一种复杂场景下的号服识别方法技术

本发明专利技术提供了一种复杂场景下的号服识别方法，包括以下步骤：S1、为号服设计类间差异大、特征丰富的数字外形，并对号服进行编码；S2、建立并训练针对号服数字外形识别用的深度学习模型；S3、对待检测的号服图像进行预处理；S4、将预处理后的号服图像输入号服识别用的深度学习模型进行检测，得到号服数字外形，即号服序列。本发明专利技术所述的复杂场景下的号服识别方法，通过设计更有效的数字外形特征，同时设计了基于深度学习的识别方法,可较大程度提高号服的识别精度，更好的满足复杂场景的需求。

【技术实现步骤摘要】
一种复杂场景下的号服识别方法
本专利技术属于视频检测
，尤其是涉及一种复杂场景下的号服识别方法。
技术介绍
随着技术的进步与发展，视频监控系统在公安系统内部各单位的应用越来越广泛，尤其是对在押人员的监管和监控，视频监控系统起着尤为重要的作用。监室内的特殊人员通常有特定的号服，通过识别号服实现对特殊人员识别与跟踪是一种有效地手段，但受限于号服的褶皱、变形以及部分遮挡等因素，号服识别的可靠性难以满足实际需求。
技术实现思路
有鉴于此，本专利技术旨在提出一种复杂场景下的号服识别方法，以解决
技术介绍
中号服因褶皱、变形以及部分遮挡等因素，使得号服识别的可靠性难以满足实际需求。为达到上述目的，本专利技术的技术方案是这样实现的：一种复杂场景下的号服识别方法，包括以下步骤：S1、为号服设计类间差异大、特征丰富的数字外形，并对数字外形进行编码；S2、建立并训练针对号服数字外形识别用的深度学习模型；S3、对待检测的号服图像进行预处理；S4、将预处理后的号服图像输入号服识别用的深度学习模型进行检测，得本文档来自技高网...

【技术保护点】
1.一种复杂场景下的号服识别方法，其特征在于,包括以下步骤：/nS1、为号服设计类间差异大、特征丰富的数字外形，并对号服进行编码；/nS2、建立并训练针对号服数字外形识别用的深度学习模型；/nS3、对待检测的号服图像进行预处理；/nS4、将预处理后的号服图像输入号服识别用的深度学习模型进行检测，得到号服数字外形，即号服序列。/n

【技术特征摘要】
1.一种复杂场景下的号服识别方法，其特征在于,包括以下步骤：
S1、为号服设计类间差异大、特征丰富的数字外形，并对号服进行编码；
S2、建立并训练针对号服数字外形识别用的深度学习模型；
S3、对待检测的号服图像进行预处理；
S4、将预处理后的号服图像输入号服识别用的深度学习模型进行检测，得到号服数字外形，即号服序列。


2.根据权利要求1所述的一种复杂场景下的号服识别方法，其特征在于：所述步骤S2中建立并训练针对号服数字外形识别用的深度学习模型，需要先采集身穿号服的人体图像，对号服数字进行标注，即根据号服数字在图像中的位置，标出真实的位置坐标及数字类别。


3.根据权利要求1所述的一种复杂场景下的号服识别方法，其特征在于：所述步骤S2中号服识别用的深度学习模型训练采用随机梯度下降法对模型进行反复迭代训练，使用的损失函数如下式：



其中，s为特征网格图的边长，i为第i个网格，B为匹配目标框的个数，j为第j个匹配目标框，表示如果第i个网格的第j个匹配目标框是数字框，为预测出的数字目标框中心点坐标，xi，yi为标注的数字目标中心点，wi，hi是数字目标框的宽和高，Ci为第i个网格存在目标的预测概率，第i个网格存在目标的标注置信度，λcoord为预测框包含标注数字目标框的权重系数，λnoobj为预测框不包含标注数字目标框的权重系数。通过不断迭代使得预测目标框与标注目标框的误差越来越小，预测越来越准确。


4.根据权利要求1所述的一种复杂场景下的号服识别方法，其特征在...

【专利技术属性】
技术研发人员：王健，薛超，王宁，张钦海，周湘平，
申请(专利权)人：天地伟业技术有限公司，
类型：发明
国别省市：天津;12