一种基于度量学习的安全服检测方法及系统

技术特征：
1.一种基于度量学习的安全服检测方法，其特征在于，包括：s1，采用工作人员图像数据集训练transreid模型；其中，所述工作人员图像数据集为对工业场景监控视频中的各图像帧进行目标检测得到；s2，将待检测的工作人员图像帧进行目标检测后输入至训练好的transreid模型，得到待分类特征图；s3，从目标特征库中确定出与所述待分类特征图距离最近的前m个特征图，确定所述前m个特征图各自的安全服类型；s4，将所述前m个特征图中频次最高的安全服类型作为所述待检测的工作人员图像帧的安全服类型检测结果。2.如权利要求1所述的方法，其特征在于，步骤s1包括：s11，将工作人员图像数据集划分为n个数据集；s12，采用第一个数据集训练初始transreid模型，得到第一次训练好的transreid模型；将第一个数据集输入第一次训练好的transreid模型进行特征提取，得到第一特征库；将第二个数据集输入第一次训练好的transreid模型进行特征提取后，基于第一特征库得到第一分类结果；若所述第一分类结果中存在标注错误的图像，则将其标注进行人工修正后更新第一数据集；采用更新后的第一数据集第二次训练transreid模型，得到第二次训练好的transreid模型及第二特征库；s13，将第三个数据集输入第二次训练好的transreid模型进行特征提取后，基于第二特征库得到第二分类结果；若所述第二分类结果中存在标注错误的图像，则将其标注进行人工修正后再次更新第一数据集；采用再次更新后的第一数据集第三次训练transreid模型，得到第三次训练好的transreid模型及第三特征库；重复迭代，直至将第n个数据集输入第n-1次训练好的transreid模型进行特征提取后，基于第n-1特征库得到的第n-1分类结果的准确率高于阈值；将第n-1次训练好的transreid模型作为最终训练好的transreid模型，第n-1特征库作为目标特征库。3.如权利要求1或2所述的方法，其特征在于，若出现新的安全服种类，则将工作人员穿着该新的安全服种类的图像帧进行目标检测后输入至训练好的transreid模型得到的特征图增加至所述目标特征库中，即可对新的安全服种类进行识别。4.如权利要求1所述的方法，其特征在于，所述目标检测基于预先训练好的yolov5模型实现；训练样本为包含工作人员的图片帧，标签为对应的工作人员在图像帧中的坐标。5.如权利要求1所述的方法，其特征在于，在所述对工业场景监控视频中的各图像帧进行目标检测之前，还包括：删除所述工业场景监控视频中不存在工作人员的图像帧。6.如权利要求1所述的方法，其特征在于，所述距离为欧式距离或余弦距离。7.一种基于度量学习的安全服检测系统，其特征在于，包括：计算机可读存储介质和处理器；所述计算机可读存储介质用于存储可执行指令；所述处理器用于读取所述计算机可读存储介质中存储的可执行指令，执行如权利要求1-6任一项所述的方法。

技术总结
本发明公开了一种基于度量学习的安全服检测方法及系统，该方法采用工作人员图像数据集训练TransReID模型；将待检测的工作人员图像帧进行目标检测后输入至训练好的TransReID模型，得到待分类特征图；从目标特征库中确定出与所述待分类特征图距离最近的前M个特征图，确定所述前M个特征图各自的安全服类型；将所述前M个特征图中频次最高的安全服类型作为所述待检测的工作人员图像帧的安全服类型检测结果。采用了度量学习中提取特征、计算距离得到目标分类的方式，使用TransReID神经网络作为特征提取网络提取工作人员衣物的特征，使用了自注意力机制，可以更好地提取特征。可以更好地提取特征。可以更好地提取特征。


技术研发人员：于俊清 龚冬冬 王舒心 汤文炜
受保护的技术使用者：华中科技大学
技术研发日：2022.12.15
技术公布日：2023/3/10