一种工作服识别方法及系统技术方案

本发明专利技术提供了一种工作服识别方法及系统，属于图像识别技术领域。其中，所述方法包括：获取监控视频数据，从所述监控视频数据中识别出人体目标；基于所述人体目标所处区域的图像提取工作服的第一特征集；将所述第一特征集与预先建立的第二特征集进行匹配计算，以输出工作服识别结果；本发明专利技术的方案只需要实时提取出的第一特征集与作为母本的第二特征集的相似度，就可以确定出对应目标对象的工作服着装情况，适应性更广。适应性更广。适应性更广。

【技术实现步骤摘要】
一种工作服识别方法及系统


[0001]本专利技术涉及图像识别
，具体而言，涉及一种工作服识别方法及系统。

技术介绍

[0002]随着科技技术的发展与进步，当前安防技术已经进入了全新的智能时代，而视频智能分析则是智能安防技术落地的重要手段。得益于深度学习技术中各类智能算法的井喷式发展，使得实时分析前端设备采集的视频信息成为可能，从而实现对各种异常行为主动预警，并将报警信息传递至各大监控平台以及客户端。
[0003]现有技术中已经存在一些工作服识别方法，例如：专利文献1（CN112183345A）公开了一种复杂场景下的号服识别方法，其特征在于,包括以下步骤：S1、为号服设计类间差异大、特征丰富的数字外形，并对号服进行编码；S2、建立并训练针对号服数字外形识别用的深度学习模型；S3、对待检测的号服图像进行预处理；S4、将预处理后的号服图像输入号服识别用的深度学习模型进行检测，得到号服数字外形，即号服序列。该方案需要特定设计的数字号服，而许多情况下工作服并没有印刷这类数字，导致该方案仅能在特定场景下应用。
[0004]专利文献2（CN110427808A）公开了一种基于视频流数据的警服识别方法，其特征在于，包括以下步骤：步骤一、视频流数据获取在监狱的监舍囚犯活动区域设置摄像头，获取摄像机视频流，并对视频流数据进行RGB转换，使其转换为相应的彩色图像；步骤二、活动目标提取通过对视频中获取的n帧画面进行背景建模，然后对n+1帧画面中的活动目标进行帧差，将n+1帧像素值I(x,y)减去背景模型中相同位置像素点的平均值u(x,y)，得到差值d(x,y)，然后将该差值d(x,y)与阈值TH进行比较，当差值d(x,y)大于阈值TH时，则标记为前景点；否则，标记为背景点；通过前景点连续的帧来判断该活动目标是否连续运动，是否连续出现，若达不到连续N帧出现，则过滤；反之，该活动目标连续N帧出现，且N帧内活动目标的X、Y坐标大于i像素点，则判断为持续运动，得到活动目标的前景图片；其中，N＝[1,200]，N值的大小，反映为观察目标的时间跨度，此值越小，则给出判断的反应时间越快，越灵敏；i表示为水平和垂直方向上的位置像素量，i的取值范围[1,20]，i越小，检测越灵敏；步骤三、人体目标匹配截取步骤二中判断为活动目标的前景图片与人体特征模型进行匹配，若大于相识度M，则判断前景图片中有人体目标，并进入下一步；反之，则判断待测目标图像中没有人体目标，并返回步骤二继续进行活动目标的提取操作；其中M＝[0,1]，M值越大，表示目标为人的可能性越高；步骤四、警服颜色匹配通过YUV颜色算法对步骤三中截取到的人体目标图片进行颜色还原，并通过对区块的监测将相近的同类颜色点进行合并连接；若监测到黑、蓝色块和/或合并后的黑、蓝色块区域大于L像素，则判断衣服颜色与警服匹配，进入下一步；反之则返回步骤二；其中，L像素为不同分辨率下警服最小像素要求值，在1080
×
720的分辨率下，L像素调整范围为100～1600个像素，对应于10
×
10～40
×
40像素的矩形；步骤五、警服特征匹配将步骤四中获取到的警服颜色匹配的人体区域图片与警服特征模型进行匹配，若相识度大于P则判断为警服类型符合规定，反之则返回步骤二，其中P的取值范围是
[0,1]，精度要求越高，则越接近1。该方案同样局限于监狱场景中的警服这类特殊工作服的识别，通用性太差，难以推广。
[0005]通过分析现有技术后发现，现有技术往往只能满足于特殊场或特殊工作服的识别，局限性较高，推广成本较高。

技术实现思路

[0006]为了解决上述
技术介绍
中存在的技术问题，本专利技术提供了一种工作服识别方法、系统、电子设备及存储介质，以实现对各种复杂场景下的工作服的准确识别。
[0007]本专利技术的第一方面提供了一种工作服识别方法，包括如下步骤：获取监控视频数据，从所述监控视频数据中识别出人体目标；基于所述人体目标所处区域的图像提取工作服的第一特征集；将所述第一特征集与预先建立的第二特征集进行匹配计算，以输出工作服识别结果。
[0008]可选地，所述基于所述人体目标所处区域的图像提取工作服的第一特征集，包括：将所述人体目标所处区域的图像自上至下分为三个子图像；采用深度识别模型分别对所述三个子图像进行特征提取，以得出第一子特征、第二子特征、第三子特征；将所述第一子特征、所述第二子特征、所述第三子特征整合为第一特征集。
[0009]可选地，所述将所述第一特征集与预先建立的第二特征集进行匹配计算，以输出工作服识别结果，包括：计算所述第一特征集和第二特征集的第一相似度；若所述第一相似度大于或等于第一阈值，则输出所述工作服识别结果为工作服着装；否则，输出所述工作服识别结果为非工作服着装。
[0010]可选地，所述计算所述第一特征集和第二特征集的第一相似度，包括：确定所述第一子特征、所述第二子特征、所述第三子特征各自的权重；基于所述第一子特征、所述第二子特征、所述第三子特征和各自的所述权重，计算所述第一相似度。
[0011]可选地，所述确定所述第一子特征、所述第二子特征、所述第三子特征各自的权重，包括：给所述第一子特征、所述第二子特征、所述第三子特征预设权重；提取监控视频数据中识别出的各人体目标对应的所述第一特征集，对于两两人体目标，分别计算所述第一子特征、所述第二子特征、所述第三子特征的第二相似度；对于对应的子特征，若大于或等于第二阈值的所述第二相似度的个数小于第三阈值，则调低该子特征的所述权重。
[0012]可选地，在计算所述第一特征集和第二特征集的第一相似度之前，还包括：基于所述监控视频数据确定当前监控场景的属性信息；基于所述属性信息对所述第二特征集进行筛选处理。
[0013]可选地，所述方法还包括：对所述工作服识别结果进行第一处理，若所述第一处理结果不满足第一条件，则
输出报警信息。
[0014]本专利技术的第二方面提供了一种工作服识别系统，包括处理模块、存储模块、通信模块，所述处理模块分别与所述存储模块、所述通信模块连接；其中，所述存储模块，用于存储可执行的计算机程序代码；所述通信模块，用于接收监控视频数据以及输出报警信息；所述处理模块，用于通过调用所述存储模块中的所述可执行的计算机程序代码，执行如前任一项所述的方法。
[0015]本专利技术的第三方面提供了一种电子设备，包括：存储有可执行程序代码的存储器；与所述存储器耦合的处理器；所述处理器调用所述存储器中存储的所述可执行程序代码，执行如前任一项所述的方法。
[0016]本专利技术的第四方面提供了一种计算机存储介质，该存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如上任一项所述的方法。
[0017]本专利技术的有益效果在于：获取监控视频数据，从所述监控视频数据中识别出人体目标；基于所述人体目标所处区域的图像提取工作服的第一特征集；将所述第一特征集与预先建立的第二特征集进行匹配计算，以输出工作服识别结果。本专利技术的方案相比于现有技术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种工作服识别方法，包括如下步骤：获取监控视频数据，从所述监控视频数据中识别出人体目标；基于所述人体目标所处区域的图像提取工作服的第一特征集；将所述第一特征集与预先建立的第二特征集进行匹配计算，以输出工作服识别结果。2.根据权利要求1所述的一种工作服识别方法，其特征在于：所述基于所述人体目标所处区域的图像提取工作服的第一特征集，包括：将所述人体目标所处区域的图像自上至下分为三个子图像；采用深度识别模型分别对所述三个子图像进行特征提取，以得出第一子特征、第二子特征、第三子特征；将所述第一子特征、所述第二子特征、所述第三子特征整合为第一特征集。3.根据权利要求2所述的一种工作服识别方法，其特征在于：所述将所述第一特征集与预先建立的第二特征集进行匹配计算，以输出工作服识别结果，包括：计算所述第一特征集和第二特征集的第一相似度；若所述第一相似度大于或等于第一阈值，则输出所述工作服识别结果为工作服着装；否则，输出所述工作服识别结果为非工作服着装。4.根据权利要求2或3所述的一种工作服识别方法，其特征在于：所述计算所述第一特征集和第二特征集的第一相似度，包括：确定所述第一子特征、所述第二子特征、所述第三子特征各自的权重；基于所述第一子特征、所述第二子特征、所述第三子特征和各自的所述权重，计算所述第一相似度。5.根据权利要求4所述的一种工作服识别方法，其特征在于：所述确定所述第一子特征、所述第二子特征、所述第三子特征各自的权重，包括：给所述第一子特征、所述第二子特征、所述第三子特征预设权重；提取监控视频数据中识别出的各人体目...

【专利技术属性】
技术研发人员：范柘，
申请(专利权)人：安维尔信息科技天津有限公司，
类型：发明
国别省市：