本发明是关于生物特征识别领域,特别是关于一种人员着装规范识别方法及系统。
背景技术:
1、着装规范广泛存在于各行各业的日常生产经营活动中,不仅能够树立公司形象,更对保障生产秩序和劳工生命安全有着重要意义,特别在机械、化工、医药、精密电子等产业中,环境条件要求严苛,稍有疏忽可能造成重大生命财产损失。为此,有必要对人员的着装规范进行检查。
2、长久以来,着装检查主要通过人工进行,如多人作业时互相穿戴、互相检查,或独自作业时通过闭路电视远程检查。这种方式简单可靠,能够发现细节问题并及时纠正,是当前各行业的主流。不过,完全依赖人工也存在风险,如检查只在作业前执行一次,忽视了作业过程中的可能意外,且长期重复的检查流程易使人产生松懈或厌烦,进而疏忽着装,引发危险。
3、因此,寻找一种能够通过计算机视觉和人工智能根据特定场景判断人体是否符合着装规范、且有较高识别准确性的识别方法,是本领域技术人员亟待解决的技术问题。
4、
技术实现思路
1、本发明的目的在于提供一种人员着装规范识别方法,包括以下步骤:
2、s1:获取实时原始图像;
3、s2:对所述原始图像进行目标检测,得到人体目标的位置集合;
4、s3:根据所述人体目标位置将原始图像进行第一特征处理,得到人体图像并对所述人体图像进行人体属性分类;
5、s4:根据所述人体属性分类得到每张所述人体图像的属性概率;
6、s5:根据所述属性概率判断人员着装是否规范。
7、在本发明的一实施方式中,所述目标检测采用centernet模型对原始图像进行识别,得到所述人体目标的位置集合,所述人体位置目标的位置集合包括人体目标矩形框的左上角的横坐标和纵坐标以及右下点的横坐标和纵坐标。
8、在本发明的一实施方式中,所述目标检测的具体包括:
9、采用第一卷积主干网络对所述原始图像进行检测;所述第一卷积主干网络使用resnet-50残差网络;
10、检测后的图像分别采用位置回归、偏移回归以及尺寸回归预测目标的类激活图、中心点位置偏移和长度,经过非极大值抑制后得到所述人体目标的位置集合。
11、在本发明的一实施方式中,所述第一特征处理包括:
12、根据所述人体目标的位置将原始图像中含有人体的子区域提取出来并进行裁切;
13、将裁切的人体子区域缩放并进行对齐处理。
14、在本发明的一实施方式中,所述人体属性分类采用mcar多标签分类框架对所述人体图像进行识别。
15、在本发明的一实施方式中,人体属性分类具体包括以下步骤:
16、采用第二主干网络提取所述人体图像中的全局特征;所述第二主干网络使用resnet-18残差网络;
17、对所述全局特征进行全局平均池化和全连接层操作,将所述全局特征的维数降至目标属性数;
18、使用sigmoid激活函数进行归一化操作,得到每个目标属性的出现概率;
19、对所述全局特征进行卷积,并将通道数降维至目标属性数,且上采样至原始图像大小,得到每个目标属性对应的类激活图;所述类激活图为每个类别的对象在空间位置上的分布概率;
20、从所述原始图像上裁切提取高于阈值的子区域,并再次输入主干网络,得到局部特征;
21、通过所述局部特征计算每个目标属性的最大激活值作为对应的出现概率;
22、分别对所述全局特征和局部特征计算损失,得到最终概率分布。
23、在本发明的一实施方式中,计算每个目标属性的最大激活值之前还包括:
24、对所述局部特征依次进行全局平均池化和全连接层操作,并使用sigmoid激活函数进行归一化处理。
25、本申请还提供一种人员着装规范识别系统,包括:
26、获取模块,用于获取实时原始图像;
27、人体目标检测模块,用于采用centernet模型检测所述原始图像中人体位置;
28、人体属性分类模块,用于采用mcar多标签分类框架根据所述原始图像中人体位置进行人体属性分类;
29、判断模块,用于根据所述人体属性分类的属性概率判断人员着装规范。
30、本申请还提供一种计算机设备,包括存储器和处理器;所述存储器上存储有可由处理器运行的计算机程序;所述处理器运行所述计算机程序时,执行上述任一项所述的人员着装规范识别方法的步骤。
31、本申请还提供一种计算机可读存储介质,其包括程序代码,当程序代码在电子设备上运行时,所述程序代码用于使所述电子设备执行上述任一项所述的人员着装规范识别方法的步骤。
32、与现有技术相比,本申请具有以下有益效果:
33、1、本申请通过centernet模型和mcar多标签分类框架对实时原始图像进行目标检测和人体属性分类,得到原始图像中人体属性概率,根据人体属性概率判断出人员着装是否符合规范,实现了实时、准确的人员着装识别,并在保持识别准确性的基础上简化算法复杂度,提升鲁棒性。
34、2、本申请采用mcar多标签分类框架在目标检测的基础上引入类激活图和局部特征,对敏感区域进行提升和二次识别,在复杂的分类任务上能够有效提升识别的准确度,减少漏检。
35、
1.一种人员着装规范识别方法,其特征在于,包括以下步骤:
2.如权利要求1所述的一种人员着装规范识别方法,其特征在于,所述目标检测采用centernet模型对原始图像进行识别,得到所述人体目标的位置集合,所述人体位置目标的位置集合包括人体目标矩形框的左上角的横坐标和纵坐标以及右下点的横坐标和纵坐标。
3.如权利要求2所述的一种人员着装规范识别方法,其特征在于,所述目标检测的具体包括:
4.如权利要求1所述的一种人员着装规范识别方法,其特征在于,所述第一特征处理包括:
5.如权利要求1所述的一种人员着装规范识别方法,其特征在于,所述人体属性分类采用mcar多标签分类框架对所述人体图像进行识别。
6.如权利要求5所述的一种人员着装规范识别方法,其特征在于,人体属性分类具体包括以下步骤:
7.如权利要求6所述的一种人员着装规范识别方法,其特征在于,计算每个目标属性的最大激活值之前还包括:
8.一种人员着装规范识别系统,其特征在于,包括:
9.一种计算机设备,其特征在于,包括存储器和处理器;所述存储器上存储有可由处理器运行的计算机程序;所述处理器运行所述计算机程序时,执行如权利要求1-7任一项所述的人员着装规范识别方法的步骤。
10.一种计算机可读存储介质,其特征在于,其包括程序代码,当程序代码在电子设备上运行时,所述程序代码用于使所述电子设备执行权利要求1~7任一项所述的人员着装规范识别方法的步骤。