技术特征：
1.一种目标物体穿戴识别方法，其特征在于，该方法包括：对待识别图像进行目标检测，获得包含目标对象的目标区域图像；对所述目标区域图像中的目标对象进行特征提取，获得目标对象特征；确定辅助特征与所述目标对象特征之间的相似度；所述辅助特征至少基于对第一类样本图像中的样本对象进行特征提取获得，所述第一类样本图像包括n类别子样本图像，所述子样本图像的类别是基于所述子样本图像中的样本对象是否穿戴所述目标物体确定的，所述n为正整数；基于所述相似度，确定所述目标对象是否穿戴所述目标物体。2.如权利要求1所述的方法，其特征在于，所述n为大于1的整数；所述辅助特征包括：与所述n类别子样本图像中各类别子样本图像各自对应的子辅助特征，所述子辅助特征基于对对应的类别子样本图像中的样本对象进行特征提取获得；所述确定辅助特征与所述目标对象特征之间的相似度，包括：确定所述目标对象特征和所述各类别子样本图像各自对应的子辅助特征的子相似度；所述基于所述相似度，确定所述目标对象是否穿戴所述目标物体，包括：基于确定的各个子相似度，确定所述目标对象是否穿戴所述目标物体。3.如权利要求2所述的方法，其特征在于，所述子辅助特征基于对至少两个目标样本图像中的样本对象进行特征提取获得，所述目标样本图像是所述子辅助特征对应的类别子样本图像中的样本图像。4.如权利要求1所述的方法，其特征在于，所述n类别子样本图像包括第一表征图像和第二表征图像中的至少一种；所述第一表征图像中的样本对象穿戴所述目标物体；所述第二表征图像中的样本对象未穿戴所述目标物体。5.如权利要求1所述的方法，其特征在于，所述对所述目标区域中的目标对象进行特征提取，获得目标对象特征，包括：将所述目标区域图像输入已训练的特征提取模型，通过所述特征提取模型对所述目标区域图像中的目标对象进行特征提取，获得所述目标对象特征。6.如权利要求5所述的方法，其特征在于，所述特征提取模型是基于第一训练样本数据集训练得到的，所述第一训练样本数据集至少包括所述第一类样本图像；所述第一训练样本数据集还包括第二类样本图像，所述第二类样本图像为：表征所述样本对象穿戴不同样式的所述目标物体的样本图像。7.如权利要求6所述的方法，其特征在于，通过下列方式获取所述第一训练样本数据集：将初始样本图像和对应的分割图像输入已训练的风格迁移模型的编码层进行编码，获得所述初始样本图像的内容特征和所述分割图像的分割特征，所述分割图像是通过对所述初始样本图像进行像素分离获得的包含样本对象的前景区域图像；将所述内容特征和所述分割特征输入所述风格迁移模型的特征融合层进行特征融合，获得第一融合特征；将所述第一融合特征，以及目标迁移图像输入所述风格迁移模型的风格迁移层进行风格迁移，获得与所述目标迁移图像具有相同穿戴风格的第一训练样本数据。
8.如权利要求7所述的方法，其特征在于，所述穿戴风格包括穿戴状态风格和穿戴样式风格中的至少一种；若所述风格迁移模型为用于进行穿戴状态风格迁移的风格迁移模型，则所述目标迁移图像为：表征所述样本对象针对所述目标物体为目标穿戴状态风格的参考图像，所述第一训练样本数据包括所述第一类样本图像，所述穿戴状态风格用于表征所述样本对象穿戴所述目标物体的状态；若所述风格迁移模型为用于进行穿戴样式风格迁移的风格迁移模型，则所述目标迁移图像为：表征所述样本对象穿戴目标样式风格的所述目标物体的参考图像，所述第一训练样本数据包括所述第二类样本图像，所述穿戴样式风格用于表征所述样本对象穿戴所述目标物体的样式。9.如权利要求7所述的方法，其特征在于，通过以下方式获得所述已训练的风格迁移模型：根据第二训练样本数据集对待训练的风格迁移模型进行循环迭代训练，输出所述已训练的风格迁移模型，所述第二训练样本数据集中的每个第二训练样本数据包括对应的真实类别，在一次循环迭代过程中，执行以下操作：对第二训练样本数据的第二融合特征进行特征展平，获得目标维度的第二融合特征；基于所述风格迁移模型的特征映射层对所述目标维度的第二融合特征进行特征映射，获得所述第二训练样本数据的预测类别；采用基于所述第二训练样本数据的预测类别和真实类别之间的差异构建的类别损失函数，对所述待训练的风格迁移模型进行参数调整。10.如权利要求9所述的方法，其特征在于，若所述风格迁移模型为用于进行穿戴状态风格迁移的风格迁移模型，则所述预测类别和所述真实类别为：表征所述样本对象是否穿戴所述目标物体的穿戴类别；若所述风格迁移模型为用于进行穿戴样式风格迁移的风格迁移模型，则所述预测类别和所述真实类别为：表征所述样本对象穿戴所述目标物体的样式类别。11.如权利要求3所述的方法，其特征在于，通过以下方式获得与所述n类别子样本图像中各类别子样本图像各自对应的子辅助特征：对每个类别子样本图像，分别执行以下操作：对于一个类别子样本图像，将所述一个类别子样本图像中的至少两个目标样本图像输入已训练的特征提取模型，获得所述至少两个目标样本图像各自对应的目标样本对象特征；基于各目标样本对象特征之间的相似度，将所述各目标样本对象特征划分为预设数量的特征集合；分别确定各特征集合中的各目标样本对象特征的平均特征，将获得的至少一个平均特征作为所述一个类别子样本图像对应的子辅助特征。12.如权利要求5～11任一项所述的方法，其特征在于，所述特征提取模型是通过以下方式训练得到的：根据所述第一训练样本数据集对待训练的特征提取模型进行循环迭代训练，输出所述已训练的特征提取模型；其中，在一次循环迭代过程中，执行以下操作：
将选取的至少两个第一训练样本数据输入所述待训练的特征提取模型，获得所述至少两个第一训练样本数据各自对应的第一训练样本对象特征；采用基于各第一训练样本对象特征之间的相似度构建的相似度损失函数，对所述待训练的特征提取模型进行参数调整。13.如权利要求12所述的方法，其特征在于，所述相似度损失函数是通过以下方式构建的：针对一个样本对象特征，分别执行以下操作：将所述一个样本对象特征分别与各样本对象特征进行组合，获得至少一个特征组，每个特征组包括两个样本对象特征；分别获得各特征组中的两个样本对象特征之间的预测相似度，并基于各预测相似度与真实相似度之间的差距，构建相似度损失函数，其中，每个特征组的真实相似度是基于包含的两个样本对象特征各自对应的样本数据的类别标签确定的。14.一种目标物体穿戴识别装置，其特征在于，包括：检测单元，用于对待识别图像进行目标检测，获得包含目标对象的目标区域图像；提取单元，用于对所述目标区域图像中的目标对象进行特征提取，获得目标对象特征；获取单元，用于确定辅助特征与所述目标对象特征之间的相似度，所述辅助特征至少基于对第一类样本图像中的样本对象进行特征提取获得，所述第一类样本图像包括n类别子样本图像，所述子样本图像的类别是基于所述子样本图像中的样本对象是否穿戴所述目标物体确定的，所述n为正整数；确定单元，用于基于所述相似度，确定所述目标对象是否穿戴所述目标物体。15.一种电子设备，其特征在于，其包括处理器和存储器，其中，所述存储器存储有计算机程序，当所述计算机程序被所述处理器执行时，使得所述处理器执行权利要求1～13中任一所述方法的步骤。16.一种计算机可读存储介质，其特征在于，其包括计算机程序，当所述计算机程序在电子设备上运行时，所述计算机程序用于使所述电子设备执行权利要求1～13中任一所述方法的步骤。17.一种计算机程序产品，其特征在于，包括计算机程序，所述计算机程序存储在计算机可读存储介质中；当电子设备的处理器从所述计算机可读存储介质读取所述计算机程序时，所述处理器执行所述计算机程序，使得所述电子设备执行权利要求1～13中任一所述方法的步骤。
技术总结
本申请涉及图像处理技术领域，尤其涉及一种目标物体穿戴识别方法、装置、电子设备和存储介质，用以提高识别目标对象是否穿戴目标物体的准确率。其中，方法包括：对待识别图像进行目标检测，获得包含目标对象的目标区域图像；对目标区域图像中的目标对象进行特征提取，获得目标对象特征；确定辅助特征与目标对象特征之间的相似度；基于相似度，确定目标对象是否穿戴目标物体。由于本申请通过基于目标对象的目标对象特征与预先获得的辅助特征之间的相似度，确定目标对象是否穿戴目标物体，能够适应不同场景下对目标对象是否穿戴目标物体的识别，提高识别准确率。提高识别准确率。提高识别准确率。
技术研发人员：张兴明 郑雷
受保护的技术使用者：浙江大华技术股份有限公司
技术研发日：2022.04.01
技术公布日：2022/8/5