一种多模态人员穿戴状态自适应检测方法及装置

本发明公开了一种多模态人员穿戴状态自适应检测方法及装置，方法包括步骤：获取目标对象的图像；从数据库中调取预先存储的参考对象图像和对应的文字描述；使用多模态CLIP模型对所述目标对象的图像、参考对象图像和对应的文字描述进行处理，得到目标图像特征向量、参考图像特征向量、参考文字向量；分别计算目标图像特征向量与文字向量之间的相似度、参考图像特征向量与文字向量之间的相似度；比较两种相似度的大小，根据比较结果判断是否处于预定的穿戴状态。本发明结合了图像和文本的多模态信息，基于微调后的CLIP模型进行图像和文字数据处理，提升了识别任务的理解能力和准确性，具有较高的泛化能力和部署效率。