一种基于特征检索的工服穿戴识别方法及系统技术方案

本发明专利技术公开了一种基于特征检索的工服穿戴识别方法及系统，该方法包括特征检索库构建、行人检测、工服特征提取、工服检索识别四个步骤。人工选取不同类别工服中具有代表性的图像集，通过分类网络提取工服特征，构建特征检索库；将待测图像输入行人检测网络得到行人区域，裁剪图像中行人所在区域输入分类网络提取工服特征；将工服特征作为检索对象输入特征检索库，计算该对象与库中各特征的距离，最终输出该对象是否穿戴工服以及所穿工服的类别。本发明专利技术可通过简单的重建特征检索库实现对工服类别的灵活增减，有效避免重新训练模型的巨大成本，可用于工厂车间工服穿戴识别及警报系统。

【技术实现步骤摘要】
一种基于特征检索的工服穿戴识别方法及系统
本专利技术涉及一种基于特征检索的工服穿戴识别方法及相关系统，属于工业人员安全监测

技术介绍
在工业生产和建设中，安全一直是永恒不变的主题。工服规范穿戴可在危险事故发生时为施工人员提供一定的防护，有效减少施工人员所受到的伤害。然而施工人员未规范穿戴工服的情况时有发生，造成了极大的安全隐患。传统的人工监管方式通常需要安排专门的工作人员通过摄像头画面对工厂、工地等环境中的施工人员进行实时监控。这种方式成本高、效率低。针对该问题，近年来研究人员将人工智能技术应用到工服穿戴智能识别领域。针对工服的特性，目前已有的智能识别手段通常通过颜色标识进行判别。然而随着工服种类的增加、工厂光照环境的变化，单纯通过颜色进行工服判别的方法已经无法满足实际的需求。此外，上述方法未关注工服的纹理及形状特征，极易将与工服颜色相近的非工服误判为工服，不具备泛化性与鲁棒性。目前深度学习在行人检测、物体分类等领域卓有成效，性能已超越了传统的机器学习算法。然而训练完成的深度神经网络往往只能识别已知物体，无法识别未知物本文档来自技高网...

【技术保护点】
1.一种基于特征检索的工服穿戴识别方法，其特征在于，包括如下步骤：/n步骤一：选取每类工服不同角度的行人图像输入至训练好的分类网络提取每种工服不同角度的特征向量，构建特征检索库；/n步骤二：将待测图像输入至训练好的行人检测网络，根据获得的行人检测框对图像进行裁剪并输入至训练好的分类网络，获得待测图像中所有行人检测框的特征向量，计算每个行人检测框的特征向量与特征检索库中特征向量的特征距离；/n步骤三：对每个行人检测框，若计算的与特征检索库中所有特征向量的特征距离均大于阈值，则判断为非工服；否则输出特征距离最小的工服类别。/n

【技术特征摘要】
1.一种基于特征检索的工服穿戴识别方法，其特征在于，包括如下步骤：
步骤一：选取每类工服不同角度的行人图像输入至训练好的分类网络提取每种工服不同角度的特征向量，构建特征检索库；
步骤二：将待测图像输入至训练好的行人检测网络，根据获得的行人检测框对图像进行裁剪并输入至训练好的分类网络，获得待测图像中所有行人检测框的特征向量，计算每个行人检测框的特征向量与特征检索库中特征向量的特征距离；
步骤三：对每个行人检测框，若计算的与特征检索库中所有特征向量的特征距离均大于阈值，则判断为非工服；否则输出特征距离最小的工服类别。


2.根据权利要求1所述的一种基于特征检索的工服穿戴识别方法，其特征在于，所述分类网络采用ResNet50、vgg16、AlexNet或GoogLeNet作为骨干网络。


3.根据权利要求1所述的一种基于特征检索的工服穿戴识别方法，其特征在于，所述分类网络采用tripletloss三元组损失函数进行训练，损失函数表示为：



其中，y表示第y个三元组，记为{A,P,N}，A表示靶目标图片，B表示正例图片，N表示反例图片，f为分类网络的参数，α为超参数。


4.根据权利要求1所述的一种基于特征检索的工服穿戴识别方法，其特征在于，所述行人检测网络采用darknet53作为骨干网络，基于YoloV3模型框架进行训练。


5.根据权利要求1所述的一种基于特征检索的工服穿戴识别方法，其特征在于，所述步骤二中，行人检测网络训练时采用的预设锚框anchor的尺寸由K-means聚类得到。


6.根据权利要求1所述的一种基于特征检索的工服穿戴识别方法，其特征在于，所述步骤二中，...

【专利技术属性】
技术研发人员：章依依，徐晓刚，郑影，王军，黎晨阳，朱岳江，
申请(专利权)人：之江实验室，
类型：发明
国别省市：浙江;33