[发明专利]一种制服识别方法

说明书

本发明公开了一种制服识别方法，涉及图像处理及模式识别领域，包括以下步骤：训练服装分类模型、服装图案模型svm模型；通过人脸检测技术获取制服所在区域的图片；将制服区域的图片分别送入训练好的服装分类模型和服装图案模型中得到服装分类信息和服装图案信息,提取服装颜色信息、装饰物特征信息和服装其他特征信息；将服装分类信息、服装图案信息、服装颜色信息、装饰物特征信息和服装其他特征信息输入svm模型中输出分类信息。本发明能够解决制服难以识别分类的问题。

技术领域

本发明涉及图像处理及模式识别领域，尤其是一种制服识别方法。

背景技术

在某些特定领域的职业考勤中，对于着装有一定的要求。已有的服装检测，主要针对时尚领域的服装进行属性分类，对于职业服装的数据量与细分程度不足；同时，纯粹利用深度学习技术分类制服，目前没有公开的制服数据集可供参考，因此会遇到样本量小，基于普通卷积的深度网络几乎无法收敛，并且容易过拟合的问题。

发明内容

本发明所要解决的技术问题是提供一种制服识别方法，解决制服难以识别分类的问题。

本发明解决其技术问题所采用的技术方案是：一种制服识别方法，包括以下步骤：

S1：训练服装分类模型、服装图案模型svm模型；

S2：通过人脸检测技术获取制服所在区域的图片；

S3：将制服区域的图片分别送入训练好的服装分类模型和服装图案模型中得到服装分类信息和服装图案信息,提取服装颜色信息、装饰物特征信息和服装其他特征信息；

S4：将服装分类信息、服装图案信息、服装颜色信息、装饰物特征信息和服装其他特征信息输入svm模型中输出分类信息。

进一步地，所述服装分类模型基于已有的NasnetMobile网络，在该网络原有的数据集suit中添加部分自定义的制服数据迁移学习而得出。

进一步地，所述服装图案模型基于已有的DenseBlock网络，在该网络的基础上通过数据集deepFashion深度学习而得出。

进一步地，所述装饰物特征信息包括胸牌信息。

进一步地，所述服装其他特征信息包括服装红色拉链中缝信息。

进一步地，所述svm模型为单分类svm模型。

进一步地，所述部分自定义的制服数据的图片数量为150张。

本发明具有如下有益效果：

1.本发明的制服识别方法使用单分类svm模型对样本进行分类，无需采集负样本数据，大大降低了数据采集的难度；

2.本发明使用DenseBlock作为分类网络的基础模块，可以在小样本上达到较好的收敛与泛化效果，实现较高的识别精度；

3.本发明对样本进行人工表征分解，将样本信息分解为服装分类信息、服装图案信息和服装颜色信息,提取装饰物特征信息和服装其他特征信息，增强了模型的可解释性和分类精度。

附图说明

图1为本发明实施例1给出的人脸识别方法流程图。

具体实施方式

实施例1：

如图1所示，一种制服识别方法，包括以下步骤：

一、训练服装分类模型、服装图案模型和svm模型

首先基于已有的NasnetMobile网络，在该网络原有的数据集suit中添加部分自定义的制服数据，通过迁移学习技术训练服装分类模型。