当前的待处理图像对应的每一备选模板图像，电子设备判断当前的模板图像集合中是否包含该备选模板图像。若当前的模板图像集合中不包含该备选模板图像，电子设备将该备选模板图像添加到当前的模板图像集合中。然后，电子设备按照预设顺序，选择预设顺序中的第三个第一备选图像，作为当前的待处理图像。此时，当前的模板图像集合中的备选模板图像为：基于预设顺序中的第一个第一备选图像对应的备选模板图像，以及第二个第一备选图像对应的备选模板图像进行筛选得到的。进而，电子设备针对当前的待处理图像对应的每一备选模板图像，判断当前的模板图像集合中是否包含该备选模板图像。若当前的模板图像集合中包含当前的待处理图像对应的各备选模板图像，电子设备选择预设顺序中的第三个第一备选图像，作为当前的待处理图像。针对当前的待处理图像对应的每一备选模板图像，电子设备判断当前的模板图像集合中是否包含该备选模板图像。
以此类推，直至完成对各第一备选图像对应的备选模板图像的筛选，将当前的模板图像集合中包含的各备选模板图像确定为目标模板图像。当前的模板图像集合中的备选模板图像为：基于各第一备选图像对应的备选模板图像进行筛选得到的。
示例性的，当前的模板图像集合记为I，多个目标模板图像组成的图像集合记为T。多个第一备选图像组成的图像集合记为S，第一备选图像记为s；多个第二备选图像组成的图像集合记为F，第二备选图像记为f。第t个第一备选图像对应的备选模板图像组成的图像集合记为。第二预设阈值记为th1（Threshold1，阈值1），第三预设阈值记为th2。
针对多个第一备选图像组成的图像集合S中的第t个第一备选图像s，电子设备提取第t个第一备选图像s的图像特征，并计算第t个第一备选图像s的图像特征与多个第二备选图像组成的图像集合F中的每一第二备选图像f的图像特征的第一图像相似度，记为。第t个第一备选图像s与多个第二备选图像f的相似度/>组成的相似度集合，记为。进而，电子设备可以选取相似度集合/>中的最大值，得到第t个第一备选图像s对应的第二图像相似度，记为/>。即针对多个第一备选图像组成的图像集合S中的每一第一备选图像s，电子设备提取该第一备选图像s的图像特征，并确定该第一备选图像s对应的第二图像相似度/>。
如果，即第二图像相似度不小于第二预设阈值，电子设备跳过该第一备选图像s，即电子设备不使用该第一备选图像确定目标模板图像。然后，电子设备可以从多个第一备选图像组成的图像集合S中的除第t个第一备选图像s外的其他第一备选图像s中，选择一个未针对对应的备选模板图像进行筛选的第一备选图像s，例如，选择第t+1个第一备选图像s，提取第t+1个第一备选图像s的图像特征，并基于第t+1个第一备选图像s确定目标模板图像。/>
如果，即第二图像相似度小于预设阈值，电子设备计算第t个第一备选图像s与多个第一备选图像组成的图像集合S中其他第一备选图像s的第三图像相似度，并确定与第t个第一备选图像s的第三图像相似度大于第三预设阈值th2的其他第一备选图像s的集合，得到第t个第一备选图像对应的备选模板图像组成的图像集合/>。
如果，即针对第t个第一备选图像s对应的每一备选模板图像，电子设备判定当前的模板图像集合I中已包含该备选模板图像，电子设备从多个第一备选图像组成的图像集合S中的除第t个第一备选图像s外的其他第一备选图像s中，选择一个未针对对应的备选模板图像进行筛选的第一备选图像s，例如，选择第t+1个第一备选图像s，提取第t+1个第一备选图像s的图像特征，并基于第t+1个第一备选图像s确定目标模板图像。
如果，即电子设备判定当前的模板图像集合I中未包含第t个第一备选图像s对应的各备选模板图像，电子设备对当前的模板图像集合I进行更新，更新后的模板图像集合I表示为：/>。即计算当前的模板图像集合I和第t个第一备选图像s对应的备选模板图像组成的图像集合/>的并集，作为更新后的模板图像集合I。即电子设备确定当前的模板图像集合I中未包括的第t个第一备选图像s对应的备选模板图像，然后将选择出的备选模板图像添加到当前的模板图像集合I中，实现更新当前的模板图像集合I，得到更新后的模板图像集合I。
电子设备完成对各第一备选图像s对应的备选模板图像的筛选后，将当前的模板图像集合I中包含的各备选模板图像确定为目标模板图像，得到多个目标模板图像组成的图像集合T。
基于上述处理，从各第一备选图像对应的备选模板图像中，确定目标模板图像，可以避免目标模板图像中出现多个相同的图像，减少目标模板图像的数目。进而，根据数目更少的目标模板图像进行检测时，可以提高检测的效率。
在一些实施例中，为了提高检测的准确度，可以设置目标模板图像的更新周期。当达到更新周期时，电子设备可以重新获取多个第一备选图像和多个第二备选图像，并按照前述实施例中提供的方式，重新从多个第一备选图像中确定目标模板图像。目标模板图像的更新周期可以根据实际需求设置。例如，工作人员在炎热的夏季会在工服外增加防晒衣物，在寒冷的冬季会在工服外增加保暖衣物，因此，目标模板图像的更新周期可以设置为半年。
在一些实施例中，为了提高检测的准确度，技术人员可以对除目标模板图像外的其他第一备选图像进行筛选，将电子设备未确定出的，且可以体现工服的特征，以及在实际工作环境中，工作人员个性化穿戴工服时工服的特征的第一备选图像，确定为目标模板图像。
在一些实施例中，电子设备可以根据多个目标模板图像，对待检测图像中的工作人员是否穿戴工服进行检测。参见图5，图5为本发明实施例提供的检测方法的一种流程图。
S501：获取待检测图像。
其中，待检测图像包括工作人员的图像。
S502：基于目标模板图像，对待检测图像进行检测，得到待检测图像对应的检测结果。
其中，待检测图像对应的检测结果表示：待检测图像中的工作人员是否穿戴工服。
待检测图像为：图像采集设备拍摄的实际的工作环境中的工作人员的图像。电子设备获取待检测图像的方式，与前述实施例中获取待匹配图像的方式类似，可以参考前述实施例的相关介绍。
一种实现方式中，电子设备获取到待检测图像后，可以通过特征提取模型，提取待检测图像的图像特征和各目标模板图像的图像特征，并分别计算待检测图像的图像特征和每一目标模板图像的图像特征的相似度，作为待检测图像与各目标模板图像的相似度。然后，电子设备可以确定待检测图像与各目标模板图像的相似度中的最大值。如果待检测图像与各目标模板图像的相似度的最大值较小，则待检测图像与各目标模板图像的相似度均较低，该待检测图像中的工作人员穿戴了任一标准模板图像中的工服的概率均较小，电子设备可以确定待检测图像中的工作人员未穿戴工服。如果待检测图像与各目标模板图像的相似度的最大值较大，则电子设备可以确定待检测图像中的工作人员穿戴了该相似度的最大值对应的目标模板图像中的工服，即待检测图像中的工作人员穿戴工服。
另一种实现方式中，电子设备在获取到各目标模板图像后，可以按照预设顺序对各目标模板图像进行排序。预设顺序可以为各目标模板图像的拍摄时间从早到晚的顺序。
进而，电子设备选择预设顺序中的第一个目标模板图像，计算该待检测图像的图像特征和第一个目标模板图像的图像特征的相似度，得到该待检测图像与第一个目标模板图像的相似度。然后，电子设备判断该待检测图像与第一个目标模板图像的相似度是否大于第一预设阈值。若该待检测图像与第一个目标模板图像的相似度大于第一预设阈值，电子设备确定待检测图像中的工作人员穿戴工服；若该待检测图像与第一个目标模板图像的相似度不大于第一预设阈值，电子设备计算该待检测图像的图像特征和预设顺序中的第二个目标模板图像的图像特征的相似度，得到该待检测图像与第二个目标模板图像的相似度。
然后，电子设备判断该待检测图像与第二个目标模板图像的相似度是否大于第一预设阈值。若该待检测图像与第二个目标模板图像的相似度大于第一预设阈值，电子设备确定待检测图像中的工作人员穿戴工服；若该待检测图像与第二个目标模板图像的相似度不大于第一预设阈值，电子设备计算该待检测图像的图像特征和第三个目标模板图像的图像特征的相似度，并根据该待检测图像的图像特征和第三个目标模板图像的图像特征的相似度，判断待检测图像中的工作人员是否穿戴工服，以此类推，直至电子设备确定待检测图像中的工作人员穿戴工服，或者，在电子设备根据所有的目标模板图像，均未确定待检测图像中的工作人员穿戴工服时，电子设备确定待检测图像中的工作人员未穿戴工服。
基于上述处理，根据得到的多个目标模板图像对待检测图像进行检测时，由于目标模板图像可以体现工服的特征，以及在实际工作环境中，工作人员个性化穿戴工服时工服的特征，因此，基于目标模板图像进行检测时，可以提高检测的准确度。
参见图6，图6为本发明实施例提供的模板图像生成方法的第五种流程图。
S601：建立初始工服模板集合Ts。
准备阶段也就是电子设备根据标准模板库，将多个待匹配图像划分为第一备选图像和第二备选图像的过程。在本步骤中，初始工服模板集合Ts为前述实施例中的包括多个标准模板图像的标准模板库。每一标准模板图像与一种工服相对应，该标准模板图像为工作人员按照标准方式穿戴工服的图像。
S602：提取抓拍图的图像特征，计算与初始工服模板集合Ts中模板的相似度，分为匹配抓拍图和不匹配抓拍图。
抓拍图为前述实施例中的待匹配图像，匹配抓拍图为前述实施例中的第一备选图像，不匹配抓拍图为前述实施例中的第二备选图像。针对每一待匹配图像，电子设备可以对该待匹配图像进行特征提取，得到该待匹配图像的图像特征。并且，针对每一标准模板图像，电子设备可以对该标准模板图像进行特征提取，得到该标准模板图像的图像特征。进而，基于各待匹配图像的图像特征与各标准模板图像的图像特征的第四图像相似度，将多个待匹配图像划分为第一备选图像和第二备选图像。
S603：人工复核。
电子设备将多个待匹配图像划分为第一备选图像和第二备选图像后，为了提高模板图像生成的准确度，还可以对各第一备选图像和各第二备选图像进行人工复核。即由技术人员再次对各第一备选图像和各第二备选图像进行筛选，将工作人员未穿戴工服的图像确定为第二备选图像，并将工作人员穿戴工服的图像确定为第一备选图像。经过多次筛选确定出的多个第一备选图像和多个第二备选图像的准确度更高。
S604：模板集合T为空，设定相似度阈值th1，匹配抓拍图样本集合S，匹配抓拍图样本id命中集合，id未命中集合为/>，不匹配抓拍图样本集合F，对于匹配抓拍图样本集合S中的匹配抓拍图s进行处理。
执行阶段也就是电子设备根据各第一备选图像，从多个第一备选图像中得到目标模板图像的过程。在本步骤中，模板集合T为前述实施例中的多个目标模板图像组成的图像集合，相似度阈值th1为前述实施例中的第二预设阈值，匹配抓拍图样本集合S为前述实施例中的多个第一备选图像组成的图像集合，将第一备选图像记为s，多个第一备选图像组成的图像集合S中包括多个第一备选图像s。命中集合I为前述实施例中的当前的模板图像集合，未命中集合M包括各第一备选图像中，除目标模板图像外的其他第一备选图像（可以称为未命中图像）。当前正在进行处理的s为前述实施例中的当前的待处理图像。
多个目标模板图像组成的图像集合T中包含的多个目标模板图像，当前的模板图像集合I中包含的备选模板图像，以及未命中集合M中包含的未命中图像为：电子设备通过对各第一备选图像对应的备选模板图像的筛选得到的。则在电子设备对各第一备选图像对应的备选模板图像进行筛选前，多个目标模板图像组成的图像集合T、当前的模板图像集合I、未命中集合M均为空集。
电子设备可以预先为每一第一备选图像设置id（Identity Document，身份标识号）。后续，基于各第一备选图像对应的备选模板图像，得到多个目标模板图像时，可以将备选模板图像的id写入多个目标模板图像组成的图像集合T中，然后根据多个目标模板图像组成的图像集合T中记录的各第一备选图像的id，确定目标模板图像。
S605：提取匹配抓拍图s的服饰特征，计算与不匹配抓拍图样本集合F中所有样本的相似度，并选取各相似度中的最大值/>。
一个匹配抓拍图s的服饰特征也就是前述实施例中的一个第一备选图像的图像特征，每一第一备选图像的图像特征可以采用特征向量表示，该第一备选图像的图像特征能够表示该第一备选图像中的工作人员穿着的衣服的服饰特征。
电子设备通过特征提取模型，提取当前的待处理图像的图像特征。并且，针对每一第二备选图像，对该第二备选图像进行特征提取，得到该第二备选图像的图像特征。进而，针对当前的待处理图像，电子设备可以分别计算当前的待处理图像与各第二备选图像的图像特征的第一图像相似度，记为。当前的待处理图像与多个第二备选图像f的相似度/>组成的相似度集合，记为/>。进而，电子设备可以选取相似度集合/>中的最大值，得到当前的待处理图像对应的第二图像相似度，记为/>。
如果，即第二图像相似度不小于第二预设阈值，执行步骤S606。
如果，即第二图像相似度小于预设阈值，执行步骤S607。
S606：若当前样本的id不为多个id中的最大值，选取匹配抓拍图样本集合S中下一张样本，并返回执行S605。
在第二图像相似度不小于第二预设阈值时，表明第一备选图像与未穿戴工服的图像的相似度较高。若工作人员未穿戴工服，则基于该第一备选图像对待检测图像中的工作人员是否穿戴工服进行检测时，可能会得到表示该工作人员穿戴工服的检测结果。因此，该第一备选图像不能用于对待检测图像中的工作人员是否穿戴工服进行检测。进而，电子设备可以不使用该第一备选图像确定目标模板图像。
当前样本的id不为多个id中的最大值时，表示电子设备未完成对各第一备选图像对应的备选模板图像进行筛选。因此，电子设备需要从除当前的待处理图像外的其他第一备选图像（即第三备选图像）中，选择一个未针对对应的备选模板图像进行筛选的第三备选图像，作为当前的待处理图像，提取当前的待处理图像的图像特征，并根据当前的待处理图像确定目标模板图像，即返回执行步骤S605。
S607：计算与匹配抓拍图集合S中其他所有样本的特征相似度，相似度超过阈值th2的样本id组成集合。
在第二图像相似度小于第二预设阈值时，表明第一备选图像与未穿戴工服的图像的相似度较低。若工作人员未穿戴工服，则基于该第一备选图像对待检测图像中的工作人员是否穿戴工服进行检测时，会得到表示该工作人员未穿戴工服的检测结果。因此，该第一备选图像可能可以用于对待检测图像中的工作人员是否穿戴工服进行检测。进而，电子设备可以根据该第一备选图像，确定目标模板图像。
阈值th2也就是前述实施例中的第三预设阈值。此时，电子设备可以计算当前的待处理图像的图像特征第三备选图像的图像特征的相似度，作为第三图像相似度，并确定与当前的待处理图像的第三图像相似度大于第三预设阈值的第三备选图像，得到当前的待处理图像对应的备选模板图像。当前的待处理图像对应的备选模板图像的id的集合可以表示为。进而，针对当前的待处理图像对应的每一备选模板图像，电子设备判断命中集合I中是否包括该备选模板图像的id。
如果，即匹配抓拍图样本id命中集合I中已经包括了当前的待处理图像对应的所有备选模板图像的id，电子设备已经根据当前的待处理图像对应的所有备选模板图像，确定目标模板图像，可以根据其他第一备选图像进行筛选。若当前样本的id不为多个id中的最大值，电子设备选取匹配抓拍图样本集合S中下一张匹配抓拍图s，提取该确定出的匹配抓拍图s的服饰特征，并根据该确定出的匹配抓拍图s确定目标模板图像，即返回执行步骤S606。
如果，即匹配抓拍图样本id命中集合I中未包括当前的待处理图像对应的所有备选模板图像的id，执行步骤S608。
S608：更新匹配抓拍图样本id命中集合I，，匹配抓拍图s的id进入模板集合T。
匹配抓拍图样本id命中集合I中未包括当前的待处理图像对应的所有备选模板图像的id时，电子设备需要在匹配抓拍图样本id命中集合I中添加当前的匹配抓拍图样本id命中集合I中未包括的，当前的待处理图像对应的备选模板图像的id。电子设备确定当前的模板图像集合I中未包括的该第一备选图像s对应的备选模板图像，然后将选择出的备选模板图像添加到当前的模板图像集合I中，实现更新模板图像集合I，得到更新后的模板图像集合I。
若当前样本的id不为多个id中的最大值，电子设备选取匹配抓拍图样本集合S中下一张匹配抓拍图s，提取该确定出的匹配抓拍图s的服饰特征，并根据该确定出的匹配抓拍图s确定目标模板图像，即返回执行步骤S606。
S609：所有操作结束后，输出集合T中id对应的抓拍图集合作为模板库，同时，未命中抓拍图M=S-T，输出未命中抓拍图进行人工复核。
电子设备完成对各第一备选图像对应的备选模板图像的筛选后，得到包括多个id的集合T。集合T中id对应的抓拍图也就是前述实施例中的多个目标模板图像，模板库也就是前述实施例中的多个目标模板图像组成的图像集合。电子设备可以根据I中记录的各备选模板图像的id，确定每一id对应的第一备选图像，得到多个目标模板图像。
并且，电子设备可以根据匹配抓拍图样本集合S和匹配抓拍图样本id命中集合I，确定未命中集合M，M=S-T。即根据第一备选图像和目标模板图像，确定各第一备选图像中除目标模板图像外的其他图像（即未命中图像）。然后，由技术人员对各未命中图像进行筛选，将未命中图像中的工作人员穿戴工服的图像确定为目标模板图像。
基于本发明实施例提供的模板图像生成方法，由于目标模板图像与第二备选图像的相似度较低，而第二备选图像中的工作人员未穿戴工服，也就是目标模板图像与工作人员未穿戴工服的图像的差异较大，后续，基于目标模板图像对待检测图像中的工作人员是否穿戴工服进行检测时，可以识别出未穿戴工服的工作人员；目标模板图像与第一备选图像的相似度较高，而第一备选图像中的工作人员穿戴工服，则目标模板图像可以体现工服的特征，以及在实际工作环境中，工作人员个性化穿戴工服时工服的特征。后续，基于目标模板图像对待检测图像中的工作人员是否穿戴工服进行检测时，可以识别出穿戴工服的工作人员。相应的，基于目标模板图像进行检测时，可以提高检测的准确度。
并且，针对每一对应的第二图像相似度小于第二预设阈值的第一备选图像，电子设备根据该第一备选图像确定目标模板图像，可以提高确定第一备选图像中的目标模板图像的命中率，进而提高检测时的执行效率；针对每一对应的第二图像相似度不小于第二预设阈值的第一备选图像，未根据该第一备选图像确定目标模板图像，即电子设备跳过不能增加目标模板图像的准确度的样本，可以避免出现目标模板图像与第二备选图像的相似度较高的情况，进而降低错误识别率和误报率，提高目标模板图像的准确度。
另外，电子设备从多个第一备选图像中确定目标模板图像，无需将每一第一备选图像均确定为目标模板图像，减少目标模板图像的数量，实现减少样本库数据量，降低使用算法时的计算量，提高目标模板图像的筛选效率。通过较少的目标模板图像进行检测，提高检测的效率。由电子设备确定目标模板图像，无需技术人员进行人工筛选，降低技术人员的工作负担，提高目标模板图像的正确率，提高检测的精度，进而降低匹配错误率。
在一些实施例中，参见图7，图7为本发明实施例提供的模板图像生成方法的第六种流程图。
S1：建立初始工服模板集合，提取集合内模板服饰特征。
在本步骤中，初始工服模板集合为前述实施例中的包括多个标准模板图像的标准模板库，模板服饰特征属于前述实施例中的图像特征。电子设备建立初始工服模板集合后，可以通过特征提取模型，提取初始工服模板集合中包含的各标准模板图像的图像特征。
S2：对部署工服点位的行人抓拍图提取服饰特征，并计算与工服的特征距离，分为匹配抓拍图和不匹配抓拍图两类。
在本步骤中，行人抓拍图为前述实施例中的待匹配图像，匹配图为前述实施例中的第一备选图像，不匹配图为前述实施例中的第二备选图像。电子设备获取部署在实际工作环境中的指定点位处的图像采集设备对工作人员进行拍摄得到的行人抓拍图，通过特征提取模型，提取该行人抓拍图的图像特征。针对初始工服模板集合中的每一标准模板图像，计算该行人抓拍图的图像特征与该标准模板图像的图像特征的特征距离，作为该行人抓拍图的图像特征与该标准模板图像的图像特征第四图像相似度。根据多个第四图像相似度，确定多个第四图像相似度中最大的第四图像相似度对应的标准模板图像，作为参考模板图像。如果该行人抓拍图与参考模板图像的第四图像相似度大于第一预设阈值，确定该行人抓拍图为匹配抓拍图；如果该行人抓拍图与参考模板图像的第四图像相似度不大于第一预设阈值，确定该行人抓拍图为不匹配抓拍图。
S3：人工矫正匹配和不匹配抓拍图。
在本步骤中，由技术人员再次对各第一备选图像和各第二备选图像进行筛选，将工作人员未穿戴工服的图像确定为第二备选图像，并将工作人员穿戴工服的图像确定为第一备选图像。即对匹配图和不匹配图进行人工矫正。
S4：利用自动筛选方法计算支撑图像集，输出为最终的模板库。
在本步骤中，自动筛选方法即本发明实施例提供的模板图像生成方法。电子设备基于自动筛选方法，从多个匹配抓拍图中确定目标模板图像，得到多个目标模板图像。该多个目标模板图像组成的图像集为最终的模板库。
基于本发明实施例提供的模板图像生成方法，由于目标模板图像与第二备选图像的相似度较低，而第二备选图像中的工作人员未穿戴工服，也就是目标模板图像与工作人员未穿戴工服的图像的差异较大，后续，基于目标模板图像对待检测图像中的工作人员是否穿戴工服进行检测时，可以识别出未穿戴工服的工作人员；目标模板图像与第一备选图像的相似度较高，而第一备选图像中的工作人员穿戴工服，则目标模板图像可以体现工服的特征，以及在实际工作环境中，工作人员个性化穿戴工服时工服的特征。后续，基于目标模板图像对待检测图像中的工作人员是否穿戴工服进行检测时，可以识别出穿戴工服的工作人员。相应的，基于目标模板图像进行检测时，可以提高检测的准确度。电子设备从多个待匹配图像中确定目标模板图像，无需技术人员进行人工筛选，降低技术人员的工作负担。
基于与上述模板图像生成方法相同的发明构思，本发明实施例还提供了一种模板图像生成装置。参见图8，图8为本申请实施例提供的模板图像生成装置的一种结构图，装置包括：
第一获取模块801，用于获取多个第一备选图像和多个第二备选图像；其中，所述第一备选图像与标准模板图像的相似度大于第一预设阈值；所述第二备选图像与所述标准模板图像的相似度不大于所述第一预设阈值；所述第一备选图像与所述第二备选图像是基于实际工作环境得到的；
第一图像相似度计算模块802，用于针对每一第一备选图像，分别计算该第一备选图像的图像特征与各第二备选图像的图像特征的相似度，作为该第一备选图像对应的第一图像相似度；
第二图像相似度计算模块803，用于计算该第一备选图像对应的多个第一图像相似度的统计值，得到该第一备选图像对应的第二图像相似度；
第三图像相似度计算模块804，用于在该第一备选图像对应的第二图像相似度小于第二预设阈值时，计算该第一备选图像的图像特征与其他第一备选图像的图像特征的相似度，作为第三图像相似度；
备选模板图像确定模块805，用于从除该第一备选图像之外的其他第一备选图像中，确定与该第一备选图像的第三图像相似度大于第三预设阈值的图像，得到该第一备选图像对应的备选模板图像；
目标模板图像确定模块806，用于基于各第一备选图像对应的备选模板图像，得到多个目标模板图像。
可选的，所述第一获取模块801，具体用于：
获取多个待匹配图像和多个标准模板图像；其中，每一标准模板图像与一种工服相对应，该标准模板图像为工作人员按照标准方式穿戴工服的图像；
针对每一待匹配图像，对该待匹配图像进行特征提取，得到该待匹配图像的图像特征，以及针对每一标准模板图像，对该标准模板图像进行特征提取，得到该标准模板图像的图像特征；
针对每一待匹配图像，分别计算该待匹配图像的图像特征与各标准模板图像的图像特征的相似度，作为第四图像相似度；
确定多个第四图像相似度中最大的第四图像相似度对应的标准模板图像，作为参考模板图像；
如果该待匹配图像与所述参考模板图像的第四图像相似度大于第一预设阈值，确定该待匹配图像为第一备选图像；
如果该待匹配图像与所述参考模板图像的第四图像相似度不大于所述第一预设阈值，确定该待匹配图像为第二备选图像。
可选的，所述装置还包括：
第一归一化处理模块，用于在所述第一图像相似度计算模块802执行所述分别计算该第一备选图像的图像特征与各第二备选图像的图像特征的相似度之前，执行针对每一第一备选图像，对该第一备选图像的图像特征进行归一化处理，得到该第一备选图像的归一化后的图像特征；
第二归一化处理模块，用于针对每一第二备选图像，对该第二备选图像的图像特征进行归一化处理，得到该第二备选图像的归一化后的图像特征；
所述第一图像相似度计算模块802，具体用于：
针对每一第二备选图像，计算该第一备选图像的归一化后的图像特征与该第二备选图像的归一化后的图像特征的内积，得到该第一备选图像的图像特征与该第二备选图像的图像特征的相似度；
所述第三图像相似度计算模块804，具体用于：
针对除该第一备选图像之外的其他每一第一备选图像，计算该第一备选图像的归一化后的图像特征与其他第一备选图像的归一化后的图像特征的内积，得到该第一备选图像的图像特征与其他第一备选图像的图像特征的相似度。
可选的，所述第二图像相似度计算模块803，具体用于：
确定所述多个第一图像相似度中的最大值，作为该第一备选图像对应的第二图像相似度。
可选的，所述目标模板图像确定模块806，具体用于：
从多个第一备选图像中，选择一个第一备选图像，作为当前的待处理图像；
针对当前的待处理图像对应的每一备选模板图像，判断当前的模板图像集合中是否包含该备选模板图像；
如果当前的模板图像集合中不包含该备选模板图像，将该备选模板图像添加至当前的模板图像集合中，从除当前的待处理图像外的其他第一备选图像中，选择一个未针对对应的备选模板图像进行筛选的第一备选图像，作为当前的待处理图像，并返回执行所述针对当前的待处理图像对应的每一备选模板图像，判断当前的模板图像集合中是否包含该备选模板图像的步骤，直至完成对各第一备选图像对应的备选模板图像的筛选，将当前的模板图像集合中包含的各备选模板图像确定为目标模板图像；
如果当前的模板图像集合中包含当前的待处理图像对应的各备选模板图像，从除当前的待处理图像外的其他第一备选图像中，选择一个未针对对应的备选模板图像进行筛选的第一备选图像，作为当前的待处理图像，并返回执行所述针对当前的待处理图像对应的每一备选模板图像，判断当前的模板图像集合中是否包含该备选模板图像的步骤，直至完成对各第一备选图像对应的备选模板图像的筛选，将当前的模板图像集合中包含的各备选模板图像确定为目标模板图像。
可选的，所述装置还包括：
第二获取模块，用于在所述目标模板图像确定模块806执行所述基于各第一备选图像对应的备选模板图像，得到多个目标模板图像之后，执行获取待检测图像；其中，所述待检测图像包括工作人员的图像；
检测模块，用于基于所述目标模板图像，对所述待检测图像进行检测，得到所述待检测图像对应的检测结果；其中，所述待检测图像对应的检测结果表示：所述待检测图像中的工作人员是否穿戴工服。
基于本发明实施例提供的模板图像生成装置，由于目标模板图像与第二备选图像的相似度较低，而第二备选图像中的工作人员未穿戴工服，也就是目标模板图像与工作人员未穿戴工服的图像的差异较大，后续，基于目标模板图像对待检测图像中的工作人员是否穿戴工服进行检测时，可以识别出未穿戴工服的工作人员；目标模板图像与第一备选图像的相似度较高，而第一备选图像中的工作人员穿戴工服，则目标模板图像可以体现工服的特征，以及在实际工作环境中，工作人员个性化穿戴工服时工服的特征。后续，基于目标模板图像对待检测图像中的工作人员是否穿戴工服进行检测时，可以识别出穿戴工服的工作人员。相应的，基于目标模板图像进行检测时，可以提高检测的准确度。
本发明实施例还提供了一种电子设备，如图9所示，包括处理器901、通信接口902、存储器903和通信总线904，其中，处理器901，通信接口902，存储器903通过通信总线904完成相互间的通信，
存储器903，用于存放计算机程序；
处理器901，用于执行存储器903上所存放的程序时，实现上述实施例中任一模板图像生成方法的步骤。
上述电子设备提到的通信总线可以是外设部件互连标准（Peripheral ComponentInterconnect，PCI）总线或扩展工业标准结构（Extended Industry StandardArchitecture，EISA）总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图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。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器（Random Access Memory，RAM），也可以包括非易失性存储器（Non-Volatile Memory，NVM），例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器，包括中央处理器（Central Processing Unit，CPU）、网络处理器（Network Processor，NP）等；还可以是数字信号处理器（Digital SignalProcessor，DSP）、专用集成电路（Application Specific Integrated Circuit，ASIC）、现场可编程门阵列（Field-ProgrammableGate 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。
在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一模板图像生成方法的步骤。
在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一模板图像生成方法。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线（例如同轴电缆、光纤、数字用户线（DSL））或无线（例如红外、无线、微波等）方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质（例如固态硬盘Solid State Disk (SSD)）等。
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“包括一个……”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。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、电子设备、计算机可读存储介质、计算机程序产品实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (14)

1.一种模板图像生成方法，其特征在于，所述方法包括：
获取多个第一备选图像和多个第二备选图像；其中，所述第一备选图像与标准模板图像的相似度大于第一预设阈值；所述第二备选图像与所述标准模板图像的相似度不大于所述第一预设阈值；所述第一备选图像与所述第二备选图像是基于实际工作环境得到的；
针对每一第一备选图像，分别计算该第一备选图像的图像特征与各第二备选图像的图像特征的相似度，作为该第一备选图像对应的第一图像相似度；
计算该第一备选图像对应的多个第一图像相似度的统计值，得到该第一备选图像对应的第二图像相似度；
在该第一备选图像对应的第二图像相似度小于第二预设阈值时，计算该第一备选图像的图像特征与其他第一备选图像的图像特征的相似度，作为第三图像相似度；
从除该第一备选图像之外的其他第一备选图像中，确定与该第一备选图像的第三图像相似度大于第三预设阈值的图像，得到该第一备选图像对应的备选模板图像；
基于各第一备选图像对应的备选模板图像，得到多个目标模板图像。
2.根据权利要求1所述的方法，其特征在于，所述获取多个第一备选图像和多个第二备选图像，包括：
获取多个待匹配图像和多个标准模板图像；其中，每一标准模板图像与一种工服相对应，该标准模板图像为工作人员按照标准方式穿戴工服的图像；
针对每一待匹配图像，对该待匹配图像进行特征提取，得到该待匹配图像的图像特征，以及针对每一标准模板图像，对该标准模板图像进行特征提取，得到该标准模板图像的图像特征；
针对每一待匹配图像，分别计算该待匹配图像的图像特征与各标准模板图像的图像特征的相似度，作为第四图像相似度；
确定多个第四图像相似度中最大的第四图像相似度对应的标准模板图像，作为参考模板图像；
如果该待匹配图像与所述参考模板图像的第四图像相似度大于第一预设阈值，确定该待匹配图像为第一备选图像；
如果该待匹配图像与所述参考模板图像的第四图像相似度不大于所述第一预设阈值，确定该待匹配图像为第二备选图像。
3.根据权利要求1所述的方法，其特征在于，在所述分别计算该第一备选图像的图像特征与各第二备选图像的图像特征的相似度之前，所述方法还包括：
针对每一第一备选图像，对该第一备选图像的图像特征进行归一化处理，得到该第一备选图像的归一化后的图像特征；
针对每一第二备选图像，对该第二备选图像的图像特征进行归一化处理，得到该第二备选图像的归一化后的图像特征；
所述分别计算该第一备选图像的图像特征与各第二备选图像的图像特征的相似度，包括：
针对每一第二备选图像，计算该第一备选图像的归一化后的图像特征与该第二备选图像的归一化后的图像特征的内积，得到该第一备选图像的图像特征与该第二备选图像的图像特征的相似度；
所述计算该第一备选图像的图像特征与其他第一备选图像的图像特征的相似度，包括：
针对除该第一备选图像之外的其他每一第一备选图像，计算该第一备选图像的归一化后的图像特征与其他第一备选图像的归一化后的图像特征的内积，得到该第一备选图像的图像特征与其他第一备选图像的图像特征的相似度。
4.根据权利要求1所述的方法，其特征在于，所述计算该第一备选图像对应的多个第一图像相似度的统计值，得到该第一备选图像对应的第二图像相似度，包括：
确定所述多个第一图像相似度中的最大值，作为该第一备选图像对应的第二图像相似度。
5.根据权利要求1所述的方法，其特征在于，所述基于各第一备选图像对应的备选模板图像，得到多个目标模板图像，包括：
从多个第一备选图像中，选择一个第一备选图像，作为当前的待处理图像；
针对当前的待处理图像对应的每一备选模板图像，判断当前的模板图像集合中是否包含该备选模板图像；
如果当前的模板图像集合中不包含该备选模板图像，将该备选模板图像添加至当前的模板图像集合中，从除当前的待处理图像外的其他第一备选图像中，选择一个未针对对应的备选模板图像进行筛选的第一备选图像，作为当前的待处理图像，并返回执行所述针对当前的待处理图像对应的每一备选模板图像，判断当前的模板图像集合中是否包含该备选模板图像的步骤，直至完成对各第一备选图像对应的备选模板图像的筛选，将当前的模板图像集合中包含的各备选模板图像确定为目标模板图像；
如果当前的模板图像集合中包含当前的待处理图像对应的各备选模板图像，从除当前的待处理图像外的其他第一备选图像中，选择一个未针对对应的备选模板图像进行筛选的第一备选图像，作为当前的待处理图像，并返回执行所述针对当前的待处理图像对应的每一备选模板图像，判断当前的模板图像集合中是否包含该备选模板图像的步骤，直至完成对各第一备选图像对应的备选模板图像的筛选，将当前的模板图像集合中包含的各备选模板图像确定为目标模板图像。
6.根据权利要求1-5任一所述的方法，其特征在于，在所述基于各第一备选图像对应的备选模板图像，得到多个目标模板图像之后，所述方法还包括：
获取待检测图像；其中，所述待检测图像包括工作人员的图像；
基于所述目标模板图像，对所述待检测图像进行检测，得到所述待检测图像对应的检测结果；其中，所述待检测图像对应的检测结果表示：所述待检测图像中的工作人员是否穿戴工服。
7.一种模板图像生成装置，其特征在于，所述装置包括：
第一获取模块，用于获取多个第一备选图像和多个第二备选图像；其中，所述第一备选图像与标准模板图像的相似度大于第一预设阈值；所述第二备选图像与所述标准模板图像的相似度不大于所述第一预设阈值；所述第一备选图像与所述第二备选图像是基于实际工作环境得到的；
第一图像相似度计算模块，用于针对每一第一备选图像，分别计算该第一备选图像的图像特征与各第二备选图像的图像特征的相似度，作为该第一备选图像对应的第一图像相似度；
第二图像相似度计算模块，用于计算该第一备选图像对应的多个第一图像相似度的统计值，得到该第一备选图像对应的第二图像相似度；
第三图像相似度计算模块，用于在该第一备选图像对应的第二图像相似度小于第二预设阈值时，计算该第一备选图像的图像特征与其他第一备选图像的图像特征的相似度，作为第三图像相似度；
备选模板图像确定模块，用于从除该第一备选图像之外的其他第一备选图像中，确定与该第一备选图像的第三图像相似度大于第三预设阈值的图像，得到该第一备选图像对应的备选模板图像；
目标模板图像确定模块，用于基于各第一备选图像对应的备选模板图像，得到多个目标模板图像。
8.根据权利要求7所述的装置，其特征在于，所述第一获取模块，具体用于：
获取多个待匹配图像和多个标准模板图像；其中，每一标准模板图像与一种工服相对应，该标准模板图像为工作人员按照标准方式穿戴工服的图像；
针对每一待匹配图像，对该待匹配图像进行特征提取，得到该待匹配图像的图像特征，以及针对每一标准模板图像，对该标准模板图像进行特征提取，得到该标准模板图像的图像特征；
针对每一待匹配图像，分别计算该待匹配图像的图像特征与各标准模板图像的图像特征的相似度，作为第四图像相似度；
确定多个第四图像相似度中最大的第四图像相似度对应的标准模板图像，作为参考模板图像；
如果该待匹配图像与所述参考模板图像的第四图像相似度大于第一预设阈值，确定该待匹配图像为第一备选图像；
如果该待匹配图像与所述参考模板图像的第四图像相似度不大于所述第一预设阈值，确定该待匹配图像为第二备选图像。
9.根据权利要求7所述的装置，其特征在于，所述装置还包括：
第一归一化处理模块，用于在所述第一图像相似度计算模块执行所述分别计算该第一备选图像的图像特征与各第二备选图像的图像特征的相似度之前，执行针对每一第一备选图像，对该第一备选图像的图像特征进行归一化处理，得到该第一备选图像的归一化后的图像特征；
第二归一化处理模块，用于针对每一第二备选图像，对该第二备选图像的图像特征进行归一化处理，得到该第二备选图像的归一化后的图像特征；
所述第一图像相似度计算模块，具体用于：
针对每一第二备选图像，计算该第一备选图像的归一化后的图像特征与该第二备选图像的归一化后的图像特征的内积，得到该第一备选图像的图像特征与该第二备选图像的图像特征的相似度；
所述第三图像相似度计算模块，具体用于：
针对除该第一备选图像之外的其他每一第一备选图像，计算该第一备选图像的归一化后的图像特征与其他第一备选图像的归一化后的图像特征的内积，得到该第一备选图像的图像特征与其他第一备选图像的图像特征的相似度。
10.根据权利要求7所述的装置，其特征在于，所述第二图像相似度计算模块，具体用于：
确定所述多个第一图像相似度中的最大值，作为该第一备选图像对应的第二图像相似度。
11.根据权利要求7所述的装置，其特征在于，所述目标模板图像确定模块，具体用于：
从多个第一备选图像中，选择一个第一备选图像，作为当前的待处理图像；
针对当前的待处理图像对应的每一备选模板图像，判断当前的模板图像集合中是否包含该备选模板图像；
如果当前的模板图像集合中不包含该备选模板图像，将该备选模板图像添加至当前的模板图像集合中，从除当前的待处理图像外的其他第一备选图像中，选择一个未针对对应的备选模板图像进行筛选的第一备选图像，作为当前的待处理图像，并返回执行所述针对当前的待处理图像对应的每一备选模板图像，判断当前的模板图像集合中是否包含该备选模板图像的步骤，直至完成对各第一备选图像对应的备选模板图像的筛选，将当前的模板图像集合中包含的各备选模板图像确定为目标模板图像；
如果当前的模板图像集合中包含当前的待处理图像对应的各备选模板图像，从除当前的待处理图像外的其他第一备选图像中，选择一个未针对对应的备选模板图像进行筛选的第一备选图像，作为当前的待处理图像，并返回执行所述针对当前的待处理图像对应的每一备选模板图像，判断当前的模板图像集合中是否包含该备选模板图像的步骤，直至完成对各第一备选图像对应的备选模板图像的筛选，将当前的模板图像集合中包含的各备选模板图像确定为目标模板图像。
12.根据权利要求7-11任一所述的装置，其特征在于，所述装置还包括：
第二获取模块，用于在所述目标模板图像确定模块执行所述基于各第一备选图像对应的备选模板图像，得到多个目标模板图像之后，执行获取待检测图像；其中，所述待检测图像包括工作人员的图像；
检测模块，用于基于所述目标模板图像，对所述待检测图像进行检测，得到所述待检测图像对应的检测结果；其中，所述待检测图像对应的检测结果表示：所述待检测图像中的工作人员是否穿戴工服。
13.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现权利要求1-6任一所述的方法步骤。
14.一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内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-6任一所述的方法步骤。
CN202310517484.6A 2023-05-10 2023-05-10 一种模板图像生成方法、装置、电子设备及存储介质 Active CN116310763B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310517484.6A CN116310763B (zh) 2023-05-10 2023-05-10 一种模板图像生成方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310517484.6A CN116310763B (zh) 2023-05-10 2023-05-10 一种模板图像生成方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN116310763A CN116310763A (zh) 2023-06-23
CN116310763B true CN116310763B (zh) 2023-07-21

Family

ID=86781746

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310517484.6A Active CN116310763B (zh) 2023-05-10 2023-05-10 一种模板图像生成方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN116310763B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9471765B1 (en) * 2015-07-01 2016-10-18 Fingerprint Cards Ab Fingerprint authentication with template updating
CN107818301A (zh) * 2017-10-16 2018-03-20 阿里巴巴集团控股有限公司 更新生物特征模板的方法、装置和电子设备
CN112699160A (zh) * 2021-03-23 2021-04-23 中国信息通信研究院 元数据模板升级方法、装置及可读存储介质
CN113129299A (zh) * 2021-05-07 2021-07-16 广东拓斯达科技股份有限公司 模板确定方法、装置、计算机设备及存储介质
CN115049596A (zh) * 2022-05-30 2022-09-13 北京联影智能影像技术研究院 模板影像库的生成方法、目标定位方法、装置和存储介质
CN115311469A (zh) * 2022-08-08 2022-11-08 北京百度网讯科技有限公司 图像标注方法、训练方法、图像处理方法以及电子设备

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2808828B1 (en) * 2013-05-31 2020-08-05 Omron Corporation Image matching method, image matching device, model template generation method, model template generation device, and program

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9471765B1 (en) * 2015-07-01 2016-10-18 Fingerprint Cards Ab Fingerprint authentication with template updating
CN107818301A (zh) * 2017-10-16 2018-03-20 阿里巴巴集团控股有限公司 更新生物特征模板的方法、装置和电子设备
CN112699160A (zh) * 2021-03-23 2021-04-23 中国信息通信研究院 元数据模板升级方法、装置及可读存储介质
CN113129299A (zh) * 2021-05-07 2021-07-16 广东拓斯达科技股份有限公司 模板确定方法、装置、计算机设备及存储介质
CN115049596A (zh) * 2022-05-30 2022-09-13 北京联影智能影像技术研究院 模板影像库的生成方法、目标定位方法、装置和存储介质
CN115311469A (zh) * 2022-08-08 2022-11-08 北京百度网讯科技有限公司 图像标注方法、训练方法、图像处理方法以及电子设备

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
《Biometric Backdoors: A Poisoning Attack Against Unsupervised Template Updating》;Giulio Lovisotto等;《2020 IEEE European Symposium on Security and Privacy 》;全文 *
《一种基于细节点生成角度的指纹匹配算法》;张乐 等;《沈阳工业学院学报》;全文 *

Also Published As

Publication number Publication date
CN116310763A (zh) 2023-06-23

Similar Documents

Publication Publication Date Title
CN108038176B (zh) 一种路人库的建立方法、装置、电子设备及介质
US9141184B2 (en) Person detection system
CN109426785B (zh) 一种人体目标身份识别方法及装置
CN103313018A (zh) 登记确定装置及其控制方法、以及电子装置
CN110175549A (zh) 人脸图像处理方法、装置、设备及存储介质
CN110852183B (zh) 一种未佩戴安全帽人员识别方法、系统、装置和存储介质
CN111008643B (zh) 基于半监督学习的图片分类方法、装置和计算机设备
TWI695324B (zh) 影像處理裝置及其方法
WO2007129474A1 (ja) 被写体認識装置、被写体認識プログラム、および画像検索サービス提供方法
CN108154099B (zh) 一种人物识别方法、装置及电子设备
KR20170077366A (ko) 얼굴 인식 시스템 및 방법
JP2015106300A (ja) 画像検索装置、画像検索装置の制御方法およびプログラム
JP2016099835A (ja) 画像処理装置、画像処理方法、及びプログラム
CN108140305A (zh) 车型识别装置、具备该车型识别装置的车型识别系统以及车型识别方法
CN110472499B (zh) 一种行人重识别的方法及装置
US11841902B2 (en) Information processing apparatus, information processing method, and storage medium
CN116310763B (zh) 一种模板图像生成方法、装置、电子设备及存储介质
CN112883213B (zh) 一种图片归档方法、装置及电子设备
JP2021174438A (ja) 個体識別システム、個体識別プログラム、及び記録媒体
WO2018137226A1 (zh) 指纹提取方法及装置
Sie et al. Key motion spotting in continuous motion sequences using motion sensing devices
CN113837138A (zh) 一种着装监控方法、系统、介质及电子终端
CN102087711A (zh) 闭环的图像比较系统
CN102013018A (zh) 闭环的图像比较方法
US20150208042A1 (en) System and method for auto-commissioning an intelligent video system

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