预设服装检测方法、装置、芯片和计算机可读存储介质

技术领域

本发明涉及图像识别领域，特别涉及一种预设服装检测方法、装置、芯片和计算机可读存储介质。

背景技术

在一些特定场景中，识别检测出现行人的衣着，是有意义的。如在大型活动中确认所有志愿者的位置等。现有方法主要通过人工确认，或者直接通过检测算法检测。前者耗时耗力，后者需要预先获得大量指定衣着做训练，例如，检测出样本图片数据库所有图片中的物体，选择所述物体中非衣服图像区域，作为负例样本；对所有正例样本和负例样本分别进行处理，并分别提取所有正例样本和负例样本的CNN（convolutional neural networks，卷积神经网络）特征，将CNN特征输入分类器中学习，得到衣服检测模型。

现有技术还包括，提供若干含有衣服图像的图片，形成样本图片数据库，对样本图片数据库中所有图片进行属性标注，形成样本图片数据库的属性序列等，现有技术通常需要大量的标注和训练，且不能临时指定衣着，灵活性差。

发明内容

为了解决现有技术存在的问题，本发明的至少一个实施例提供了一种预设服装检测方法、装置、芯片和计算机可读存储介质，能够在线进行预设服装检测，响应速度快，灵活度高，准确率高。

第一方面，本发明实施例提出一种预设服装检测方法，包括：在图像中检测出人像；在所述检测出的人像中获取人像的预设部分图像；提取预设部分图像的第一特征数据；比对第一特征数据与预先获取的预设服装的第二特征数据；当比对结果满足预设条件，确定图像中的人像身着预设服装。

在一些实施例中，一种预设服装检测方法，还包括：检测获取的人像预设部分图像，过滤质量不符合预设要求的图像。

在一些实施例中，一种预设服装检测方法，还包括：按预设规则从视频流中截取图像。

在一些实施例中，人像的预设部分为以下之一或组合：人像的头部，人像的上半身，人像的下半身，或人像的脚。

在一些实施例中，获取预设服装的第二特征数据，包括：获取预设服装图像；提取预设服装的第二特征数据。

在一些实施例中，一种预设服装检测方法，还包括：获取图像中身着预设服装的人第一数量；获取图像中包含的所有人的第二数量；根据第一数量和第二数量确定身着预设服装的人员在人群中的密度。

在一些实施例中，一种预设服装检测方法，还包括：根据密度进行人员调度。

第二方面，本发明实施例还提供一种预设服装检测装置，包括：人像检测单元，用于在图像中检测出人像；人像的预设部分图像获取单元，用于在所述检测出的人像中通过神经网络回归算法，获取人像的预设部分图像；第一特征数据提取单元，用于提取预设部分图像的第一特征数据；特征数据比对单元，用于比对第一特征数据与预先获取的预设服装的第二特征数据；确定单元，用于当比对结果满足预设条件，确定图像中的人像身着预设服装。

在一些实施例中，一种预设服装检测装置，还包括：过滤单元，用于检测获取的人像预设部分图像，过滤质量不符合预设要求的图像。

在一些实施例中，一种预设服装检测装置，还包括：图像获取单元，用于按预设规则从视频流中截取图像。

在一些实施例中，一种预设服装检测装置，还包括：第二特征数据获取单元，用于获取预设服装图像，并提取预设服装的第二特征数据。

在一些实施例中，一种预设服装检测装置，还包括：密度统计单元，用于：获取图像中身着预设服装的人第一数量；获取图像中包含的所有人的第二数量；根据第一数量和第二数量确定身着预设服装的人员在人群中的密度。

在一些实施例中，一种预设服装检测装置，还包括：调度单元，用于根据密度统计单元确定的密度进行人员调度。

第三方面，本发明实施例还提供一种预设服装检测装置，包括：至少一个处理器；与所述至少一个处理器耦合的存储器，所述存储器存储有可执行指令，其中，所述可执行指令在被所述至少一个处理器执行时使得实现如上第一方面的任一项所述的方法。

第四方面，本发明实施例还提供一种芯片，用于执行上述第一方面中的方法。具体地，该芯片包括：处理器，用于从存储器中调用并运行计算机程序，使得安装有该芯片的设备用于执行上述第一方面中的方法。

第五方面，本发明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计算机程序，所述计算机程序被处理器执行时实现如上第一方面的任一项所述的方法。

第六方面，本发明实施例还提供一种计算机程序产品，包括计算机程序指令，该计算机程序指令使得计算机执行上述第一方面中的方法。

可见，本发明实施例的一种预设服装检测方法通过提取人像预设部分衣着的特征数据，与预先获得的预设服装的第二特征数据进行比较，当比对结果满足预设条件时，确定图像中的人像身着预设服装。采用本发明实施例的方法，不需要进行大量的标注和训练，并且可以在使用中临时指定需要检测的服装。相比较传统方法，效率更高，更加灵活。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明预设服装检测方法一实施例的流程图；

图2为本发明预设服装检测方法另一实施例的流程图；

图3为本发明预设服装检测装置一实施例的示意图；

图4为本发明预设服装检测装置另一实施例的示意图。

具体实施方案

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。

本方案发明人发现，在现有技术中，对视频进行人脸识别去隐私同时，不能保留人脸的姿态特征，如面部表情的喜怒哀乐，抬头或低头等。导致失去许多商业应用价值。本发明实施例提供如下方案：

图1为本发明预设服装检测方法一实施例的流程图，如图1所示，第一方面，本发明第一方面预设服装检测方法包括：

步骤101，在图像中检测出人像；具体的，可以通过过一个基于神经网络的检测算法，检测图像中所有的人像作为目标。

步骤102，通过神经网络回归算法，在所述检测出的人像中获取人像的预设部分图像；例如，可以通过神经网络回归算法，在所述检测出的人像中获取人像的预设部分图像。具体的，当需要检测上衣时，可以对于图像中所有人像，通过一个神经网络回归算法，回归出其中上半身的部分（不含头和腰部以下），截取上半身影像。类似的，当需要检测人体下衣或人体全身衣服、鞋子、帽子，甚至口罩等时，则也可以通过一个神经网络回归算法，回归出其中身体相应的部分，截取影像。本实施例也不限定为上面描述的衣物、鞋帽，还可以包括肢体，例如胳膊，或者任何两个或两个以上的部位的结合。本实施例并不限定为任何一个部位，甚至也并不限定为衣着，例如可以设置在任意部位的装饰，例如节日时贴在脸部或衣服上的国旗装饰等。以上所列举仅为示例，可根据需要回归中身体的其他的任何一个部位。

具体的，例如可以先标注人脸位置，然后根据上衣和人脸的位置及距离确定各个部位衣着。例如，也可以根据图像中人脸标注框的四个顶点的坐标和服饰框中服饰框中四个顶点的坐标确定服饰位置，也可以根据服饰的先验框宽度与人脸标注框宽度的比值，服饰先验框高度与人脸标注框高度的比值等确定各个部位衣着，即，根据服饰位置相对于人脸位置的先验数据和人脸位置标注数据确定服饰位置先验数据，预先估计服饰在人像中可能的位置和区域。

步骤103，提取预设部分的第一特征数据；具体的，可以通过一个神经网络提取其中特征。此处可由现有技术实现，本发明实施例对此不进行限定。

步骤104，比对第一特征数据与预先获取的预设服装的第二特征数据；获取预设服装的第二特征数据，包括：获取预设服装图像；提取预设服装的第二特征数据。在本实施例中，提取第二特征数据可以根据需要获得预设服装或预设服装图片时及时进行。例如，可以获取现场需要检测的服装图像，提取其特征数据。具体的，可以通过一个神经网络提取其中特征。可选的，可以采用与步骤103中提取第一特征数据相同的神经网络来提取第二特征数据。此处具体可由现有技术实现，本发明实施例对此不进行限定。比对过程，具体而言可以计算第一特征数据与预先获取的预设服装的第二特征数据的距离，例如，可以是L2距离（欧式距离），也可以是cos距离(余弦距离)等。

步骤105，当比对结果满足预设条件，确定图像中的人像身着预设服装。当L2距离或者也可以是cos距离低于一定阈值时，认为图像中的人像身着预设服装。

本发明实施例的一种预设服装检测方法通过提取人像预设部分衣着的特征数据，与预先获得的预设服装的第二特征数据进行比较，当比对结果满足预设条件时，确定图像中的人像身着预设服装。采用本发明实施例的方法，不需要进行大量的标注和训练，并且可以在使用中临时指定需要检测的服装。相比较传统方法，效率更高，更加灵活。

可选的，一种预设服装检测方法，还包括：检测获取的人像预设部分图像，过滤质量不符合预设要求的图像。例如，去除像素点小于一定数值的图像，或者分辨率低于预设值的图像，或者不符合其他预设要求的图像，对此本申请不进行限定。具体的，例如通过一个质量检测模块检测质量。

可选的，一种预设服装检测方法，还包括：按预设规则从视频流中截取图像。可以包括获取视频信息；按预设规则将所述视频分割成多个待检测图像。进一步，相应的，也可以在视频流中连续截取，或者按照一定的间隔截取图像进行检测。连续截取视频流中的图像可以避免漏检，而按照一定的时间间隔截取图像则能够降低功效。

可选的，一种预设服装检测方法，还包括：获取图像中身着预设服装的人第一数量；获取图像中包含的所有人的第二数量；根据第一数量和第二数量确定身着预设服装的人员在人群中的密度。当第一数量和第二数量的比值高时，说明身着预设服装的人员密度高，反之，当当第一数量和第二数量的比值低时，说明身着预设服装的人员密度低。通过此方法可以宏观的获取特定人员的密集程度。

可选的，一种预设服装检测方法，还包括：根据密度进行人员调度。可以根据实际需要，对人员进行安排调度。

图2为本发明预设服装检测方法另一实施例的流程图，如图2所示，本实施例提供一种预设服装检测方法，包括：

步骤201，按预设规则从视频流中截取图像；

步骤202，在图像中检测出人像；

步骤203，在所述检测出的人像中获取人像的预设部分图像；

步骤204，检测获取的人像预设部分图像，过滤质量不符合预设要求的图像；

步骤205，获取预设服装图像；

步骤206，提取预设服装的第二特征数据；

步骤207，比对第一特征数据与预先获取的预设服装的第二特征数据；

步骤208，当比对结果满足预设条件，确定图像中的人像身着预设服装；

步骤209，获取图像中身着预设服装的人第一数量；

步骤210，获取图像中包含的所有人的第二数量；

步骤211，根据第一数量和第二数量确定身着预设服装的人员在人群中的密度；

步骤212，根据密度进行人员调度。

本发明实施例一种预设服装检测方法通过提取人像预设部分衣着的特征数据，与预先获得的预设服装的第二特征数据进行比较，当比对结果满足预设条件时，确定图像中的人像身着预设服装。采用本发明实施例的方法，不需要进行大量的标注和训练，并且可以在使用中临时指定需要检测的服装。相比较传统方法，效率更高，更加灵活。

图3为本发明预设服装检测装置一实施例的示意图，如图3所示，第二方面，本发明第二方面预设服装检测装置包括：

人像检测单元301，用于在图像中检测出人像；

人像的预设部分图像获取单元302，用于在所述检测出的人像中获取人像的预设部分图像；

第一特征数据提取单元303，用于提取预设部分图像的第一特征数据；

特征数据比对单元304，用于比对第一特征数据与预先获取的预设服装的第二特征数据；

确定单元305，用于当比对结果满足预设条件，确定图像中的人像身着预设服装。

图4为本发明预设服装检测装置另一实施例的示意图，如图4所示，本实施例提供一种预设服装检测装置

图像获取单元306，用于按预设规则从视频流中截取图像；

人像检测单元301，用于在图像中检测出人像；

人像的预设部分图像获取单元302，用于在所述检测出的人像中获取人像的预设部分图像；

过滤单元307，用于检测获取的人像预设部分图像，过滤质量不符合预设要求的图像；

第一特征数据提取单元303，用于提取预设部分图像的第一特征数据；

第二特征数据获取单元308，用于获取预设服装图像，并提取预设服装的第二特征数据。

特征数据比对单元304，用于比对第一特征数据与预先获取的预设服装的第二特征数据；

确定单元305，用于当比对结果满足预设条件，确定图像中的人像身着预设服装。

密度统计单元309，用于：

获取图像中身着预设服装的人第一数量；

获取图像中包含的所有人的第二数量；

根据第一数量和第二数量确定身着预设服装的人员在人群中的密度。

调度单元310，用于根据密度进行人员调度。

上述的涉及到的预设服装检测装置具体技术细节和预设服装检测装置方法中类似，在预设服装检测装置的实施方式中所能达到的技术效果在预设服装检测装置方法的实施方式中也同样可以实现，为了减少重复，这里不再赘述。相应地，在预设服装检测方法实施方式中提到的相关技术细节也可应用在预设服装检测装置的实施方式中。

本说明书中的各个实施方式均采用递进的方式描述，各个实施方式之间相同相似的部分互相参见即可，每个实施方式重点说明的都是与其他实施方式的不同之处。

在第三方面，本发明还提供一种预设服装检测装置，包括：

至少一个处理器；与至少一个处理器耦合的存储器，存储器存储有可执行指令，其中，可执行指令在被至少一个处理器执行时使得实现本发明第一方面的方法。

本实施例提供一种预设服装检测装置，包括：至少一个处理器；与至少一个处理器耦合的存储器。处理器和存储器可以单独设置，也可以集成在一起。

例如，存储器可以包括随机存储器、闪存、只读存储器、可编程只读存储器、非易失性存储器或寄存器等。处理器可以是中央处理器（Central Processing Unit，CPU）等。或者是图像处理器(Graphic Processing Unit,GPU)存储器可以存储可执行指令。处理器可以执行在存储器中存储的可执行指令，从而实现本文描述的各个过程。

可以理解，本实施例中的存储器可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是ROM (Read-OnlyMemory，只读存储器)、PROM (ProgrammableROM，可编程只读存储器)、EPROM (ErasablePROM，可擦除可编程只读存储器)、EEPROM (ElectricallyEPROM，电可擦除可编程只读存储器)或闪存。易失性存储器可以是RAM (RandomAccessMemory，随机存取存储器)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如SRAM (StaticRAM，静态随机存取存储器)、DRAM (DynamicRAM，动态随机存取存储器)、SDRAM (SynchronousDRAM，同步动态随机存取存储器)、DDRSDRAM (DoubleDataRate SDRAM，双倍数据速率同步动态随机存取存储器)、ESDRAM (Enhanced SDRAM，增强型同步动态随机存取存储器)、SLDRAM(SynchlinkDRAM，同步连接动态随机存取存储器)和DRRAM (DirectRambusRAM，直接内存总线随机存取存储器)。本文描述的存储器旨在包括但不限于这些和任意其它适合类型的存储器。

在一些实施方式中，存储器存储了如下的元素，升级包、可执行单元或者数据结构，或者他们的子集，或者他们的扩展集：操作系统和应用程序。

其中，操作系统，包含各种系统程序，例如框架层、核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务。应用程序，包含各种应用程序，用于实现各种应用业务。实现本发明实施例方法的程序可以包含在应用程序中。

在本发明实施例中，处理器通过调用存储器存储的程序或指令，具体的，可以是应用程序中存储的程序或指令，处理器用于执行第二方面所提供的方法步骤。

第四方面，本发明实施例还提供一种芯片，用于执行上述第一方面中的方法。具体地，该芯片包括：处理器，用于从存储器中调用并运行计算机程序，使得安装有该芯片的设备用于执行上述第一方面中的方法。

此外，在第五方面，本发明还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现本发明第二方面的方法的步骤。

例如，机器可读存储介质可以包括但不限于各种已知和未知类型的非易失性存储器。

第六方面，本发明实施例还提供一种计算机程序产品，包括计算机程序指令，该计算机程序指令使得计算机执行上述第一方面中的方法。

本领域技术人员可以明白的是，结合本文中所公开的实施例描述的各示例的单元及算法步骤能够以电子硬件、或者软件和电子硬件的结合来实现。这些功能是以硬件还是软件方式来实现，取决于技术方案的特定应用和设计约束条件。本领域技术人员可以针对每个特定的应用，使用不同的方式来实现所描述的功能，但是这种实现并不应认为超出本申请的范围。

在本申请实施例中，所公开的系统、装置和方法可以通过其它方式来实现。例如，单元的划分仅仅为一种逻辑功能划分，在实际实现时还可以有另外的划分方式。例如，多个单元或组件可以进行组合或者可以集成到另一个系统中。另外，各个单元之间的耦合可以是直接耦合或间接耦合。另外，在本申请实施例中的各功能单元可以集成在一个处理单元中，也可以是单独的物理存在等等。

应理解，在本申请的各种实施例中，各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请的实施例的实施过程构成任何限定。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在机器可读存储介质中。因此，本申请的技术方案可以以软件产品的形式来体现，该软件产品可以存储在机器可读存储介质中，其可以包括若干指令用以使得电子设备执行本申请实施例所描述的技术方案的全部或部分过程。上述存储介质可以包括ROM、RAM、可移动盘、硬盘、磁盘或者光盘等各种可以存储程序代码的介质。

以上内容仅为本申请的具体实施方式，本申请的保护范围并不局限于此。本领域技术人员在本申请所公开的技术范围内可以进行变化或替换，这些变化或替换都应当在本申请的保护范围之内。