[发明专利]工服标志的识别方法、装置、设备及存储介质

权利要求书

1.一种工服标志的识别方法，其特征在于，所述工服标志的识别方法包括：

获取待处理的原始图像数据，并对所述原始图像数据进行图像增强处理和尺寸大小转换处理，得到目标图像，所述原始图像数据为预置场景下的员工图像数据；

通过预置的目标模型，对所述目标图像进行特征图提取处理和边界框生成处理，得到初始区域信息；

其中，所述通过预置的目标模型，对所述目标图像进行特征图提取处理和边界框生成处理，得到初始区域信息，包括：

调用预置的目标模型，所述目标模型包括单镜头多盒检测器网络，所述单镜头多盒检测器网络包括超分辨率测试序列算法和确定性网络；

通过所述超分辨率测试序列算法，提取所述目标图像的特征图，得到初始特征图；

对所述初始特征图进行注意力机制处理，得到注意力融合特征图；

通过所述确定性网络对所述注意力融合特征图进行多层级的运算处理，得到多个尺度的特征图；

基于所述多个尺度的特征图生成所述目标图像的边界框，得到初始区域信息，所述初始区域信息包括边界框内的目标图像信息；

对所述初始区域信息进行人像检测处理和区域分割处理，得到候选区域信息；

通过所述目标模型，对所述候选区域信息进行卷积处理和锚框匹配处理，得到目标区域信息；

根据预置的工服标志信息，对所述目标区域信息中的图像信息进行识别，得到工服标志识别结果。

2.根据权利要求1所述的工服标志的识别方法，其特征在于，所述对所述初始区域信息进行人像检测处理和区域分割处理，得到候选区域信息，包括：

对所述初始区域信息进行图像灰度化处理、图像滤波处理、降噪处理和边缘检测，得到图像轮廓信息；

对所述图像轮廓信息进行人像轮廓识别并进行人体工服着装部位检测，得到工服着装区域；

按照预置的工服划分区域对所述工服着装区域进行边界框标记，得到候选区域信息，所述候选区域信息包括边界框标记的工服着装图像信息。

3.根据权利要求1所述的工服标志的识别方法，其特征在于，所述通过所述目标识别模型，对所述候选区域信息进行卷积处理和锚框匹配处理，得到目标区域信息，包括：

通过所述目标模型中的移动端神经网络，对所述候选区域信息进行多层级滤波处理和融合处理，得到待处理区域信息；

根据预置的工服标志锚框和匹配算法，对所述待处理区域信息进行预测和分类，得到目标区域信息。

4.根据权利要求1所述的工服标志的识别方法，其特征在于，所述根据预置的工服标志信息，对所述目标区域信息中的图像信息进行识别，得到工服标志识别结果，包括：

获取预置的工服标志信息对应的工服标志特征矩阵向量，以及所述目标区域信息中图像信息对应的图像特征矩阵向量；

通过预置相似度计算算法计算所述图像特征矩阵向量与所述工服标志特征矩阵向量之间的相似度，得到多个相似度值；

判断所述多个相似度值是否均大于预设阈值；

若所述多个相似度值均大于预设阈值，则判定所述目标区域信息对应的图像为工服标志，得到工服标志识别结果。

5.根据权利要求1-4中任一项所述的工服标志的识别方法，其特征在于，所述获取待处理的原始图像数据之前，所述工服标志的识别方法还包括：

获取工服标记的标注样本文件集，并对所述标注样本文件集进行数据格式转换和分类，得到工服标志训练集和工服标志测试集；

通过预置的单镜头多盒检测器网络，对所述工服标志训练集进行特征图提取处理、边界框生成处理、卷积处理和锚框匹配处理，得到单镜头多盒检测器识别模型；

通过所述单镜头多盒检测器识别模型，对所述工服标志测试集进行运算处理，得到测试结果；

根据预置损失函数和所述测试结果，对所述单镜头多盒检测器识别模型的权重值进行迭代调整，得到预置的目标模型。