(19)国家知识产权局
(12)发明 专利申请
(10)申请公布号
(43)申请公布日
(21)申请 号 202210347967.1
(22)申请日 2022.04.01
(71)申请人 浙江大华 技术股份有限公司
地址 310053 浙江省杭州市滨江区滨安路
1187号
(72)发明人 张兴明 郑雷
(74)专利代理 机构 北京同达信恒知识产权代理
有限公司 1 1291
专利代理师 张恺宁
(51)Int.Cl.
G06V 40/10(2022.01)
G06N 3/08(2006.01)
G06V 10/26(2022.01)
G06V 10/40(2022.01)
G06V 10/74(2022.01)G06V 10/764(2022.01)
G06V 10/80(2022.01)
G06V 10/82(2022.01)
(54)发明名称
一种目标物体穿戴识别方法、 装置、 电子设
备和存储介质
(57)摘要
本申请涉及图像处理技术领域, 尤其涉及一
种目标物体穿戴识别方法、 装置、 电子设备和存
储介质, 用以提高识别目标对象是否穿戴目标物
体的准确率。 其中, 方法包括: 对待识别图像进行
目标检测, 获得包含目标对象的目标区域图像;
对目标区域图像中的目标对象进行特征提取, 获
得目标对象特征; 确定辅助特征与目标对象特征
之间的相似度; 基于相似度, 确定目标对象是否
穿戴目标物体。 由于本申请通过基于目标对象 的
目标对象特征与预先获得的辅助特征之间的相
似度, 确定目标对象是否穿戴目标物体, 能够适
应不同场景下对目标对象是否穿戴目标物体的
识别, 提高识别准确率。
权利要求书3页 说明书21页 附图5页
CN 114863474 A
2022.08.05
CN 114863474 A
1.一种目标物体穿戴识别方法, 其特 征在于, 该 方法包括:
对待识别图像进行目标检测, 获得包 含目标对象的目标区域图像;
对所述目标区域图像中的目标对象进行 特征提取, 获得目标对象特 征;
确定辅助 特征与所述目标对象特征之间的相似度; 所述辅助特征至少基于对第 一类样
本图像中的样本对象进 行特征提取获得, 所述第一类样本图像包括N类别子样本图像, 所述
子样本图像的类别是基于所述子样本图像中的样本对象是否穿戴所述目标物体确定的, 所
述N为正整数;
基于所述相似度, 确定所述目标对象是否穿戴所述目标物体。
2.如权利要求1所述的方法, 其特征在于, 所述N为大于1的整数; 所述辅助 特征包括: 与
所述N类别子样本图像中各类别子样本图像各自对应的子辅助特征, 所述子辅助特征基于
对对应的类别子样本图像中的样本对象进行 特征提取获得;
所述确定 辅助特征与所述目标对象特 征之间的相似度, 包括:
确定所述目标对象特 征和所述各类别子样本图像各自对应的子 辅助特征的子相似度;
所述基于所述相似度, 确定所述目标对象是否穿戴所述目标物体, 包括:
基于确定的各个子相似度, 确定所述目标对象是否穿戴所述目标物体。
3.如权利要求2所述的方法, 其特征在于, 所述子辅助特征基于对至少两个目标样本图
像中的样本对象进行特征提取获得, 所述目标样本图像是所述子辅助特征对应的类别子样
本图像中的样本图像。
4.如权利要求1所述的方法, 其特征在于, 所述N类别子样本 图像包括第一表征图像和
第二表征图像中的至少一种;
所述第一表征图像中的样本对象穿戴所述目标物体;
所述第二表征图像中的样本对象未穿戴所述目标物体。
5.如权利要求1所述的方法, 其特征在于, 所述对所述目标区域中的目标对象进行特征
提取, 获得目标对象特 征, 包括:
将所述目标区域图像输入已训练的特征提取模型, 通过所述特征提取模型对所述目标
区域图像中的目标对象进行 特征提取, 获得 所述目标对象特 征。
6.如权利要求5所述的方法, 其特征在于, 所述特征提取模型是基于第 一训练样本数据
集训练得到的, 所述第一训练样本数据集至少包括所述第一类样本图像;
所述第一训练样本数据集还包括第二类样本 图像, 所述第二类样本 图像为: 表征所述
样本对象穿戴不同样式的所述目标物体的样本图像。
7.如权利要求6所述的方法, 其特征在于, 通过下列方式获取所述第一训练样本数据
集:
将初始样本图像和对应的分割图像输入已训练的风格迁移模型的编码层进行编码, 获
得所述初始样本图像的内容特征和所述分割图像的分割特征, 所述分割图像是通过对所述
初始样本图像进行像素分离获得的包 含样本对象的前 景区域图像;
将所述内容特征和所述分割特征输入所述风格迁移模型的特征融合层进行特征融合,
获得第一融合特 征;
将所述第一融合特征, 以及目标迁移图像输入所述风格迁移模型的风格迁移层进行风
格迁移, 获得与所述目标迁移图像具有相同穿戴风格的第一训练样本数据。权 利 要 求 书 1/3 页
2
CN 114863474 A
28.如权利要求7所述的方法, 其特征在于, 所述穿戴风格包括穿戴状态风格和穿戴样式
风格中的至少一种;
若所述风格迁移模型为用于进行穿戴状态风格迁移的风格迁移模型, 则所述目标迁移
图像为: 表征所述样本对 象针对所述 目标物体为 目标穿戴状态风格的参考图像, 所述第一
训练样本数据包括所述第一类样本图像, 所述穿戴状态风格用于表征所述样本对象穿戴所
述目标物体的状态;
若所述风格迁移模型为用于进行穿戴样式风格迁移的风格迁移模型, 则所述目标迁移
图像为: 表征所述样本对 象穿戴目标样式风格的所述 目标物体的参考图像, 所述第一训练
样本数据包括所述第二类样本图像, 所述穿戴样式风格用于表征所述样本对象穿戴所述目
标物体的样式。
9.如权利要求7所述的方法, 其特征在于, 通过以下方式获得所述已训练 的风格迁移模
型:
根据第二训练样本数据集对待训练 的风格迁移模型进行循环迭代训练, 输出所述已训
练的风格迁移模型, 所述第二训练样本数据集中的每个第二训练样本数据包括对应的真实
类别, 在一次循环迭代过程中, 执 行以下操作:
对第二训练样本数据的第二融合特 征进行特征展平, 获得目标维度的第二融合特 征;
基于所述风格迁移模型的特征映射层对所述目标维度的第 二融合特征进行特征映射,
获得所述第二训练样本数据的预测类别;
采用基于所述第二训练样本数据的预测类别和真实类别之间的差异构建的类别损失
函数, 对所述待训练的风格迁移模型进行参数调整。
10.如权利要求9所述的方法, 其特征在于, 若所述风格迁移模型为用于进行穿戴状态
风格迁移的风格迁移模型, 则所述预测类别和所述真实类别为: 表征所述样本对 象是否穿
戴所述目标物体的穿戴类别; 若 所述风格迁移模型为用于进 行穿戴样式风格迁移的风格迁
移模型, 则所述预测类别和所述真实类别为: 表征所述样本对 象穿戴所述 目标物体的样式
类别。
11.如权利要求3所述的方法, 其特征在于, 通过以下方式获得与 所述N类别子样本图像
中各类别子样本图像各自对应的子 辅助特征:
对每个类别子样本图像, 分别执 行以下操作:
对于一个类别 子样本图像, 将所述一个类别子样本图像中的至少两个目标样本图像输
入已训练的特征提取模型, 获得所述至少两个目标样本图像各自对应的目标样本对象特
征;
基于各目标样本对象特征之间的相似度, 将所述各目标样本对象特征划分为预设数量
的特征集合;
分别确定各特征集合中的各目标样本对象特征的平均 特征, 将获得的至少一个平均 特
征作为所述 一个类别子样本图像对应的子 辅助特征。
12.如权利要求5~11任一项所述的方法, 其特征在于, 所述特征提取模型是通过以下
方式训练得到的:
根据所述第 一训练样本数据集对待训练的特征提取模型进行循环迭代训练, 输出所述
已训练的特 征提取模型; 其中, 在一次循环迭代过程中, 执 行以下操作:权 利 要 求 书 2/3 页
3
CN 114863474 A
3
专利 一种目标物体穿戴识别方法、装置、电子设备和存储介质
安全报告 >
其他 >
文档预览
中文文档
30 页
50 下载
1000 浏览
0 评论
309 收藏
3.0分
温馨提示:本文档共30页,可预览 3 页,如浏览全部内容或当前文档出现乱码,可开通会员下载原始文档
本文档由 人生无常 于 2024-03-18 07:35:10上传分享