[发明专利]用于毛发识别的方法及装置、设备

权利要求书

1.一种用于毛发识别的方法，其特征在于，包括：

获取处于运行状态扫地机器人采集的待检测图片；

在第一智能算法模型中，对所述待检测图片进行目标检测，得到与所述待检测图片中每根毛发对应的目标框位置信息；

获得了每根毛发的属性类别信息，所述属性类别信息是每个所述目标框位置信息输入第二智能算法模型后进行属性识别得到的。

2.根据权利要求1所述的方法，其特征在于，所述获取处于运行状态扫地机器人采集的待检测图片包括：

通过所述扫地机器人上配置的图像采集设备，本地获取所述待检测图片；或，

接收所述扫地机器人发送的所述待检测图片。

3.根据权利要求1或2所述的方法，其特征在于，所述获取处于运行状态扫地机器人采集的待检测图片之前，包括：

根据每个第一样本毛发图片中毛发尺寸信息，与Adaboost算法，生成所述第一智能算法模型；或，

根据每个第一样本毛发图片中毛发尺寸信息，生成包括毛发专用锚框的所述第一智能算法模型。

4.根据权利要求1所述的方法，其特征在于，所述获得了每根毛发的属性类别信息包括：

将所述每个所述目标框位置信息输入保存的第二智能算法模型中继续图像识别，获得了每根毛发的属性类别信息；或，

将所述每个所述目标框位置信息发送给远端设备中，得到所述远端设备发送的每根毛发的属性类别信息，其中，所述远端设备将所述每个所述目标框位置信息输入保存的所述第二智能算法模型中继续图像识别，获得了每根毛发的属性类别信息。

5.根据权利要求1或4所述的方法，其特征在于，所述获得了每根毛发的属性类别信息之前，还包括：

将图片预处理后的第二样本毛发图片，进行基于移动网络MobileNet训练，并将生成的MobileNet模型，确定为所述第二智能算法模型，保持在本地设备或远端设备中。

6.根据权利要求5所述的方法，其特征在于，所述获得了每根毛发的属性类别信息包括：

在保存的所述移动网络MobileNet模型中，根据每个所述目标框位置信息，进行KNN最大类间距进行聚类处理，得到至少一个属性分类概率值；

根据每个目标框的所述属性分类概率值，以及所述目标框位置信息，获得每根毛发的属性类别信息。

7.根据权利要求1所述的方法，其特征在于，还包括：

根据每根毛发的所述属性类别信息，进行用户健康数据管理。

8.一种用于毛发识别的装置，其特征在于，包括：

获取模块，被配置为获取处于运行状态扫地机器人采集的待检测图片；

检测模块，被配置为在第一智能算法模型中，对所述待检测图片进行目标检测，得到与所述待检测图片中每根毛发对应的目标框位置信息；

识别模块，被配置为获得了每根毛发的属性类别信息，所述属性类别信息是每个所述目标框位置信息输入第二智能算法模型后进行属性识别得到的。

9.一种用于毛发识别的装置，该装置包括处理器和存储有程序指令的存储器，其特征在于，所述处理器被配置为在执行所述程序指令时，执行如权利要求1至7任一项所述用于毛发识别的方法。

10.一种设备，其特征在于，包括：扫地机器人或服务器，包括如权利要求8或9所述用于毛发识别的装置。