【技术实现步骤摘要】
基于改进RetinaNet的员工着装规范检测方法
本专利技术涉及计算机视觉、目标检测、深度学习领域,尤其涉及一种基于改进RetinaNet的员工着装规范检测方法。
技术介绍
随着社会经济和信息技术的快速发展,利用计算机技术替代人工参与企业管理受到人们越来越多的关注。其中员工的着装规范由于规范明确、特征较为明显、检查枯燥等特点,采用计算机技术可以较好的替代人工进行检测以及规范管理。在一些服务场所和作业场所,员工的着装有着明确的限制,如电影院、餐厅的服务人员应该穿标准的员工服装、工场内的工人需要穿好防护服装、工地的工人需要穿戴好安全服和安全帽等,着装的规范化可以有效的提高服务质量、避免一些安全事故的发生,因此需要长时间的检查,尽力避免相关违规现象的发生。目前的着装规范检测大都依靠人工进行检查,这会导致企业大量人力物力的耗费,当员工处于不同的场景下时,也会导致人工检查的不便,同时人工检查也会存在一定的疏漏,难以避免。另外,着装规范检测也有基于计算机视觉的检测方法,如基于传统特征算子的图像识别方法、基于two-stage目标检测的着装规范检测方法、基于one-stage目标检测的着装规范检测方法等。然而在员工着装规范检测中还有大量关键性问题需要解决;目前亟待解决的问题有:传统图像算法提取手工特征鲁棒性不佳,造成检测的精度难以提高;基于two-stage目标检测和one-stage目标检测的着装规范检测方法在检测精度和检测速度方面难以做好平衡,基于two-stage目标检测的着装规范检测方法检测精度较高但是检测 ...
【技术保护点】
1.基于改进RetinaNet的员工着装规范检测方法,其特征在于,包括以下步骤:/nA、针对应用场景进行样本数据集的采集和标注,并对样本数据集进行数据集增强操作;/nB、构建基于RetinaNet的目标检测网络结构,包括特征金字塔网络、分类子网络以及回归框子网络;采用Root-Resnet-50作为特征金字塔网络中自底向上的特征提取网络,将Root-Resnet-50中每个模块的输出与特征金字塔网络自顶向下上采样的结果进行相加,获得对应层次的特征图输出,将对应层次的特征图分别输入到分类子网络以及回归框子网络,获得相应的类别以及位置坐标;/nC、根据待检测目标中员工服饰类和非员工服饰类的长宽比例,设定锚点框的比例;/nD、采用步骤A得到的样本数据集对目标检测网络进行训练,生成训练模型;/nE、视频采集员工的着装图像并输入到步骤D生成的训练模型中,得到待测着装的类别及位置,若检测到员工的着装类别或穿戴位置不符合根据员工着装规范预设的标准,则发出提醒信号。/n
【技术特征摘要】
1.基于改进RetinaNet的员工着装规范检测方法,其特征在于,包括以下步骤:
A、针对应用场景进行样本数据集的采集和标注,并对样本数据集进行数据集增强操作;
B、构建基于RetinaNet的目标检测网络结构,包括特征金字塔网络、分类子网络以及回归框子网络;采用Root-Resnet-50作为特征金字塔网络中自底向上的特征提取网络,将Root-Resnet-50中每个模块的输出与特征金字塔网络自顶向下上采样的结果进行相加,获得对应层次的特征图输出,将对应层次的特征图分别输入到分类子网络以及回归框子网络,获得相应的类别以及位置坐标;
C、根据待检测目标中员工服饰类和非员工服饰类的长宽比例,设定锚点框的比例;
D、采用步骤A得到的样本数据集对目标检测网络进行训练,生成训练模型;
E、视频采集员工的着装图像并输入到步骤D生成的训练模型中,得到待测着装的类别及位置,若检测到员工的着装类别或穿戴位置不符合根据员工着装规范预设的标准,则发出提醒信号。
2.如权利要求1所述的基于改进RetinaNet的员工着装规范检测方法,其特征在于,所述的步骤A具体为:
A1、样本数据集的采集,包括实际应用场景下图像的人工采集和网络图像的下载;
A2、样本数据集的标注:按照待检测的员工着装规范,通过LableImg工具对样本图像中的待检测目标进行标注,标注的矩形框的标签包括:员工服饰-staff、非员工服饰-notstaff、围裙-pinafore、帽子-hat、口罩-mask标注完成自动保存为与样本图像对应的xml文件;
A3、样本数据集的数据集增强,包括:
翻转,对样本图像进行翻转操作,将翻转后的图像作为新的样本图像,同时更新翻转样本图像的标注文件;
剪裁,对样本图像进行随机剪裁,随机区间设为长度和宽度的10%,同时更新剪裁样本图像的标注文件;
缩放,对样本图像进行随机缩放,缩放比例分别为0.5、0.8、1.2、1.5,同时更新缩放样本图像的标注文件;
亮度变化,对样本图像进行随机亮度变化,模仿真实情况下光照强度的变化,亮度变化比例分别为0.5、0.75、1.25、1.50。
3.如权利要求1所述的基于改进RetinaNet的员工着装规范检测方法,其特征在于,所述的步骤B具体为:
构建基于RetinaNet的目标检测网络结构,包括特征金字塔网络、分类子网络以及回归框子网络;
所述的特征金字塔网络包括自底向上的前馈计算和自顶向下的侧向连接,网络输入是单尺度的任意大小的图像,输出为多层次上的、大小成比例的特征图;采用Root-Re...
【专利技术属性】
技术研发人员:包晓安,陈春宇,张娜,
申请(专利权)人:浙江理工大学桐乡研究院有限公司,
类型:发明
国别省市:浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。