本发明专利技术涉及图像处理技术领域，解决了现有技术中无法有效判断婴幼儿脸部是否有遮挡物的问题，提供了一种婴幼儿脸部遮挡识别方法、装置、设备及存储介质。该方法包括：获取实时的婴幼儿看护场景相关的多帧图像；将所述多帧图像输入婴幼儿头部检测模型中，标记图像中的婴幼儿头部；将所述婴幼儿头部框内的局部图像输入婴幼儿脸部检测模型中，标记图像中的婴幼儿脸部；将所述婴幼儿脸部框内的局部图像输入婴幼儿脸部特征提取模型中，确定婴幼儿脸部状态；基于所述婴幼儿脸部状态，识别婴幼儿脸部被遮挡的情况，并向用户发出安全提醒。当婴幼儿脸部被遮挡时，及时提醒家长进行人为干预，降低婴幼儿可能出现的安全风险。降低婴幼儿可能出现的安全风险。降低婴幼儿可能出现的安全风险。
【技术实现步骤摘要】
婴幼儿脸部遮挡识别方法、装置、设备及存储介质
[0001]本专利技术涉及图像处理
，尤其涉及一种婴幼儿脸部遮挡识别方法、装置、设备及存储介质。
技术介绍
[0002]随着城市化进程，采用AI设备进行婴幼儿看护逐渐被年轻父母认可。在使用AI设备对婴幼儿进行看护的过程中，实时地判断当前婴幼儿身体，姿态，行为等状态具有重要的意义。
[0003]其中包括对婴幼儿脸部是否有遮挡物的判断，该判断能够有效避免婴幼儿因脸部被衣物或床被等遮挡造成的呼吸困难，能够在婴幼儿脸部被遮挡时，及时提醒家长进行人为干预，降低婴幼儿可能出现的安全风险。
技术实现思路
[0004]有鉴于此，本专利技术实施例提供了一种婴幼儿脸部遮挡识别方法、装置、设备及存储介质，用以解决现有技术中无法有效判断婴幼儿脸部是否有遮挡物的问题。
[0005]第一方面，本专利技术实施例提供了一种婴幼儿脸部遮挡识别方法，其特征在于，所述方法包括：
[0006]S1：获取实时的婴幼儿看护场景相关的视频流，将所述视频流分解为多帧图像；
[0007]S2：将所述多帧图像输入婴幼儿头部检测模型中，利用虚拟的第一目标矩形框标记图像中的婴幼儿头部，将所述第一目标矩形框记为婴幼儿头部框；
[0008]S3：将所述婴幼儿头部框内的局部图像输入婴幼儿脸部检测模型中，利用虚拟的第二目标矩形框标记图像中的婴幼儿脸部，将所述第二目标矩形框记为婴幼儿脸部框；
[0009]S4：将所述婴幼儿脸部框内的局部图像输入婴幼儿脸部特征提取模型中，确定婴幼儿脸部状态；
[0010]S5：基于所述婴幼儿脸部状态，识别婴幼儿脸部被遮挡的情况，并向用户发出安全提醒。
[0011]优选地，所述S2包括：
[0012]S21：预先构建并训练基于YoloV6s结构的第一神经网络检测算法模型；
[0013]S22：将所述实时画面输入所述第一神经网络检测算法模型，输出待定的婴幼儿头部的坐标点和置信度；
[0014]S23：根据所述待定的婴幼儿头部的坐标点和置信度，利用虚拟的第一目标矩形框标记实时画面中的婴幼儿头部，将所述第一目标矩形框记为婴幼儿头部框。
[0015]优选地，所述S23包括：
[0016]S231：根据所述待定的婴幼儿头部的坐标点判断其长度和宽度是否分别在预设长度范围和预设宽度范围内；
[0017]S232：根据所述待定的婴幼儿头部的置信度确定待定的婴幼儿头部是否符合婴幼
儿头部特征；
[0018]S233：若所述长度在预设长度范围内、所述宽度在预设宽度范围内以及符合婴幼儿头部特征，则利用所述婴幼儿头部框标记实时画面中的婴幼儿头部。
[0019]优选地，所述S3包括：
[0020]S31：预先构造和训练基于Onet和ResNet18结构的神经网络分类算法模型，将所述婴幼儿头部框内的局部图像输入所述神经网络分类算法模型中，输出待定的婴幼儿脸部的向量数据vecter和置信度val；
[0021]S32：预先设定置信度第一阈值threshold1和置信度第二阈值threshold2，并结合所述置信度val，利用虚拟的第二目标矩形框标记实时画面中的婴幼儿脸部，将所述第二目标矩形框记为婴幼儿脸部框，其中，0＜threshold1＜threshold2。
[0022]优选地，所述S4包括：
[0023]S41：预先构造和训练基于MobileFaceNet结构的第二神经网络检测算法模型，将所述婴幼儿脸部框内的局部图像输入所述第二神经网络检测算法模型中，输出婴幼儿脸部特征值；
[0024]S42：依据所述向量数据vecter和置信度val，对所述婴幼儿脸部特征值进行归一化计算和归类，输出婴幼儿脸部状态。
[0025]优选地，所述S42包括：
[0026]S421：当所述置信度val大于所述threshold2，依据所述向量数据vecter，将此时的婴幼儿脸部特征值记为婴幼儿正脸标定值；
[0027]S422：若所述置信度val介于所述threshold1与所述threshold2之间，则对此时的婴幼儿脸部特征值与所述婴幼儿正脸标定值进行向量点积乘法运算，输出此时的婴幼儿脸部状态；
[0028]S423：若所述置信度val小于所述threshold1，则认为未识别到婴幼儿脸部。
[0029]优选地，所述S5包括：
[0030]S51：将所述多帧图像连续输入并重复步骤S1至S4，分别得出各所述多帧图像的婴幼儿脸部状态；
[0031]S52：若当前帧图像的婴幼儿脸部状态为正脸和侧脸，预先设置婴幼儿脸部遮挡模型，将下一帧图像输入所述婴幼儿脸部遮挡模型中；
[0032]S53：若下一帧图像的婴幼儿脸部状态出现预设的遮挡状态，则向用户发出安全提醒；
[0033]S54：若下一帧图像的婴幼儿脸部状态未出现预设的遮挡状态，则不向用户发出安全提醒。
[0034]第二方面，本专利技术实施例还提供了一种婴幼儿脸部遮挡识别装置，所述装置包括：
[0035]实时图像获取模块，用于获取实时的婴幼儿看护场景相关的视频流，将所述视频流分解为多帧图像；
[0036]头部识别模块，用于将所述多帧图像输入婴幼儿头部检测模型中，利用虚拟的第一目标矩形框标记图像中的婴幼儿头部，将所述第一目标矩形框记为婴幼儿头部框；
[0037]脸部识别模块，用于将所述婴幼儿头部框内的局部图像输入婴幼儿脸部检测模型中，利用虚拟的第二目标矩形框标记图像中的婴幼儿脸部，将所述第二目标矩形框记为婴
幼儿脸部框；
[0038]特征提取模块，用于将所述婴幼儿脸部框内的局部图像输入婴幼儿脸部特征提取模型中，确定婴幼儿脸部状态；
[0039]安全提醒模块，用于基于所述婴幼儿脸部状态，识别婴幼儿脸部被遮挡的情况，并向用户发出安全提醒。
[0040]第三方面，本专利技术实施例还提供了一种电子设备，包括：至少一个处理器、至少一个存储器以及存储在存储器中的计算机程序指令，当计算机程序指令被处理器执行时实现如上述实施方式中第一方面的方法。
[0041]第四方面，本专利技术实施例提供了一种存储介质，其上存储有计算机程序指令，当计算机程序指令被处理器执行时实现如上述实施方式中第一方面的方法。
[0042]综上所述，本专利技术的有益效果如下：
[0043]本专利技术实施例提供的婴幼儿脸部遮挡识别方法、装置、设备及存储介质，获取实时的婴幼儿看护场景相关的视频流，将所述视频流分解为多帧图像；将所述多帧图像输入婴幼儿头部检测模型中，利用虚拟的第一目标矩形框标记图像中的婴幼儿头部，将所述第一目标矩形框记为婴幼儿头部框；将所述婴幼儿头部框内的局部图像输入婴幼儿脸部检测模型中，利用虚拟的第二目标矩形框标记图像中的婴幼儿脸部，将所述第二目标矩形框记为婴幼儿脸部框；将所述婴幼儿脸部框内的局部图像输入婴幼儿脸部特征提取模型中，确定婴幼儿脸部状态；基于本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种婴幼儿脸部遮挡识别方法，其特征在于，所述方法包括：S1：获取实时的婴幼儿看护场景相关的视频流，将所述视频流分解为多帧图像；S2：将所述多帧图像输入婴幼儿头部检测模型中，利用虚拟的第一目标矩形框标记图像中的婴幼儿头部，将所述第一目标矩形框记为婴幼儿头部框；S3：将所述婴幼儿头部框内的局部图像输入婴幼儿脸部检测模型中，利用虚拟的第二目标矩形框标记图像中的婴幼儿脸部，将所述第二目标矩形框记为婴幼儿脸部框；S4：将所述婴幼儿脸部框内的局部图像输入婴幼儿脸部特征提取模型中，确定婴幼儿脸部状态；S5：基于所述婴幼儿脸部状态，识别婴幼儿脸部被遮挡的情况，并向用户发出安全提醒。2.根据权利要求1所述的婴幼儿脸部遮挡识别方法，其特征在于，所述S2包括：S21：预先构建并训练基于YoloV6s结构的第一神经网络检测算法模型；S22：将所述实时画面输入所述第一神经网络检测算法模型，输出待定的婴幼儿头部的坐标点和置信度；S23：根据所述待定的婴幼儿头部的坐标点和置信度，利用虚拟的第一目标矩形框标记实时画面中的婴幼儿头部，将所述第一目标矩形框记为婴幼儿头部框。3.根据权利要求2所述的婴幼儿脸部遮挡识别方法，其特征在于，所述S23包括：S231：根据所述待定的婴幼儿头部的坐标点判断其长度和宽度是否分别在预设长度范围和预设宽度范围内；S232：根据所述待定的婴幼儿头部的置信度确定待定的婴幼儿头部是否符合婴幼儿头部特征；S233：若所述长度在预设长度范围内、所述宽度在预设宽度范围内以及符合婴幼儿头部特征，则利用所述婴幼儿头部框标记实时画面中的婴幼儿头部。4.根据权利要求3所述的婴幼儿脸部遮挡识别方法，其特征在于，所述S3包括：S31：预先构造和训练基于Onet和ResNet18结构的神经网络分类算法模型，将所述婴幼儿头部框内的局部图像输入所述神经网络分类算法模型中，输出待定的婴幼儿脸部的向量数据vecter和置信度val；S32：预先设定置信度第一阈值threshold1和置信度第二阈值threshold2，并结合所述置信度val，利用虚拟的第二目标矩形框标记实时画面中的婴幼儿脸部，将所述第二目标矩形框记为婴幼儿脸部框，其中，0＜threshold1＜threshold2。5.根据权利要求4所述的婴幼儿脸部遮挡识别方法，其特征在于，所述S4包括：S41：预先构造和训练基于MobileFaceNet结构的第二神经网络检测算法模型，将所述婴幼儿脸部框内的局部图像输入所述第二神经网络检测算法模型中...
【专利技术属性】
技术研发人员：陈辉，杜沛力，张智，熊章，张青军，
申请(专利权)人：宁波星巡智能科技有限公司，
类型：发明
国别省市：
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。