[发明专利]一种特殊服饰检测方法、终端设备及存储介质

权利要求书

1.一种特殊服饰检测方法，其特征在于，包括以下步骤：

S1：采集包含特殊服饰的图片组成训练集，并对训练集的各图片中特殊服饰的类型和特殊服饰所在区域进行标记；

S2：构建全卷积神经网络模型，通过训练集对全卷积神经网络模型进行训练，使得训练后的全卷积神经网络模型能够区分图片是否为特殊服饰；

S3：对训练集中的各图片进行二次处理，即在各图片的非特殊服饰所在区域设置随机掩膜，并将被掩膜覆盖的区域设置为与特殊服饰颜色差异大的颜色；

S4：构建卷积神经网络分类模型，通过二次处理后的训练集对卷积神经网络分类模型进行训练，使得训练后的卷积神经网络分类模型能够区分图片包含的特殊服饰的类型；

S5：获取待检测图片；

S6：根据训练后的全卷积神经网络模型对待检测图片中的特殊服饰所在区域进行初步定位；

S7：根据初步定位的特殊服饰所在区域从待检测图片中截取候选区域；

S8：通过训练后的卷积神经网络分类模型对候选区域对应的图片进行分类，得到待检测图片对应的特殊服饰的类型。

2.根据权利要求1所述的特殊服饰检测方法，其特征在于：步骤S1中对特殊服饰所在区域进行标记为：通过手工提取特殊服饰所在的矩形区域，并标记矩形区域的起始坐标和结束坐标。

3.根据权利要求1所述的特殊服饰检测方法，其特征在于：步骤S2中将全卷积神经网络模型采用5层卷积层的卷积神经网络结构，每层卷积层的卷积核个数分别为8,16,24,32,48，步长分别为1,2,1,2,1，在对模型的训练过程中，模型的输入为特定大小的图片，输出为表示该特定大小的图片是否为特殊服饰的张量。

4.根据权利要求1所述的特殊服饰检测方法，其特征在于：步骤S3中优选将被掩膜覆盖的区域设置为黑色。

5.根据权利要求1所述的特殊服饰检测方法，其特征在于：步骤S3中设置的掩膜的大小不超过各图片的非特殊服饰所在区域面积的1/2。

6.根据权利要求3所述的特殊服饰检测方法，其特征在于：步骤S6具体为：将待检测图片输入训练后的全卷积神经网络模型后，输出待检测图片对应的特征图谱矩阵，矩阵中每个元素的值均表示将待检测图片按照特定大小进行网格化后该元素对应的网格内的图片是否为特殊服饰。

7.根据权利要求1所述的特殊服饰检测方法，其特征在于：步骤S7中截取的候选区域为初步定位的特殊服饰所在区域进行扩大后的区域。

8.根据权利要求1所述的特殊服饰检测方法，其特征在于：卷积神经网络分类模型由5层卷积层构成，每层卷积层后都连接了batch normal层，采用relu激活函数，每层卷积层的步长分别为1，2，2，2，2。

9.一种特殊服饰检测终端设备，其特征在于：包括处理器、存储器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1～8中任一所述方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如权利要求1～8中任一所述方法的步骤。