本申请实施例提供一种工服识别方法、装置、设备及计算机可读存储介质，方法包括：获取待识别的目标工服图像；对所述目标工服图像进行显著性检测，得到所述目标工服图像中的显著性区域图像；根据所述目标工服图像的第一图像特征以及所述显著性区域图像的第二图像特征，确定所述目标工服图像的工服识别结果。本申请实施例提供的工服识别方法，通过对目标工服图像进行显著性检测，提取得到目标工服图像中的显著性区域图像，再综合利用目标工服图像以及显著性区域图像的图像特征，能够从整体尺度以及局部尺度等不同尺度上对目标工服图像进行分析，从而有效提高了工服图像的工服识别结果的准确率，降低了工服误判率。
【技术实现步骤摘要】
本申请实施例涉及图像识别，具体涉及一种工服识别方法、装置、设备及计算机可读存储介质。
技术介绍
1、在部分金融场景下，在办理某些业务时，为了保障安全，往往需要对客户的信息进行审核。为了减少银行工作人员的工作量，目前已经实现了线上审核功能，也就是客户可以通过特定的手机软件按照指定要求自行进行拍照并上传，后台服务端自动判断上传的图片是否符合相应的业务需求。
2、针对于某些需要特定企业员工才能办理的业务，后台服务端往往是通过识别客户身上的工服来进行判断的。然而，由于大所述企业的工服往往是纯色的，从整体上来说较为相似，导致目前后台服务端识别工服的准确率不高，还存在着较高的误判率。
技术实现思路
1、本申请实施例提供一种工服识别方法、装置、设备及计算机可读存储介质，旨在解决现有技术中对工服识别准确率不高，存在一定的误判率的技术问题。
2、一方面，本申请实施例提供一种工服识别方法，包括：
3、获取待识别的目标工服图像；
4、对所述目标工服图像进行显著性检测，得到所述目标工服图像中的显著性区域图像；
5、根据所述目标工服图像的第一图像特征以及所述显著性区域图像的第二图像特征，确定所述目标工服图像的工服识别结果。
6、作为本申请的一种可行实施例，所述对所述目标工服图像进行显著性检测，得到所述目标工服图像中的显著性区域图像，包括：
7、将所述目标工服图像输入已训练的工服识别模型进行处理，输出中心坐标以及长宽；
8、根据所述中心坐标以及所述长宽提取所述目标工服图像中的显著性区域图像。
9、作为本申请的另一种可行实施例，所述对将所述目标工服图像输入已训练的工服识别模型进行处理，输出中心坐标以及长宽，包括：
10、将所述目标工服图像输入已训练的工服识别模型中的图像区块编码层进行处理，输出所述目标工服图像的图像编码向量；
11、将预设的初始区域检测向量和所述图像编码向量输入所述工服识别模型中的自注意力编码层进行处理，输出显著性区域检测向量；
12、将所述显著性区域检测向量输入所述工服识别模型中的注意力模块，输出中心坐标以及长宽。
13、作为本申请的另一种可行实施例，所述对所述目标工服图像进行显著性检测，得到所述目标工服图像中的显著性区域图像，包括：
14、对所述目标工服图像进行显著性检测，得到所述目标工服图像中的第一区域图像；
15、若所述目标工服图像的分辨率高于预设的分辨率阈值，则对所述第一区域图像进行显著性检测，得到所述第一区域图像中的第二区域图像；
16、将所述第一区域图像和所述第二区域图像设为所述目标工服图像中的显著性区域图像。
17、作为本申请的另一种可行实施例，所述根据所述目标工服图像的第一图像特征以及所述显著性区域图像的第二图像特征，确定所述目标工服图像的工服识别结果，包括：
18、将所述目标工服图像的第一图像特征、所述显著性区域图像的第二图像特征融合，得到融合图像特征；
19、计算所述融合图像特征与预设的候选工服特征之间的相似度；
20、根据所述相似度的大小关系，从所述候选工服特征中确定目标工服特征；
21、将所述目标工服特征对应的工服类型设为所述目标工服图像的工服识别结果。
22、作为本申请的另一种可行实施例，所述根据所述目标工服图像的第一图像特征以及所述显著性区域图像的第二图像特征，确定所述目标工服图像的工服识别结果之前，所述方法包括：
23、将预设的初始图像特征和所述目标工服图像的图像编码向量输入已训练的工服识别模型中的自注意力编码层进行处理，输出图像特征向量；
24、将预设的初始图像特征和所述显著性区域图像的图像编码向量输入所述工服识别模型中的自注意力编码层进行处理，输出区域特征向量；
25、将所述图像特征向量和所述区域特征向量分别输入所述工服识别模型中的卷积层进行处理，输出第一图像特征和第二图像特征。
26、作为本申请的另一种可行实施例，所述对所述目标工服图像进行显著性检测，得到所述目标工服图像中的显著性区域图像之前，所述方法还包括：
27、对所述目标工服图像进行边缘检测，得到目标工服图像的关键点；
28、根据所述关键点的位置信息确定所述目标工服图像中第一区域和第二区域的比例；
29、若所述比例小于预设的比例阈值，则执行所述对所述目标工服图像进行显著性检测，得到所述目标工服图像中的显著性区域图像的步骤。
30、另一方面，本申请实施例还提供一种工服识别装置，包括：
31、获取模块，用于获取待识别的目标工服图像；
32、检测模块，用于对所述目标工服图像进行显著性检测，得到所述目标工服图像中的显著性区域图像；
33、识别模块，用于根据所述目标工服图像的第一图像特征以及所述显著性区域图像的第二图像特征，确定所述目标工服图像的工服识别结果。
34、另一方面，本申请实施例还提供一种工服识别设备，所述工服识别设备包括处理器、存储器以及存储于所述存储器中并可在所述处理器上运行的工服识别程序，所述处理器执行所述工服识别程序以实现上述的工服识别方法中的步骤。
35、另一方面，本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有工服识别程序，所述工服识别程序被处理器执行以实现上述的工服识别方法中的步骤。
36、本申请实施例提供的工服识别方法，通过对目标工服图像进行显著性检测，提取得到目标工服图像中的显著性区域图像，再综合利用目标工服图像以及显著性区域图像的图像特征，能够从整体尺度以及局部尺度等不同尺度上对目标工服图像进行分析，从而有效提高了工服图像的工服识别结果的准确率，降低了工服误判率。
本文档来自技高网...
【技术保护点】
1.一种工服识别方法，其特征在于，包括：
2.根据权利要求1所述的工服识别方法，其特征在于，所述对所述目标工服图像进行显著性检测，得到所述目标工服图像中的显著性区域图像，包括：
3.根据权利要求2所述的工服识别方法，其特征在于，所述将所述目标工服图像输入已训练的工服识别模型进行处理，输出中心坐标以及长宽，包括：
4.根据权利要求1所述的工服识别方法，其特征在于，所述对所述目标工服图像进行显著性检测，得到所述目标工服图像中的显著性区域图像，包括：
5.根据权利要求1所述的工服识别方法，其特征在于，所述根据所述目标工服图像的第一图像特征以及所述显著性区域图像的第二图像特征，确定所述目标工服图像的工服识别结果，包括：
6.根据权利要求1所述的工服识别方法，其特征在于，所述根据所述目标工服图像的第一图像特征以及所述显著性区域图像的第二图像特征，确定所述目标工服图像的工服识别结果之前，所述方法包括：
7.根据权利要求1～6任一所述的工服识别方法，其特征在于，所述对所述目标工服图像进行显著性检测，得到所述目标工服图像中的显著性区域图像之前，所述方法还包括：
8.一种工服识别装置，其特征在于，包括：
9.一种工服识别设备，其特征在于，所述工服识别设备包括处理器、存储器以及存储于所述存储器中并可在所述处理器上运行的工服识别程序，所述处理器执行所述工服识别程序以实现权利要求1至7任一项所述的工服识别方法中的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有工服识别程序，所述工服识别程序被处理器执行以实现权利要求1至7任一项所述的工服识别方法中的步骤。
...
【技术特征摘要】
1.一种工服识别方法，其特征在于，包括：
2.根据权利要求1所述的工服识别方法，其特征在于，所述对所述目标工服图像进行显著性检测，得到所述目标工服图像中的显著性区域图像，包括：
3.根据权利要求2所述的工服识别方法，其特征在于，所述将所述目标工服图像输入已训练的工服识别模型进行处理，输出中心坐标以及长宽，包括：
4.根据权利要求1所述的工服识别方法，其特征在于，所述对所述目标工服图像进行显著性检测，得到所述目标工服图像中的显著性区域图像，包括：
5.根据权利要求1所述的工服识别方法，其特征在于，所述根据所述目标工服图像的第一图像特征以及所述显著性区域图像的第二图像特征，确定所述目标工服图像的工服识别结果，包括：
6.根据权利要求1所述的工服识别方法，其特征在于，所述根据所述目标...
【专利技术属性】
技术研发人员：马佳炯，
申请(专利权)人：顺丰科技有限公司，
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。