[發明專利]基于分類的智慧園區智能工服識別方法及系統

在審

• 申請號: 202210423745.3
• 申請日: 2022-04-21
• 公開（公告）號: CN114708618A
• 公開（公告）日: 2022-07-05
• 發明（設計）人: 鄧國軍;游靖;何曉明;劉宏源;吳浩;陳琳鈺;楊遠
• 申請（專利權）人: 河南眾誠信息科技股份有限公司
• 主分類號: G06V40/10
• 分類號: G06V40/10;G06V20/10;G06V10/74;G06V10/774;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京盛凡佳華專利代理事務所(普通合伙) 11947
• 代理人: 李芳

本發明公開了基于分類的智慧園區智能工服識別方法，具體包括下列步驟：(1)數據收集；(2)檢測/識別模型訓練；(3)行人檢測、工服、工帽分類識別；并公開了基于分類的智慧園區智能工服識別系統，所述系統包括攝像頭、檢測模塊、數據庫、檢測/識別模型、管理中心和報警器。本發明涉及圖像處理技術領域，具體提供了一種基于分類的智慧園區智能工服識別方法及系統，該方法及系統利用深度神經網絡技術實現自動化的工服識別模型，結合外在攝像設備對進入作業區域的工作人員進行實時高效的工服識別，并將識別結果同步至后端管理平臺，實現識別、報警、管理的高度集成。

技術領域

本發明涉及圖像處理技術領域，具體為一種基于分類的智慧園區智能工服識別方法及系統。

背景技術

穿著制式化工作服，有助于鍛煉企業的紀律，強化企業文化凝聚力，增強員工的企業歸屬感，彰顯企業公平公正觀念、營造良好的企業秩序。工作服，凝聚著企業的標準與規范，團體協調與和諧的團隊精神，對外傳遞著企業尊嚴與企業信息。工服是企業文化輸出的一種重要外在形式，也是保障生產環境、保護職工人身安全、辨別身份、提升工作效率的一項重要措施。當前在食品加工、機械制造、金融服務、公共服務、建筑、醫療領域對工人正確穿著工服的要求較為嚴苛。

當前對于員工工服監督管理的主要手段主要分為兩種：人工管理和智能化管理。人工管理成本高，效率低，難以長時間持續高效工作。智能化管理主要借助于當前逐漸成熟的人工智能技術，例如深度學習，kmeans等算法通過檢索技術實現，但是這種方式主要有兩個弊端，其一是基于檢索的工服識別精確度有待提高，另一方面基于檢索的工服識別，其速度受檢索庫的影響，當檢索庫較大的時候，識別速度會降低。在傳統的深度學習模型中，通常使用SoftMax損失作為目標函數訓練模型，該函數主要是通優化束模型輸出樣本的的預測概率分布與真實樣本標簽分布之間的差異來約束模型學習與當前任務相關的深度特征。然而，通過SoftMax函數學習到的深度特征的可判別性和魯棒性相對較差，對異常值較為敏感，從而使得對特征工程的要求更加苛刻，這與深度學習的初衷相悖。所以現在亟需一種快速、高效、穩定、且成本低廉的方式進行工服識別。

發明內容

針對上述情況，為彌補上述現有缺陷，本發明提供了一種基于分類的智慧園區智能工服識別方法及系統，該方法及系統利用深度神經網絡技術實現自動化的工服識別模型，結合外在攝像設備對進入作業區域的工作人員進行實時高效的工服識別，并將識別結果同步至后端管理平臺，實現識別、報警、管理的高度集成；本發明克服了傳統人工檢查工服著裝人耗高、時效性差、管理成本高等問題,提高了企業自動化、智能化管理的水平。

本發明提供如下的技術方案：本發明提出的基于分類的智慧園區智能工服識別方法，具體包括下列步驟：

(1)數據收集：通過攝像頭采集行人原始數據，所述原始數據包括正常穿著工服、工帽的正樣本和不穿工服、工帽的負樣本數據；

(2)檢測/識別模型訓練：

a)利用檢測模塊的圖像處理算法對攝像頭采集的原始數據進行數據預處理并存儲到數據庫，之后利用該數據訓練工服檢測/識別模型；

b)在訓練的過程中利用規則化中心損失增加樣本經過網絡映射后在特征空間與類中心的距離約束，從而加強類內相似性，與此同時該函數還對類間的差異性進行嚴格約束，即將異類樣本彼此推開，從而降低損失函數對類中心點的初始化依賴性；

(3)行人檢測、工服、工帽分類識別：將訓練好的檢測/識別模型部署到管理中心，通過檢測/識別模型實時處理攝像頭傳進來的圖像幀，對檢測/識別結果進行識別，并對不符合要求的檢測/識別結果進行報警。