[发明专利]用于用户着装检测的实现方法、系统、介质及终端

说明书

本发明提供一种用于用户着装检测的实现方法、系统、介质及终端；所述方法包括以下步骤：获取工作装图像集和待检测用户图像；对工作装图像集中的每一工作装图像进行特征提取，获取对应每一工作装图像的第一特征向量；基于待检测用户图像，获取对应待检测用户图像上待检测用户着装的第二特征向量；计算第二特征向量与每一第一特征向量之间的相似度，以根据相似度实现对待检测用户着装的检测；本发明通过计算待检测用户着装与工作装图像之间的相似度判断用户是否穿着工作装，这样可以有效避免随着工作装的更新或扩充，算法网络需要重新训练，且适应多种工作装款式，具备行业应用的适应及批量普及能力，可利用统一的算法网络适用各种应用场景。

技术领域

本发明属于用户着装检测技术领域，特别是涉及一种用于用户着装检测的实现方法、系统、介质及终端。

背景技术

随着人工智能和计算机视觉技术的飞速发展，技术应用的范围也逐渐从安防监控领域蔓延到民用、商场、活动、门店等场景；其中，在门店应用场景中，商业主管需要对门店进行定期的巡店，其中店铺工作人员的着装便是巡店中需要检查的重点内容之一。

目前，现有的用户着装检测方法，主要依赖图像的分类实现；具体做法是首先通过行人检测器，将人体检测出后送入分类网络识别，通常分类网络主要类别分为工作装和非工作装两类；在网络设计实现的时候，亦可以将检测和分类两个步骤合并，即在图像中检测两类目标，穿着工作装的用户和未穿工作装的用户，但这里存在一个问题，需要收集工作装和非工作装的图片去训练分类模型，这样决定了模型仅对已知工作装具有区别能力，不仅操作麻烦，还使得用户着装检测耗时耗力。

在实际应用中，门店尤其是服装门店的店员，工作着装通常有多个款式，男女款式不同，且随着时间会不断更新，再者，每个门店可能都在使用不同的工作装款式，于是分类模型在门店尤其服饰门店中难以应用，导致分类模型适应性较差，因此，市场中急切需要一个可适用多种工作装且不局限于特定工作装的检测方案。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种用于用户着装检测的实现方法、系统、介质及终端，用于解决现有技术中对用户的着装检测存在需经常训练分类模型，操作麻烦、耗时耗力及分类模型适应性差的问题。

为实现上述目的及其他相关目的，本发明提供一种用于用户着装检测的实现方法，包括以下步骤：获取工作装图像集和待检测用户图像；对所述工作装图像集中的每一工作装图像进行特征提取，获取对应每一所述工作装图像的第一特征向量；基于所述待检测用户图像，获取对应所述待检测用户图像上待检测用户着装的第二特征向量；计算所述第二特征向量与每一所述第一特征向量之间的相似度，以根据所述相似度实现对所述待检测用户着装的检测。

于本发明的一实施例中，基于所述待检测用户图像，获取对应所述待检测用户图像上待检测用户着装的第二特征向量包括以下步骤：对所述待检测用户图像上的至少一用户进行检测，获取相应的用户检测结果；根据所述用户检测结果，获取对应所述用户的独立用户图像；对所述独立用户图像进行预处理，获取预处理后的目标用户图像；对所述目标用户图像进行特征提取，获取对应所述待检测用户着装的第二特征向量。

于本发明的一实施例中，所述用户检测结果包括对应所述用户的用户检测框及对应所述用户检测框的像素坐标点；根据所述用户检测结果，获取对应所述用户的独立用户图像包括：根据所述像素坐标点，从所述待检测用户图像上截取出所述独立用户图像；对所述独立用户图像进行预处理，获取预处理后的目标用户图像包括：将所述独立用户图像缩放至预设尺寸，以产生所述目标用户图像。

于本发明的一实施例中，计算所述第二特征向量与每一所述第一特征向量之间的相似度包括以下步骤：计算所述第二特征向量与每一所述第一特征向量之间的距离；根据所述距离计算出所述相似度。

于本发明的一实施例中，所述相似度的计算公式为：

Similarity＝1-dist(X,Y)；