CN113723308A - 基于图像的防疫套件的检测方法、***、设备及存储介质 - Google Patents
基于图像的防疫套件的检测方法、***、设备及存储介质 Download PDFInfo
- Publication number
- CN113723308A CN113723308A CN202111015815.3A CN202111015815A CN113723308A CN 113723308 A CN113723308 A CN 113723308A CN 202111015815 A CN202111015815 A CN 202111015815A CN 113723308 A CN113723308 A CN 113723308A
- Authority
- CN
- China
- Prior art keywords
- image
- epidemic prevention
- pedestrian
- head
- neural network
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了基于图像的防疫套件的检测方法、***、设备及存储介质,该方法包括以下步骤:将至少一视频帧分别作为图像样本输入用于识别行人头的第一神经网络,获得图像样本中每个行人头部对应的行人头部图像,在行人头部图像中输入识别至少一头部防疫单品的第二神经网络;基于每个行人头部图像的位置向图像下方生成身体搜索区域;在待识别的视频帧中的身体搜索区域中输入识别至少一身体防疫单品的第三神经网络;根据第二神经网络和第三神经网络的输出结果,判断行人头部图像对应的行人是否完整佩戴防疫套件。本发明能够基于现有的监控设备准确识别多个行人交织的场景下的防疫套件的无人检测,大大降低检测的人员成本,提升识别准确度。
Description
技术领域
本发明属于视觉监控领域,尤其涉及一种基于图像的防疫套件的检测方法、***、设备及存储介质。
背景技术
在现有的防疫的需要以及社会各场景的防疫情况下,需要医生或是监管人员穿戴着防疫装备站在敏感区域或是门禁处,人为检查每位行人是否按规定同时佩戴多种穿戴设备(口罩、手套、眼镜等等),人力成本极高,难以广泛推行。而且,现有的检测设备(例如:视频监视器等)仅能用于单设备的图像检测(例如单独检测口罩等),无法同时进行多穿戴设备的图像检测。
而实际的检测场景中通常会有很多行人在走动,每个人基于镜头的远近不同,在图像中的比例差异很大,并且,行人之间还会出现相互遮挡局部身体部位的情况,这些都制约了现有的图像检测方法获得准确的检测结果,识别过程的计算量大,而且识别的准确性低。
因此,本发明提供了一种基于图像的防疫套件的检测方法、***、设备及存储介质。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本发明的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
针对现有技术中的问题,本发明的目的在于提供基于图像的防疫套件的检测方法、***、设备及存储介质,克服了现有技术的困难,能够基于现有的监控设备准确识别多个行人交织的场景下的防疫套件的无人检测,大大降低检测的人员成本,提升识别准确度。
本发明的实施例提供一种基于图像的防疫套件的检测方法,包括以下步骤:
将至少一视频帧分别作为图像样本输入用于识别行人头的第一神经网络,获得所述图像样本中每个行人头部对应的行人头部图像;
在所述行人头部图像中输入识别至少一头部防疫单品的第二神经网络,获得是否具有至少一预设的头部防疫单品的输出结果;
基于每个所述行人头部图像的位置向图像下方生成身体搜索区域;
在待识别的视频帧中的所述身体搜索区域中输入识别至少一身体防疫单品的第三神经网络,获得所述身体搜索区域是否具有至少一预设的身体防疫单品的输出结果;以及
根据所述第二神经网络和第三神经网络的输出结果,判断所述行人头部图像对应的行人是否完整佩戴防疫套件。
优选地,所述头部防疫单品包括口罩、眼镜、头套中的至少一种。
优选地,所述基于每个所述行人头部图像的位置向图像下方生成身体搜索区域中,包括:
基于每个所述行人头部图像的位置为基准,向图像中的地面方向延展,同时向水平方向的两侧扩展后形成一封闭的身体搜索区域,并建立所述身体搜索区域与所述行人头部图像的映射关系。
优选地,所述基于每个所述行人头部图像的位置向图像下方生成身体搜索区域之后,所述在待识别的视频帧中的所述身体搜索区域中输入识别至少一身体防疫单品的第三神经网络,获得所述身体搜索区域是否具有至少一预设的身体防疫单品之前,还包括以下步骤:
基于当前视频帧的所述行人头部图像在后续视频帧中的位置进行图案追踪,基于所述行人头部图像的相似图案在后续的视频帧中的位置实时生成身体搜索区域。
优选地,所述基于当前视频帧的所述行人头部图像在后续视频帧中的位置进行图案追踪,基于所述行人头部图像的相似图案在后续的视频帧中的位置实时生成身体搜索区域,包括:
对应每个所述行人头部首先识别出所述行人头部图像的历史视频帧作为子视频段落头部帧,当前视频帧作为视频段落结尾帧,形成对应每个所述行人头部的视频段落;
在所述每个所述行人头部的视频段落中删除其他行人头部与本视频段落中的身体搜索区域的间距小于等于预设距离的视频帧;
将剩余视频帧作为后续步骤中的待识别的视频帧。
优选地,所述身体防疫单品包括手套、防护服中的至少一种。
优选地,所述身体搜索区域所占的图像面积与所述行人头部图像所占的图像面积正相关。
优选地,所述根据所述第二神经网络和第三神经网络的输出结果,判断所述行人头部图像对应的行人是否完整佩戴防疫套件中,包括:
判断所述行人是否同时佩戴预设种类的头部防疫单品和身体防疫单品,若是,则所述行人佩戴完整防疫套件,若否,则所述行人未佩戴完整防疫套件,执行对应操作。
优选地,所述将至少一视频帧分别作为图像样本输入用于识别行人头的第一神经网络,获得所述图像样本中每个行人头部对应的行人头部图像之前还包括:
采用具有各类行人头部的各类图像样本训练第一神经网络;
采用不佩戴头部防疫单品、佩戴至少一头部防疫单品以及配搭完整头部防疫单品的图像样本训练所述第二神经网络;
采用不佩戴身体防疫单品、佩戴至少一身体防疫单品以及配搭完整身体防疫单品的图像样本训练所述第三神经网络。
本发明的实施例还提供一种基于图像的防疫套件的检测***,用于实现上述的基于图像的防疫套件的检测方法,基于图像的防疫套件的检测***包括:
第一识别模块,将至少一视频帧分别作为图像样本输入用于识别行人头的第一神经网络,获得所述图像样本中每个行人头部对应的行人头部图像,
第二识别模块,在所述行人头部图像中输入识别至少一头部防疫单品的第二神经网络,获得是否具有至少一预设的头部防疫单品的输出结果;
搜索区域模块,基于每个所述行人头部图像的位置向图像下方生成身体搜索区域;
第三识别模块,在待识别的视频帧中的所述身体搜索区域中输入识别至少一身体防疫单品的第三神经网络,获得所述身体搜索区域是否具有至少一预设的身体防疫单品的输出结果;以及
套件判断模块,根据所述第二神经网络和第三神经网络的输出结果,判断所述行人头部图像对应的行人是否完整佩戴防疫套件。
本发明的实施例还提供一种基于图像的防疫套件的检测设备,包括:
处理器;
存储器,其中存储有处理器的可执行指令;
其中,处理器配置为经由执行可执行指令来执行上述基于图像的防疫套件的检测方法的步骤。
本发明的实施例还提供一种计算机可读存储介质,用于存储程序,程序被执行时实现上述基于图像的防疫套件的检测方法的步骤。
本发明的基于图像的防疫套件的检测方法、***、设备及存储介质,克服了现有技术的困难,能够基于现有的监控设备准确识别多个行人交织的场景下的防疫套件的无人检测,大大降低检测的人员成本,提升识别准确度。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显。
图1是本发明的基于图像的防疫套件的检测方法的流程图。
图2至6是使用本发明的基于图像的防疫套件的检测方法的过程步骤示意图。
图7是本发明的基于图像的防疫套件的检测***的结构示意图
图8本发明的基于图像的防疫套件的检测设备的结构示意图。以及
图9是本发明一实施例的计算机可读存储介质的结构示意图。
附图标记
1 视频监控
11 行人A
111 行人A的行人头部图像
112 行人A的身体搜索区域
12 行人B
121 行人B的行人头部图像
122 行人B的身体搜索区域
21 图像样本
22 第一神经网络
23 行人头部图像
24 身体搜索区域
25 第二神经网络
26 第三神经网络
27 判断结果信息
具体实施方式
以下通过特定的具体实例说明本申请的实施方式,本领域技术人员可由本申请所揭露的内容轻易地了解本申请的其他优点与功效。本申请还可以通过另外不同的具体实施方式加以实施或应用***,本申请中的各项细节也可以根据不同观点与应用***,在没有背离本申请的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
下面以附图为参考,针对本申请的实施例进行详细说明,以便本申请所属技术领域的技术人员能够容易地实施。本申请可以以多种不同形态体现,并不限定于此处说明的实施例。
在本申请的表示中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的表示意指结合该实施例或示例表示的具体特征、结构、材料或者特点包括于本申请的至少一个实施例或示例中。而且,表示的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本申请中表示的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于表示目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本申请的表示中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
为了明确说明本申请,省略与说明无关的器件,对于通篇说明书中相同或类似的构成要素,赋予了相同的参照符号。
在通篇说明书中,当说某器件与另一器件“连接”时,这不仅包括“直接连接”的情形,也包括在其中间把其它元件置于其间而“间接连接”的情形。另外,当说某种器件“包括”某种构成要素时,只要没有特别相反的记载,则并非将其它构成要素排除在外,而是意味着可以还包括其它构成要素。
当说某器件在另一器件“之上”时,这可以是直接在另一器件之上,但也可以在其之间伴随着其它器件。当对照地说某器件“直接”在另一器件“之上”时,其之间不伴随其它器件。
虽然在一些实例中术语第一、第二等在本文中用来表示各种元件,但是这些元件不应当被这些术语限制。这些术语仅用来将一个元件与另一个元件进行区分。例如,第一接口及第二接口等表示。再者,如同在本文中所使用的,单数形式“一”、“一个”和“该”旨在也包括复数形式,除非上下文中有相反的指示。应当进一步理解,术语“包含”、“包括”表明存在的特征、步骤、操作、元件、组件、项目、种类、和/或组,但不排除一个或多个其他特征、步骤、操作、元件、组件、项目、种类、和/或组的存在、出现或添加。此处使用的术语“或”和“和/或”被解释为包括性的,或意味着任一个或任何组合。因此,“A、B或C”或者“A、B和/或C”意味着“以下任一个:A;B;C;A和B;A和C;B和C;A、B和C”。仅当元件、功能、步骤或操作的组合在某些方式下内在地互相排斥时,才会出现该定义的例外。
此处使用的专业术语只用于言及特定实施例,并非意在限定本申请。此处使用的单数形态,只要语句未明确表示出与之相反的意义,那么还包括复数形态。在说明书中使用的“包括”的意义是把特定特性、区域、整数、步骤、作业、要素及/或成份具体化,并非排除其它特性、区域、整数、步骤、作业、要素及/或成份的存在或附加。
虽然未不同地定义,但包括此处使用的技术术语及科学术语,所有术语均具有与本申请所属技术领域的技术人员一般理解的意义相同的意义。普通使用的字典中定义的术语追加解释为具有与相关技术文献和当前提示的内容相符的意义,只要未进行定义,不得过度解释为理想的或非常公式性的意义。
图1是本发明的基于图像的防疫套件的检测方法的流程图。如图1 所示,本发明基于图像的防疫套件的检测方法,包括以下步骤:
S110、将至少一视频帧分别作为图像样本输入用于识别行人头的第一神经网络,获得图像样本中每个行人头部对应的行人头部图像。
S120、在行人头部图像中输入识别至少一头部防疫单品的第二神经网络,获得是否具有至少一预设的头部防疫单品的输出结果。
S130、基于每个行人头部图像的位置向图像下方生成身体搜索区域。
S140、基于当前视频帧的行人头部图像在后续视频帧中的位置进行图案追踪,基于行人头部图像的相似图案在后续的视频帧中的位置实时生成身体搜索区域。本实施例中,可以采用现有的基于局部图像在视频的不同视频帧中的位置变化进行追踪的追踪算法,但不以此为限。本实施例中可以采用图像跟踪技术,是指通过某种方式(如图像识别、红外、超声波等)将摄像头中拍摄到的物体进行定位,并指挥摄像头对该物体进行跟踪,让该物体一直被保持在摄像头视野范围内。狭义的“图像跟踪”技术,通过“图像识别”的方式来进行跟踪和拍摄。“图像识别”是直接利用了摄像头拍摄到的图像,进行NCAST图像差分及聚类运算(例如:Ncast灵动图像识别跟踪***,Ncast Image Recognition TrackingSystem),识别到目标物体的位置,并指挥摄像头对该物体进行跟踪。因为红外、超声波等方式,都受环境的影响,而且要佩戴专门的识别辅助设备,在实际应用中已经逐步被“图像识别”技术所替代。
S150、在待识别的视频帧中的身体搜索区域中输入识别至少一身体防疫单品的第三神经网络,获得身体搜索区域是否具有至少一预设的身体防疫单品的输出结果。
S160、根据第二神经网络和第三神经网络的输出结果,判断行人头部图像对应的行人是否完整佩戴防疫套件,但不以此为限。
在一个优选实施例中,步骤S120中,头部防疫单品包括口罩、眼镜、头套中的至少一种,但不以此为限。
在一个优选实施例中,步骤S130中,包括:基于每个行人头部图像的位置为基准,向图像中的地面方向延展,同时向水平方向的两侧扩展后形成一封闭的身体搜索区域,并建立身体搜索区域与行人头部图像的映射关系,但不以此为限。
在一个优选实施例中,步骤S140包括:
S141、对应每个行人头部首先识别出行人头部图像的历史视频帧作为子视频段落头部帧,当前视频帧作为视频段落结尾帧,形成对应每个行人头部的视频段落。
S142、在每个行人头部的视频段落中删除其他行人头部与本视频段落中的身体搜索区域的间距小于等于预设距离的视频帧。
S143、将剩余视频帧作为步骤S150中的待识别的视频帧,但不以此为限。以便能够利用视频连续性的优势,找到行人的身体未被其他行人遮挡的视频帧,从而拍摄完整的画面,提高判断准确性。
在一个优选实施例中,步骤S150中,身体防疫单品包括手套、防护服中的至少一种,但不以此为限。
在一个优选实施例中,身体搜索区域所占的图像面积与行人头部图像所占的图像面积正相关,但不以此为限。以便合理地控制图形识别的卷积区域,减少运算量。
在一个优选实施例中,步骤S160中,包括:判断行人是否同时佩戴预设种类的头部防疫单品和身体防疫单品,若是,则行人佩戴完整防疫套件,若否,则行人未佩戴完整防疫套件,执行对应操作,但不以此为限。
在一个优选实施例中,步骤S110之前还包括:
采用具有各类行人头部的图像训练第一神经网络。
采用不佩戴头部防疫单品、佩戴至少一头部防疫单品以及配搭完整头部防疫单品的各类图像样本训练第二神经网络。
采用不佩戴身体防疫单品、佩戴至少一身体防疫单品以及配搭完整身体防疫单品的各类图像样本训练第三神经网络,但不以此为限。本发明中,通过现有技术或未来的技术,基于各类神经网络训练方法来训练不同识别对象的神经网络,此处不再赘述。
图2至6是使用本发明的基于图像的防疫套件的检测方法的过程步骤示意图。如图2至6所示,预先采用具有各类行人头部的图像训练第一神经网络22。采用不佩戴头部防疫单品、佩戴至少一头部防疫单品以及配搭完整头部防疫单品的各类图像样本训练第二神经网络25。采用不佩戴身体防疫单品、佩戴至少一身体防疫单品以及配搭完整身体防疫单品的各类图像样本训练第三神经网络26,但不以此为限。
参考图2,采用视频监控1来监控走廊,检查经过走廊的行人(本实施例中路过的行人A和行人B)是否都完整第佩戴了防疫所需的所有防疫单品。
参考图3和4,本实施例中,预设防疫套件是每个人都需要完整地佩戴眼镜、口罩以及手套(三件套装)。
通过将视频监控1实时拍摄的视频帧V4分别作为图像样本21输入用于识别行人头的第一神经网络22,获得图像样本中行人A头部对应的行人头部图像111和行人B头部对应的行人头部图像121。
在行人头部图像111和行人头部图像121分别中输入识别至少一头部防疫单品的第二神经网络22,获得是否具有至少一预设的头部防疫单品,其中,行人头部图像111中识别出了眼镜和口罩,行人头部图像121 中只识别出了眼镜。
基于行人头部图像111在视频帧V4的图像样本21中的位置为基准,向图像中的地面方向延展,同时向水平方向的两侧扩展后形成一封闭的身体搜索区域112,并建立身体搜索区域112与行人头部图像111的映射关系。同样地,基于行人头部图像121在视频帧V4的图像样本21中的位置为基准,向图像中的地面方向延展,同时向水平方向的两侧扩展后形成一封闭的身体搜索区域122,并建立身体搜索区域122与行人头部图像 121的映射关系。
将视频帧V4中的身体搜索区域112输入识别至少一身体防疫单品 (包括了手套)的第三神经网络24,获得身体搜索区域是否具有至少一预设的身体防疫单品的输出结果,身体搜索区域112中只识别出了一只手套。同样地,将视频帧V4中的身体搜索区域122输入识别至少一身体防疫单品(包括了手套)的第三神经网络24,获得身体搜索区域是否具有至少一预设的身体防疫单品的输出结果,身体搜索区域122中识别出了两个手套。可见,此时由于行人B的身体部分遮挡了行人A,所以视频监控1无法拍摄到行人A的全身,为了克服这种缺点,本发明还包括了判断目标行人是否被其他行人遮挡的步骤:
参见图5和6,基于当前视频帧的行人头部图像在后续视频帧中的位置进行图案追踪,基于行人头部图像111的相似图案在后续的视频帧中的位置实时生成身体搜索区域112,可以采用现有的基于局部图像在视频的不同视频帧中的位置变化进行追踪的追踪算法。
对应每个行人头部首先识别出行人头部图像的历史视频帧作为子视频段落头部帧,当前视频帧作为视频段落结尾帧,形成对应每个行人头部的视频段落。本实施例中的视频段落为视频帧V1、V2、V3、V4、V5、 V6、V7、V8组成的视频段落,在每个行人头部的视频段落中删除其他行人头部(行人B的行人头部图像)与本视频段落中的身体搜索区域(行人A的身体搜索区域)的间距小于等于预设距离的视频帧,其中,V3、 V4、V5中都因为行人B遮挡了行人A,造成行人A的识别不完整,所以将这三帧去除,将剩余视频帧V1、V2、V6、V7、V8作为后续步骤中的待识别的视频帧。
在待识别的视频帧(以视频帧V6为例)中的身体搜索区域112中输入识别至少一身体防疫单品的第三神经网络26,获得身体搜索区域是否具有至少一预设的身体防疫单品,其中,行人A的身体搜索区域112中识别到了手套,行人B的身体搜索区域122中没有识别到手套。
根据第二神经网络25和第三神经网络26的输出结果,判断行人A 和行人B是否完整佩戴防疫套件,获得判断结果信息27,其中,行人A 完整佩戴防疫套件,行人B没有完整佩戴防疫套件,则执行对应操作,视频监控1通过自身的麦克风播放预设的对应行人B的这种没有完整佩戴防疫套件的对应音频“请佩戴好口罩和手套”。
在一个变化例中,还包括增加面部识别设备,以便获得没有佩戴口罩等防疫单品的行人名字,基于预设映射表向其手机发送提示短消息。或是播放带其求姓名的提示语音“XXX(行人B),请佩戴好口罩和手套”
本发明的基于图像的防疫套件的检测方法克服了现有技术的困难,能够基于现有的监控设备准确识别多个行人交织的场景下的防疫套件的无人检测,大大降低检测的人员成本,提升识别准确度。
图7是本发明的基于图像的防疫套件的检测***的结构示意图。如图 7所示,本发明的实施例还提供一种基于图像的防疫套件的检测***5,用于实现上述的基于图像的防疫套件的检测方法,包括:
第一识别模块51,将至少一视频帧分别作为图像样本输入用于识别行人头的第一神经网络,获得图像样本中每个行人头部对应的行人头部图像。
第二识别模块52,在行人头部图像中输入识别至少一头部防疫单品的第二神经网络,获得是否具有至少一预设的头部防疫单品。
搜索区域模块53,基于每个行人头部图像的位置向图像下方生成身体搜索区域。
图案追踪模块54,基于当前视频帧的行人头部图像在后续视频帧中的位置进行图案追踪,基于行人头部图像的相似图案在后续的视频帧中的位置实时生成身体搜索区域。
第三识别模块55,在待识别的视频帧中的身体搜索区域中输入识别至少一身体防疫单品的第三神经网络,获得身体搜索区域是否具有至少一预设的身体防疫单品。
套件判断模块56,根据第二神经网络和第三神经网络的输出结果,判断行人头部图像对应的行人是否完整佩戴防疫套件。
本发明的基于图像的防疫套件的检测***,克服了现有技术的困难,能够基于现有的监控设备准确识别多个行人交织的场景下的防疫套件的无人检测,大大降低检测的人员成本,提升识别准确度。
在一个优选实施例中,搜索区域模块53中基于每个行人头部图像的位置为基准,向图像中的地面方向延展,同时向水平方向的两侧扩展后形成一封闭的身体搜索区域,并建立身体搜索区域与行人头部图像的映射关系,但不以此为限。
在一个优选实施例中,图案追踪模块54包括:对应每个行人头部首先识别出行人头部图像的历史视频帧作为子视频段落头部帧,当前视频帧作为视频段落结尾帧,形成对应每个行人头部的视频段落。在每个行人头部的视频段落中删除其他行人头部与本视频段落中的身体搜索区域的间距小于等于预设距离的视频帧。将剩余视频帧作为第三识别模块55中的待识别的视频帧,但不以此为限。
在一个优选实施例中,头部防疫单品包括口罩、眼镜、头套中的至少一种,但不以此为限。
在一个优选实施例中,身体防疫单品包括手套、防护服中的至少一种,但不以此为限。
在一个优选实施例中,身体搜索区域所占的图像面积与行人头部图像所占的图像面积正相关,但不以此为限。
在一个优选实施例中,套件判断模块56中,判断行人是否同时佩戴预设种类的头部防疫单品和身体防疫单品,若是,则行人佩戴完整防疫套件,若否,则行人未佩戴完整防疫套件,执行对应操作,但不以此为限。
在一个优选实施例中,还包括:神经网络模块50,采用具有各类行人头部的图像训练第一神经网络。采用不佩戴头部防疫单品、佩戴至少一头部防疫单品以及配搭完整头部防疫单品的各类图像样本训练第二神经网络。采用不佩戴身体防疫单品、佩戴至少一身体防疫单品以及配搭完整身体防疫单品的各类图像样本训练第二神经网络,但不以此为限。
本发明实施例还提供一种基于图像的防疫套件的检测设备,包括处理器。存储器,其中存储有处理器的可执行指令。其中,处理器配置为经由执行可执行指令来执行的基于图像的防疫套件的检测方法的步骤。
如上,本发明的基于图像的防疫套件的检测设备克服了现有技术的困难,能够基于现有的监控设备准确识别多个行人交织的场景下的防疫套件的无人检测,大大降低检测的人员成本,提升识别准确度。
所属技术领域的技术人员能够理解,本发明的各个方面可以实现为***、方法或程序产品。因此,本发明的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“平台”。
图8是本发明的基于图像的防疫套件的检测设备的结构示意图。下面参照图8来描述根据本发明的这种实施方式的电子设备600。图8显示的电子设备600仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图8所示,电子设备600以通用计算设备的形式表现。电子设备 600的组件可以包括但不限于:至少一个处理单元610、至少一个存储单元620、连接不同平台组件(包括存储单元620和处理单元610)的总线 630、显示单元640等。
其中,存储单元存储有程序代码,程序代码可以被处理单元610执行,使得处理单元610执行本说明书上述电子处方流转处理方法部分中描述的根据本发明各种示例性实施方式的步骤。例如,处理单元610可以执行如图1中所示的步骤。
存储单元620可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)6201和/或高速缓存存储单元6202,还可以进一步包括只读存储单元(ROM)6203。
存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204,这样的程序模块6205包括但不限于:操作***、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线630可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、***总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备600也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备 600交互的设备通信,和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口650进行。并且,电子设备600还可以通过网络适配器660与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。网络适配器660可以通过总线630与电子设备600的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备600使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储平台等。
本发明实施例还提供一种计算机可读存储介质,用于存储程序,程序被执行时实现的基于图像的防疫套件的检测方法的步骤。在一些可能的实施方式中,本发明的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当程序产品在终端设备上运行时,程序代码用于使终端设备执行本说明书上述电子处方流转处理方法部分中描述的根据本发明各种示例性实施方式的步骤。
如上所示,该实施例的计算机可读存储介质的程序在执行时,克服了现有技术的困难,能够基于现有的监控设备准确识别多个行人交织的场景下的防疫套件的无人检测,大大降低检测的人员成本,提升识别准确度。
图9是本发明的计算机可读存储介质的结构示意图。参考图9所示,描述了根据本发明的实施方式的用于实现上述方法的程序产品800,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本发明的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,程序设计语言包括面向对象的程序设计语言—诸如 Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
综上,本发明的基于图像的防疫套件的检测方法、***、设备及存储介质,克服了现有技术的困难,能够基于现有的监控设备准确识别多个行人交织的场景下的防疫套件的无人检测,大大降低检测的人员成本,提升识别准确度。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (12)
1.一种基于图像的防疫套件的检测方法,其特征在于,包括以下步骤:
将至少一视频帧分别作为图像样本输入用于识别行人头的第一神经网络,获得所述图像样本中每个行人头部对应的行人头部图像;
在所述行人头部图像中输入识别至少一头部防疫单品的第二神经网络,获得是否具有至少一预设的头部防疫单品的输出结果;
基于每个所述行人头部图像的位置向图像下方生成身体搜索区域;
在待识别的视频帧中的所述身体搜索区域中输入识别至少一身体防疫单品的第三神经网络,获得所述身体搜索区域是否具有至少一预设的身体防疫单品的输出结果;以及
根据所述第二神经网络和第三神经网络的输出结果,判断所述行人头部图像对应的行人是否完整佩戴防疫套件。
2.根据权利要求1所述的基于图像的防疫套件的检测方法,其特征在于,所述头部防疫单品包括口罩、眼镜、头套中的至少一种。
3.根据权利要求1所述的基于图像的防疫套件的检测方法,其特征在于,所述基于每个所述行人头部图像的位置向图像下方生成身体搜索区域中,包括:
基于每个所述行人头部图像的位置为基准,向图像中的地面方向延展,同时向水平方向的两侧扩展后形成一封闭的身体搜索区域,并建立所述身体搜索区域与所述行人头部图像的映射关系。
4.根据权利要求1所述的基于图像的防疫套件的检测方法,其特征在于,所述基于每个所述行人头部图像的位置向图像下方生成身体搜索区域之后,所述在待识别的视频帧中的所述身体搜索区域中输入识别至少一身体防疫单品的第三神经网络,获得所述身体搜索区域是否具有至少一预设的身体防疫单品之前,还包括以下步骤:
基于当前视频帧的所述行人头部图像在后续视频帧中的位置进行图案追踪,基于所述行人头部图像的相似图案在后续的视频帧中的位置实时生成身体搜索区域。
5.根据权利要求4所述的基于图像的防疫套件的检测方法,其特征在于,所述基于当前视频帧的所述行人头部图像在后续视频帧中的位置进行图案追踪,基于所述行人头部图像的相似图案在后续的视频帧中的位置实时生成身体搜索区域,包括:
对应每个所述行人头部首先识别出所述行人头部图像的历史视频帧作为子视频段落头部帧,当前视频帧作为视频段落结尾帧,形成对应每个所述行人头部的视频段落;
在所述每个所述行人头部的视频段落中删除其他行人头部与本视频段落中的身体搜索区域的间距小于等于预设距离的视频帧;
将剩余视频帧作为后续步骤中的待识别的视频帧。
6.根据权利要求1所述的基于图像的防疫套件的检测方法,其特征在于,所述身体防疫单品包括手套、防护服中的至少一种。
7.根据权利要求1所述的基于图像的防疫套件的检测方法,其特征在于,所述身体搜索区域所占的图像面积与所述行人头部图像所占的图像面积正相关。
8.根据权利要求1所述的基于图像的防疫套件的检测方法,其特征在于,所述根据所述第二神经网络和第三神经网络的输出结果,判断所述行人头部图像对应的行人是否完整佩戴防疫套件中,包括:
判断所述行人是否同时佩戴预设种类的头部防疫单品和身体防疫单品,若是,则所述行人佩戴完整防疫套件,若否,则所述行人未佩戴完整防疫套件,执行对应操作。
9.根据权利要求1所述的基于图像的防疫套件的检测方法,其特征在于,所述将至少一视频帧分别作为图像样本输入用于识别行人头的第一神经网络,获得所述图像样本中每个行人头部对应的行人头部图像之前还包括:
采用具有各类行人头部的各类图像样本训练所述第一神经网络;
采用不佩戴头部防疫单品、佩戴至少一头部防疫单品以及配搭完整头部防疫单品的图像样本训练所述第二神经网络;
采用不佩戴身体防疫单品、佩戴至少一身体防疫单品以及配搭完整身体防疫单品的图像样本训练所述第三神经网络。
10.一种基于图像的防疫套件的检测***,其特征在于,用于实现如权利要求1所述的基于图像的防疫套件的检测方法,包括:
第一识别模块,将至少一视频帧分别作为图像样本输入用于识别行人头的第一神经网络,获得所述图像样本中每个行人头部对应的行人头部图像,
第二识别模块,在所述行人头部图像中输入识别至少一头部防疫单品的第二神经网络,获得是否具有至少一预设的头部防疫单品的输出结果;
搜索区域模块,基于每个所述行人头部图像的位置向图像下方生成身体搜索区域;
第三识别模块,在待识别的视频帧中的所述身体搜索区域中输入识别至少一身体防疫单品的第三神经网络,获得所述身体搜索区域是否具有至少一预设的身体防疫单品的输出结果;以及
套件判断模块,根据所述第二神经网络和第三神经网络的输出结果,判断所述行人头部图像对应的行人是否完整佩戴防疫套件。
11.一种基于图像的防疫套件的检测设备,其特征在于,包括:
处理器;
存储器,其中存储有处理器的可执行指令;
其中,处理器配置为经由执行可执行指令来执行权利要求1至9中任意一项所述基于图像的防疫套件的检测方法的步骤。
12.一种计算机可读存储介质,用于存储程序,其特征在于,程序被处理器执行时实现权利要求1至9中任意一项所述基于图像的防疫套件的检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111015815.3A CN113723308B (zh) | 2021-08-31 | 2021-08-31 | 基于图像的防疫套件的检测方法、***、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111015815.3A CN113723308B (zh) | 2021-08-31 | 2021-08-31 | 基于图像的防疫套件的检测方法、***、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113723308A true CN113723308A (zh) | 2021-11-30 |
CN113723308B CN113723308B (zh) | 2023-08-22 |
Family
ID=78680009
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111015815.3A Active CN113723308B (zh) | 2021-08-31 | 2021-08-31 | 基于图像的防疫套件的检测方法、***、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113723308B (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110007950A1 (en) * | 2009-07-11 | 2011-01-13 | Richard Deutsch | System and method for monitoring protective garments |
US20130282609A1 (en) * | 2012-04-20 | 2013-10-24 | Honeywell International Inc. | Image recognition for personal protective equipment compliance enforcement in work areas |
CN106407911A (zh) * | 2016-08-31 | 2017-02-15 | 乐视控股(北京)有限公司 | 基于图像的眼镜识别方法及装置 |
KR101817104B1 (ko) * | 2017-09-14 | 2018-01-11 | (주)우정비에스씨 | 안전보호복 자동탈의 기능을 갖춘 멸균시스템 |
US20200184278A1 (en) * | 2014-03-18 | 2020-06-11 | Z Advanced Computing, Inc. | System and Method for Extremely Efficient Image and Pattern Recognition and Artificial Intelligence Platform |
CN111539338A (zh) * | 2020-04-26 | 2020-08-14 | 深圳前海微众银行股份有限公司 | 行人口罩佩戴管控方法、装置、设备及计算机存储介质 |
CN111553266A (zh) * | 2020-04-27 | 2020-08-18 | 杭州宇泛智能科技有限公司 | 识别验证方法、装置及电子设备 |
CN111582183A (zh) * | 2020-05-11 | 2020-08-25 | 广州中科智巡科技有限公司 | 一种公共场所的口罩识别方法及*** |
CN111931623A (zh) * | 2020-07-31 | 2020-11-13 | 南京工程学院 | 一种基于深度学习的人脸口罩佩戴检测方法 |
CN112183471A (zh) * | 2020-10-28 | 2021-01-05 | 西安交通大学 | 一种现场人员防疫口罩规范佩戴的自动检测方法及*** |
CN112287827A (zh) * | 2020-10-29 | 2021-01-29 | 南通中铁华宇电气有限公司 | 基于智慧灯杆的复杂环境行人口罩佩戴检测方法及*** |
CN112597867A (zh) * | 2020-12-17 | 2021-04-02 | 佛山科学技术学院 | 戴口罩人脸识别方法、***、计算机设备及存储介质 |
KR102268065B1 (ko) * | 2020-11-09 | 2021-06-24 | 한국씨텍(주) | 감염병 예방을 위한 출입자 관리 장치 |
AU2021103468A4 (en) * | 2021-06-18 | 2021-08-12 | Kiran Kumar Chandriah | Smart Bus with AI Based Face Mask Detection System in Pandemic Situations Using Raspberry PI |
CN113283296A (zh) * | 2021-04-20 | 2021-08-20 | 晋城鸿智纳米光机电研究院有限公司 | 安全帽佩戴检测方法、电子装置及存储介质 |
-
2021
- 2021-08-31 CN CN202111015815.3A patent/CN113723308B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110007950A1 (en) * | 2009-07-11 | 2011-01-13 | Richard Deutsch | System and method for monitoring protective garments |
US20130282609A1 (en) * | 2012-04-20 | 2013-10-24 | Honeywell International Inc. | Image recognition for personal protective equipment compliance enforcement in work areas |
US20200184278A1 (en) * | 2014-03-18 | 2020-06-11 | Z Advanced Computing, Inc. | System and Method for Extremely Efficient Image and Pattern Recognition and Artificial Intelligence Platform |
CN106407911A (zh) * | 2016-08-31 | 2017-02-15 | 乐视控股(北京)有限公司 | 基于图像的眼镜识别方法及装置 |
KR101817104B1 (ko) * | 2017-09-14 | 2018-01-11 | (주)우정비에스씨 | 안전보호복 자동탈의 기능을 갖춘 멸균시스템 |
CN111539338A (zh) * | 2020-04-26 | 2020-08-14 | 深圳前海微众银行股份有限公司 | 行人口罩佩戴管控方法、装置、设备及计算机存储介质 |
CN111553266A (zh) * | 2020-04-27 | 2020-08-18 | 杭州宇泛智能科技有限公司 | 识别验证方法、装置及电子设备 |
CN111582183A (zh) * | 2020-05-11 | 2020-08-25 | 广州中科智巡科技有限公司 | 一种公共场所的口罩识别方法及*** |
CN111931623A (zh) * | 2020-07-31 | 2020-11-13 | 南京工程学院 | 一种基于深度学习的人脸口罩佩戴检测方法 |
CN112183471A (zh) * | 2020-10-28 | 2021-01-05 | 西安交通大学 | 一种现场人员防疫口罩规范佩戴的自动检测方法及*** |
CN112287827A (zh) * | 2020-10-29 | 2021-01-29 | 南通中铁华宇电气有限公司 | 基于智慧灯杆的复杂环境行人口罩佩戴检测方法及*** |
KR102268065B1 (ko) * | 2020-11-09 | 2021-06-24 | 한국씨텍(주) | 감염병 예방을 위한 출입자 관리 장치 |
CN112597867A (zh) * | 2020-12-17 | 2021-04-02 | 佛山科学技术学院 | 戴口罩人脸识别方法、***、计算机设备及存储介质 |
CN113283296A (zh) * | 2021-04-20 | 2021-08-20 | 晋城鸿智纳米光机电研究院有限公司 | 安全帽佩戴检测方法、电子装置及存储介质 |
AU2021103468A4 (en) * | 2021-06-18 | 2021-08-12 | Kiran Kumar Chandriah | Smart Bus with AI Based Face Mask Detection System in Pandemic Situations Using Raspberry PI |
Non-Patent Citations (2)
Title |
---|
张新;: "天地伟业科技助力疫情防控", 中国公共安全, no. 03 * |
牛作东;覃涛;李捍东;陈进军;: "改进RetinaFace的自然场景口罩佩戴检测算法", 计算机工程与应用, no. 12 * |
Also Published As
Publication number | Publication date |
---|---|
CN113723308B (zh) | 2023-08-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10417503B2 (en) | Image processing apparatus and image processing method | |
CN110705405B (zh) | 目标标注的方法及装置 | |
KR101972918B1 (ko) | 영상 마스킹 장치 및 영상 마스킹 방법 | |
JP2022082561A (ja) | 解析サーバ、監視システム、監視方法及びプログラム | |
CN109657533A (zh) | 行人重识别方法及相关产品 | |
US20190332856A1 (en) | Person's behavior monitoring device and person's behavior monitoring system | |
US11048917B2 (en) | Method, electronic device, and computer readable medium for image identification | |
CN110610127B (zh) | 人脸识别方法、装置、存储介质及电子设备 | |
WO2020006964A1 (zh) | 图像检测方法和装置 | |
CN109544870B (zh) | 用于智能监控***的报警判断方法与智能监控*** | |
US11551407B1 (en) | System and method to convert two-dimensional video into three-dimensional extended reality content | |
CN112163470A (zh) | 基于深度学习的疲劳状态识别方法、***、存储介质 | |
CN110889314A (zh) | 图像处理方法、装置、电子设备、服务器及*** | |
US20220300774A1 (en) | Methods, apparatuses, devices and storage media for detecting correlated objects involved in image | |
JP6405606B2 (ja) | 画像処理装置、画像処理方法、および画像処理プログラム | |
CN111027434B (zh) | 一种行人识别模型的训练方法、装置及电子设备 | |
CN113723308B (zh) | 基于图像的防疫套件的检测方法、***、设备及存储介质 | |
CN110728249A (zh) | 目标行人的跨摄像机识别方法、装置及*** | |
CN114663796A (zh) | 一种目标人物持续跟踪方法、装置及*** | |
KR102356165B1 (ko) | 영상에서의 얼굴 인덱싱 방법 및 장치 | |
CN113792569B (zh) | 对象识别方法、装置、电子设备及可读介质 | |
CN114743264A (zh) | 拍摄行为检测方法、装置、设备及存储介质 | |
CN113657219A (zh) | 一种视频对象检测跟踪方法、装置及计算设备 | |
CN113780213B (zh) | 基于监控进行行人识别的方法、***、设备及存储介质 | |
CN115546737B (zh) | 一种机房监控方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information |
Address after: Room 503-3, 398 Jiangsu Road, Changning District, Shanghai 200050 Applicant after: Shanghai Xijing Technology Co.,Ltd. Address before: Room 503-3, 398 Jiangsu Road, Changning District, Shanghai 200050 Applicant before: SHANGHAI WESTWELL INFORMATION AND TECHNOLOGY Co.,Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |