[发明专利]车检工位的工作人员检测方法及设备

说明书

本发明的目的是提供一种车检工位的工作人员检测方法及设备，本发明通过将所述车检工位的图像中的人脸图像与工作人员人脸模版图像进行比对，得到第一比对结果；将所述车检工位的图像中的服装区域图像与工作人员服装模版图像进行比对，得到第二比对结果；将所述车检工位的图像中的人体关键点位置之间的相互位置关系与模版人体关键点位置之间的相互位置关系进行比对，得到第三比对结果；基于第一、第二和第三比对结果判断车检工位的工作人员检测是否合格，提高了人员检测的准确率，并实现工作人员身份识别、着装识别以及规定动作识别，同时审核过程的全程自动检测，既节约了人力，又保证了检测工作的公开、公正。

技术领域

本发明涉及计算机领域，尤其涉及一种车检工位的工作人员检测方法及设备。

背景技术

随着社会经济的不断发展和人民生活水平的不断提高，城市机动车保有量迅猛增长。机动车车辆年检的工作量也随之迅速增大。传统的车辆年检中车检工位的工作人员检测主要是通过人工检测，该方法人工成本较高，效率较低，且长时间重复性检测操作容易使得检测人员产生疲劳、注意力不集中等不良状态，影响检测准确率。

如何准确、快速地对车检工位的工作人员进行动态检测，同时避免人工检测成本高，检测人员易疲劳、易疏忽错误等弊端，是急需解决的技术问题。

发明内容

本发明的一个目的是提供一种车检工位的工作人员检测方法及设备。

根据本发明的一个方面，提供了一种车检工位的工作人员检测方法，该方法包括：

获取车检工位的图像；

将所述车检工位的图像中的人脸图像与工作人员人脸模版图像进行比对，得到第一比对结果；

将所述车检工位的图像中的服装区域图像与工作人员服装模版图像进行比对，得到第二比对结果；

将所述车检工位的图像中的人体关键点位置之间的相互位置关系与模版人体关键点位置之间的相互位置关系进行比对，得到第三比对结果；

基于第一、第二和第三比对结果判断车检工位的工作人员检测是否合格。

进一步的，上述方法中，将所述车检工位的图像中的人脸图像与工作人员人脸模版图像进行比对，得到第一比对结果，包括：

采用基于深度学习网络的人员检测模型，判断所述车检工位的图像中是否存在人员区域图像，若不存在人员区域图像，则对该车检工位的图像对应的人员区域标志位进行标记；若存在人员区域图像，则采用基于深度学习网络的人员分类模型，判断所述人员区域图像中是否存在人员，若不存在人员，则对该车检工位的图像对应的人员标志位进行标记；

若存在人员，获取所述人员区域图像，采用基于深度学习网络的人脸检测模型，检测所述人员区域图像中是否存在人脸区域图像，若不存在人脸区域图像，则对该车检工位的图像对应的人脸标志位进行标记；若存在人脸，则获取所述人脸区域图像，将所述人脸区域图像与工作人员人脸模版图像进行比对，得到第一比对结果。

进一步的，上述方法中，采用基于深度学习网络的人员检测模型，判断所述车检工位的图像中是否存在人员区域图像之前，还包括：

获取不同光照、不同拍摄角度下的样本车检工位的图像；

采用矩形框标记所述样本车检工位的图像中人员所在位置，并标记为人员，得到标记后的样本图像；

使用所述标记后的样本图像训练目标检测深度神经网络模型，以获得基于深度学习网络的人员检测模型。

进一步的，上述方法中，采用基于深度学习网络的人员分类模型，判断所述人员区域图像中是否存在人员之前，还包括：

利用所述基于深度学习网络的人员检测模型，获得所述样本车检工位的图像中不同位置的样本人员区域图像；