[发明专利]佩戴物识别方法、装置、设备及存储介质在审

专利信息
申请号: 201910733545.6 申请日: 2019-08-09
公开(公告)号: CN112347824A 公开(公告)日: 2021-02-09
发明(设计)人: 符殷铭;陈信宇;吕嘉鹏;黄彩云;陈涛;张毅;雷苗;朱青 申请(专利权)人: 中移信息技术有限公司;中国移动通信集团有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62
代理公司: 北京东方亿思知识产权代理有限责任公司 11258 代理人: 彭琼
地址: 518048 广东省深圳*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 佩戴 识别 方法 装置 设备 存储 介质
【说明书】:

发明公开了一种佩戴物识别方法、装置、设备及存储介质。包括:获取图像帧;基于预先训练的佩戴物识别模型,从所述图像帧中识别人像轮廓位置特征;基于预先训练的佩戴物识别模型,根据所述人像轮廓位置特征确定佩戴物位置特征和佩戴物分类特征;将所述佩戴物位置特征和对应的所述佩戴物分类特征作为识别结果组合输出。根据本发明实施例,能够通过基于图像识别的佩戴物识别方法自动进行佩戴物监控,提高了识别的准确度和效率。

技术领域

本发明属于图像识别及安全检测领域,尤其涉及一种佩戴物识别方法、装置、设备及存储介质。

背景技术

佩戴物作为一种办公区人员身份识别的基本依据,被广泛应用于各种办公区安全管理中。然而在办公区中,办公人员经常忘记工卡等佩戴物,造成无法识别目标人像身份和陌生人身份的问题,从而导致办公区域的安全性不高。为了更好地避免这种情况,对办公区内目标人像是否佩戴工卡等佩戴物进行检测和告警至关重要。

目前针对目标人像是否佩戴工卡等佩戴物的识别都是基于肉眼判断,无论是观看监控录像还是巡视办公区,都需要设置人力来进行监测,这种方式既费时又费力,监控人员也会因为疲劳而导致漏检,使得办公场所的安全得不到保证。

在物体识别问题方面,传统的基于特征提取算法的物体识别方法在识别准确性及鲁棒性上效果欠佳,容易产生误识别或漏检。

发明内容

本发明实施例提供一种佩戴物识别方法、装置、设备及计算机存储介质,能够通过基于图像识别的佩戴物识别方法自动进行佩戴物监控,减少了因单一重复任务对肉眼产生疲劳而导致的识别误差。

第一方面,本发明实施例提供一种佩戴物识别方法,方法包括:获取图像帧;基于预先训练的佩戴物识别模型,从图像帧中识别人像轮廓位置特征;基于预先训练的佩戴物识别模型,根据人像轮廓位置特征确定佩戴物位置特征和佩戴物分类特征;将佩戴物位置特征和对应的佩戴物分类特征作为识别结果组合输出。

在一种可能的实现中,佩戴物包括:证件、卡片、安全帽。

在一种可能的实现中,识别结果还包括:如果佩戴物分类特征为识别出佩戴物,输出确认标识信息和确认标识信息的置信度值;如果佩戴物分类特征为未识别出佩戴物,输出否认标识信息和否认标识信息的置信度值。

在一种可能的实现中,方法还包括:如果接收到否认标识信息,发出第一告警信息。

在一种可能的实现中,方法还包括:如果接收到的确认标识信息的置信度值小于预设确认标识信息的置信度阈值,发出第二告警信息;或者,如果接收到的否认标识信息的置信度值大于预设否认标识信息的置信度阈值,发出第二告警信息。

在一种可能的实现中,方法还包括:佩戴物识别模型训练包括:获取包含人像和佩戴物的图片帧,以及包含人像不包含佩戴物的图片帧作为训练样本;根据训练样本和预先标记的训练样本的标签对基础识别模型进行训练;基于基础识别模型输出的训练样本对应的标签和预先标记的训练样本的标签,计算佩戴物分类特征识别结果的损失函数值,根据损失函数值调整模型参数;对调整模型参数进行重复操作,确定基础识别模型的最优参数,得到佩戴物识别模型。

在一种可能的实现中,方法还包括:训练样本为包含人像和佩戴物的图片帧,预先标记的训练样本的标签为人像轮廓位置特征标签、佩戴物位置特征标签和佩戴物分类特征标签;训练样本为包含人像不包含佩戴物的图片帧,预先标记的训练样本的标签为人像轮廓位置特征标签。

在一种可能的实现中,方法还包括:如果图像帧没有识别出人像轮廓位置特征,识别结束。可以将这些大量无人像的无用片段过滤掉,提升工作效率。

第二方面,本发明实施例提供了一种处理装置,装置包括:

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中移信息技术有限公司;中国移动通信集团有限公司,未经中移信息技术有限公司;中国移动通信集团有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910733545.6/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top