用于检测行人着装的方法及相关设备与流程

1.本公开涉及计算机技术领域，尤其涉及一种用于检测行人着装的方法及相关设备。

背景技术：

2.着装规范，是对有着装需求的人进行着装规范要求，通常可以使食物生产更卫生，危险作业更安全等。现有着装规范检查主要依靠于人工来完成，效率较低。

技术实现要素：

3.本公开实施例提出一种用于检测行人着装的方法及相关设备。
4.本公开实施例的第一方面，提供了一种用于检测行人着装的方法，包括：
5.获取包含行人图像的多张图像；
6.将所述多张图像中的目标图像输入第一模型，输出得到所述目标图像中的所述行人图像；
7.将所述行人图像和所述多张图像中除目标图像外的其他图像输入第三模型，输出得到在多张所述其他图像中与所述行人图像对应的多张待定行人图像；
8.确定所述行人图像和多张所述待定行人图像是否均为所述行人的图像；
9.响应于所述行人图像和多张所述待定行人图像均为所述行人的图像，将所述行人图像输入第二模型，输出得到所述行人的着装属性及对应的位置；
10.根据所述着装属性及对应的位置，确定所述行人是否着装规范；以及
11.响应于所述行人着装不规范，输出着装不规范提醒信息。
12.本公开实施例的第二方面，提供了一种计算机设备，包括一个或者多个处理器、存储器；和一个或多个程序，其中所述一个或多个程序被存储在所述存储器中，并且被所述一个或多个处理器执行，所述程序包括用于执行根据第一方面所述的方法的指令。
13.本公开实施例的第三方面，提供了一种用于检测行人着装的系统，包括：
14.如第二方面所述的计算机设备；
15.图像采集设备，被配置为：采集包含行人图像的多张图像，并发送到所述计算机设备；以及
16.终端设备，被配置为：接收所述计算机设备响应于所述行人着装不规范而输出的着装不规范提醒信息。
17.本公开实施例的第四方面，提供了一种包含计算机程序的非易失性计算机可读存储介质，其特征在于，当所述计算机程序被一个或多个处理器执行时，使得所述处理器执行第一方面所述的方法。
18.本公开实施例的第五方面，提供了一种计算机程序产品，所述计算机程序产品包括存储有指令的计算机可读存储介质，所述指令在被执行时使得计算设备的至少一个中央处理器单元执行根据第一方面所述的方法。
19.本公开实施例提供的用于检测行人着装的方法及相关设备，检测速度较快，能够较好地识别行人着装属性并可基于着装属性判断着装是否规范，在不规范时发出提醒，从而较好地规范了特定场所的着装，解决了人工检查效率低下的问题。
附图说明
20.为了更清楚地说明本公开或相关技术中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
21.图1示出了本公开实施例所提供的示例性系统的示意图。
22.图2a示出了根据本公开实施例的一种示例性图像的示意图。
23.图2b示出了根据本公开实施例的另一种示例性图像的示意图。
24.图2c示出了根据本公开实施例的又一种示例性图像的示意图。
25.图2d示出了根据本公开实施例的再一种示例性图像的示意图。
26.图2e示出了根据本公开实施例的示例性界面的示意图。
27.图3示出了本公开实施例所提供的示例性方法的流程示意图。
28.图4示出了本实施例所提供的一种更为具体的电子设备的硬件结构示意图。
具体实施方式
29.为使本公开的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本公开进一步详细说明。
30.需要说明的是，除非另外定义，本公开实施例使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本公开实施例中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。
31.一种着装规范检测方法是确定有目标(如确定行人)后，进行需要穿着的关键物的检测，若有关键物，则给出目标及位置。但是该方法只能判断有没有，不能判断对不对。比如在人身上检测到安全帽，该方法不能确定安全帽是戴在头上还是拿在手里，即目标的状态不好判断。另一种着装规范检测方法是利用人体关键点识别得到人体的部位划分，然后将图像中人体部位进行截取，然后分类。该方法存在的问题是关键点识别算法需要精确识别不同部位，需要算法提取到更语义的特征，关键点识别速度慢，现实应用场景中准确率不一定有保证。
32.鉴于此，本公开实施例提供了一种用于检测行人着装的方法及相关设备。该方法包括：获取包含行人图像的多张图像；将所述多张图像中的目标图像输入第一模型，输出得到所述目标图像中的所述行人图像；将所述行人图像和所述多张图像中除目标图像外的其
他图像输入第三模型，输出得到在多张所述其他图像中与所述行人图像对应的多张待定行人图像；确定所述行人图像和多张所述待定行人图像是否均为所述行人的图像；响应于所述行人图像和多张所述待定行人图像均为所述行人的图像，将所述行人图像输入第二模型，输出得到所述行人的着装属性及对应的位置；根据所述着装属性及对应的位置，确定所述行人是否着装规范；以及响应于所述行人着装不规范，输出着装不规范提醒信息。
33.本公开实施例提供的用于检测行人着装的方法及相关设备，检测速度较快，能够较好地识别行人着装属性并可基于着装属性判断着装是否规范，在不规范时发出提醒，从而较好地规范了特定场所的着装，解决了人工检查效率低下的问题。
34.本公开实施例的第一方面提供了一种用于检测行人着装的系统，可以自动检测行人是否着装规范。
35.图1示出了本公开实施例所提供的示例性系统100的示意图。如图1所示，系统100可以包括设备200、图像采集设备300和终端设备400。
36.图像采集设备300可以用于采集其所在的场所(例如，食品生产车间、工业品生产车间等)的包含行人(例如，图1的行人600)的图像(例如，图像数据302)，并发送给设备200。图像采集设备300可以是摄像头、相机等具有图像采集功能的设备。在同一场所中，可以在特定位置(例如，工厂大门)设置一个图像采集设备300，或者在不同位置(例如，车间的不同角落)设置多个图像采集设备300。
37.设备200可以是用于检测行人着装的设备，并可以基于图像采集设备300采集的图像数据302来对行人着装进行检测。在一些实施例中，设备200可以采用一个或多个服务器实现，采用多个服务器实现时，可以是分布式架构。
38.终端设备400可以用于接收设备200发送的消息或信息，例如，着装不规范提醒信息202。终端设备400可以是行人600的终端设备，例如，手机、个人电脑等。这样，行人600就可以通过终端设备400来接收并查看设备200发送的消息或信息。
39.在一些实施例中，如图1所示，系统100还可以包括监控设备500。监控设备500可以用于接收设备200推送的着装监控界面700。界面700中可以包括关于行人着装的相关信息。
40.设备200可以是基于检测模型来实现行人着装的检测。在一些实施例中，设备200中的检测模型可以包括第一模型和第二模型，其中第一模型用于从第一图像中得到行人图像，第二模型用于基于行人图像得到行人的着装属性，进而设备200可以基于着装属性确定行人600是否着装规范。在一些实施例中，设备200中的检测模型还可以包括第三模型，用于对行人图像在多帧图像中进行跟踪。
41.在一些实施例中，第一模型可以是行人检测模型。行人检测模型可以是基于运动检测的算法、基于机器学习的算法模型、基于深度学习的算法模型。基于运动检测的算法模型，例如，可以是高斯混合模型(mixture of gaussian model)、样本一致性建模算法模型(sacon)、帧差分算法，等等。基于机器学习的算法模型，例如，可以是神经网络模型、支持向量机(svm)模型、adaboost模型、随机森林模型，等等。基于深度学习的算法模型，例如，可以是faster-rcnn模型、ssd模型、fpn模型、yolo模型，等等。
42.在一些实施例中，第二模型可以是分类模型，相较于关键点识别算法，分类模型是对整张图片的特征进行提取，然后进行分类，对特征要求比较低，计算速度比较快。该分类模型，例如，可以是决策树模型、神经网络模型、支持向量机(svm)模型、贝叶斯分类器模型，
等等。
43.在一些实施例中，第三模型为行人跟踪模型。例如，sort模型或深度sort模型。
44.在初始状态下，可以先对前述的第一模型、第二模型和第三模型进行创建和训练。
45.在一些实施例中，设备200可以利用第一训练样本对第一模型(例如，行人检测模型)进行训练。在一些实施例中，第一训练样本可以采用coco数据集。可以理解的是，该第一训练样本也可以采用行人检测常用的数据集，例如，mit行人数据集、inria行人检测数据集、caltech行人数据集、eth数据集、cvc行人数据集，等等。
46.在一些实施例中，设备200可以利用第二训练样本对所述分类模型进行训练。该第二训练样本可以是图像采集设备300所采集的多个图像数据302的集合。在一些实施例中，图像数据302可以是视频流，设备200可以从中提取多帧图像来制作第二训练样本。
47.在制作第二训练样本时，可以先对各图像进行打标签操作。在一些实施例中，可以是给图像打上着装属性标签以及着装属性对应的位置标签。
48.该着装属性标签可以包括较为粗略的属性标签，例如，是否是女性、年纪范围、是否戴口罩、是否抽烟、手里是否提着东西、是否戴帽子、身体是否直立，等等。该着装属性标签也可以包括较为细化的属性标签，例如，是否戴着某种颜的口罩，是否戴着不露出刘海的帽子、是否戴着安全帽，等等。该位置标签，例如，可以是手中是否提着物体、头上是否带着不露刘海的帽子。在一些实施例中，该着装属性标签主要包括物品标签，用于判断行人身上是否有某物品(例如，帽子、手套、口罩等)，该位置标签主要是用于判断该物品在行人身上的所在位置，这样，利用这样的标签训练的第二模型，后续即可输出包含物品和对应位置的分类结果。在一些实施例中，还可以打上其他属性标签，例如，戴帽子的颜、人体是否直立，等等。在一些实施例中，不同标签之间是并列关系，没有包含关系。
49.在打完标签后，即可得到制作完成的第二训练样本。然后，设备200可以利用该第二训练样本训练第二模型。该第二模型可以是多个二分类模型，有多少个标签，就可以有多少个二分类(是或否)。利用置信度使第二模型输出所有标签分类(包含着装属性标签和位置标签)的可信任结果，得到各种着装属性(例如，是否佩戴安全帽)，从而判断行人是否着装规范。
50.在一些实施例中，设备200可以利用第三训练样本对所述行人跟踪模型进行训练。该第三训练样本可以是图像采集设备300所采集的多个图像数据302的集合。在一些实施例中，图像数据302可以是视频流，设备200可以从中提取多帧图像来制作第三训练样本。
51.在制作第三训练样本时，可以先对各图像进行打标签操作。在一些实施例中，可以是给图像打上行人身份信息标签和行人对应的位置标签。
52.该行人身份信息可以是行人的姓名、工号、职位等信息。该位置信息可以是在被打标签的图像上该行人所处的位置(例如，行人在图像上的坐标)。在打完标签后，即可得到制作完成的第三训练样本。然后，设备200可以利用该第三训练样本训练第三模型，从而第三模型可以在对行人跟踪的同时输出行人的身份信息。
53.在进行着装检测时，图像采集设备300可以先采集包含行人600的图像的目标图像(例如，图像数据302)并发送到设备200。在一些实施例中，图像数据302可以是视频流，设备200可以从该视频流中抓取多张图像，这多张图像可以是按时间顺序抓取的，其中，该目标图像可以是该多张图像中时间顺序排第一的图像。
54.图2a示出了根据本公开实施例的示例性图像304的示意图。
55.如图2a所示，设备200抓取的目标图像304中包含有行人600的图像3042。设备200将该目标图像304输入第一模型之后，第一模型可以输出目标图像304中的行人图像3042。在一些实施例中，第一模型为行人检测模型时，该行人图像3042可以是行人检测模型标注出行人600的坐标框内的图像。
56.在一些实施例中，设备200抓取的多张图像中，除目标图像304之外的时间排序在目标图像之后的其他图像可以用于确定行人图像3042所指向的行人是否正确。
57.图2b和图2c分别示出了根据本公开实施例的示例性图像306a和306b的示意图。如图2b和2c所示，图像306a和306b中分别包括行人的图像3062和3064。
58.在一些实施例中，为了确定行人图像3042指向某一个特定的人(例如，行人600)，设备200可以将该行人图像3042和图像306a、306b一起输入用于实现行人跟踪的第三模型，输出得到在图像306a和306b中与行人图像3042对应的待定行人图像3062和3064。然后，设备200可以通过比对行人图像3042和待定行人图像3062、3064来确定行人图像3042和待定行人图像3062、3064是否均为行人600的图像。若行人图像3042和待定行人图像3062、3064均为行人600的图像，说明第一模型检测到的行人图像3042指向的是行人600，可以将该行人图像3042输入第二模型来得到行人600的着装属性。
59.在一些实施例中，为了确定该特定的人(例如，行人600)的具体身份，采用前述第三训练样本训练的第三模型还可以输出行人图像3042对应的行人600的身份信息。例如，行人的姓名、工号、职位等信息。
60.在得到行人图像3042之后，设备200可以将行人图像3042输入第二模型，来输出得到行人600的着装属性(例如，是否戴安全帽)及对应的位置(戴安全帽位置是否在头上)。由于第二模型的训练样本中打上了着装属性标签和位置标签，因此，第二模型可以输出着装属性及对应的位置。例如，结合图2a可以知道，第二模型可以基于图像3042输出行人600的着装属性为佩戴有鸭舌帽，对应的位置为头上。在一些实施例中，可以为每个标签(包含着装属性标签和位置标签)对应的分类设置置信度，这样，基于着装属性的置信度以及着装属性对应的位置的置信度，利用第二模型输出得到所述行人的着装属性及对应的位置，是较为可信的分类结果。
61.在得到行人600的着装属性之后，设备200就可以基于该着装属性及对应的位置确定行人600是否着装规范。
62.在一些实施例中，着装规范对应的目标着装属性及对应的目标位置可以预先存储在设备200中或存储在设备200对应的数据库中，从而使得设备200可以调用该目标着装属性及对应的目标位置来与第二模型输出的着装属性及对应的位置进行比对，进而判断行人600是否着装规范。
63.例如，对于需要佩戴安全帽的场景，目标着装属性为佩戴安全帽，对应的目标位置为头上，若头上佩戴的不是安全帽，则判定着装不规范。以图2a为例，图中的行人600佩戴的是鸭舌帽，因此，第二模型输出的着装属性为行人600的佩戴鸭舌帽，对应的位置是头上。于是，设备200可以判断行人600着装属性不匹配，进而确定行人600着装不规范，并可以输出着装不规范提醒信息202到终端设备400，以起到警示行人600的作用。又例如，假设行人600是手上拿着安全帽，则着装属性为携带安全帽，对应的位置是手上，于是，设备200可以判断
行人600着装属性对应的位置不匹配，进而确定行人600着装不规范。
64.在一些实施例中，若行人着装不规范，设备200还可以记录该行人的违规信息并将违规信息与行人的身份信息关联。该违规信息可以包括着装不规范次数、发生时间点以及对应的第一图像。
65.图2d示出了根据本公开实施例的示例性图像308的示意图。如图2d所示，当在图像308中识别到行人600的图像3082和行人602的图像3084之后，设备200可以基于图像3082和图像3084确定行人600和行人602均着装不规范，从而分别计违规一次，并且可以把违规发生的起始时间点记录为违规发生时间点。同时还可以把检测到违规的第一图像也作为违规信息。
66.按照这种方式，设备200可以对行人600和行人602的违规信息进行统计，并可将统计数据与身份信息关联到一起。
67.在一些实施例中，违规次数的统计方式可以是，以预定时间间隔为统计间隔。例如，以一个小时为预定时间间隔，一个小时内采集到的同一个人(例如，行人600)的同一个违规情况(例如，没戴安全帽)，则计数一次，下一个小时如果还存在该情况，则计数加一。在一些实施例中，还可结合违规情况的消失时间来对违规次数进行统计。例如，9点检测到行人600没有戴安全帽，则计数一次，9点半检测到行人600戴上了安全帽，而10点检测到行人600又没有戴安全帽，则计数加一。这样，就能更好地计算得到每个行人对应的违规次数。
68.在一些实施例中，设备200还可以向指定设备(例如，图1监控设备500)向指定设备推送着装监控界面。图2e示出了根据本公开实施例的示例性界面700的示意图。如图2e所示，着装监控界面700可以包括违规信息(违规次数、发生时间节点、图像308对应的画面)以及对应的行人600的身份信息(例如，张三)和行人602的身份信息(例如，李四)。这样，在观看监控设备500的监控人员就可以直观地观察到人员的违规情况。
69.在一些实施例中，违规信息和身份信息可以对应展示在相应的行人图像上方的信息框中。例如，如图2e所示，行人600的图像上方的信息框702对应显示了行人600的违规信息和身份信息，而行人602的图像上方的信息框704对应显示了行人602的违规信息和身份信息。这样的对应显示方式，能够更加直观地知道每个具体的人员的违规情况，一目了然。
70.在一些实施例中，如图2e所示，着装监控界面700还可以包括违规统计信息706，该违规统计信息包括多个行人(例如，行人600和行人602)的违规信息并按照预设期间内违规次数多少的顺序进行排列，从而能够对违规情况进行排序，能够更好地对违规情况进行了解。可以理解的是，该预设期间可以根据需要进行设定，例如，一周、一个月、三个月，等等。
71.本公开实施例提供的用于检测行人着装的系统，通过对行人(目标人)进行人体属性识别、跟踪统计分析及相关信息展示，以促进规范着装、安全生产。并且，根据某个属性是否符合要求决定是否给行人规范着装的提醒以及统计累计不规范着装的次数等，结合画面发送到监控设备，达到警示作用，激励规范着装。
72.本公开实施例提供的用于检测行人着装的系统，是一个可交互、可实际应用的系统；并且，采用先行人检测，再在行人上进行属性识别，得到的结果既有
‘
是否包含某个物体的信息’，也有“物体是否在合适位置的信息”。本公开实施例提供的用于检测行人着装的系统，由于训练样本的标签细分为着装属性标签及位置标签，适用性更广，可复用性更大，对于不同的任务只需要修改着装规范的判断标准(例如，从“是否头上佩戴安全帽”修改为“头
上是否佩戴厨师帽”)，而不需要每对待一个新任务就重复采数据、标数据，节省人力成本。
73.本公开实施例提供的用于检测行人着装的系统，通过利用目标检测+人体属性识别技术，达到识别是否在人体合适的位置有某物的信息，从而解决规范着装的问题。
74.本公开实施例的第二方面提供了一种用于检测行人着装的方法，可以在一定程度上解决规范着装的问题。
75.图3示出了本公开实施例所提供的示例性方法800的流程示意图。
76.该方法800可以采用图1的设备200来实现。如图3所示，该方法800可以包括以下步骤。
77.在步骤802，设备200可以获取包含行人图像的多张图像(例如，图2a的图像304、图2b的图像306a、图2c的图像306b)。
78.在步骤804，设备200可以将多张图像中的目标图像(例如，图2a的图像304)输入第一模型，输出得到目标图像中的行人图像(例如，图2a的图像3042)。
79.在步骤806，设备200可以将行人图像和多张图像中除目标图像外的其他图像(例如，图2b的图像306a、图2c的图像306b)输入第三模型，输出得到在多张其他图像中与行人图像对应的多张待定行人图像(例如，图2b的图像3062和图2c的图像3064)。在一些实施例中，将行人图像和多张第二图像输入第三模型，输出得到在多张第二图像中与行人图像对应的待定行人图像，还包括：输出得到行人图像对应的行人的身份信息(例如，张三)。
80.在步骤808，设备200可以确定所述行人图像和多张所述待定行人图像是否均为所述行人的图像。
81.在步骤810，响应于所述行人图像和多张所述待定行人图像均为所述行人的图像，设备200可以将所述行人图像输入第二模型，输出得到所述行人的着装属性及对应的位置(例如，头上是否佩戴安全帽)。
82.在步骤812，设备200可以根据着装属性及对应的位置，确定行人是否着装规范。
83.在一些实施例中，根据着装属性及对应的位置，确定行人是否着装规范，包括：获取目标着装属性及对应的目标位置；以及比对所述着装属性及对应的位置与所述目标着装属性及对应的目标位置，以确定所述行人是否着装规范。
84.在步骤814，响应于行人着装不规范，设备200可以输出着装不规范提醒信息。
85.在一些实施例中，该方法800还可以包括：响应于行人着装不规范，记录所述行人的违规信息并将所述违规信息与所述行人的身份信息关联；所述违规信息包括着装不规范次数、发生时间点以及对应的所述目标图像。
86.在一些实施例中，方法800还可以包括：向指定设备推送着装监控界面(例如，图2e的界面700)，所述着装监控界面包括所述违规信息以及对应的所述行人的身份信息。
87.在一些实施例中，所述着装监控界面还包括违规统计信息，所述违规统计信息包括多个行人的违规信息并按照预设期间内违规次数多少的顺序进行排列。
88.在一些实施例中，所述第一模型为行人检测模型，所述第二模型为分类模型，所述第三模型为行人跟踪模型。
89.在一些实施例中，方法800还可以包括：利用第一训练样本对所述行人检测模型进行训练，所述第一训练样本采用coco数据集。
90.在一些实施例中，方法800还可以包括：利用第二训练样本对所述分类模型进行训
练，所述第二训练样本采用以下步骤处理：获取多张待处理图像；对所述待处理图像打上着装属性标签以及着装属性对应的位置标签；以及将打上所述着装属性标签以及对应的位置标签的多张所述待处理图像作为所述第二训练样本。
91.在一些实施例中，方法800还可以包括：利用第三训练样本对所述行人跟踪模型进行训练，所述第三训练样本采用以下步骤来处理：获取多张待处理图像；对所述待处理图像打上行人身份信息标签和行人对应的位置标签；以及将打上所述行人身份信息标签以及行人对应的位置标签的多张所述待处理图像作为所述第三训练样本。
92.需要说明的是，本公开实施例的方法可以由单个设备执行，例如一台计算机或服务器等。本实施例的方法也可以应用于分布式场景下，由多台设备相互配合来完成。在这种分布式场景的情况下，这多台设备中的一台设备可以只执行本公开实施例的方法中的某一个或多个步骤，这多台设备相互之间会进行交互以完成所述的方法。
93.需要说明的是，上述对本公开的一些实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于上述实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
94.基于同一发明构思，与上述任意实施例方法相对应的，本公开还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上任意一实施例所述的方法800。
95.图4示出了本实施例所提供的一种更为具体的电子设备200的硬件结构示意图。该设备200可以包括：处理器202、存储器204、输入/输出接口206、通信接口208和总线210。其中处理器202、存储器204、输入/输出接口206和通信接口208通过总线210实现彼此之间在设备内部的通信连接。
96.处理器202可以采用通用的cpu(central processing unit，中央处理器)、微处理器、应用专用集成电路(application specific integrated circuit，asic)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本说明书实施例所提供的技术方案。
97.存储器204可以采用rom(read only memory，只读存储器)、ram(random access memory，随机存取存储器)、静态存储设备，动态存储设备等形式实现。存储器1020可以存储操作系统和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器204中，并由处理器1010来调用执行。
98.输入/输出接口206用于连接输入/输出模块，以实现信息输入及输出。输入输出/模块可以作为组件配置在设备中(图中未示出)，也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等，输出设备可以包括显示器、扬声器、振动器、指示灯等。
99.通信接口208用于连接通信模块(图中未示出)，以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如usb、网线等)实现通信，也可以通过无线方式(例如移动网络、wifi、蓝牙等)实现通信。
100.总线210包括一通路，在设备的各个组件(例如处理器202、存储器204、输入/输出接口206和通信接口208)之间传输信息。
101.需要说明的是，尽管上述设备仅示出了处理器202、存储器204、输入/输出接口206、通信接口208以及总线210，但是在具体实施过程中，该设备还可以包括实现正常运行所必需的其他组件。此外，本领域的技术人员可以理解的是，上述设备中也可以仅包含实现本说明书实施例方案所必需的组件，而不必包含图中所示的全部组件。
102.上述实施例的电子设备用于实现前述任一实施例中相应的方法800，并且具有相应的方法实施例的有益效果，在此不再赘述。
103.基于同一发明构思，与上述任意实施例方法相对应的，本公开还提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行如上任一实施例所述的方法800。
104.本实施例的计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。
105.上述实施例的存储介质存储的计算机指令用于使所述计算机执行如上任一实施例所述的方法800，并且具有相应的方法实施例的有益效果，在此不再赘述。
106.所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本公开的范围(包括权利要求)被限于这些例子；在本公开的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本公开实施例的不同方面的许多其它变化，为了简明它们没有在细节中提供。
107.另外，为简化说明和讨论，并且为了不会使本公开实施例难以理解，在所提供的附图中可以示出或可以不示出与集成电路(ic)芯片和其它部件的公知的电源/接地连接。此外，可以以框图的形式示出装置，以便避免使本公开实施例难以理解，并且这也考虑了以下事实，即关于这些框图装置的实施方式的细节是高度取决于将要实施本公开实施例的平台的(即，这些细节应当完全处于本领域技术人员的理解范围内)。在阐述了具体细节(例如，电路)以描述本公开的示例性实施例的情况下，对本领域技术人员来说显而易见的是，可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本公开实施例。因此，这些描述应被认为是说明性的而不是限制性的。
108.尽管已经结合了本公开的具体实施例对本公开进行了描述，但是根据前面的描述，这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如，其它存储器架构(例如，动态ram(dram))可以使用所讨论的实施例。
109.本公开实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本公开实施例的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本公开的保护范围之内。

技术特征：

1.一种用于检测行人着装的方法，包括：获取包含行人图像的多张图像；将所述多张图像中的目标图像输入第一模型，输出得到所述目标图像中的所述行人图像；将所述行人图像和所述多张图像中除目标图像外的其他图像输入第三模型，输出得到在多张所述其他图像中与所述行人图像对应的多张待定行人图像；确定所述行人图像和多张所述待定行人图像是否均为所述行人的图像；响应于所述行人图像和多张所述待定行人图像均为所述行人的图像，将所述行人图像输入第二模型，输出得到所述行人的着装属性及对应的位置；根据所述着装属性及对应的位置，确定所述行人是否着装规范；以及响应于所述行人着装不规范，输出着装不规范提醒信息。2.如权利要求1所述的方法，其中，将所述行人图像输入第二模型，输出得到所述行人的着装属性及对应的位置，包括：基于着装属性的置信度以及着装属性对应的位置的置信度，利用所述第二模型输出得到所述行人的着装属性及对应的位置。3.如权利要求2所述的方法，其中，根据所述着装属性及对应的位置，确定所述行人是否着装规范，包括：获取目标着装属性及对应的目标位置；以及比对所述着装属性及对应的位置与所述目标着装属性及对应的目标位置，以确定所述行人是否着装规范。4.如权利要求1所述的方法，其中，所述第一模型为行人检测模型，所述第二模型为分类模型，所述第三模型为行人跟踪模型。5.如权利要求4所述的方法，还包括：利用第一训练样本对所述行人检测模型进行训练，所述第一训练样本采用coco数据集。6.如权利要求4所述的方法，还包括：利用第二训练样本对所述分类模型进行训练，所述第二训练样本采用以下步骤处理：获取多张待处理图像；对所述待处理图像打上着装属性标签以及着装属性对应的位置标签；以及将打上所述着装属性标签以及对应的位置标签的多张所述待处理图像作为所述第二训练样本。7.如权利要求4所述的方法，还包括：利用第三训练样本对所述行人跟踪模型进行训练，所述第三训练样本采用以下步骤来处理：获取多张待处理图像；对所述待处理图像打上行人身份信息标签和行人对应的位置标签；以及将打上所述行人身份信息标签以及行人对应的位置标签的多张所述待处理图像作为所述第三训练样本。8.如权利要求1所述的方法，其中，将所述行人图像和所述多张图像中除目标图像外的其他图像输入第三模型，输出得到在多张所述其他图像中与所述行人图像对应的多张待定行人图像，还包括：
输出得到所述行人图像对应的所述行人的身份信息；所述方法，还包括：响应于所述行人着装不规范，记录所述行人的违规信息并将所述违规信息与所述行人的身份信息关联；所述违规信息包括着装不规范次数、发生时间点以及对应的所述目标图像。9.如权利要求8所述的方法，还包括：向指定设备推送着装监控界面，所述着装监控界面包括所述违规信息以及对应的所述行人的身份信息。10.如权利要求9所述的方法，其中，所述着装监控界面还包括违规统计信息，所述违规统计信息包括多个行人的违规信息并按照预设期间内违规次数多少的顺序进行排列。11.一种计算机设备，其特征在于，包括一个或者多个处理器、存储器；和一个或多个程序，其中所述一个或多个程序被存储在所述存储器中，并且被所述一个或多个处理器执行，所述程序包括用于执行根据权利要求1-10任意一项所述的方法的指令。12.一种用于检测行人着装的系统，包括：如权利要求11所述的计算机设备；图像采集设备，被配置为：采集包含行人图像的多张图像，并发送到所述计算机设备；以及终端设备，被配置为：接收所述计算机设备响应于所述行人着装不规范而输出的着装不规范提醒信息。13.如权利要求12所述的系统，还包括监控设备，被配置为：接收所述计算机设备推送的着装监控界面，所述着装监控界面包括违规信息以及对应行人的身份信息。14.一种包含计算机程序的非易失性计算机可读存储介质，其特征在于，当所述计算机程序被一个或多个处理器执行时，使得所述处理器执行权利要求1-10中任一项所述的方法。15.一种计算机程序产品，所述计算机程序产品包括存储有指令的计算机可读存储介质，所述指令在被执行时使得计算设备的至少一个中央处理器单元执行根据权利要求1-10中任一项所述的方法。

技术总结

本公开提供一种用于检测行人着装的方法及相关设备。该方法包括：获取包含行人图像的多张图像；将所述多张图像中的目标图像输入第一模型，输出得到所述目标图像中的所述行人图像；将所述行人图像和所述多张图像中除目标图像外的其他图像输入第三模型，输出得到在多张所述其他图像中与所述行人图像对应的多张待定行人图像；确定所述行人图像和多张所述待定行人图像是否均为所述行人的图像；响应于所述行人图像和多张所述待定行人图像均为所述行人的图像，将所述行人图像输入第二模型，输出得到所述行人的着装属性及对应的位置；根据所述着装属性及对应的位置，确定所述行人是否着装规范；以及响应于所述行人着装不规范，输出着装不规范提醒信息。着装不规范提醒信息。着装不规范提醒信息。