颜色检测方法技术

本申请实施例提供一种颜色检测方法

【技术实现步骤摘要】
颜色检测方法、装置、电子设备和可读存储介质


[0001]本申请涉及图像领域，尤其涉及一种颜色检测方法
、
装置
、
电子设备和可读存储介质
。

技术介绍

[0002]图像识别技术是信息时代的一项重要的技术，其产生目的是让计算机代替人类去处理大量的物理信息，其具有广泛的应用前景
。
因此，图像识别技术的研究具有重大意义
。
这其中，图像颜色的检测就是属于图像识别技术的一个重要分支
。
[0003]在先技术中，通常通过训练好的分类器模型直接对图像进行颜色分类，从而得到图像的颜色检测结果
。
但是，考虑到天气变化
、
光照变化
、
拍摄设备等不确定因素对颜色的检测的影响，利用上述方法进行颜色检测容易导致颜色检测结果出现偏差，颜色检测的准确率较低
。

技术实现思路

[0004]本申请实施例提供一种颜色检测方法
、
装置
、
电子设备和可读存储介质，有助于提高颜色检测的准确率
。
[0005]为了解决上述问题，第一方面，本申请实施例公开了一种颜色检测方法，所述方法包括：
[0006]获取待识别的目标人物图像；
[0007]对所述目标任务图像进行特征提取，得到第一特征；
[0008]将所述第一特征输入预设的第一分类模型，得到所述目标人物图像的第二特征，所述第二特征用于反映所述目标人物图像的颜色深浅；<br/>[0009]对所述第一特征进行特征增强处理，得到第三特征；
[0010]将所述第二特征和所述第三特征输入预设的第二分类模型，得到所述目标人物图像的颜色检测结果
。
[0011]可选地，所述对所述目标任务图像进行特征提取，得到第一特征，包括：
[0012]利用快速空间金字塔池化网络对所述目标人物图像进行特征提取，得到第一特征；其中，所述快速空间金字塔池化网络包括第一预设数量的卷积层和第二预设数量的复合卷积层
。
[0013]可选地，所述第一分类模型
、
所述第二分类模型和所述快速空间金字塔池化网络构成了颜色检测网络；其中，所述第一分类模型用于作为所述颜色检测网络的监督层
。
[0014]可选地，所述获取待识别的目标人物图像，包括：
[0015]获取目标人物的初始图像；
[0016]对所述初始图像进行姿态检测处理，得到待识别的目标人物图像
。
[0017]可选地，所述对所述初始图像进行姿态检测处理，得到待识别的目标人物图像，包括：
[0018]对所述初始图像进行姿态检测处理，提取所述目标人物的目标部位图像；
[0019]在提取所述目标人物的目标部位图像成功的情况下，将所述目标部位图像确定为目标人物图像；
[0020]在提取所述目标人物的目标部位图像失败的情况下，将所述初始图像确定为目标人物图像
。
[0021]可选地，所述对所述第一特征进行特征增强处理，得到第三特征，包括：
[0022]对所述第一特征进行基于线性注意力的特征增强处理，得到第三特征
。
[0023]可选地，所述对所述目标任务图像进行特征提取，得到第一特征之前，所述方法还包括：
[0024]计算所述目标人物图像的亮度值；
[0025]根据预设亮度值对所述目标人物图像的亮度值进行调整，得到亮度调整图像；
[0026]所述对所述目标任务图像进行特征提取，得到第一特征，包括：
[0027]对所述亮度调整图像进行特征提取，得到第一特征
。
[0028]第二方面，本申请实施例公开了一种颜色检测装置，所述装置包括：
[0029]图像获取模块，用于获取待识别的目标人物图像；
[0030]第一特征提取模块，用于对所述目标任务图像进行特征提取，得到第一特征；
[0031]第二特征提取模块，用于将所述第一特征输入预设的第一分类模型，得到所述目标人物图像的第二特征，所述第二特征用于反映所述目标人物图像的颜色深浅；
[0032]特征增强模块，用于对所述第一特征进行特征增强处理，得到第三特征；
[0033]分类模块，用于将所述第二特征和所述第三特征输入预设的第二分类模型，得到所述目标人物图像的颜色检测结果
。
[0034]第三方面，本申请实施例公开了一种电子设备，其特征在于，包括存储器
、
处理器及存储在存储器上的计算机程序，所述处理器可以执行所述计算机程序以实现如前述一个或多个所述的颜色检测方法
。
[0035]第四方面，本申请实施例公开了一种可读存储介质，其上存储有指令，当由一个或多个处理器执行时，使得装置执行如前述一个或多个所述的颜色检测方法
。
[0036]本申请实施例包括以下优点：
[0037]本申请实施例提供了一种颜色检测方法，在获取待识别的目标人物图像之后，对所述目标任务图像进行特征提取，得到第一特征，然后将所述第一特征输入预设的第一分类模型，得到所述目标人物图像的第二特征，同时对所述第一特征进行特征增强处理，得到第三特征，最后将所述第二特征和所述第三特征输入预设的第二分类模型，得到所述目标人物图像的颜色检测结果
。
在上述方法中，利用反映图像颜色深浅的第二特征和第三特征对目标人物图像进行颜色检测，前者有助于避免天气变化
、
光照变化
、
拍摄设备等不确定性因素对颜色检测的干扰，降低颜色检测结果的偏差，提高颜色检测的准确率；同时，后者由于经过了特征增强处理，在利用第二分类模型进行颜色检测的过程中，可以进一步提高颜色检测的准确率
。
附图说明
[0038]为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例的描述中所
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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图
。
[0039]图1是本申请实施例提供的一种颜色检测方法的步骤流程图；
[0040]图2是本申请实施例提供的一种7层
SPPF
网络架构的示意图
[0041]图3是本申请实施例提供的一种复合卷积层架构的示意图；
[0042]图4是本申请实施例提供的一种颜色检测网络的架构图；
[0043]图5是本申请实施例提供的另一种颜色检测方法的流程示意图；
[0044]图6是本申请的一种颜色检测装置实施例的结构框图；
[0045]图7是本申请实施例提出的电子设备的示意图
。
具体实施方式
[0046]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚
、
完整地描本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种颜色检测方法，其特征在于，所述方法包括：获取待识别的目标人物图像；对所述目标任务图像进行特征提取，得到第一特征；将所述第一特征输入预设的第一分类模型，得到所述目标人物图像的第二特征，所述第二特征用于反映所述目标人物图像的颜色深浅；对所述第一特征进行特征增强处理，得到第三特征；将所述第二特征和所述第三特征输入预设的第二分类模型，得到所述目标人物图像的颜色检测结果
。2.
根据权利要求1所述的方法，其特征在于，所述对所述目标任务图像进行特征提取，得到第一特征，包括：利用快速空间金字塔池化网络对所述目标人物图像进行特征提取，得到第一特征；其中，所述快速空间金字塔池化网络包括第一预设数量的卷积层和第二预设数量的复合卷积层
。3.
根据权利要求2所述的方法，其特征在于，所述第一分类模型
、
所述第二分类模型和所述快速空间金字塔池化网络构成了颜色检测网络；其中，所述第一分类模型用于作为所述颜色检测网络的监督层
。4.
根据权利要求1所述的方法，其特征在于，所述获取待识别的目标人物图像，包括：获取目标人物的初始图像；对所述初始图像进行姿态检测处理，得到待识别的目标人物图像
。5.
根据权利要求4所述的方法，其特征在于，所述对所述初始图像进行姿态检测处理，得到待识别的目标人物图像，包括：对所述初始图像进行姿态检测处理，提取所述目标人物的目标部位图像；在提取所述目标人物的目标部位图像成功的情况下，将所述目标部位图像确定为目标人物图像；在提取所述目标人物的目标部位图像失败的情况下，将所述初始图像确定为目标人物图像
。6.

【专利技术属性】
技术研发人员：陈友明，陈思竹，陈纪宗，翟强，
申请(专利权)人：四川弘和数智集团有限公司，
类型：发明
国别省市：