本技术涉及图像处理,特别是涉及一种员工服识别方法、装置、设备及介质。
背景技术:
1、在油气站、油库等高危单位中,员工人员要求必须穿着统一的防静电服方可入内,非工作人员也必须穿着对应的防静电服方可入内,尤其是涉及卸油、装油的核心区域,更需要对所在的人员着装、身份进行跟踪、判断,同时加油区也存在一些非工作人员不能操作的设备,精准识别站内、库内人员的衣服颜色、身份具有重要意义,以实现上述场景内的安全管理。
2、目前针对上述场景内人员的服装进行检测的方法主要为通过机器学习的方式检测,或,通过安保人员在监控室内为上述场景下进行实时监控。但上述方法存在人力成本高、分类精度低和复用性差等问题。
3、基于此,本技术提出一种员工服方法以提高对员工服分类的准确性。
技术实现思路
1、本技术提供一种员工服识别方法、装置、设备及介质,以解决相关技术不能准确对员工服进行分类的问题。
2、在本技术第一方面提供一种员工服识别方法,所述方法包括:
3、获取目标图像,将所述目标图像输入至人物属性模型中,得到所述目标图像的多个关键点和人物热力图像;
4、以所述人物热力图像为基准对所述目标图像进行处理,从所述目标图像中提取前景图像,作为人物图像;
5、基于所述多个关键点,对所述人物图像进行拆分,得到第一图像和第二图像,所述第一图像为包含人物上半身的关键点的人物图像,所述第二图像为包括人物下半身的关键点的人物图像;
6、将所述第一图像和所述第二图像分别输入至第一分类器和第二分类器中,得到上衣分类结果和下衣分类结果;
7、在所述上衣分类结果和所述下衣分类结果均属于员工服,且所述上衣分类结果和所述下衣分类结果的类别相同的情况下,输出第一识别结果,所述第一识别结果表征所述目标穿着合规。
8、在本技术可选地一实施例中,所述获取目标图像,包括:
9、获取目标布防区域的目标视频数据中的任意一帧包含行人的视频帧作为待识别图像;
10、将所述待识别图像输入至行人检测模型中,对所述待识别图像中包含的每个行人生成相应的预测框;
11、基于所述预测框,对所述待识别图像中的每个所述行人进行裁剪,得到每个所述行人对应的所述目标图像,所述目标图像包括所述行人的前景图像和背景图像。
12、在本技术可选地一实施例中,所述以所述人物热力图像为基准对所述目标图像进行处理,从所述目标图像中提取前景图像,作为人物图像,包括:
13、获取所述人物热力图像中每个像素点对应的像素值;
14、将所述人物热力图像中满足预设条件的像素点对应的像素值变更为第一预设阈值,作为掩码图,所述满足预设条件的像素点为所述像素点对应的像素值大于第二预设阈值的像素点;
15、对所述掩码图和所述目标图像中位置相同的像素点的像素值进行相与处理,得到所述人物图像。
16、在本技术可选地一实施例中,所述基于所述多个关键点,对所述人物图像进行拆分,得到第一图像和第二图像,包括:
17、基于所述第一图像包含的多个关键点,获取所述人物上半身的最小外接矩形,作为所述人物上半身的第一检测框;
18、基于所述第二图像包含的多个关键点,获取所述人物下半身的最小外接矩形,作为所述人物下半身的第二检测框;
19、基于第一检测框和第二检测框分别对所述人物图像进行裁剪,得到所述第一图像和所述第二图像。
20、在本技术可选地一实施例中,所述基于所述第一图像包含的多个关键点,获取所述人物上半身的最小外接矩形,作为所述人物上半身的第一检测框,包括:
21、获取所述第一图像中包含的所有所述关键点的坐标;
22、确定所有所述关键点中的最小横坐标、最大横坐标、最小纵坐标和最大纵坐标;
23、将所述最小横坐标和所述最小纵坐标组合作为第一顶点坐标;
24、将所述最大横坐标和所述最大纵坐标组合作为第二顶点坐标;
25、基于所述第一顶点坐标和所述第二顶点坐标,确定所述最小外接矩形,作为所述人物上半身的第一检测框。
26、在本技术可选地一实施例中,所述方法还包括:
27、在所述上衣分类结果和所述下衣分类结果中的至少一者不属于员工服的情况下,输出第二识别结果,所述第二识别结果表征所述目标穿着不合规,并进行预警;
28、在所述上衣分类结果和所述下衣分类结果均属于员工服,所述上衣分类结果和所述下衣分类结果不属于同一员工服类别的情况下,输出第三识别结果,所述第三识别结果为所述上衣分类结果和所述下衣分类结果。
29、在本技术可选地一实施例中,所述员工服为油气站场景下的员工服;所述员工服类别包括员工服颜色、员工服类型、员工服款式;
30、所述第一分类结果包括所述员工服颜色和所述员工类型的组合,或,所述员工服类型和所述员工服款式的组合,或,所述员工服颜色、所述员工服类型和员工服款式的组合。
31、在本技术第二方面提供一种员工服识别方法装置,所述装置包括:
32、获取模块,用于获取目标图像,将所述目标图像输入至人物属性模型中,得到所述目标图像的多个关键点和人物热力图像;
33、处理模块,用于以所述人物热力图像为基准对所述目标图像进行处理,从所述目标图像中提取前景图像,作为人物图像;
34、拆分模块,用于基于所述多个关键点,对所述人物图像进行拆分,得到第一图像和第二图像,所述第一图像为包含人物上半身的关键点的人物图像,所述第二图像为包括人物下半身的关键点的人物图像;
35、分类结果获取模块,用于将所述第一图像和所述第二图像分别输入至第一分类器和第二分类器中,得到上衣分类结果和下衣分类结果;
36、第一识别结果获取模块,用于在所述上衣分类结果和所述下衣分类结果均属于员工服,且所述上衣分类结果和所述下衣分类结果的类别相同的情况下,输出第一识别结果,所述第一识别结果表征所述目标穿着合规。
37、其中,所述获取模块包括:
38、待识别图像获取子模块,用于获取目标布防区域的目标视频数据中的任意一帧包含行人的视频帧作为待识别图像;
39、行人检测模块,用于将所述待识别图像输入至行人检测模型中,对所述待识别图像中包含的每个行人生成相应的预测框;
40、目标图像获取子模块,用于基于所述预测框,对所述待识别图像中的每个所述行人进行裁剪,得到每个所述行人对应的所述目标图像,所述目标图像包括所述行人的前景图像和背景图像。
41、其中,处理模块包括:
42、像素值获取子模块,用于获取所述人物热力图像中每个像素点对应的像素值;
43、掩码图获取子模块,用于将所述人物热力图像中满足预设条件的像素点对应的像素值变更为第一预设阈值,作为掩码图,所述满足预设条件的像素点为所述像素点对应的像素值大于第二预设阈值的像素点;
44、相与处理子模块,用于对所述掩码图和所述目标图像中位置相同的像素点的像素值进行相与处理,得到所述人物图像。
45、其中,所述拆分模块包括:
46、第一检测框获取子模块,用于基于所述第一图像包含的多个关键点,获取所述人物上半身的最小外接矩形,作为所述人物上半身的第一检测框;
47、第二检测框获取子模块,用于基于所述第二图像包含的多个关键点,获取所述人物下半身的最小外接矩形,作为所述人物下半身的第二检测框;
48、裁剪子模块,用于基于第一检测框和第二检测框分别对所述人物图像进行裁剪,得到所述第一图像和所述第二图像。
49、其中,所述第一检测框获取子模块包括:
50、关键点坐标获取单元,用于获取所述第一图像中包含的所有所述关键点的坐标;
51、确定单元,用于确定所有所述关键点中的最小横坐标、最大横坐标、最小纵坐标和最大纵坐标;
52、第一顶点坐标获取单元,用于将所述最小横坐标和所述最小纵坐标组合作为第一顶点坐标;
53、第二顶点坐标获取单元,用于将所述最大横坐标和所述最大纵坐标组合作为第二顶点坐标;
54、第一检测框确定单元,用于基于所述第一顶点坐标和所述第二顶点坐标,确定所述最小外接矩形,作为所述人物上半身的第一检测框。
55、其中,所述装置还包括:
56、第二识别结果获取模块,用于在所述上衣分类结果和所述下衣分类结果中的至少一者不属于员工服的情况下,输出第二识别结果,所述第二识别结果表征所述目标穿着不合规,并进行预警;
57、第三识别结果获取模块,用于在所述上衣分类结果和所述下衣分类结果均属于员工服,所述上衣分类结果和所述下衣分类结果不属于同一员工服类别的情况下,输出第三识别结果,所述第三识别结果为所述上衣分类结果和所述下衣分类结果。
58、在本技术第三方面提供一种电子设备,包括:存储器,用于存储一个或多个程序;处理器;当所述一个或多个程序被所述处理器执行时,实现如上述第一方面中任一项所述的员工服识别方法。
59、在本技术第四方面提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述第一方面中任一项所述的员工服识别方法。
60、本技术提供一种员工服识别方法、系统、设备及介质,获取目标图像,将所述目标图像输入至人物属性模型中,得到所述目标图像的多个关键点和人物热力图像;以所述人物热力图像为基准对所述目标图像进行处理,从所述目标图像中提取前景图像,作为人物图像;基于所述多个关键点,对所述人物图像进行拆分,得到第一图像和第二图像,所述第一图像为包含人物上半身的关键点的人物图像,所述第二图像为包括人物下半身的关键点的人物图像;将所述第一图像和所述第二图像分别输入至第一分类器和第二分类器中,得到上衣分类结果和下衣分类结果;在所述上衣分类结果和所述下衣分类结果均属于员工服,且所述上衣分类结果和所述下衣分类结果的类别相同的情况下,输出第一识别结果,所述第一识别结果表征所述目标穿着合规。本技术包括以下优点:通过组合行人检测模型、人物属性模型、第一分类器和第二分类器作为组合网络模型,其中,通过行人检测模型检测得到行人图像,通过人物属性模型对目标图像中包含的目标进行关键点检测和人物热力图检测,以剔除背景的影响,通过多个关键点将目标的上半身衣物和下半身衣物进行拆分,实现多种不同员工服组合的分类识别,提高员工服分类的准确率,且第一分类器和第二分类器额外增加的内存较小,对速度影响较小,实现高精度对员工服进行识别,进一步实现对高危区域的监控。