本发明专利技术公开了一种厨师帽检测方法、装置、计算机设备以及存储介质，涉及计算机技术领域，其中方法包括：采集场景信息图像，对所述场景信息图像进行检测得到图像信息；根据所述图像信息，对所述图像信息进行图像增强处理得到目标图像信息；根据所述目标图像信息，确定所述目标图像信息中目标人物的行为状态；根据所述行为状态，对所述目标人物进行分类检测得到厨师帽检测结果；本发明专利技术通过对图像信息进行图像增强的方式，可以过滤逆光下的图像信息，从而降低厨师帽检测时误分类的风险，以及本发明专利技术中通过确定目标人物的行为状态，根据行为状态进行检测的方式，可以有效避免将目标人物分类错误的问题，降低厨师帽检测的误报风险。降低厨师帽检测的误报风险。降低厨师帽检测的误报风险。
【技术实现步骤摘要】
一种厨师帽检测方法、装置、计算机设备以及存储介质
[0001]本专利技术涉及计算机
，特别涉及一种厨师帽检测方法、装置、计算机设备以及存储介质。
技术介绍
[0002]每一位在后厨的工作人员均有义务和责任正确佩戴厨师帽，以免发丝及粘连的杂物掉落在食物中，产生食品安全问题。但是实际上，除了个别酒店会严格限制后厨工作人员的穿戴外，大多数餐馆或食堂对这一要求并不严格或工作人员并不会严格遵守，这就为食物的安全、卫生带来了严峻的挑战。
[0003]随着机器视觉的发展，大部分餐饮业都实现了监控视频全方位覆盖，目前现有的厨师帽检测方法，主要采用定点、检测、分类相结合的方案，通过深度学习方法对视频监控下的工作人员进行检测，判断其是否正确佩戴厨师帽，以减轻人力监督的负担，提高明厨亮灶的监管效率。但是厨师帽检测场景存在前景目标类别多、目标运动产生遮挡、光线干扰等特点，容易出现非人目标误检、厨师帽佩戴状态误检等问题，另外利用多步骤结合方案，检测效率低下，容易将静止目标判定为运动目标。同时由于厨师帽检测应用的场景多样化，现有的深度学习方法训练得到的模型效果依赖于训练样本所涵盖的场景类别，训练得到的模型鲁棒性差，当实际应用场景与训练样本差异较大时，极易产生漏报或误报情况。因此，如何提高厨师帽检测的效率和精度，是本领域技术人员急需解决的问题。
技术实现思路
[0004]本专利技术的目的是提供一种厨师帽检测方法、装置、计算机设备以及存储介质，本专利技术通过对图像信息进行图像增强的方式，可以将逆光下的图像信息过滤掉，以降低厨师帽模型误分类的风险，以及本专利技术中通过确定目标人物的行为状态，根据行为状态进行检测的方式，可以有效避免将目标人物分类错误的问题，可以适用于各种不同的厨房场景，能够在不影响检出的同时有效降低厨师帽的误报风险。
[0005]依据本专利技术的一个方面，本专利技术提供了一种厨师帽检测方法，包括：
[0006]采集场景信息图像，对所述场景信息图像进行检测得到图像信息；
[0007]根据所述图像信息，对所述图像信息进行图像增强处理得到目标图像信息；
[0008]根据所述目标图像信息，确定所述目标图像信息中目标人物的行为状态；
[0009]根据所述行为状态，对所述目标人物进行分类检测得到厨师帽检测结果。
[0010]可选地，所述根据所述图像信息，对所述图像信息进行图像增强处理得到目标图像信息，包括：
[0011]根据所述图像信息，对所述图像信息进行色彩空间转换得到超像素图像；
[0012]根据所述超像素图像，对所述超像素图像的像素进行计算得到所述超像素图像的亮度值方差；
[0013]确定所述亮度值方差是否超过预设阈值；
[0014]若未超过所述预设阈值，则提取与所述超像素图像相对应的所述图像信息得到目标图像信息。
[0015]可选地，所述根据所述目标图像信息，确定所述目标图像信息中目标人物的行为状态，包括：
[0016]根据所述目标图像信息，利用椭圆定位方法计算得到所述目标图像信息中目标人物的运动椭圆；
[0017]根据所述运动椭圆，确定所述目标人物的行为状态。
[0018]可选地，所述根据所述目标图像信息，利用椭圆定位方法计算得到所述目标图像信息中目标人物的运动椭圆，包括：
[0019]对所述目标图像信息进行检测，并记录所述目标图像信息中初始出现目标人物的初始坐标和再次出现目标人物的第一坐标；
[0020]根据所述初始坐标和所述第一坐标，计算得到第二坐标；
[0021]根据所述第一坐标和所述第二坐标，利用椭圆的标准公式计算得到所述目标人物的运动椭圆。
[0022]可选地，所述根据所述运动椭圆，确定所述目标人物的行为状态，包括：
[0023]根据所述运动椭圆的运动面积，确定所述运动面积的差值是否超过预设阈值；
[0024]若超过所述预设阈值，则确定所述目标人物的行为状态为运动状态；
[0025]若未超过所述预设阈值，则确定所述目标人物的行为状态为静止状态。
[0026]可选地，所述对所述目标人物进行分类检测得到厨师帽检测结果，包括：
[0027]对所述目标人物进行分类检测得到分类结果；
[0028]根据所述分类结果，对所述分类结果进行计算得到所述厨师帽检测结果。
[0029]可选地，所述根据所述分类结果，对所述分类结果进行计算得到所述厨师帽检测结果，包括：
[0030]根据所述分类结果，对所述分类结果进行计算得到未佩戴厨师帽的比例；
[0031]确定所述比例是否超过预设比例数值；
[0032]若超过所述预设比例数值，则确定所述目标人物未佩戴厨师帽，并对所述目标人物进行告警。
[0033]本专利技术提供一种厨师帽检测装置，包括：
[0034]图像获取模块，用于采集场景信息图像，对所述场景信息图像进行检测得到图像信息；
[0035]图像增强模块，用于根据所述图像信息，对所述图像信息进行图像增强处理得到目标图像信息；
[0036]判断模块，用于根据所述目标图像信息，确定所述目标图像信息中目标人物的行为状态；
[0037]检测模块，用于根据所述行为状态，对所述目标人物进行分类检测得到厨师帽检测结果。
[0038]本专利技术提供一种计算机设备，包括：
[0039]存储器，用于存储计算机程序；
[0040]处理器，用于执行所述计算机程序时实现如上述所述的厨师帽检测方法。
[0041]本专利技术提供一种存储介质，所述存储介质中存储有计算机可执行指令，所述计算机可执行指令被处理器加载并执行时，实现如上述所述的厨师帽检测方法的步骤。
[0042]可见，本专利技术通过对图像信息进行图像增强的方式，可以将逆光下的图像信息过滤掉，以降低厨师帽模型误分类的风险，以及本专利技术中通过确定目标人物的行为状态，根据行为状态进行检测的方式，可以有效避免将目标人物分类错误的问题，可以适用于各种不同的厨房场景，能够在不影响检出的同时有效降低厨师帽检测的误报风险。本申请还提供一种厨师帽检测装置、计算机设备及存储介质，具有上述有益效果。
附图说明
[0043]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
[0044]图1为本专利技术实施例所提供的一种厨师帽检测方法的流程图；
[0045]图2为本专利技术实施例所提供的一种厨师帽检测装置的结构框图；
[0046]图3为本专利技术实施例所提供的一种计算机设备的结构框图。
具体实施方式
[0047]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种厨师帽检测方法，其特征在于，包括：采集场景信息图像，对所述场景信息图像进行检测得到图像信息；根据所述图像信息，对所述图像信息进行图像增强处理得到目标图像信息；根据所述目标图像信息，确定所述目标图像信息中目标人物的行为状态；根据所述行为状态，对所述目标人物进行分类检测得到厨师帽检测结果。2.如权利要求1所述的一种厨师帽检测方法，其特征在于，所述根据所述图像信息，对所述图像信息进行图像增强处理得到目标图像信息，包括：根据所述图像信息，对所述图像信息进行色彩空间转换得到超像素图像；根据所述超像素图像，对所述超像素图像的像素进行计算得到所述超像素图像的亮度值方差；确定所述亮度值方差是否超过预设阈值；若未超过所述预设阈值，则提取与所述超像素图像相对应的所述图像信息得到目标图像信息。3.如权利要求1所述的一种厨师帽检测方法，其特征在于，所述根据所述目标图像信息，确定所述目标图像信息中目标人物的行为状态，包括：根据所述目标图像信息，利用椭圆定位方法计算得到所述目标图像信息中目标人物的运动椭圆；根据所述运动椭圆，确定所述目标人物的行为状态。4.如权利要求3所述的一种厨师帽检测方法，其特征在于，所述根据所述目标图像信息，利用椭圆定位方法计算得到所述目标图像信息中目标人物的运动椭圆，包括：对所述目标图像信息进行检测，并记录所述目标图像信息中初始出现目标人物的初始坐标和再次出现目标人物的第一坐标；根据所述初始坐标和所述第一坐标，计算得到第二坐标；根据所述第一坐标和所述第二坐标，利用椭圆的标准公式计算得到所述目标人物的运动椭圆。5.如权利要求3所述的一种厨师帽检测方法，其特征在于，所述根据所述运动椭圆，确定所述目标人物的行为状态，包括：...
【专利技术属性】
技术研发人员：张永辉，
申请(专利权)人：济南博观智能科技有限公司，
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。