【技术实现步骤摘要】
基于监控视频的服装颜色检测方法、装置和设备
本申请涉及计算机图像处理
，尤其涉及一种基于监控视频的服装颜色检测方法、装置和设备。
技术介绍
在实际生活或工作中，人们经常存在判断服装颜色的需求。比如，在超市等门店中，都需要员工按着装要求穿着规定颜色的服装(也即工服)。目前通常是由相关管理者负责直接检查员工穿着是否符合要求，但是当门店较大，员工数量较多时，管理者往往需要付出很大的工作量，且工作时间长、效率低下，导致人工成本较高。
技术实现思路
本申请提供一种基于监控视频的服装颜色检测方法、装置和设备，以解决门店管理者检查员工着装时人工成本较高的问题。本申请的上述目的是通过以下技术方案实现的：第一方面，本申请实施例提供一种基于监控视频的服装颜色检测方法，其包括：从监控视频中逐帧提取视频图像；对每一帧视频图像依次进行人体检测，以检测各帧视频图像的检测区域内是否存在人体；若检测到存在人体，则对所述检测区域进行切分，得到人体图像切片；对所述人体图像切片进行服装主要颜色的分...
【技术保护点】
1.一种基于监控视频的服装颜色检测方法，其特征在于，包括：/n从监控视频中逐帧提取视频图像；/n对每一帧视频图像依次进行人体检测，以检测各帧视频图像的检测区域内是否存在人体；若检测到存在人体，则对所述检测区域进行切分，得到人体图像切片；/n对所述人体图像切片进行服装主要颜色的分割提取，生成该人员服装主要颜色的特征向量集的标准高斯分布模型和标准化矩阵；/n基于所述标准高斯分布模型、所述标准化矩阵和预设的目标颜色特征向量，判断该人员的服装颜色是否与目标颜色相匹配。/n
【技术特征摘要】
1.一种基于监控视频的服装颜色检测方法，其特征在于，包括：
从监控视频中逐帧提取视频图像；
对每一帧视频图像依次进行人体检测，以检测各帧视频图像的检测区域内是否存在人体；若检测到存在人体，则对所述检测区域进行切分，得到人体图像切片；
对所述人体图像切片进行服装主要颜色的分割提取，生成该人员服装主要颜色的特征向量集的标准高斯分布模型和标准化矩阵；
基于所述标准高斯分布模型、所述标准化矩阵和预设的目标颜色特征向量，判断该人员的服装颜色是否与目标颜色相匹配。
2.根据权利要求1所述的方法，其特征在于，所述对每一帧视频图像依次进行人体检测，包括：
基于单帧视频图像生成检测区域图像；
利用预先训练的检测模型对所述检测区域图像进行人体检测；其中，所述检测模型是基于深度学习模型训练得到的。
3.根据权利要求1或2所述的方法，其特征在于，所述对所述人体图像切片进行服装主要颜色的分割提取，生成该人员服装主要颜色的特征向量集的标准高斯分布模型和标准化矩阵，包括：
对所述人体图像切片进行服装主要颜色的分割提取，生成主要颜色类；
基于所述主要颜色类生成主要颜色的特征向量集，并计算所述主要颜色的特征向量集的协方差矩阵和分布中心；
基于所述主要颜色的特征向量集的协方差矩阵和分布中心，计算得到所述主要颜色的特征向量集的标准高斯分布模型和标准化矩阵。
4.根据权利要求3所述的方法，其特征在于，所述对所述人体图像切片进行服装主要颜色的分割提取，生成主要颜色类，包括：
对所述人体图像切片进行预处理，具体包括高斯模糊和下采样；
对所述预处理后得到的图像进行HLS颜色空间变换，并进行通道拆分，得到单一H、L、S的数据，对H、S数据按照像素坐标进行拼接为N×2的向量，将该向量作为聚类数据，其中，N＝wb×hb，wb,hb分别为所述人体图像切片的宽和高；
基于预设聚类算法生成M个颜色类；
对生成的每一个颜色类的特征向量进行统计，得到每一类的大小；
如果聚类数量大于3类，也即M>3，则对各类的大小进行从大到小的排序，并结合所述人体图像切片的尺寸计算各类对应的占比，将占比大于等于预设阈值的类作为备选类；如果聚类数量小于等于3类，也即M≤3，则将全部类作为备选类；
使用欧式距离公式，以图像中心点为固定端点，图像点p＝(i,j)为另一端点，连成线段，生成与所述人体图像切片相同尺寸的距离；其中，中心像素值为0，离中心越远，像素值越大；
用各所述备选类的各像素所在坐标，取对应距离的像素值做累加，将累加结果作为各所述备选类的误差；
取误差最小的备选类作为所述主要颜色类。
5.根据权利要求4所述的方法，其特征在于，所述基于所述主要颜色类生成主要颜色的特征向量集，并计算所述主要颜色的特征向量集的协方差矩阵和分布中心，包括：
获取所述主要颜色类以及进行所述通道拆分后得到的H、S数据；
对应所述主要颜色类存储的各像素坐标，提取对应的H、S数据，生成所述主要颜色的特征向量集；
...
【专利技术属性】
技术研发人员：杨淼，谢宏，
申请(专利权)人：成都云盯科技有限公司，
类型：发明
国别省市：四川;51
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。