CN118097198B - 一种基于人工智能的自动着装合规性管控***及方法 - Google Patents
一种基于人工智能的自动着装合规性管控***及方法 Download PDFInfo
- Publication number
- CN118097198B CN118097198B CN202410524269.3A CN202410524269A CN118097198B CN 118097198 B CN118097198 B CN 118097198B CN 202410524269 A CN202410524269 A CN 202410524269A CN 118097198 B CN118097198 B CN 118097198B
- Authority
- CN
- China
- Prior art keywords
- clothing
- dressing
- staff
- face
- employee
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 22
- 238000007726 management method Methods 0.000 claims abstract description 96
- 238000012545 processing Methods 0.000 claims abstract description 31
- 238000007689 inspection Methods 0.000 claims abstract description 24
- 238000013135 deep learning Methods 0.000 claims abstract description 23
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 15
- 238000013500 data storage Methods 0.000 claims abstract description 10
- 239000013598 vector Substances 0.000 claims description 100
- 230000001815 facial effect Effects 0.000 claims description 19
- 238000000605 extraction Methods 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 17
- 230000014509 gene expression Effects 0.000 claims description 14
- 238000005259 measurement Methods 0.000 claims description 14
- 239000003086 colorant Substances 0.000 claims description 13
- 230000000694 effects Effects 0.000 claims description 13
- 238000004891 communication Methods 0.000 claims description 12
- 238000012937 correction Methods 0.000 claims description 9
- 238000012797 qualification Methods 0.000 claims description 9
- 230000003442 weekly effect Effects 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 abstract description 18
- 238000012544 monitoring process Methods 0.000 description 35
- 230000009286 beneficial effect Effects 0.000 description 14
- 238000001514 detection method Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 10
- 230000011218 segmentation Effects 0.000 description 8
- 238000005457 optimization Methods 0.000 description 7
- 230000008901 benefit Effects 0.000 description 6
- 230000006399 behavior Effects 0.000 description 5
- 230000002860 competitive effect Effects 0.000 description 5
- 230000002708 enhancing effect Effects 0.000 description 5
- 230000006872 improvement Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013468 resource allocation Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000002194 synthesizing effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000153 supplemental effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
本发明提供了一种基于人工智能的自动着装合规性管控***及方法,***包含:图像采集模块、着装识别模块及数据存储模块;方法包含:设置着装标准,在员工通行的大门或者其他重要区域安装进行衣着及人脸识别的摄像头;摄像头将捕获的衣着及人脸的图像通过网络实时传输到后台服务器,进行存储;使用深度学习算法,对摄像头捕获的衣着及人脸的图像进行处理,识别员工的衣着及脸部的目标特征;将识别结果与设置的着装标准进行匹配;将所有的识别结果和员工编码信息将记录在数据库中,生成检查统计报表。本发明既体现在提高企业内部管理效率,又在于利用现代技术保障企业安全和形象;通过实施自动着装合规性管控方案,能够提升内部管理效率和安全性。
Description
技术领域
本发明涉及着装图像处理技术领域,特别涉及一种基于人工智能的自动着装合规性管控***及方法。
背景技术
现有技术一,申请号:CN202010266704.9公开了一种人员着装监控方法、装置、设备及存储介质,用于解决在监控人员着装时人员着装识别效率低下的问题。人员着装监控方法包括:获取待检测图像,待检测图像用于显示目标对象的着装,且待检测图像中包括多个检测对象;采用目标检测算法在待检测图像中确定目标对象的候选外接框;在候选外接框中确定待检测区域,判断待检测区域中是否存在待检测标识;当待检测区域上存在待检测标识时,基于哈希算法将待检测标识与预置标准标识进行像素点特征值的对比,得到着装识别结果,着装识别结果用于指示目标对象是否穿戴指定着装;若着装识别结果为目标对象未穿戴指定着装,则将着装识别结果上传至告警***。虽然实现了着装的识别,但是识别效率较低。
现有技术二,申请号:CN202210873951.4公开了一种着装检测模型构建和着装规范检测方法、装置,获取目标场景下的行人着装图像数据集;对行人着装图像数据集中的图像按照目标属性进行分类并将分类后带标签的图像样本集输入至预设的神经网络中训练直至得到满足条件的着装检测模型;利用该模型进行检测得到对应的行人着装检测结果并与预设标准着装进行比对;根据比对结果确定待检测目标场景下是否存在满足着装规范要求的行人。虽然对图像数据集中的图像按照目标属性进行分类,有助于模型对于不同标签的属性的推断,同时方便了模型的管理和部署;可以更全面、准确地掌握着装图像并对着装图像中包含的着装进行检测;代替了人工检测,提高了检测效率;实现了着装规范检测;但是需要建立着装监测模型,比较繁琐。
现有技术三,申请号:CN202110123562.5公开了一种着装检测方法、着装企业检测***和计算机可读存储介质,获取检测通道内用户的目标图像,并根据目标图像获取用户的服饰的属性;根据属性确定用户的着装是否满足放行条件;在用户的着装满足放行条件时,控制检测通道对应的闸机的闸门打开,以对用户放行。虽然降低了人员着装的检测成本;但是对着装的识别成功率较差,数据采集有限。
目前现有技术一、现有技术二及现有技术三存在对员工着装的识别效率较低,且准确度较差的问题。因而,本发明提供一种基于人工智能的自动着装合规性管控***及方法。
发明内容
为了解决上述技术问题,本发明提供了一种基于人工智能的自动着装合规性管控***,包含:
图像采集模块,负责设置着装标准,着装标准包含服装颜色、款式及标志;在员工通行的大门或者其他重要区域安装进行衣着及人脸识别的摄像头;摄像头将捕获的衣着及人脸的图像通过网络实时传输到后台服务器,进行存储;
着装识别模块,负责对摄像头捕获的衣着及人脸的图像进行处理,识别员工的衣着及脸部的目标特征;将识别结果与设置的着装标准进行匹配;
数据存储模块,负责将所有的识别结果和员工编码信息将记录在数据库中,生成检查统计报表。
可选的,图像采集模块,包含:
数据集合建立子模块,负责采集着装标准及员工的人脸识别信息,按照不同的人脸识别信息设置不同的着装标准,不同的人脸识别信息对应当前员工编码信息;以员工编码信息为根节点建立包含多个着装标准的着装标准数据集合;其中人脸识别信息包含发型、衣着及穿戴特征;
对应关系建立子模块,负责将人脸识别信息与着装标准建立对应关系,将人脸识别得到的发型、衣着及穿戴特征保存至人脸特征数据库中;
摄像头布设子模块,负责设置员工通行区域的权重,根据权重的不同设置不同数量的摄像头;摄像头建立于后台服务器的通讯,实时捕获通过通行区域的员工的衣着及人脸的图像。
可选的,着装识别模块中如果识别结果显示为当前人脸识别的员工的着装不符合着装标准,***自动进行提醒或报警,告知当前人脸识别的员工需要改正;如果识别结果显示为当前人脸识别的员工的着装符合着装标准,***自动给出着装合格提示,并将允许员工进入指定区域。
可选的,着装识别模块,包含:
目标特征识别子模块,负责获取摄像头实时捕获员工在通行区域的衣着及人脸的图像;处理衣着及人脸的图像,识别出图中人物的衣着目标特征和脸部目标特征;
信息匹配子模块,负责使用深度学习算法将识别出的衣着目标特征和脸部目标特征与预先设置的着装标准及员工数据库中的信息进行匹配,实现查找及匹配;
反馈控制子模块,负责将匹配结果进行反馈。
可选的,反馈控制子模块中如果识别结果显示员工的着装不符合标准,则***自动发出提醒或报警,告知员工需要改正着装;如果识别结果显示员工的着装符合标准,则给出着装合格的提示,并允许员工进入指定区域。
可选的,信息匹配子模块,包含:
特征转换单元,负责将衣着目标特征和脸部目标特征分别转换为对应的衣着特征向量和脸部特征向量,先进行脸部特征向量的比对;
比较提取单元,负责使用余弦相似度比较提取的衣着特征向量与数据库中存储的衣着特征向量;
度量结果单元,负责根据余弦相似度的度量结果,基于最近邻搜索,确认每个识别出的特征与着装标准数据集合中哪个员工编码信息的特征匹配;得到当前脸部特征向量对应的衣着特征向量匹配结果。
可选的,度量结果单元基于最近邻搜索,即选择与识别出的特征向量相似度最高的特征向量对应的员工。
可选的,数据存储模块,包含:
正确率统计子模块,负责按照员工编码信息,计算每个员工的识别频次,识别频次包含出现次数及按时间段的出现次数;得到每一个员工的识别的正确率;
报表生成子模块,负责根据正确率,制作包含每日识别次数及部门活动度的生成检查统计报表;利用柱状图直观展示统计结果;
统计数据更新子模块,负责每日、每周或每月定期生成和更新检查统计数据。
可选的,正确率统计子模块的识别频次包含出现次数及按时间段的出现次数;得到每一个员工的识别的正确率。
本发明提供的一种基于人工智能的自动着装合规性管控方法,包含以下步骤:
设置着装标准,着装标准包含服装颜色、款式及标志;在员工通行的大门或者其他重要区域安装进行衣着及人脸识别的摄像头;摄像头将捕获的衣着及人脸的图像通过网络实时传输到后台服务器,进行存储;
使用对摄像头捕获的衣着及人脸的图像进行处理,识别员工的衣着及脸部的目标特征;将识别结果与设置的着装标准进行匹配;如果识别结果显示为当前人脸识别的员工的着装不符合着装标准,***自动进行提醒或报警,告知当前人脸识别的员工需要改正;如果识别结果显示为当前人脸识别的员工的着装符合着装标准,***自动给出着装合格提示,并将允许员工进入指定区域;
将所有的识别结果和员工编码信息将记录在数据库中,生成检查统计报表。
本发明的图像采集模块设置着装标准,着装标准包含服装颜色、款式及标志等;在员工通行的大门或者其他重要区域安装进行衣着及人脸识别的摄像头;摄像头将捕获的衣着及人脸的图像通过网络实时传输到后台服务器,进行存储;着装识别模块使用深度学习算法,对摄像头捕获的衣着及人脸的图像进行处理,识别员工的衣着及脸部的目标特征;将识别结果与设置的着装标准进行匹配;如果识别结果显示为当前人脸识别的员工的着装不符合着装标准,***自动进行提醒或报警,告知当前人脸识别的员工需要改正;如果识别结果显示为当前人脸识别的员工的着装符合着装标准,***自动给出着装合格提示,并将允许员工进入指定区域;数据存储模块将所有的识别结果和员工编码信息将记录在数据库中,生成检查统计报表。上述方案的实施具有多重意义,既体现在提高企业内部管理效率,又在于利用现代技术保障企业安全和形象。以下是具体意义:提高管理效率和自动化程度,通过自动识别着装不规范的员工并进行提醒或报警,减少了人力资源部门和***门在着装规范执行上的工作量,使得着装管理更加高效和自动化。保障企业安全,在敏感区域通过人脸识别和着装规范匹配,确保只有符合规定的员工才能进入,从而降低安全风险。自动化的监控和提醒***能够加强员工对于企业规定的遵守。提升数据驱动决策的能力,通过收集和分析员工的着装数据,管理层可以了解员工对于着装规范的遵守情况,从而进行针对性的管理决策,如改进着装规范及增强员工培训等。增强员工自觉性,自动提醒和报警机制能够即时反馈员工的不合规行为,促使员工更加自觉地遵守着装规范,形成良好的自我管理习惯。技术创新与应用,还体现了企业在人工智能和深度学习技术方面的应用创新,促进企业技术进步和竞争力提升。提升访客和客户体验,对于外来访客和客户,统一规范的员工着装也是企业专业度的体现,有助于提升访客和客户的整体体验。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例1中基于人工智能的自动着装合规性管控***框图;
图2为本发明实施例2中图像采集模块框图;
图3为本发明实施例3中着装识别模块框图;
图4为本发明实施例4中目标特征识别子模块框图;
图5为本发明实施例5中信息匹配子模块框图;
图6为本发明实施例6中比较提取单元框图;
图7为本发明实施例7中数据存储模块框图;
图8为本发明实施例8中于人工智能的自动着装合规性管控方法流程图;
图9为本发明实施例9中设置着装标准及摄像头将捕获的衣着及人脸的图像的过程图;
图10为本发明实施例10中识别结果与设置的着装标准进行匹配的过程图;
图11为本发明实施例11中生成检查统计报表的过程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
在本申请实施例使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请实施例。在本申请实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包含多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。在本申请的描述中,需要理解的是,术语“第一”、“第二”、“第三”等仅用于区别类似的对象,而不必用于描述特定的顺序或先后次序,也不能理解为指示或暗示相对重要性。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本申请中的具体含义。
实施例1:如图1所示,本发明实施例提供了一种基于人工智能的自动着装合规性管控***,包含:
图像采集模块,负责设置着装标准,着装标准包含服装颜色、款式及标志等;在员工通行的大门或者其他重要区域安装进行衣着及人脸识别的摄像头;摄像头将捕获的衣着及人脸的图像通过网络实时传输到后台服务器,进行存储;
着装识别模块,负责使用深度学习算法,对摄像头捕获的衣着及人脸的图像进行处理,识别员工的衣着及脸部的目标特征;将识别结果与设置的着装标准进行匹配;如果识别结果显示为当前人脸识别的员工的着装不符合着装标准,***自动进行提醒或报警,告知当前人脸识别的员工需要改正;如果识别结果显示为当前人脸识别的员工的着装符合着装标准,***自动给出着装合格提示,并将允许员工进入指定区域;
数据存储模块,负责将所有的识别结果和员工编码信息将记录在数据库中,生成检查统计报表。
上述技术方案的工作原理和有益效果为:本实施例的图像采集模块设置着装标准,着装标准包含服装颜色、款式及标志等;在员工通行的大门或者其他重要区域安装进行衣着及人脸识别的摄像头;摄像头将捕获的衣着及人脸的图像通过网络实时传输到后台服务器,进行存储;着装识别模块使用深度学习算法,对摄像头捕获的衣着及人脸的图像进行处理,识别员工的衣着及脸部的目标特征;将识别结果与设置的着装标准进行匹配;如果识别结果显示为当前人脸识别的员工的着装不符合着装标准,***自动进行提醒或报警,告知当前人脸识别的员工需要改正;如果识别结果显示为当前人脸识别的员工的着装符合着装标准,***自动给出着装合格提示,并将允许员工进入指定区域;数据存储模块将所有的识别结果和员工编码信息将记录在数据库中,生成检查统计报表。上述方案的实施具有多重意义,既体现在提高企业内部管理效率,又在于利用现代技术保障企业安全和形象。以下是具体意义:提高管理效率和自动化程度,通过自动识别着装不规范的员工并进行提醒或报警,减少了人力资源部门和***门在着装规范执行上的工作量,使得着装管理更加高效和自动化。保障企业安全,在敏感区域通过人脸识别和着装规范匹配,确保只有符合规定的员工才能进入,从而降低安全风险。自动化的监控和提醒***能够加强员工对于企业规定的遵守。提升数据驱动决策的能力,通过收集和分析员工的着装数据,管理层可以了解员工对于着装规范的遵守情况,从而进行针对性的管理决策,如改进着装规范及增强员工培训等。增强员工自觉性,自动提醒和报警机制能够即时反馈员工的不合规行为,促使员工更加自觉地遵守着装规范,形成良好的自我管理习惯。技术创新与应用,还体现了企业在人工智能和深度学习技术方面的应用创新,促进企业技术进步和竞争力提升。提升访客和客户体验,对于外来访客和客户,统一规范的员工着装也是企业专业度的体现,有助于提升访客和客户的整体体验。
综上所述,本实施例通过实施自动着装合规性管控方案。采用自动化的着装合规性管控方式不仅可以提高管理效率,降低人工成本,而且可以实时进行监控和反馈,提高着装规范的执行力度。同时,通过收集和分析数据,公司还可以了解员工的着装习惯,为进一步改进着装规则和标准提供依据。
本实施例的规范化着装的自动着装合规性管控***通常使用以下技术:视频监控技术:安装在员工通行大门区域的摄像头可以检测到员工的着装情况对衣着进行识别,并可以对着装不规范的员工进行提醒或报警。人脸识别技术:人脸识别技术可以识别员工的面部特征,并与记录的员工特征进行匹配,以确保只有人员衣着规范才能进入敏感区域。远程传输和储存技术:通过与网络连接,自动着装合规性管控***可以实时传输和储存员工的着装照片和着装情况,以便于管理人员随时查看。人工智能技术:自动着装合规性管控***可以使用人工智能技术来识别员工着装是否规范,并根据不同的着装标准进行判断。软件管理技术:自动着装合规性管控***可以使用内置的管理软件来处理员工的着装数据,并生成检查报告或着装统计数据,以便于管理和监控。
本实施例的规范化着装的自动着装合规性管控***可以解决以下问题:规范行业形象:自动着装合规性管控***可以检测和提醒员工服装是否规范。提高管理效率:自动着装合规性管控***可以自动检测员工的着装情况,并记录,减少了管理人员的工作量,提高着装管理效率。降低规范化着装成本:自动着装合规性管控***可以降低企业的成本,节省了人力、物力和财力的成本,提高了企业的经济效益。安全保障:自动着装合规性管控***可以识别员工的面部特征以及规范化着装,防止未授权人员进入企业敏感区域,保障企业的安全。提高员工的责任感:自动着装合规性管控***可以提高员工的责任感,让员工在视觉上感受到公司对着装的重视,提高员工的自律性和参与意识。
实施例2:如图2所示,在实施例1的基础上,本发明实施例提供的图像采集模块,包含:
数据集合建立子模块,负责采集着装标准及员工的人脸识别信息,按照不同的人脸识别信息设置不同的着装标准,不同的人脸识别信息对应当前员工编码信息;以员工编码信息为根节点建立包含多个着装标准的着装标准数据集合;其中人脸识别信息包含发型、衣着及穿戴特征等;
对应关系建立子模块,负责将人脸识别信息与着装标准建立对应关系,将人脸识别得到的发型、衣着及穿戴特征等特征保存至人脸特征数据库中;
摄像头布设子模块,负责设置员工通行区域的权重,根据权重的不同设置不同数量的摄像头;摄像头建立于后台服务器的通讯,实时捕获通过通行区域的员工的衣着及人脸的图像。
上述技术方案的工作原理和有益效果为:本实施例的数据集合建立子模块采集着装标准及员工的人脸识别信息,按照不同的人脸识别信息设置不同的着装标准,不同的人脸识别信息对应当前员工编码信息;以员工编码信息为根节点建立包含多个着装标准的着装标准数据集合;其中人脸识别信息包含发型、衣着及穿戴特征等;对应关系建立子模块将人脸识别信息与着装标准建立对应关系,将人脸识别得到的发型、衣着及穿戴特征等特征保存至人脸特征数据库中;摄像头布设子模块设置员工通行区域的权重,根据权重的不同设置不同数量的摄像头;摄像头建立于后台服务器的通讯,实时捕获通过通行区域的员工的衣着及人脸的图像。上述方案上通过高度个性化和自动化的方式,管理和监控员工的着装情况,确保其符合企业规定的标准。具体意义和价值如下:个性化管理,通过为每位员工设置不同的着装标准,并将这些标准与员工的个人信息(如人脸识别信息)关联,实现了高度个性化的管理;这种方法可以根据不同员工的角色、职责和工作环境,制定和执行更加合理和具体的着装要求。精确识别与监控,将员工的人脸识别信息(包括发型、衣着及穿戴特征等)与着装标准建立对应关系,并保存在数据库中,使得***能够精确识别员工的着装是否符合预设标准,精确匹配提高了监控的准确性和有效性。智能化布设与资源优化,根据员工通行区域的重要性设置不同的权重,并据此决定布设摄像头的数量,体现了资源的合理配置和优化,智能化布设不仅提升了监控的效率,也避免了资源的浪费。实时数据处理与反馈,摄像头与后台服务器的实时通讯能力,确保了***能够实时捕获并处理员工的衣着和人脸图像,及时发现并纠正不符合标准的着装,保障了企业形象和员工的个人形象。数据驱动的决策支持,通过建立和维护包含多个着装标准的数据集合,以及将人脸识别信息与着装标准的对应关系保存在数据库中,为管理层提供了丰富的数据支持;这些数据不仅可以用于日常的着装监控,也可以为企业制定或调整着装政策提供依据。
综上所述,本实施例通过高度智能化和自动化的方式,实现了对员工着装的精确管理和监控,提高了管理效率和监控的精准度。
实施例3:如图3所示,在实施例1的基础上,本发明实施例提供的着装识别模块,包含:
目标特征识别子模块,负责获取摄像头实时捕获员工在通行区域的衣着及人脸的图像;处理衣着及人脸的图像,识别出图中人物的衣着目标特征和脸部目标特征;
信息匹配子模块,负责使用深度学习算法将识别出的衣着目标特征和脸部目标特征与预先设置的着装标准及员工数据库中的信息进行匹配,实现查找及匹配;
反馈控制子模块,负责将匹配结果进行反馈;如果识别结果显示员工的着装不符合标准,则***自动发出提醒或报警,告知员工需要改正着装;如果识别结果显示员工的着装符合标准,则给出着装合格的提示,并允许员工进入指定区域。
上述技术方案的工作原理和有益效果为:本实施例的目标特征识别子模块获取摄像头实时捕获员工在通行区域的衣着及人脸的图像;处理衣着及人脸的图像,识别出图中人物的衣着目标特征和脸部目标特征;信息匹配子模块使用深度学习算法将识别出的衣着目标特征和脸部目标特征与预先设置的着装标准及员工数据库中的信息进行匹配,实现查找及匹配;反馈控制子模块将匹配结果进行反馈;如果识别结果显示员工的着装不符合标准,则***自动发出提醒或报警,告知员工需要改正着装;如果识别结果显示员工的着装符合标准,则给出着装合格的提示,并允许员工进入指定区域。上述方案提供了一种全自动,实时的员工着装监控和管理***,使用了最新的深度学习技术进行图像识别和匹配,并提供及时的反馈和控制;这个方案的意义主要体现在以下几个方面:提高管理效率:传统的着装监控和管理通常需要人力进行,效率低且易出错;而这个***可以实现全自动的监控和管理,大大提高了效率。确保着装规范:通过实时监控和自动反馈,可以确保所有员工的着装都符合公司的规定和标准。增强安全性:通过人脸识别,可以防止未授权的人员进入公司的特定区域,增强了公司的安全性。提供数据支持:所有的监控数据都会被记录和保存,可以为公司的决策提供数据支持,如员工的出勤情况,着装合规情况等。提升员工满意度:通过自动化的***,可以减少人为的干扰和偏见,提升员工的满意度。同时,合规的着装也会提升员工的职业素养和公司的工作氛围。推动技术创新:涉及到图像处理,深度学习及数据库管理等多个技术领域。
实施例4:如图4所示,在实施例3的基础上,本发明实施例提供的目标特征识别子模块,包含:
区域分割单元,负责获取衣着及人脸的图像,其中衣着及人脸的图像显示的视场相同,衣着图像及人脸图像分别具有不同的对焦距离,从衣着图像及人脸图像中分别任意选择一个进行区域分割;
清晰度处理单元,负责分别对多个衣着图像及人脸图像的每个分割区域进行清晰度监测,在每个分割区域组的所有分割区域中,选择清晰度最高的一个结果,形成合成掩码;根据合成掩码和区域分割结果,进行合成,获得清晰的衣着图像及人脸图像的合成图像;
特征提取单元,负责对衣着图像及人脸图像的合成图像的图像序列,根据深度信息在色彩信息中进行背景去除处理以获取目标对应的目标特征区位,在色彩信息中对目标特征区位对应的像素点进行特征提取,以获得图中人物的衣着目标特征和脸部目标特征。
上述技术方案的工作原理和有益效果为:本实施例的区域分割单元获取衣着及人脸的图像,其中衣着及人脸的图像显示的视场相同,衣着图像及人脸图像分别具有不同的对焦距离,从衣着图像及人脸图像中分别任意选择一个进行区域分割;清晰度处理单元分别对多个衣着图像及人脸图像的每个分割区域进行清晰度监测,在每个分割区域组的所有分割区域中,选择清晰度最高的一个结果,形成合成掩码;根据合成掩码和区域分割结果,进行合成,获得清晰的衣着图像及人脸图像的合成图像;特征提取单元对衣着图像及人脸图像的合成图像的图像序列,根据深度信息在色彩信息中进行背景去除处理以获取目标对应的目标特征区位,在色彩信息中对目标特征区位对应的像素点进行特征提取,以获得图中人物的衣着目标特征和脸部目标特征。上述方案是在图像中准确地识别和提取衣着和人脸的特征;意义和应用价值体现在以下几个方面:提高图像识别的准确性和清晰度:通过对衣着图像和人脸图像分别进行区域分割和清晰度处理,选择最清晰的图像区域进行合成,这种方法能够有效提高图像的整体清晰度和目标特征的辨识度,从而提升图像识别的准确性。增强目标特征的提取效率:通过合成掩码和区域分割的方法,结合深度信息进行背景去除,直接针对目标特征进行提取,避免了传统图像处理中大量无关信息的干扰,从而提高了特征提取的效率和准确性。广泛的应用场景:可以广泛应用于人脸识别、服装识别、视频监控、人机交互及数字媒体编辑等领域。例如,在安防监控***中,可以通过提取人物的衣着和脸部特征来进行身份识别或行为分析;在电子商务领域,可以通过识别用户上传的服装图片来进行快速搜索和推荐相似商品。推动深度学习和人工智能技术的发展:实施依赖于深度学习模型进行特征提取,这不仅展示了深度学习在图像处理领域的强大能力,也推动了相关研究和技术的进一步发展。
总的来说,本实施例通过先进的图像处理和深度学习技术,有效地提高了图像中衣着和人脸特征的识别和提取效率,对于提升图像识别技术的性能和应用范围具有重要的意义。
实施例5:如图5所示,在实施例3的基础上,本发明实施例提供的信息匹配子模块,包含:
特征转换单元,负责将衣着目标特征和脸部目标特征分别转换为对应的衣着特征向量和脸部特征向量,先进行脸部特征向量的比对;
比较提取单元,负责使用余弦相似度比较提取的衣着特征向量与数据库中存储的衣着特征向量;其中,在衣着特征向量的服装颜色、款式及标志等选择任意特征进行比对,将其作为第一对比特征,第一对比特征之外的特征作为循环对比特征,根据第一对比特征对衣着进行匹配,匹配通过后再对循环对比特征进行一一匹配;
度量结果单元,负责根据余弦相似度的度量结果,基于最近邻搜索,即选择与识别出的特征向量相似度最高的特征向量对应的员工,确认每个识别出的特征与着装标准数据集合中哪个员工编码信息的特征匹配;得到当前脸部特征向量对应的衣着特征向量匹配结果。
上述技术方案的工作原理和有益效果为:本实施例的特征转换单元将衣着目标特征和脸部目标特征分别转换为对应的衣着特征向量和脸部特征向量,先进行脸部特征向量的比对;比较提取单元使用余弦相似度比较提取的衣着特征向量与数据库中存储的衣着特征向量;其中,在衣着特征向量的服装颜色、款式及标志等选择任意特征进行比对,将其作为第一对比特征,第一对比特征之外的特征作为循环对比特征,根据第一对比特征对衣着进行匹配,匹配通过后再对循环对比特征进行一一匹配;度量结果单元根据余弦相似度的度量结果,基于最近邻搜索,即选择与识别出的特征向量相似度最高的特征向量对应的员工,确认每个识别出的特征与着装标准数据集合中哪个员工编码信息的特征匹配;得到当前脸部特征向量对应的衣着特征向量匹配结果。上述方案描述了一个结合衣着特征和脸部特征进行人员识别的***。该主要意义和优势包括:提高识别准确性:通过结合脸部特征和衣着特征进行匹配,***可以更准确地识别个体;脸部特征提供了生物特征上的识别依据,而衣着特征则为识别提供了额外的上下文信息,尤其在脸部特征不够明显或受到遮挡时,衣着特征可以提供重要的补充信息。增强***的灵活性和适应性:通过将衣着特征向量中的不同特征(如颜色、款式、标志等)分别作为第一对比特征和循环对比特征,***可以根据实际应用场景和需求灵活调整识别策略,优先匹配关键特征,然后再细化比对其他特征,从而提高匹配效率和准确性。提升识别效率:使用余弦相似度进行特征向量的比对,并通过最近邻搜索确定最佳匹配,可以快速有效地从大规模数据库中找到与识别特征最匹配的员工编码信息;这种方法在处理大量数据时尤其有效,能够保证***的响应速度和处理能力。应用场景的广泛性:这种识别***可以应用于多种场景,如企业员工出入管理、公共安全监控、顾客身份识别等。结合衣着和脸部特征的识别方法不仅能提高识别的准确性和安全性,还能在特定情况下提供更加个性化和精确的服务。安全与隐私保护:在一些对隐私要求较高的应用场景中,可能不希望过度依赖于脸部特征进行识别。此时,衣着特征可以作为一种辅助信息,减少对脸部数据的依赖,从而在一定程度上保护被识别者的隐私。
综上所述,本实施例通过综合利用脸部和衣着特征,构建了一个多维度的识别***,不仅提高了识别的准确性和效率,还增加了***的适用范围和灵活性,对于实际应用具有重要的实践意义和价值。
实施例6:如图6所示,在实施例5的基础上,本发明实施例提供的比较提取单元,还包含:
表达式定义子单元,负责定义余弦相似度表达式,对衣着特征向量和脸部特征向量进行预定义;
其中,分别表示衣着特征向量中服装颜色、款式及标志的特征向量,分别表示衣着特征向量中服装颜色、款式及标志的特征向量的模,表示衣着特征向量的夹角,余弦相似度的值范围从-1(完全相反)到1(完全相同),值越大表示相似度越高;
特征向量输入子单元,负责获取衣着特征向量,将衣着特征向量输入至余弦相似度表达式;
对比结果输出子单元,负责计算提取的衣着特征向量的余弦相似度,根据余弦相似度与数据库中存储的衣着特征向量进行对比。
上述技术方案的工作原理和有益效果为:本实施例的表达式定义子单元定义余弦相似度表达式,对衣着特征向量和脸部特征向量进行预定义;特征向量输入子单元获取衣着特征向量,将衣着特征向量输入至余弦相似度表达式;对比结果输出子单元计算提取的衣着特征向量的余弦相似度,根据余弦相似度与数据库中存储的衣着特征向量进行对比。上述方案该实施例描述了一个基于余弦相似度进行衣着特征和脸部特征向量比对的过程,其主要意义包括:精确度量特征相似性:余弦相似度是一种常用的相似性度量方式,它通过计算两个向量间的夹角余弦值来评估它们的相似度;在特征向量比对中,余弦相似度能够有效地反映出两个特征向量在方向上的接近程度,从而用于评估两者的相似性。提高识别和匹配效率:通过预定义余弦相似度表达式并将衣着特征向量输入该表达式进行计算,***能够快速地得出特征向量之间的相似度评分;自动化和标准化的处理流程大大提高了识别和匹配的效率,尤其是在处理大量数据时,能够快速筛选出高度相似的候选项,从而加速最终的匹配决策过程。优化匹配结果的可靠性:通过计算衣着特征向量与数据库中存储的衣着特征向量之间的余弦相似度,并基于相似度进行对比,可以更准确地找到与当前识别对象最匹配的衣着特征;降低了错误匹配的风险,提高了匹配结果的可靠性和准确性。支持复合特征的综合评估:通过余弦相似度的计算和比对,可以支持包括衣着特征和脸部特征在内的复合特征的综合评估;意味着***能够同时考虑多个维度的信息,实现更全面和深入的识别和匹配,适应多样化的应用需求。增强***的灵活性和扩展性:余弦相似度的计算方法具有普遍性和可扩展性,可以应用于不同类型和维度的特征向量比对,为***的进一步开发和优化提供了方便。同时,这种方法的引入也为***集成更多新特征、适应新场景提供了可能。
综上所述,本实施例通过引入余弦相似度计算,为衣着特征的准确比对和高效匹配提供了一种可靠的方法,对于提升人员识别***的性能和应用范围具有重要意义。
实施例7:如图7所示,在实施例1的基础上,本发明实施例提供的数据存储模块,包含:
正确率统计子模块,负责按照员工编码信息,计算每个员工的识别频次,识别频次包含出现次数及按时间段的出现次数;得到每一个员工的识别的正确率;
报表生成子模块,负责根据正确率,制作包含每日识别次数及部门活动度的生成检查统计报表;利用柱状图直观展示统计结果;
统计数据更新子模块,负责每日、每周或每月定期生成和更新检查统计数据。
上述技术方案的工作原理和有益效果为:本实施例的正确率统计子模块按照员工编码信息,计算每个员工的识别频次,识别频次包含出现次数及按时间段的出现次数;得到每一个员工的识别的正确率;报表生成子模块根据正确率,制作包含每日识别次数及部门活动度的生成检查统计报表;利用柱状图直观展示统计结果;统计数据更新子模块每日、每周或每月定期生成和更新检查统计数据。上述方案描述了一个综合的识别***的统计分析和报表生成流程,其主要目的和意义包括:提升监控和管理效率,通过按员工编码统计识别频次和正确率,管理层可以更有效地监控员工的出勤情况、活动模式及***的整体性能;有助于快速识别和解决出勤异常、***故障或误识别等问题,从而提高整体的运营效率。优化资源分配,统计报表中的部门活动度分析可以帮助管理层了解各部门的活跃情况,进而指导资源的合理分配;例如,对于活跃度较高的部门可能需要增加人力或改善设施,而活跃度较低的部门则可能需要进行调整或优化。增强数据驱动决策,通过收集和分析识别数据,管理层可以基于实际数据做出更加精准的决策;例如,利用识别频次和正确率的数据分析,可以评估和优化识别***的性能,确保***的高效和准确。提高透明度和沟通效率,生成的检查统计报表和柱状图等可视化工具可以直观地展示统计结果,提高了信息的透明度,便于管理层和员工之间的沟通和理解,有助于构建开放和信任的工作环境;动态监控和持续改进,定期更新的统计数据可以帮助管理层动态监控***的性能和员工的行为模式,及时发现和响应变化,从而持续改进管理策略和***性能。增强安全和合规性,对于涉及安全和隐私的应用场景,正确率的统计和分析可以确保识别***的可靠性,减少误识别带来的安全隐患,同时帮助企业符合相关的法律和合规要求。
综上所述,本实施例通过***性地统计、分析和报告识别数据,为企业提供了一个数据驱动的管理工具,不仅提高了管理的效率和准确性,还增强了企业的决策能力和竞争优势。
实施例8:如图8所示,在实施例1-实施例7的基础上,本发明实施例提供的基于人工智能的自动着装合规性管控方法,包含以下步骤:
S100:设置着装标准,着装标准包含服装颜色、款式及标志等;在员工通行的大门或者其他重要区域安装进行衣着及人脸识别的摄像头;摄像头将捕获的衣着及人脸的图像通过网络实时传输到后台服务器,进行存储;
S200:使用深度学习算法,对摄像头捕获的衣着及人脸的图像进行处理,识别员工的衣着及脸部的目标特征;将识别结果与设置的着装标准进行匹配;如果识别结果显示为当前人脸识别的员工的着装不符合着装标准,***自动进行提醒或报警,告知当前人脸识别的员工需要改正;如果识别结果显示为当前人脸识别的员工的着装符合着装标准,***自动给出着装合格提示,并将允许员工进入指定区域;
S300:将所有的识别结果和员工编码信息将记录在数据库中,生成检查统计报表。
上述技术方案的工作原理和有益效果为:本实施例首先设置着装标准,着装标准包含服装颜色、款式及标志等;在员工通行的大门或者其他重要区域安装进行衣着及人脸识别的摄像头;摄像头将捕获的衣着及人脸的图像通过网络实时传输到后台服务器,进行存储;其次使用深度学习算法,对摄像头捕获的衣着及人脸的图像进行处理,识别员工的衣着及脸部的目标特征;将识别结果与设置的着装标准进行匹配;如果识别结果显示为当前人脸识别的员工的着装不符合着装标准,***自动进行提醒或报警,告知当前人脸识别的员工需要改正;如果识别结果显示为当前人脸识别的员工的着装符合着装标准,***自动给出着装合格提示,并将允许员工进入指定区域;最后将所有的识别结果和员工编码信息将记录在数据库中,生成检查统计报表。上述方案的实施具有多重意义,既体现在提高企业内部管理效率,又在于利用现代技术保障企业安全和形象。以下是具体意义:提高管理效率和自动化程度,通过自动识别着装不规范的员工并进行提醒或报警,减少了人力资源部门和***门在着装规范执行上的工作量,使得着装管理更加高效和自动化。保障企业安全,在敏感区域通过人脸识别和着装规范匹配,确保只有符合规定的员工才能进入,从而降低安全风险。自动化的监控和提醒***能够加强员工对于企业规定的遵守。提升数据驱动决策的能力,通过收集和分析员工的着装数据,管理层可以了解员工对于着装规范的遵守情况,从而进行针对性的管理决策,如改进着装规范及增强员工培训等。增强员工自觉性,自动提醒和报警机制能够即时反馈员工的不合规行为,促使员工更加自觉地遵守着装规范,形成良好的自我管理习惯。技术创新与应用,还体现了企业在人工智能和深度学习技术方面的应用创新,促进企业技术进步和竞争力提升。提升访客和客户体验,对于外来访客和客户,统一规范的员工着装也是企业专业度的体现,有助于提升访客和客户的整体体验。
综上所述,本实施例通过实施自动着装合规性管控方案。采用自动化的着装合规性管控方式不仅可以提高管理效率,降低人工成本,而且可以实时进行监控和反馈,提高着装规范的执行力度。同时,通过收集和分析数据,公司还可以了解员工的着装习惯,为进一步改进着装规则和标准提供依据。
实施例9:如图9所示,在实施例8的基础上,本发明实施例提供的设置着装标准及摄像头将捕获的衣着及人脸的图像的过程,包含以下步骤:
S101:采集着装标准及员工的人脸识别信息,按照不同的人脸识别信息设置不同的着装标准,不同的人脸识别信息对应当前员工编码信息;以员工编码信息为根节点建立包含多个着装标准的着装标准数据集合;其中人脸识别信息包含发型、衣着及穿戴特征等;
S102:将人脸识别信息与着装标准建立对应关系,将人脸识别得到的发型、衣着及穿戴特征等特征保存至人脸特征数据库中;
S103:设置员工通行区域的权重,根据权重的不同设置不同数量的摄像头;摄像头建立于后台服务器的通讯,实时捕获通过通行区域的员工的衣着及人脸的图像。
上述技术方案的工作原理和有益效果为:本实施例首先采集着装标准及员工的人脸识别信息,按照不同的人脸识别信息设置不同的着装标准,不同的人脸识别信息对应当前员工编码信息;以员工编码信息为根节点建立包含多个着装标准的着装标准数据集合;其中人脸识别信息包含发型、衣着及穿戴特征等;其次将人脸识别信息与着装标准建立对应关系,将人脸识别得到的发型、衣着及穿戴特征等特征保存至人脸特征数据库中;最后设置员工通行区域的权重,根据权重的不同设置不同数量的摄像头;摄像头建立于后台服务器的通讯,实时捕获通过通行区域的员工的衣着及人脸的图像。上述方案上通过高度个性化和自动化的方式,管理和监控员工的着装情况,确保其符合企业规定的标准。具体意义和价值如下:个性化管理,通过为每位员工设置不同的着装标准,并将这些标准与员工的个人信息(如人脸识别信息)关联,实现了高度个性化的管理;这种方法可以根据不同员工的角色、职责和工作环境,制定和执行更加合理和具体的着装要求。精确识别与监控,将员工的人脸识别信息(包括发型、衣着及穿戴特征等)与着装标准建立对应关系,并保存在数据库中,使得***能够精确识别员工的着装是否符合预设标准,精确匹配提高了监控的准确性和有效性。智能化布设与资源优化,根据员工通行区域的重要性设置不同的权重,并据此决定布设摄像头的数量,体现了资源的合理配置和优化,智能化布设不仅提升了监控的效率,也避免了资源的浪费。实时数据处理与反馈,摄像头与后台服务器的实时通讯能力,确保了***能够实时捕获并处理员工的衣着和人脸图像,及时发现并纠正不符合标准的着装。数据驱动的决策支持,通过建立和维护包含多个着装标准的数据集合,以及将人脸识别信息与着装标准的对应关系保存在数据库中,为管理层提供了丰富的数据支持。
综上所述,本实施例通过高度智能化和自动化的方式,实现了对员工着装的精确管理和监控,提高了管理效率和监控的精准度。
实施例10:如图10所示,在实施例8的基础上,本发明实施例提供的识别结果与设置的着装标准进行匹配的过程,包含以下步骤:
S201:获取摄像头实时捕获员工在通行区域的衣着及人脸的图像;处理衣着及人脸的图像,识别出图中人物的衣着目标特征和脸部目标特征;
S202:使用深度学习算法将识别出的衣着目标特征和脸部目标特征与预先设置的着装标准及员工数据库中的信息进行匹配,实现查找及匹配;
S203:将匹配结果进行反馈;如果识别结果显示员工的着装不符合标准,则***自动发出提醒或报警,告知员工需要改正着装;如果识别结果显示员工的着装符合标准,则给出着装合格的提示,并允许员工进入指定区域。
上述技术方案的工作原理和有益效果为:本实施例首先获取摄像头实时捕获员工在通行区域的衣着及人脸的图像;处理衣着及人脸的图像,识别出图中人物的衣着目标特征和脸部目标特征;其次使用深度学习算法将识别出的衣着目标特征和脸部目标特征与预先设置的着装标准及员工数据库中的信息进行匹配,实现查找及匹配;最后将匹配结果进行反馈;如果识别结果显示员工的着装不符合标准,则***自动发出提醒或报警,告知员工需要改正着装;如果识别结果显示员工的着装符合标准,则给出着装合格的提示,并允许员工进入指定区域。上述方案提供了一种全自动,实时的员工着装监控和管理***,使用了最新的深度学习技术进行图像识别和匹配,并提供及时的反馈和控制;这个方案的意义主要体现在以下几个方面:提高管理效率:传统的着装监控和管理通常需要人力进行,效率低且易出错;而这个***可以实现全自动的监控和管理,大大提高了效率。增强安全性:通过人脸识别,可以防止未授权的人员进入公司的特定区域。提供数据支持:所有的监控数据都会被记录和保存,可以为公司的决策提供数据支持,如员工的出勤情况,着装合规情况等。推动技术创新:涉及到图像处理,深度学习及数据库管理等多个技术领域。
实施例11:如图11所示,在实施例8的基础上,本发明实施例提供的生成检查统计报表的过程,包含以下步骤:
S301:按照员工编码信息,计算每个员工的识别频次,识别频次包含出现次数及按时间段的出现次数;得到每一个员工的识别的正确率;
S302:根据正确率,制作包含每日识别次数及部门活动度的生成检查统计报表;利用柱状图直观展示统计结果;
S303:每日、每周或每月定期生成和更新检查统计数据。
上述技术方案的工作原理和有益效果为:本实施例首先按照员工编码信息,计算每个员工的识别频次,识别频次包含出现次数及按时间段的出现次数;得到每一个员工的识别的正确率;其次根据正确率,制作包含每日识别次数及部门活动度的生成检查统计报表;利用柱状图直观展示统计结果;最后每日、每周或每月定期生成和更新检查统计数据。上述方案描述了一个综合的识别***的统计分析和报表生成流程,其主要目的和意义包括:提升监控和管理效率,通过按员工编码统计识别频次和正确率,管理层可以更有效地监控员工的出勤情况、活动模式及***的整体性能;有助于快速识别和解决出勤异常、***故障或误识别等问题,从而提高整体的运营效率。优化资源分配,统计报表中的部门活动度分析可以帮助管理层了解各部门的活跃情况,进而指导资源的合理分配;例如,对于活跃度较高的部门可能需要增加人力或改善设施,而活跃度较低的部门则可能需要进行调整或优化。增强数据驱动决策,通过收集和分析识别数据,管理层可以基于实际数据做出更加精准的决策;例如,利用识别频次和正确率的数据分析,可以评估和优化识别***的性能,确保***的高效和准确。提高透明度和沟通效率,生成的检查统计报表和柱状图等可视化工具可以直观地展示统计结果,提高了信息的透明度,便于管理层和员工之间的沟通和理解,有助于构建开放和信任的工作环境;动态监控和持续改进,定期更新的统计数据可以帮助管理层动态监控***的性能和员工的行为模式,及时发现和响应变化,从而持续改进管理策略和***性能。增强安全和合规性,对于涉及安全和隐私的应用场景,正确率的统计和分析可以确保识别***的可靠性,减少误识别带来的安全隐患,同时帮助企业符合相关的法律和合规要求。
综上所述,本实施例通过***性地统计、分析和报告识别数据,为企业提供了一个数据驱动的管理工具,不仅提高了管理的效率和准确性,还增强了企业的决策能力和竞争优势。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (5)
1.一种基于人工智能的自动着装合规性管控***,其特征在于,包含:
图像采集模块,负责设置着装标准,着装标准包含服装颜色、款式及标志;在员工通行的大门或者其他重要区域安装进行衣着及人脸识别的摄像头;摄像头将捕获的衣着及人脸的图像通过网络实时传输到后台服务器,进行存储;
着装识别模块,负责对摄像头捕获的衣着及人脸的图像进行处理,识别员工的衣着及脸部的目标特征;将识别结果与设置的着装标准进行匹配;
数据存储模块,负责将所有的识别结果和员工编码信息将记录在数据库中,生成检查统计报表;
着装识别模块,包含:
目标特征识别子模块,负责获取摄像头实时捕获员工在通行区域的衣着及人脸的图像;处理衣着及人脸的图像,识别出图中人物的衣着目标特征和脸部目标特征;
信息匹配子模块,负责使用深度学习算法将识别出的衣着目标特征和脸部目标特征与预先设置的着装标准及员工数据库中的信息进行匹配,实现查找及匹配;
反馈控制子模块,负责将匹配结果进行反馈;
信息匹配子模块,包含:
特征转换单元,负责将衣着目标特征和脸部目标特征分别转换为对应的衣着特征向量和脸部特征向量,先进行脸部特征向量的比对;
比较提取单元,负责使用余弦相似度比较提取的衣着特征向量与数据库中存储的衣着特征向量;
度量结果单元,负责根据余弦相似度的度量结果,基于最近邻搜索,确认每个识别出的特征与着装标准数据集合中哪个员工编码信息的特征匹配;得到当前脸部特征向量对应的衣着特征向量匹配结果;
度量结果单元基于最近邻搜索,即选择与识别出的特征向量相似度最高的特征向量对应的员工;
数据存储模块,包含:
正确率统计子模块,负责按照员工编码信息,计算每个员工的识别频次,识别频次包含出现次数及按时间段的出现次数;得到每一个员工的识别的正确率;
报表生成子模块,负责根据正确率,制作包含每日识别次数及部门活动度的生成检查统计报表;利用柱状图直观展示统计结果;
统计数据更新子模块,负责每日、每周或每月定期生成和更新检查统计数据;
正确率统计子模块的识别频次包含出现次数及按时间段的出现次数;得到每一个员工的识别的正确率;
比较提取单元,还包含:
表达式定义子单元,负责定义余弦相似度表达式,对衣着特征向量进行预定义;
其中,分别表示衣着特征向量中服装颜色、款式及标志的特征向量,分别表示衣着特征向量中服装颜色、款式及标志的特征向量的模,表示衣着特征向量的夹角,余弦相似度的值范围从-1到1,值越大表示相似度越高;
特征向量输入子单元,负责获取衣着特征向量,将衣着特征向量输入至余弦相似度表达式;
对比结果输出子单元,负责计算提取的衣着特征向量的余弦相似度,根据余弦相似度与数据库中存储的衣着特征向量进行对比。
2.如权利要求1所述的基于人工智能的自动着装合规性管控***,其特征在于,图像采集模块,包含:
数据集合建立子模块,负责采集着装标准及员工的人脸识别信息,按照不同的人脸识别信息设置不同的着装标准,不同的人脸识别信息对应当前员工编码信息;以员工编码信息为根节点建立包含多个着装标准的着装标准数据集合;其中人脸识别信息包含发型、衣着及穿戴特征;
对应关系建立子模块,负责将人脸识别信息与着装标准建立对应关系,将人脸识别得到的发型、衣着及穿戴特征保存至人脸特征数据库中;
摄像头布设子模块,负责设置员工通行区域的权重,根据权重的不同设置不同数量的摄像头;摄像头建立于后台服务器的通讯,实时捕获通过通行区域的员工的衣着及人脸的图像。
3.如权利要求1所述的基于人工智能的自动着装合规性管控***,其特征在于,着装识别模块中如果识别结果显示为当前人脸识别的员工的着装不符合着装标准,***自动进行提醒或报警,告知当前人脸识别的员工需要改正;如果识别结果显示为当前人脸识别的员工的着装符合着装标准,***自动给出着装合格提示,并将允许员工进入指定区域。
4.如权利要求1所述的基于人工智能的自动着装合规性管控***,其特征在于,反馈控制子模块中如果识别结果显示员工的着装不符合标准,则***自动发出提醒或报警,告知员工需要改正着装;如果识别结果显示员工的着装符合标准,则给出着装合格的提示,并允许员工进入指定区域。
5.一种基于人工智能的自动着装合规性管控方法,其特征在于,包含以下步骤:
设置着装标准,着装标准包含服装颜色、款式及标志;在员工通行的大门或者其他重要区域安装进行衣着及人脸识别的摄像头;摄像头将捕获的衣着及人脸的图像通过网络实时传输到后台服务器,进行存储;
使用对摄像头捕获的衣着及人脸的图像进行处理,识别员工的衣着及脸部的目标特征;将识别结果与设置的着装标准进行匹配;如果识别结果显示为当前人脸识别的员工的着装不符合着装标准,***自动进行提醒或报警,告知当前人脸识别的员工需要改正;如果识别结果显示为当前人脸识别的员工的着装符合着装标准,***自动给出着装合格提示,并将允许员工进入指定区域;
将所有的识别结果和员工编码信息将记录在数据库中,生成检查统计报表;
识别结果与设置的着装标准进行匹配的过程,包含以下步骤:
获取摄像头实时捕获员工在通行区域的衣着及人脸的图像;处理衣着及人脸的图像,识别出图中人物的衣着目标特征和脸部目标特征;
使用深度学习算法将识别出的衣着目标特征和脸部目标特征与预先设置的着装标准及员工数据库中的信息进行匹配,实现查找及匹配;
将匹配结果进行反馈;如果识别结果显示员工的着装不符合标准,则***自动发出提醒或报警,告知员工需要改正着装;如果识别结果显示员工的着装符合标准,则给出着装合格的提示,并允许员工进入指定区域;
信息进行匹配,包含:
特征转换单元将衣着目标特征和脸部目标特征分别转换为对应的衣着特征向量和脸部特征向量,先进行脸部特征向量的比对;
比较提取单元使用余弦相似度比较提取的衣着特征向量与数据库中存储的衣着特征向量;
度量结果单元根据余弦相似度的度量结果,基于最近邻搜索,确认每个识别出的特征与着装标准数据集合中哪个员工编码信息的特征匹配;得到当前脸部特征向量对应的衣着特征向量匹配结果;
度量结果单元基于最近邻搜索,即选择与识别出的特征向量相似度最高的特征向量对应的员工;
所有的识别结果和员工编码信息将记录在数据库中,包含:
正确率统计子模块按照员工编码信息,计算每个员工的识别频次,识别频次包含出现次数及按时间段的出现次数;得到每一个员工的识别的正确率;
报表生成子模块根据正确率,制作包含每日识别次数及部门活动度的生成检查统计报表;利用柱状图直观展示统计结果;
统计数据更新子模块每日、每周或每月定期生成和更新检查统计数据;
正确率统计子模块的识别频次包含出现次数及按时间段的出现次数;得到每一个员工的识别的正确率;
比较提取单元,还包含:
表达式定义子单元定义余弦相似度表达式,对衣着特征向量进行预定义;
其中,分别表示衣着特征向量中服装颜色、款式及标志的特征向量,分别表示衣着特征向量中服装颜色、款式及标志的特征向量的模,表示衣着特征向量的夹角,余弦相似度的值范围从-1到1,值越大表示相似度越高;
特征向量输入子单元获取衣着特征向量,将衣着特征向量输入至余弦相似度表达式;
对比结果输出子单元计算提取的衣着特征向量的余弦相似度,根据余弦相似度与数据库中存储的衣着特征向量进行对比。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410524269.3A CN118097198B (zh) | 2024-04-29 | 2024-04-29 | 一种基于人工智能的自动着装合规性管控***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410524269.3A CN118097198B (zh) | 2024-04-29 | 2024-04-29 | 一种基于人工智能的自动着装合规性管控***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN118097198A CN118097198A (zh) | 2024-05-28 |
CN118097198B true CN118097198B (zh) | 2024-07-05 |
Family
ID=91147875
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410524269.3A Active CN118097198B (zh) | 2024-04-29 | 2024-04-29 | 一种基于人工智能的自动着装合规性管控***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118097198B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109446932A (zh) * | 2018-10-11 | 2019-03-08 | 武汉微道云信息科技有限公司 | 一种着装检查方法、装置、终端设备及计算机存储介质 |
CN116824419A (zh) * | 2022-03-18 | 2023-09-29 | 中移(上海)信息通信科技有限公司 | 一种着装特征识别方法、识别模型的训练方法及装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113326810A (zh) * | 2021-06-30 | 2021-08-31 | 商汤国际私人有限公司 | 人脸识别方法、***、装置、电子设备及存储介质 |
CN113807240A (zh) * | 2021-09-15 | 2021-12-17 | 国网河北省电力有限公司衡水供电分公司 | 基于非配合式人脸识别的变电站人员着装智能监控方法 |
CN117132805A (zh) * | 2023-07-20 | 2023-11-28 | 江苏范特科技有限公司 | 一种基于着装识别行人的目标定位方法及装置 |
-
2024
- 2024-04-29 CN CN202410524269.3A patent/CN118097198B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109446932A (zh) * | 2018-10-11 | 2019-03-08 | 武汉微道云信息科技有限公司 | 一种着装检查方法、装置、终端设备及计算机存储介质 |
CN116824419A (zh) * | 2022-03-18 | 2023-09-29 | 中移(上海)信息通信科技有限公司 | 一种着装特征识别方法、识别模型的训练方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN118097198A (zh) | 2024-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111488804A (zh) | 基于深度学习的劳保用品佩戴情况检测和身份识别的方法 | |
CN110738127A (zh) | 基于无监督深度学习神经网络算法的安全帽识别方法 | |
CN116308960B (zh) | 基于数据分析的智慧园区物业防控管理***及其实现方法 | |
CN110619277A (zh) | 一种多社区智慧布控方法以及*** | |
CN111353338B (zh) | 一种基于营业厅视频监控的能效改进方法 | |
US10860865B2 (en) | Predictive security camera system | |
CN117035419B (zh) | 企业项目实施智能管理***及方法 | |
CN113807240A (zh) | 基于非配合式人脸识别的变电站人员着装智能监控方法 | |
CN102254394A (zh) | 一种基于视频差异分析的输电线路杆塔防盗监控方法 | |
CN105005852A (zh) | 一种基于图像分析的宿舍环境智能监测*** | |
CN111353343A (zh) | 一种基于视频监控的营业厅服务规范质检方法 | |
CN115620471A (zh) | 一种基于大数据筛查的图像识别安防*** | |
Wu et al. | Computer vision-based intelligent elevator information system for efficient demand-based operation and optimization | |
CN116665305A (zh) | 基于计算机视觉和知识图谱的工人行为检测方法和*** | |
CN118097198B (zh) | 一种基于人工智能的自动着装合规性管控***及方法 | |
US20230360402A1 (en) | Video-based public safety incident prediction system and method therefor | |
CN115860144A (zh) | 一种用于反窃电现场的机器学习*** | |
CN114694008A (zh) | 一种远程人脸识别*** | |
CN114429677A (zh) | 一种煤矿场景作业行为安全识别考核方法及*** | |
CN114241400A (zh) | 电网***的监控方法及其装置、计算机可读存储介质 | |
CN207458115U (zh) | 基于大数据的政府事务标准化管理集成*** | |
CN112580440A (zh) | 一种跨越围栏行为识别方法及*** | |
CN113128452A (zh) | 一种基于图像识别的绿化满意度采集方法和*** | |
US20200089993A1 (en) | Method for detection of temporal pattern anomalies in video streams | |
CN110443197A (zh) | 一种视觉场景智能理解方法及*** |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |