[发明专利]着装识别方法、装置、设备及计算机可读介质

说明书

本申请涉及一种着装识别方法、装置、设备及计算机可读介质。该方法包括：获取目标图像，目标图像为对作业人员的生产作业现场进行采集得到的，作业人员为需要按照生产作业现场的要求进行着装的人员；将目标图像输入第一识别模型，得到第一识别模型输出的识别结果，识别结果是对目标图像中作业人员的服饰区域的着装特征进行聚类得到的；根据识别结果确定作业人员的着装判别结果。本申请利用聚类算法更加精确地提取作业人员的着装特征，基于深度学习技术对着装特征进行识别，能够更加准确地识别作业人员是否安全作业，解决了人员着装识别准确率低的技术问题，且由于神经网络模型稳定性和鲁棒性较强，本申请技术方案的应用范围更加宽广。

技术领域

本申请涉及深度学习技术领域，尤其涉及一种着装识别方法、装置、设备及计算机可读介质。

背景技术

工人在如隧道、矿井、楼房施工工地等生产作业现场中进行生产作业时，规范佩戴安全帽、穿戴安全服至关重要。为了保障工人的人身安全，需要对工人是否佩戴安全帽、穿戴安全服进行监管、警示。

目前，相关技术中，通过利用HOG(Histogram of Oriented Gradient，方向梯度直方图)算法进行行人检测，得到人体的感兴趣区域，将原始的RGB模型图像转化为HSV模型图像，再根据颜色阈值将HSV图像转化为二值图像；然后对二值图像进行一系列的形态学操作，通过二值图像中黑白像素点的分布和排列来判断人体是否佩戴安全帽和着安全服。相关技术应用受限，在光照、遮挡、模糊等因素影响时，识别准确率大大降低。

针对人员着装识别准确率低的技术问题，目前尚未提出有效且通用的解决方案。

发明内容

本申请提供了一种着装识别方法、装置、设备及计算机可读介质，以解决人员着装识别准确率低的技术问题。

根据本申请实施例的一个方面，本申请提供了一种着装识别方法，包括：获取目标图像，目标图像为对作业人员的生产作业现场进行采集得到的，作业人员为需要按照生产作业现场的要求进行着装的人员；将目标图像输入第一识别模型，得到第一识别模型输出的识别结果，识别结果是对目标图像中作业人员的服饰区域的着装特征进行聚类得到的；根据识别结果确定作业人员的着装判别结果。

可选地，得到第一识别模型输出的识别结果之前，该方法还包括按照如下方式提取着装特征：识别目标图像中作业人员的第一数量；在目标图像中生成与第一数量相同个数的候选框；采用聚类的方式调整候选框的位置，直至单个候选框的最终位置位于一个作业人员的服饰区域；将候选框中服饰区域的着装信息作为对应的作业人员的着装特征。

可选地，根据识别结果确定作业人员的着装判别结果包括：获取第一识别模型识别着装特征的标签信息和置信度，识别结果包括标签信息和置信度；在置信度大于或等于预设阈值的情况下，将标签信息确定为作业人员的着装判别结果，标签信息包括规范佩戴安全帽、未佩戴安全帽、规范穿戴安全服以及未穿戴安全服中的至少一种。

可选地，在利用第一识别模型识别作业人员的着装之前，该方法还包括按照如下方式训练得到第一识别模型：获取训练数据集和测试数据集；使用训练数据集迭代训练第二识别模型，直至训练次数达到预设次数阈值，第二识别模型为预训练模型；在第二识别模型对测试数据集的识别准确度达到准确度阈值的情况下，将第二识别模型作为第一识别模型；在第二识别模型对测试数据集的识别准确度未达到准确度阈值的情况下，继续使用训练数据集对第二识别模型进行训练，以继续调整第二识别模型内各网络层中的参数的数值，直至第二识别模型对测试数据集的识别准确度达到准确度阈值。

可选地，获取训练数据集和测试数据集包括：采集作业人员的生产作业现场的原始图像；在每一幅原始图像中对作业人员的着装特征进行标注，其中，标注数据中包括着装特征的两个对角位置的坐标信息和着装特征的类别信息，两个对角位置组成的标注框包围着装特征；对原始图像采用平移、翻转以及旋转中的至少一种方式扩充图像集，并对扩充的图像中作业人员的着装特征进行标注；将所有图像按照预设比例划分为训练数据集和测试数据集。