(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 202210347919.2 (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 赵凯莉 (51)Int.Cl. G06V 20/20(2022.01) G06V 20/52(2022.01) G06V 20/70(2022.01) G06K 9/62(2022.01) G06V 10/774(2022.01) (54)发明名称 一种穿戴目标物的检测方法、 装置、 设备及 介质 (57)摘要 本申请涉及安防监控技术领域， 具体涉及一 种穿戴目标物的检测方法、 装置、 设备及介质， 用 于提高穿戴目标物的检测结果的准确性。 该方法 包括： 获取包括待检测对象 的目标部位的第一图 像； 将第一图像输入第一模型得到第一结果， 第 一结果表征目标部位是否穿戴目标物； 第一模型 是通过第一样本集训练获得的， 响应于第一结果 表征目标部位未穿戴目标物， 将第一图像输入第 二模型和第三模 型得到第二结果和第三结果； 第 二结果表征第一图像中目标物的属性类别， 第三 结果表征第一图像是否为难例图像， 难例图像中 目标物的属性类别为第一属性类别； 基于第二结 果和第三结果， 确定第一图像中目标部位是否穿 戴目标物。 权利要求书2页 说明书14页 附图4页 CN 114782849 A 2022.07.22 CN 114782849 A 1.一种穿戴目标物的检测方法， 其特 征在于， 包括： 获取包括待检测对象的目标部位的第一图像； 将所述第一图像输入第 一模型得到第 一结果； 所述第 一结果表征所述目标部位是否穿 戴目标物， 所述第一模型是通过第一样本集训练获得的， 所述第一样本集包括针对历史对 象的目标部位是否穿戴目标物进行 标记的图像； 响应于所述第 一结果表征所述目标部位未穿戴目标物， 将所述第 一图像输入第 二模型 和第三模型得到第二结果和第三结果； 其中， 所述第二结果表征所述第一图像中目标物的 属性类别， 所述第三结果表征所述第一图像是否为难例图像， 所述难例图像中目标物的属 性类别为第一属 性类别； 所述第二模型是通过第二样本集训练获得的， 所述第二样本集包 括针对不同属性类别的目标物进 行标记的图像； 所述第三模型是通过第三样本集训练获得 的， 所述第三样本集包括针对样本图像是否为难例图像进行 标记的图像； 基于所述第 二结果和所述第 三结果， 确定所述第 一图像中所述目标部位是否穿戴目标 物。 2.如权利要求1所述的方法， 其特征在于， 基于所述第二结果和所述第三结果， 确定所 述第一图像中所述目标部位是否穿戴目标物， 包括： 响应于所述第 二结果表征所述第 一图像中目标物的属性类别为第 二属性类别， 且所述 第三结果表征所述第一图像不是难例图像， 则确定所述第一图像中所述目标部位未穿戴目 标物。 3.如权利要求2所述的方法， 其特征在于， 所述不同属性类别包括所述目标物的颜色为 目标颜色的第一属 性类别、 所述 目标部位未穿戴所述 目标物的第二属 性类别、 所述 目标物 的颜色为非目标颜色的第三属性类别。 4.如权利要求3所述的方法， 其特征在于， 所述目标物为头饰， 所述目标颜色为黑色、 白 色或灰色中的任意 一种。 5.如权利要求1 ‑4任一项所述的方法， 其特征在于， 获取包括待检测对象的目标部位的 第一图像， 包括： 采集目标环境中所述待检测对象的目标图像； 若确定所述目标图像中存在目标部位， 则基于预设的第 一矩形框从所述目标图像 中截 取出所述目标部位的图像， 作为所述第一图像。 6.如权利要求5所述的方法， 其特征在于， 响应于所述第 一结果表征所述目标部位未穿 戴目标物， 将所述第一图像输入第二模型和第三模型 得到第二结果和第三结果， 包括： 对所述第一矩形框进行N次边界抖动， 根据所述第一矩形框在所述目标图像中的位置 信息， 获得N个第二矩形框在所述目标图像中的位置信息； 其中， N为大于或等于3的奇数， 每 次边界抖动表示对所述第一矩形框的四个边界分别进行外扩或内缩； 根据所述N个第 二矩形框在所述目标图像中的位置信息， 从所述目标图像 中截取出N个 第二图像； 将每个第二图像输入第 二模型和第 三模型， 得到每个第 二图像对应的第 二结果和第 三 结果。 7.如权利要求6所述的方法， 其特征在于， 基于所述第二结果和所述第三结果， 确定所 述第一图像中所述目标部位是否穿戴目标物， 包括：权　利　要　求　书 1/2 页 2 CN 114782849 A 2若对应的第 二结果表征所述第 一图像中目标物的属性类别为第 二属性类别， 且对应的 第三结果表征所述第一图像不是难例图像的第二图像的数量大于或等于预设值， 则确定所 述第一图像中所述目标部位已穿戴目标物； 其中， 所述预设值与所述 N的值成正比。 8.如权利要求1 ‑4任一项所述的方法， 其特征在于， 所述第 一模型为多任务网络的第一 分支， 所述第二模型为所述多任务网络的第二分支， 所述第三模型为所述多任务网络的第 三分支， 所述多任务网络还 包括骨干模块； 将所述第一图像输入第一模型 得到第一结果， 包括： 将所述第一图像输入所述骨干模块， 获得 所述第一图像的图像特 征； 将所述图像特 征输入所述第一分支， 获得第一结果； 响应于所述第 一结果表征所述目标部位未穿戴目标物， 将所述第 一图像输入第 二模型 和第三模型 得到第二结果和第三结果， 包括： 响应于所述第 一结果表征所述目标部位未穿戴目标物， 将所述图像特征输入所述第 二 分支得到第二结果， 将所述图像特 征输入所述第三分支得到第三结果。 9.一种穿戴目标物的检测装置， 其特 征在于， 包括： 获取模块， 用于获取包括待检测对象的目标部位的第一图像； 获得模块， 用于将所述第一图像输入第一模型得到第一结果， 所述第一结果表征所述 目标部位是否穿戴目标物； 所述第一模型是通过第一样本集训练获得 的， 所述第一样本集 包括针对历史对象的目标部位是否穿戴目标物进行 标记的图像； 所述获得模块， 还用于响应于所述第一结果表征所述目标部位未穿戴目标物， 将所述 第一图像输入第二模型和第三模型得到第二结果和第三结果； 其中， 所述第二结果表征所 述第一图像中目标物的属 性类别， 所述第三结果表征所述第一图像是否为难例图像， 所述 难例图像中目标物的属性类别为第一属性类别； 所述第二模型是通过第二样本集训练获得 的， 所述第二样本集包括针对不同属 性类别的目标物进行标记的图像； 所述第三模型是通 过第三样本集训练获得的， 所述第三样本集包括针对样本图像是否为难例图像进 行标记的 图像； 确定模块， 用于基于所述第二结果和所述第三结果， 确定所述第一图像中所述目标部 位是否穿戴目标物。 10.一种穿戴目标物的检测设备， 其特 征在于， 包括： 存储器， 用于存 储程序指令； 处理器， 用于调用所述存储器中存储的程序指令， 按照获得的程序指令执行权利要求 1‑8中任一项所述的方法。 11.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质存储有计算机程 序， 所述计算机程序包括程序指 令， 所述程序指 令当被计算机执行时， 使 所述计算机执行如 权利要求1 ‑8中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 114782849 A 3