CN110826610A - 一种用于智能检测人员着装是否规范的方法与系统 - Google Patents
一种用于智能检测人员着装是否规范的方法与系统 Download PDFInfo
- Publication number
- CN110826610A CN110826610A CN201911039914.8A CN201911039914A CN110826610A CN 110826610 A CN110826610 A CN 110826610A CN 201911039914 A CN201911039914 A CN 201911039914A CN 110826610 A CN110826610 A CN 110826610A
- Authority
- CN
- China
- Prior art keywords
- image
- human body
- recognized
- target
- dressing
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本申请通过一种用于智能检测人员着装是否规范的方法,首先获取包含人体姿态的待识别图像,然后确定所述待识别图像中的目标着装区域,获取目标着装区域图像,最后将所述目标着装区域图像输入经过训练的分类网络模型,获得关于着装是否规范的模型输出结果。通过该方法可实现智能检测人员着装是否规范,可方便、快速地检查人员着装是否符合规定,在快速实现仪容仪表检查是否规范的同时可避免人员自检或互检时存在遗漏隐患,确保人员以符合规范的仪容仪表出现。
Description
技术领域
本申请涉及计算机图像处理技术领域,尤其涉及一种用于智能检测人 员着装的技术。
背景技术
提供政府公共服务的单位,以及纪律部门如警察、军队等对其人员的 仪容仪表往往都制定了规范,以塑造和体现其单位形象。
但在日常情况下,相关人员由于各种主客观因素,基本都是通过人员 的自检或互检来确认仪容仪表。由于缺少行之有效的检查方法,经常存在 不能及时发现仪容仪表不符合规范情况。
如何实现对人员着装进行智能检测,避免人员因仪容仪表不符合规范 影响个人和单位形象,是急需解决的技术问题。
发明内容
本申请的目的是提供一种用于智能检测人员着装是否规范的方法与 系统。
根据本申请的一个方面,提供了一种用于智能检测人员着装是否规范 的方法,其中,所述方法包括:
获取包含人体姿态的待识别图像;
确定所述待识别图像中的目标着装区域,获取目标着装区域图像;
将所述目标着装区域图像输入经过训练的分类网络模型,获得关于着 装是否规范的模型输出结果。
优选地,所述获取包含人体姿态的待识别图像包括:
从获取到的视频中采样获取所述包含人体姿态的待识别图像;
将所述包含人体姿态的待识别图像输入经过训练的人体关键点检测 模型,获得模型输出结果;
如模型输出结果不符合预置阈值,则没有检测到人体姿态,重复上述 两个步骤,直到模型输出结果符合预置阈值,获得所述包含人体姿态的待 识别图像。
优选地,其中,所述经过训练的人体关键点检测模型的构建步骤包括:
获取包含人体姿态的训练样本图像集;
标记训练样本图像中人体姿态相关的人体关键点坐标;
基于所述已标记人体关键点坐标的训练样本图像训练人体关键点检 测模型,若模型输出结果符合预置阈值,完成所述人体关键点检测模型构 建。
优选地,在所述确定所述待识别图像中的目标着装区域,获取目标着 装区域图像之前,所述方法还包括:
将所述待识别图像输入经过训练的人脸检测模型,提取人脸特征;
将所述人脸特征与预置在数据库中的人员人脸特征进行比对检测,确 定对应的人员。
优选地,所述确定所述待识别图像中的目标着装区域,获取目标着装 区域图像包括:
基于人体姿态的关键点坐标标记所述待识别图像中的目标着装区域, 获取目标着装区域图像。
优选地,所述一种用于智能检测人员着装是否规范的方法还包括:
当存在着装不规范的人员,显示对应的人员信息及着装不规范信息, 以进行提醒。
根据本申请的另一方面,还提供了一种用于智能检测人员着装是否规 范的系统,其中,所述系统包括:
获取模块,用于获取包含人体姿态的待识别图像;
标识模块,用于标识所述待识别图像中的目标着装区域,获取目标着 装区域图像;
人员着装检测模块,用于将所述目标着装区域图像输入经过训练的分 类网络模型,获得关于着装是否规范的模型输出结果。
优选地,进一步地,所述一种用于智能检测人员着装是否规范的系统 还包括:
显示模块,用于将所述分类网络模型输出结果显示出来。
与现有技术相比,本申请通过一种用于智能检测人员着装是否规范的 方法,首先获取包含人体姿态的待识别图像,然后确定所述待识别图像中 的目标着装区域,获取目标着装区域图像,最后将所述目标着装区域图像 输入经过训练的分类网络模型,获得关于着装是否规范的模型输出结果。 通过该方法可实现智能检测人员着装是否规范,可方便、快速地检查人员 着装是否符合规定,在快速实现仪容仪表检查是否规范的同时可避免人员自检或互检时存在遗漏隐患,确保人员以符合规范的仪容仪表出现。
附图说明
通过阅读参照以下附图所作的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示出根据本申请一个方面的一种用于智能检测人员着装是否规范 的方法流程图;
图2示出根据本申请另一个方面的一种用于智能检测人员着装是否规 范的系统框图;
附图中相同或相似的附图标记代表相同或相似的部件。
具体实施方式
下面结合附图对本发明作进一步详细描述。
在本申请一个典型的配置中,系统各模块和可信方均包括一个或多个 处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器 (RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以 由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结 构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相 变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器 (DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电 可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读 光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、 磁盒式磁带,磁带磁盘存储或其他磁性存储设备或任何其他非传输介质, 可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读 介质不包括非暂存电脑可读媒体(transitory media),如调制的数据信号和 载波。
为更进一步阐述本申请所采取的技术手段及取得的效果,下面结合附 图及优选实施例,对本申请的技术方案,进行清楚和完整的描述。
图1示出本申请一个方面的一种用于智能检测人员着装是否规范的方 法流程图,其中,一个实施例的方法包括:
S11获取包含人体姿态的待识别图像;
S12确定所述待识别图像中的目标着装区域,获取目标着装区域图像;
S13将所述目标着装区域图像输入经过训练的分类网络模型,获得关 于着装是否规范的模型输出结果。
在本申请中,所述方法通过设备1执行,所述设备1为计算机设备和 /或云,所述计算机设备包括但不限于个人计算机、笔记本电脑、工业计算 机、网络主机、单个网络服务器、多个网络服务器集;所述云由基于云计 算(Cloud Computing)的大量计算机或网络服务器构成,其中,云计算是 分布式计算的一种,由一群松散耦合的计算机集组成的一个虚拟超级计算 机。
在此,所述计算机设备和/或云仅为举例,其他现有的或者今后可能出 现的设备和/或资源共享平台如适用于本申请也应包含在本申请的保护范 围内,在此,以引用的方式包含于此。
在该实施例中,在所述步骤S11中,设备1获取到的所述包含人体姿 态的待识别图像可以是从一个或多个摄像头拍摄的视频中捕获一帧图像, 获取包含人体姿态的待识别图像,视频可以是实时视频,也可以是存储在 设备1或其它可访问的设备中的非实时的历史视频。
优选地,所述获取包含人体姿态的待识别图像包括:从获取到的视频 中采样获取所述包含人体姿态的待识别图像,将所述包含人体姿态的待识 别图像输入经过训练的人体关键点检测模型,获得模型输出结果,如模型 输出结果不符合预置阈值,则没有检测到人体姿态,重复上述两个步骤, 直到模型输出结果符合预置阈值,获得所述包含人体姿态的待识别图像。
其中,如果从视频中采样获取的待识别图像中不包含人体姿态,或者 包含的人体姿态信息不足以让人体关键点检测模型获得符合预置阈值的 输出结果,需要重新从视频中采样获取待识别图像,可以是获取下一帧或 固定隔几帧获取,也可以是随机获取,其它从视频中获取图像的方法如适 用于本申请也应包含在本申请的保护范围内,本申请中不做限制。
优选地,其中,所述经过训练的人体关键点检测模型的构建步骤包括: 获取包含人体姿态的训练样本图像集,标记训练样本图像中人体姿态相关 的人体关键点坐标,基于所述已标记人体关键点坐标的训练样本图像训练 人体关键点检测模型,若模型输出结果符合预置阈值,完成所述人体关键 点检测模型构建。
其中,一种典型的图像中与人体姿态相关的人体关键点坐标标记包含 头顶,脖子,右肩膀,右手肘,右手腕,左肩膀,左手肘,左手腕,中臀, 右臀,右膝,右脚踝,左臀,左膝盖,左脚踝,右眼睛,左眼睛,右耳朵, 左耳朵,左大脚趾,左小脚趾,左脚后跟,右大脚趾,右小脚趾,右脚后 跟等25个人体关键点。图像中人体姿态相关的人体关键点坐标标记还可以包含更多或更少的人体关键点,在此,所述人体关键点的设定及标记方 式仅用于更好说明本申请,其他关于图像中人体姿态相关的人体关键点的 设定及标记方式如适用于本申请,也应包含在本申请的保护范围内,在此, 以引用的方式包含于此。
其中,所述人体关键点检测模型优选采用VGG神经网络。在此,所 述VGG神经网络仅用于更好说明本申请,其他现有的或者今后可能出现 的神经网络如适用于本申请也应包含在本申请的保护范围内,在此,以引 用的方式包含于此。
优选地,在该实施例中,在继续所述步骤S12之前,所述一种用于智 能检测人员着装是否规范的方法还包括:将所述待识别图像输入经过训练 的人脸检测模型,提取人脸特征,将所述人脸特征与预置在数据库中的人 员人脸特征进行比对检测,确定对应的人员。
在对人员着装进行智能检测前先对人员做人脸识别,筛选掉不需要做 着装检测的人员,减少设备1或相关设备的数据计算。
其中,数据库中的人员人脸特征预先预置,可以根据单位实际需要在 数据库中相应的增加或删除人员人脸特征和相关信息。
其中,所述经过训练的人脸检测模型是基于公开的人脸数据集训练的。 所述人脸检测模型优选采用MTCNN神经网络。在此,所述MTCNN神经 网络仅用于更好说明本申请,其他现有的或者今后可能出现的神经网络如 适用于本申请也应包含在本申请的保护范围内,在此,以引用的方式包含 于此。
继续在该实施例中,在所述步骤S12中,确定所述待识别图像中的目 标着装区域,获取目标着装区域图像。
优选地,其中,所述确定所述待识别图像中的目标着装区域,获取目 标着装区域图像包括:基于人体姿态的关键点坐标标记所述待识别图像中 的目标着装区域,获取目标着装区域图像。
具体地,利用不同的关键点坐标可以确定不同的目标着装区域,例如, 选择左手腕关键点的横坐标(x1,y1)和左肩膀关键点(x2,y2)的纵坐标确定 坐标点(x1,y2),利用右手腕关键点(x3,y3)的横坐标和右臀关键点(x4,y4) 的纵坐标确定坐标点(x3,y4),坐标点(x1,y2)和坐标点(x3,y4)可以确定一 个矩形区域,以此矩形区域作为目标着装区域可以用来确定人员上装区域; 选择左臀关键点(x5,y5)的横坐标和左小脚趾关键点(x6,y6)的纵坐标确定 坐标点(x5,y6),利用右小脚趾关键点(x7,y7)的横坐标和右大脚趾关键点 (x8,y8)的纵坐标确定坐标点(x7,y8),坐标点(x5,y6)和坐标点(x7,y8)可 以确定一个矩形区域,以此矩形区域作为目标着装区域可以用来确定人员 下装区域;选择左手腕关键点(x1,y1)的横坐标和头顶关键点(x9,y9)的纵 坐标确定坐标点(x1,y9),利用右手腕关键点(x3,y3)的横坐标和右大脚趾 关键点(x8,y8)的纵坐标确定坐标点(x3,y8),坐标点(x1,y9)和坐标点(x3, y8)两个坐标点可以确定一个矩形区域,以此矩形区域作为目标着装区域可 以用来确定人员全身着装区域。其它目标着装区域可以采用选择不同关键 点,利用相同的方法确定。
继续在该实施例中,在所述步骤S13中,将所述目标着装区域图像输 入经过训练的分类网络模型,获得关于着装是否规范的模型输出结果。
其中,基于不同目标着装智能检测,选择相应的目标着装区域图像输 入经过相应图像训练集训练的分类网络类型,获得关于着装是否符合规范 的模型输出结果。例如,选择人员上装区域图像输入经过上装图像训练集 训练的分类网络类型,获得关于人员的上装着装是否符合规范的模型输出 结果;选择人员下装区域图像输入经过下装图像训练集训练的分类网络类 型,获得关于人员的下装着装是否符合规范的模型输出结果。
其中,所述分类网络模型优选采用ResNet神经网络。在此,所述ResNet 神经网络仅用于更好说明本申请,其他现有的或者今后可能出现的神经网 络如适用于本申请也应包含在本申请的保护范围内,在此,以引用的方式 包含于此。
优选地,所述一种用于智能检测人员着装是否规范的方法还包括:
当存在着装不规范的人员,显示对应的人员信息及着装不规范信息, 以进行提醒。
具体地,结合对人员的人脸识别结果,如果对人员着装区域图像的智 能检测结果不符合规范,在设备1或可从设备1获取到结果的显示设备上 显示对应的人员信息及着装不规范信息,提醒人员及时纠正。
图2示出根据本申请另一个方面的的系统框图,其中,所述系统包括:
获取模块21,用于获取包含人体姿态的待识别图像;
标识模块22,用于标识所述待识别图像中的目标着装区域,获取目标 着装区域图像;
人员着装检测模块23,用于将所述目标着装区域图像输入经过训练的 分类网络模型,获得关于着装是否规范的模型输出结果。
优选地,进一步地,所述一种用于智能检测人员着装是否规范的系统 还包括:
显示模块24(未示出),用于将所述分类网络模型输出结果显示出来。
根据本申请的又一方面,还提供了一种计算机可读介质,所述计算机 可读介质存储有计算机可读指令,所述计算机可读指令可被处理器执行以 实现前述方法。
根据本申请的又一方面,还提供了一种用于智能检测人员着装是否规 范的设备,其中,该设备包括:
一个或多个处理器;以及
存储有计算机可读指令的存储器,所述计算机可读指令在被执行时使 所述处理器执行如前述方法的操作。
例如,计算机可读指令在被执行时使所述一个或多个处理器:获取待 识别图像,获取包含人体姿态的待识别图像,然后确定所述待识别图像中 的目标着装区域,获取目标着装区域图像,最后将所述目标着装区域图像 输入经过训练的分类网络模型,获得关于着装是否规范的模型输出结果。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细 节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体 形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性 的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限 定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括 在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要 求。此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。装 置权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件 或者硬件来实现。第一,第二等词语用来表示名称,而并不表示任何特定 的顺序。
Claims (10)
1.一种用于智能检测人员着装是否规范的方法,其特征在于,所述方法包括:
获取包含人体姿态的待识别图像;
确定所述待识别图像中的目标着装区域,获取目标着装区域图像;
将所述目标着装区域图像输入经过训练的分类网络模型,获得关于着装是否规范的模型输出结果。
2.根据权利要求1所述的方法,其特征在于,所述获取包含人体姿态的待识别图像包括:
从获取到的视频中采样获取所述包含人体姿态的待识别图像;
将所述包含人体姿态的待识别图像输入经过训练的人体关键点检测模型,获得模型输出结果;
如模型输出结果不符合预置阈值,则重复上述两个步骤,直到模型输出结果符合预置阈值,获得所述包含人体姿态的待识别图像。
3.根据权利要求2所述的方法,其特征在于,所述经过训练的人体关键点检测模型的构建步骤包括:
获取包含人体姿态的训练样本图像集;
标记训练样本图像中人体姿态相关的人体关键点坐标;
基于所述已标记人体关键点坐标的训练样本图像训练人体关键点检测模型,若模型输出结果符合预置阈值,完成所述人体关键点检测模型构建。
4.根据权利要求1至3任一项所述的方法,其特征在于,在所述确定所述待识别图像中的目标着装区域,获取目标着装区域图像之前,还包括:
将所述待识别图像输入经过训练的人脸检测模型,提取人脸特征;
将所述人脸特征与预置在数据库中的人员人脸特征进行比对检测,确定对应的人员。
5.根据权利要求1所述的方法,其特征在于,所述确定所述待识别图像中的目标着装区域,获取目标着装区域图像包括:
基于人体姿态的关键点坐标标记所述待识别图像中的目标着装区域,获取目标着装区域图像。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
当存在着装不规范的人员,显示对应的人员信息及着装不规范信息,以进行提醒。
7.一种用于智能检测人员着装是否规范的系统,其特征在于,所述系统包括:
获取模块,用于获取包含人体姿态的待识别图像;
标识模块,用于标识所述待识别图像中的目标着装区域,获取目标着装区域图像;
人员着装检测模块,用于将所述目标着装区域图像输入经过训练的分类网络模型,获得关于着装是否规范的模型输出结果。
8.根据权利要求7所述的系统,其特征在于,所述系统还包括:
显示模块,用于将所述分类网络模型输出结果显示出来。
9.一种计算机可读介质,其中,
其上存储有计算机可读指令,所述计算机可读指令可被处理器执行以实现如权利要求1至6中任一项所述的方法。
10.一种用于智能检测人员着装是否规范的设备,其中,该设备包括:
一个或多个处理器;以及
存储有计算机可读指令的存储器,所述计算机可读指令在被执行时使所述处理器执行如权利要求1至6中任一项所述方法的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911039914.8A CN110826610A (zh) | 2019-10-29 | 2019-10-29 | 一种用于智能检测人员着装是否规范的方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911039914.8A CN110826610A (zh) | 2019-10-29 | 2019-10-29 | 一种用于智能检测人员着装是否规范的方法与系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110826610A true CN110826610A (zh) | 2020-02-21 |
Family
ID=69550959
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911039914.8A Pending CN110826610A (zh) | 2019-10-29 | 2019-10-29 | 一种用于智能检测人员着装是否规范的方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110826610A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111563480A (zh) * | 2020-06-01 | 2020-08-21 | 北京嘀嘀无限科技发展有限公司 | 冲突行为检测方法、装置、计算机设备和存储介质 |
CN111626210A (zh) * | 2020-05-27 | 2020-09-04 | 上海科技大学 | 人员着装检测方法、处理终端、及存储介质 |
CN112528855A (zh) * | 2020-12-11 | 2021-03-19 | 南方电网电力科技股份有限公司 | 一种电力作业着装规范识别方法和装置 |
CN112766050A (zh) * | 2020-12-29 | 2021-05-07 | 富泰华工业(深圳)有限公司 | 着装及作业检查方法、计算机装置及存储介质 |
CN113239896A (zh) * | 2021-06-15 | 2021-08-10 | 创优数字科技(广东)有限公司 | 一种图像检测方法及装置 |
CN113379144A (zh) * | 2021-06-24 | 2021-09-10 | 深圳开思信息技术有限公司 | 用于线上汽配采购平台的门店采购订单生成方法和系统 |
CN114283445A (zh) * | 2021-12-02 | 2022-04-05 | 青岛图灵科技有限公司 | 基于图像智能分析的警察着装规范检测方法、装置、电子设备及存储介质 |
CN114663912A (zh) * | 2022-02-25 | 2022-06-24 | 青岛图灵科技有限公司 | 一种智能检测警察着装是否规范的方法、装置、电子设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109858444A (zh) * | 2019-01-31 | 2019-06-07 | 北京字节跳动网络技术有限公司 | 人体关键点检测模型的训练方法和装置 |
CN110070055A (zh) * | 2019-04-25 | 2019-07-30 | 南京邮电大学 | 一种基于深度学习的基建场景安全检测系统及方法 |
CN110096983A (zh) * | 2019-04-22 | 2019-08-06 | 苏州海赛人工智能有限公司 | 一种基于神经网络的图像中施工工人安全服饰检测方法 |
-
2019
- 2019-10-29 CN CN201911039914.8A patent/CN110826610A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109858444A (zh) * | 2019-01-31 | 2019-06-07 | 北京字节跳动网络技术有限公司 | 人体关键点检测模型的训练方法和装置 |
CN110096983A (zh) * | 2019-04-22 | 2019-08-06 | 苏州海赛人工智能有限公司 | 一种基于神经网络的图像中施工工人安全服饰检测方法 |
CN110070055A (zh) * | 2019-04-25 | 2019-07-30 | 南京邮电大学 | 一种基于深度学习的基建场景安全检测系统及方法 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111626210A (zh) * | 2020-05-27 | 2020-09-04 | 上海科技大学 | 人员着装检测方法、处理终端、及存储介质 |
CN111626210B (zh) * | 2020-05-27 | 2023-09-22 | 上海科技大学 | 人员着装检测方法、处理终端、及存储介质 |
CN111563480A (zh) * | 2020-06-01 | 2020-08-21 | 北京嘀嘀无限科技发展有限公司 | 冲突行为检测方法、装置、计算机设备和存储介质 |
CN111563480B (zh) * | 2020-06-01 | 2024-01-12 | 北京嘀嘀无限科技发展有限公司 | 冲突行为检测方法、装置、计算机设备和存储介质 |
CN112528855A (zh) * | 2020-12-11 | 2021-03-19 | 南方电网电力科技股份有限公司 | 一种电力作业着装规范识别方法和装置 |
CN112766050A (zh) * | 2020-12-29 | 2021-05-07 | 富泰华工业(深圳)有限公司 | 着装及作业检查方法、计算机装置及存储介质 |
CN112766050B (zh) * | 2020-12-29 | 2024-04-16 | 富泰华工业(深圳)有限公司 | 着装及作业检查方法、计算机装置及存储介质 |
CN113239896A (zh) * | 2021-06-15 | 2021-08-10 | 创优数字科技(广东)有限公司 | 一种图像检测方法及装置 |
CN113379144A (zh) * | 2021-06-24 | 2021-09-10 | 深圳开思信息技术有限公司 | 用于线上汽配采购平台的门店采购订单生成方法和系统 |
CN113379144B (zh) * | 2021-06-24 | 2021-11-30 | 深圳开思信息技术有限公司 | 用于线上汽配采购平台的门店采购订单生成方法和系统 |
CN114283445A (zh) * | 2021-12-02 | 2022-04-05 | 青岛图灵科技有限公司 | 基于图像智能分析的警察着装规范检测方法、装置、电子设备及存储介质 |
CN114663912A (zh) * | 2022-02-25 | 2022-06-24 | 青岛图灵科技有限公司 | 一种智能检测警察着装是否规范的方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110826610A (zh) | 一种用于智能检测人员着装是否规范的方法与系统 | |
US11238272B2 (en) | Method and apparatus for detecting face image | |
Lynnerup et al. | Gait as evidence | |
CN103703472B (zh) | 用于确定视频中的对象的部位及相关属性的方法和系统 | |
Marciniak et al. | Influence of low resolution of images on reliability of face detection and recognition | |
CN106650662B (zh) | 目标对象遮挡检测方法及装置 | |
CN108229330A (zh) | 人脸融合识别方法及装置、电子设备和存储介质 | |
CN111914635B (zh) | 人体测温方法、装置、系统和电子设备 | |
CN108932456B (zh) | 人脸识别方法、装置和系统及存储介质 | |
CN108875542B (zh) | 一种人脸识别方法、装置、系统及计算机存储介质 | |
JP2013012190A (ja) | ガボールフィルターをブロックガボールフィルターとして近似する方法、及び、プロセッサ上で実行されているアプリケーションプログラムによるアクセスのためのデータ構造を格納するメモリ | |
CN106778453B (zh) | 人脸图像中检测眼镜佩戴的方法及装置 | |
WO2018210047A1 (zh) | 数据处理方法、数据处理装置、电子设备及存储介质 | |
CN109766755A (zh) | 人脸识别方法及相关产品 | |
CN107194361A (zh) | 二维姿势检测方法及装置 | |
CN112614085A (zh) | 一种物体检测方法、装置及终端设备 | |
CN109815813A (zh) | 图像处理方法及相关产品 | |
US20200250401A1 (en) | Computer system and computer-readable storage medium | |
CN111008935A (zh) | 一种人脸图像增强方法、装置、系统及存储介质 | |
US9924865B2 (en) | Apparatus and method for estimating gaze from un-calibrated eye measurement points | |
CN109948521A (zh) | 图像纠偏方法和装置、设备及存储介质 | |
Goudelis et al. | Fall detection using history triple features | |
CN111274602B (zh) | 一种图像特征信息替换方法、装置、设备及介质 | |
CN109785439A (zh) | 人脸素描图像生成方法及相关产品 | |
Zhou et al. | Orientation analysis for rotated human face detection |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200221 |