[发明专利]基于人体关键节点预测的服饰识别方法、系统及终端

说明书

本发明提供了一种基于人体关键节点预测的服饰识别方法，包括：数据采集：获取包含人体姿态的原始图像；人体姿态检测：检测所述原始图像中的人体姿态，获得服饰识别中所需要的人体姿态关键节点信息；服饰识别：根据所述人体姿态关键节点信息，确定包含待识别服饰的目标区域，采用卷积神经网络对所述目标区域进行处理，得到服饰识别结果。同时提供了一种基于人体关键节点预测的服饰识别装置、系统及终端。本发明有效提升了对人员服饰合规监管的智能化，降低了监管人员的工作强度。

技术领域

本发明涉及图像处理技术领域，具体地，涉及一种基于人体关键节点预测的服饰识别方法、系统及终端。

背景技术

在目前的很多行业中，对于着装有一定的要求，比如食品行业的从业人员着装、医务人员的着装等。通过智能识别监控视频的方式，可以代替监管人员对各类行业比如食品行业等进行监管，有效提高安全监管的工作效率。

为了识别人员的服饰类别，往往首先采用均值滤波、光线补偿、归一化处理等方法对视频图像进行预处理，然后使用差分法进行前后景分离，接着使用二值化、腐蚀、膨胀等方法，对图像进行形态学差分处理，对得到人的头部和躯干区域通过颜色统计特征，来识别是否佩戴帽子和相应服饰类型。

现在市面上从业人员服装合规检测需要针对检测的人头和躯干以及人脸分别设计一套检测方法，然后再设计一套相应衣帽和口罩识别方法来判断是否穿戴合适的衣帽和口罩，这增加了整个检测方法的复杂度。另外，这种方法需要研发人员针对某个特定应用场景选择合适的特征，导致方法在该特定场景下识别某种特定颜色和款式的衣帽和口罩效果比较稳定，而在另外一个场景下的不同颜色和款式的衣帽和口罩的检测识别效果很可能很差，无法大规模部署在不同的应用场景下。

目前没有发现同本发明类似技术的说明或报道，也尚未收集到国内外类似的资料。

发明内容

本发明针对现有技术中存在的上述不足，提供了一种基于人体关键节点预测的服饰合规性识别方法、装置、系统及终端。该方法、装置、系统及终端通过卷积神经网络(CNN)和人体关键节点检测方法，应用深度学习的技术，能够在不同应用场景下高效得到人体关键节点信息，自动识别人体头部、面部和躯干区域，高效实现不同颜色和款式的服饰的准确识别，提升的鲁棒性。

本发明是通过以下技术方案实现的。

根据本发明的第一个方面，提供了一种基于人体关键节点预测的服饰识别方法，包括：

数据采集：获取包含人体姿态的原始图像；

人体姿态检测：检测所述原始图像中的人体姿态，获得服饰识别中所需要的人体姿态关键节点信息；

服饰识别：根据所述人体姿态关键节点信息，确定包含待识别服饰的目标区域，采用卷积神经网络对所述目标区域进行处理，得到服饰识别结果。

优选地，所述人体姿态检测，采用深度学习的人体姿态检测方法。

优选地，所述服饰识别，从人体姿态关键节点信息中选择部分数据进行组合计算，得到人体不同躯干区域的坐标信息。

优选地，所述选择部分数据，是指，从人体姿态关键节点信息中选择位于人体不同躯干区域的关键节点坐标；

所述组合计算，包括：计算位于不同躯干区域的关键节点坐标的平均值作为中心点坐标，这些人体不同躯干区域的关键节点在坐标系上横向和纵向上最大值和最小值的差值分别作为宽度和高度基准，并将宽度和高度基准值分别乘以设定的缩放系数，即能够根据中心点坐标以及宽度和高度基准，获得包含这些人体不同躯干区域的关键节点的矩形框，进而得到人体不同躯干区域的坐标信息。

优选地，所述人体不同躯干区域包括头部、面部、上半身和/或下半身区域。

优选地，所述目标区域，是由所述人体不同躯干区域的关键节点坐标组成的矩形框。