工作服穿戴检测方法和装置制造方法及图纸

本申请提供一种工作服穿戴检测方法和装置，该方法包括：获取目标图像；其中，目标图像中包括多个人物；将目标图像输入第一深度学习模型中，获得第一深度学习模型输出的多个人脸特征信息以及每个人脸特征信息对应的工作服穿戴结果；采用第二深度学习模型，根据所述多个人脸特征信息以及每个人脸特征信息对应的工作服穿戴结果对所述目标图像中的多个人物进行工作服穿戴检测；其中，第一深度学习模型包括预先训练完成的人脸特征以及工作服穿戴检测模型，第二深度学习模型包括预先训练完成的人脸识别模型，本方案可以有效识别没有穿戴工作服的人员身份，从而便于违规统计，方便管理，提高及时性和效率并且可降低成本。提高及时性和效率并且可降低成本。提高及时性和效率并且可降低成本。

【技术实现步骤摘要】
工作服穿戴检测方法和装置


[0001]本申请涉及智能识别领域，具体而言，涉及一种工作服穿戴检测方法和装置。

技术介绍

[0002]在一些工作场景(例如加油站)中，需时刻要求工作人员穿上工作服进行工作，然而有些工作人员为了舒适性等原因经常不按要求进行穿着，因此需要对工作人员的工作服穿戴进行监督。然而，目前通常是通过聘用专员来对工作服穿戴进行监管，但这样的方式存在着效率低、及时性低以及人工成本高的缺陷。

技术实现思路

[0003]本申请实施例的目的在于提供一种工作服穿戴检测方法和装置，用以解决目前工作服穿戴专员监管方式存在的效率低、及时性低以及人工成本高的问题。
[0004]第一方面，本专利技术提供一种工作服穿戴检测方法，包括：获取目标图像；其中，目标图像中包括多个人物；将目标图像输入第一深度学习模型中，获得第一深度学习模型输出的多个人脸特征信息以及每个人脸特征信息对应的工作服穿戴结果；采用第二深度学习模型，根据所述多个人脸特征信息以及每个人脸特征信息对应的工作服穿戴结果对所述目标图像中的多个人物进行工作服穿戴检测；其中，第一深度学习模型包括预先训练完成的人脸特征以及工作服穿戴检测模型，第二深度学习模型包括预先训练完成的人脸识别模型。
[0005]上述设计的工作服穿戴检测方法，本方案首先采用第一深度学习模型输出目标图像中每个人物的人脸特征信息以及每个人脸特征信息对应的工作服穿戴结果，然后采用第二深度学习模型，基于每个人物的人脸特征信息以及每个人脸特征信息对应的工作服穿戴结果对所述目标图像中的多个人物进行工作服穿戴检测，由此可以得出，本方案级联两个深度学习模型不仅完成工作服穿戴检测还基于人脸识别出人脸身份信息，可以有效识别没有穿戴工作服的人员身份，从而便于违规统计，方便管理，提高及时性和效率并且可降低成本。
[0006]在第一方面的可选实施方式中，采用第二深度学习模型，根据多个人脸特征信息以及每个人脸特征信息对应的工作服穿戴结果对目标图像中的多个人物进行工作服穿戴检测，包括：将工作服穿戴结果中属于没有穿戴工作服的结果对应的人脸特征信息输入所述第二深度学习模型中，获得所述第二深度学习模型输出的没有穿戴工作服的人脸特征信息对应的人脸识别结果；根据没有穿戴工作服的人脸识别结果确定没有穿戴工作服的工作人员信息。
[0007]在第一方面的可选实施方式中，根据没有穿戴工作服的人脸识别结果确定没有穿戴工作服的工作人员信息，包括：判断没有穿戴工作服的人脸识别结果中是否具有工作人员的人脸识别结果；若是，则提取没有穿戴工作服的工作人员的人脸识别结果，并将没有穿戴工作服的工作人员的人脸识别结果发送给预设地址。
[0008]在第一方面的可选实施方式中，采用第二深度学习模型，根据多个人脸特征信息
以及每个人脸特征信息对应的工作服穿戴结果对目标图像中的多个人物进行工作服穿戴检测，包括：将每个人脸特征信息分别输入第二深度学习模型中，获得第二深度学习模型输出的每个人脸特征信息对应的人脸识别结果；根据多个人脸识别结果和多个工作服穿戴结果对目标图像中的多个人物进行工作服穿戴检测。
[0009]在第一方面的可选实施方式中，根据多个人脸识别结果和多个工作服穿戴结果对目标图像中的多个人物进行工作服穿戴检测，包括：提取多个工作服穿戴结果中没有穿戴工作服的人物对应的人脸特征信息；根据没有穿戴工作服的人脸特征信息在多个人脸识别结果中查找对应的人脸识别结果；根据查找到的没有穿戴工作服的人脸识别结果确定没有穿戴工作服的工作人员信息。
[0010]在第一方面的可选实施方式中，根据查找到的没有穿戴工作服的人脸识别结果确定没有穿戴工作服的工作人员信息，包括：判断没有穿戴工作服的人脸识别结果中是否具有工作人员的人脸信息；若是，则提取没有穿戴工作服的工作人员的人脸信息，并将没有穿戴工作服的工作人员的人脸信息发送给预设地址。
[0011]在第一方面的可选实施方式中，获取目标图像，包括：获取视频流信息，所述视频流信息包括多帧图像；提取视频流信息中的图像，获得目标图像。
[0012]第二方面，本专利技术提供一种工作服穿戴检测装置，包括：获取模块，用于获取目标图像；其中，所述目标图像中包括多个人物；输入模块，用于将目标图像输入第一深度学习模型中，获得第一深度学习模型输出的多个人脸特征信息以及每个人脸特征信息对应的工作服穿戴结果；检测模块，用于采用第二深度学习模型，根据多个人脸特征信息以及每个人脸特征信息对应的工作服穿戴结果对目标图像中的多个人物进行工作服穿戴检测；其中，第一深度学习模型包括预先训练完成的人脸特征以及工作服穿戴检测模型，第二深度学习模型包括预先训练完成的人脸识别模型。
[0013]上述设计的工作服穿戴检测装置，本方案首先采用第一深度学习模型输出目标图像中每个人物的人脸特征信息以及每个人脸特征信息对应的工作服穿戴结果，然后采用第二深度学习模型，基于每个人物的人脸特征信息以及每个人脸特征信息对应的工作服穿戴结果对所述目标图像中的多个人物进行工作服穿戴检测，由此可以得出，本方案级联两个深度学习模型不仅完成工作服穿戴检测还基于人脸识别出人脸身份信息，可以有效识别没有穿戴工作服的人员身份，从而便于违规统计，方便管理，提高及时性和效率并且可降低成本。
[0014]在第二方面的可选实施方式中，该检测模块，具体用于将工作服穿戴结果中属于没有穿戴工作服的结果对应的人脸特征信息输入所述第二深度学习模型中，获得所述第二深度学习模型输出的没有穿戴工作服的人脸特征信息对应的人脸识别结果；根据没有穿戴工作服的人脸识别结果确定没有穿戴工作服的工作人员信息。
[0015]在第二方面的可选实施方式中，该检测模块，还具体用于判断没有穿戴工作服的人脸识别结果中是否具有工作人员的人脸识别结果；若是，则提取没有穿戴工作服的工作人员的人脸识别结果，并将没有穿戴工作服的工作人员的人脸识别结果发送给预设地址。
[0016]在本实施例的可选实施方式中，该检测模块，还具体用于将每个人脸特征信息分别输入第二深度学习模型中，获得第二深度学习模型输出的每个人脸特征信息对应的人脸识别结果；根据多个人脸识别结果和多个工作服穿戴结果对目标图像中的多个人物进行工
作服穿戴检测。
[0017]在本实施例的可选实施方式中，该检测模块，还具体用于提取多个工作服穿戴结果中没有穿戴工作服的人物对应的人脸特征信息；根据没有穿戴工作服的人脸特征信息在多个人脸识别结果中查找对应的人脸识别结果；根据查找到的没有穿戴工作服的人脸识别结果确定没有穿戴工作服的工作人员信息。
[0018]在本实施例的可选实施方式中，该获取模块，具体用于获取视频流信息，所述视频流信息包括多帧图像；提取视频流信息中的图像，获得目标图像。
[0019]第三方面，本申请提供一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时执行第一方面、第一方面中任一可选的实现方式中的所述方法。
[0020]第四方面，本申请提供一种计算机可读本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种工作服穿戴检测方法，其特征在于，包括：获取目标图像；其中，所述目标图像中包括多个人物；将所述目标图像输入第一深度学习模型中，获得所述第一深度学习模型输出的多个人脸特征信息以及每个人脸特征信息对应的工作服穿戴结果；采用第二深度学习模型，根据所述多个人脸特征信息以及每个人脸特征信息对应的工作服穿戴结果对所述目标图像中的多个人物进行工作服穿戴检测；其中，所述第一深度学习模型包括预先训练完成的人脸特征以及工作服穿戴检测模型，所述第二深度学习模型包括预先训练完成的人脸识别模型。2.根据权利要求1所述的方法，其特征在于，所述采用第二深度学习模型，根据所述多个人脸特征信息以及每个人脸特征信息对应的工作服穿戴结果对所述目标图像中的多个人物进行工作服穿戴检测，包括：将工作服穿戴结果中属于没有穿戴工作服的结果对应的人脸特征信息输入所述第二深度学习模型中，获得所述第二深度学习模型输出的没有穿戴工作服的人脸特征信息对应的人脸识别结果；根据没有穿戴工作服的人脸识别结果确定没有穿戴工作服的工作人员信息。3.根据权利要求2所述的方法，其特征在于，所述根据没有穿戴工作服的人脸识别结果确定没有穿戴工作服的工作人员信息，包括：判断没有穿戴工作服的人脸识别结果中是否具有工作人员的人脸识别结果；若是，则提取没有穿戴工作服的工作人员的人脸识别结果，并将没有穿戴工作服的工作人员的人脸识别结果发送给预设地址。4.根据权利要求1所述的方法，其特征在于，所述采用第二深度学习模型，根据所述多个人脸特征信息以及每个人脸特征信息对应的工作服穿戴结果对所述目标图像中的多个人物进行工作服穿戴检测，包括：将每个人脸特征信息分别输入第二深度学习模型中，获得所述第二深度学习模型输出的每个人脸特征信息对应的人脸识别结果；根据多个人脸识别结果和所述多个工作服穿戴结果对所述目标图像中的多个人物进行工作服穿戴检测。5.根据权利要求4所述的方...

【专利技术属性】
技术研发人员：李玮，黄志龙，周明伟，龚鼎盛，吴晓峰，
申请(专利权)人：成都佳华物链云科技有限公司，
类型：发明
国别省市：