[发明专利]服饰检测方法、装置、电子设备、程序和介质有效

专利信息
申请号: 201711498336.5 申请日: 2017-12-29
公开(公告)号: CN108229559B 公开(公告)日: 2021-05-18
发明(设计)人: 陈益民;陈海峰;张伟 申请(专利权)人: 深圳市商汤科技有限公司
主分类号: G06K9/62 分类号: G06K9/62;G06K9/46;G06N3/04
代理公司: 北京思源智汇知识产权代理有限公司 11657 代理人: 毛丽琴
地址: 518000 广东省深圳市*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 服饰 检测 方法 装置 电子设备 程序 介质
【权利要求书】:

1.一种服饰检测方法,其特征在于,包括:

提取待检测图像中的人体预测关键点;

提取所述待检测图像中的服饰特征;

根据所述服饰特征和所述人体预测关键点进行服饰检测,获得服饰检测结果;

所述根据所述服饰特征和所述人体预测关键点进行服饰检测,包括:

基于所述人体预测关键点生成至少一个备选框,所述备选框用于框定所述待检测图像中的各个人体预测关键点的区域;

根据所述服饰特征和所述至少一个备选框进行服饰检测,输出所述服饰检测结果;所述服饰检测结果包括:服饰位置信息和/或服饰分类信息;

所述提取待检测图像中的人体预测关键点,包括:基于人体关键点网络,获取所述待检测图像中的人体预测关键点;和/或,所述提取所述待检测图像中的服饰特征,包括:基于服饰检测网络,获取所述待检测图像中的服饰特征;

所述根据所述服饰特征和所述至少一个备选框进行服饰检测,包括:

基于所述服饰检测网络,根据所述服饰特征和所述至少一个备选框获取所述待检测图像中的服饰位置信息;

基于服饰分类网络,根据所述服饰特征、服饰位置信息和所述至少一个备选框获取所述待检测图像中的服饰分类信息。

2.根据权利要求1所述的方法,其特征在于,所述人体关键点网络和所述服饰检测网络共享第1至N个卷积层,所述第1至N个卷积层为共享网络层,所述N为大于或等于2的整数。

3.根据权利要求2所述的方法,其特征在于,

所述人体关键点网络包括:共享网络层和关键点检测分支层;

所述共享网络层输出的特征为共享层特征,以所述共享层特征作为人体关键点特征;

所述关键点检测分支层包括M个卷积层,所述M为大于或等于1的整数;

所述关键点检测分支层用于根据所述共享网络层输出的人体关键点特征回归人体关键点的位置,得到所述人体预测关键点。

4.根据权利要求2所述的方法,其特征在于,

所述服饰检测网络包括:共享网络层和服饰检测分支层;

所述共享网络层输出的特征为共享层特征,以所述共享层特征作为所述服饰特征;

所述服饰检测分支层包括:池化层和全连接层;

所述服饰检测分支层用于基于所述人体预测关键点以及所述服饰特征检测所述待检测图像中服饰的位置信息。

5.根据权利要求1所述的方法,其特征在于,所述人体关键点网络、所述服饰检测网络和所述服饰分类网络共享第1至N个卷积层,所述第1至N个卷积层为共享网络层,所述N为大于或等于2的整数。

6.根据权利要求5所述的方法,其特征在于,

所述服饰分类网络包括:共享网络层和服饰分类分支层;所述共享网络层输出的特征为共享层特征,以所述共享层特征作为服饰分类特征;所述服饰分类分支层包括:对齐层、V个卷积层,所述V为大于或等于1的整数;所述服饰分类分支层用于基于所述服饰检测结果以及所述服饰分类特征检测所述待检测图像中的服饰的分类信息。

7.根据权利要求6所述的方法,其特征在于,所述人体预测关键点包括以下至少一个:左肩点、左臂点、左手点、右肩点、右臂点、右手点、左腰点、右腰点、左膝点、左脚点、右膝点、右脚点。

8.根据权利要求7所述的方法,其特征在于,所述至少一个备选框包括以下至少一个:

左右两肩点和腰部两点的最小长方形;

左右两肩点和左右膝盖点的最小长方形;

腰部两点和左右膝盖点的最小长方形;

腰部两点和左右脚点的最小长方形;

左右两肩点和左右脚点的最小长方形。

9.根据权利要求1所述的方法,其特征在于,还包括:

利用第一样本图像对实现所述服饰检测方法的服饰检测网络和人体预测关键点进行训练;所述第一样本图像标注有人体关键点特征和服饰特征。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳市商汤科技有限公司,未经深圳市商汤科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201711498336.5/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top