[发明专利]一种用于城市级规模的餐饮后厨工作服高精度识别方法

权利要求书

1.一种用于城市级规模的餐饮后厨工作服高精度识别方法，其特征在于：包括以下步骤：

步骤一、建立专用数据集；

步骤二、训练人体关键点提取网络OpenPose,并提取图像中人体关键点；

步骤三、根据步骤二中得到的关键点计算出人体外接矩形框和上身外接矩形框以及下身外接矩形框的图像；

步骤四、将步骤三得到人体外接矩形框区域的图像输入到款式分类网络进行类型识别，得到工作服类型，若服装类型为上衣裤子，再将上身外接矩形框以及下身外接矩形框的图像输入到颜色分类网络识别，最后，将工作服类型和颜色与相应的用户数据库进行比对；

步骤五、将比对获得的结果反馈至相应的门店。

2.根据权利要求1所述的一种用于城市级规模的餐饮后厨工作服高精度识别方法，其特征在于：所述步骤一中的专用数据库包含总计人体目标超过100万个。

3.根据权利要求1所述的一种用于城市级规模的餐饮后厨工作服高精度识别方法，其特征在于：所述步骤一的具体内容如下：

①工作服数据集DataSet_color包含上衣颜色和下身衣服颜色2个大类，其中，上衣颜色和下身衣服颜色均包含白色、红色、蓝色、黑色、黄色、灰色、绿色、紫色及非纯色任意图案；工作服款式数据集DataSet_style包括衣服样式和围裙样式，其中，围裙样式包括半身式、全包式、挂肩式、挂颈式以及未穿围裙，衣服样式包括上衣裤子、大衣、连衣裙子、上衣裙子以及上衣短裤；

②采用上述两个数据集作为网络训练集训练用于识别工作服的识别网络；采用工作服款式数据集DataSet_style训练工作服款式分类网络Net_style，其中，训练工作服款式分类网络Net_style选用resnet50作为特征提取网络，然后，在darknet框架下采用迁移学习方法训练，具体来说，将初始学习率l_r＝0.01，采用steps方法进行学习率更新，同时，通过随机裁剪，曝光，旋转以及镜像等方法进行训练数据增强，经过测试，当迭代测试iters＝260000时，网络模型的准确率最高；同理，工作服颜色数据集DataSet_color训练工作服颜色分类网络Net_color，网络选用resnet18作为特征提取网络，在darknet框架下采用迁移学习方法训练上述网络，其中，初始学习率设定为l_r＝0.001，采用随机裁剪，曝光，旋转以及镜像等方法进行训练数据增强，经过测试迭代iters＝180000次网络模型的准确率最高。

4.根据权利要求1所述的一种用于城市级规模的餐饮后厨工作服高精度识别方法，其特征在于：所述步骤二具体内容如下：S1：首先添加后厨样本重新训练人体关键点提取网络OpenPose；利用上述的网络提取人体关键点坐标矩阵：其中，n表示人体ID，在该发明中提取人体中25个关键点，p_n0表示第n个人体的第一个关键点，p_n24表示第n个人体的第24个关键点，其中p_n24＝[x y]，x,y为坐标点的横纵坐标。