基于深度学习的反光背心穿戴状态识别方法及系统

AITNT
正文
推荐专利
基于深度学习的反光背心穿戴状态识别方法及系统
申请号:CN202510470212
申请日期:2025-04-15
公开号:CN119992602B
公开日期:2025-07-18
类型:发明专利
摘要
本发明提供一种基于深度学习的反光背心穿戴状态识别方法及系统,方法包括:获取目标场景的实时监控图像,从实时监控图像中提取与待检测人体对象对应的反光背心区域图像,并对反光背心区域图像进行多尺度特征提取,生成初始穿戴状态特征;基于预训练的穿戴状态识别模型,对初始穿戴状态特征进行区域分布解析,生成目标穿戴状态特征,然后,根据目标穿戴状态特征与预设穿戴状态阈值的匹配度,确定待检测人体对象的反光背心穿戴状态识别结果;其中,识别结果包括正常穿戴、未穿戴或部分遮挡状态。通过本发明,可以提升反光背心穿戴状态识别的准确率。
技术关键词
反光背心 穿戴状态识别方法 图像 空间权重矩阵 多尺度特征提取 特征提取网络 人体轮廓 光照 样本 决策树模型 多分支 对象 动态变化条件 亮度补偿参数 反光材料 纹理特征 融合特征 长短期记忆网络
系统为您推荐了相关专利信息
1
一种基于迁移学习的金属断口图像语义分割方法及装置
图像语义分割方法 语义分割神经网络 特征金字塔网络 查询特征 掩膜
2
驾驶状态检测的方法、装置、设备及存储介质
方向盘 压力 动态 新能源车辆 预警方式
3
一种非结构化环境显著性语义分割方法及系统
语义分割方法 注意力 非结构化环境 语义分割网络 关系
4
基于卷积神经网络的城市道路场景多目标检测方法及系统
城市道路场景 融合图像数据 预训练模型 特征提取模块 融合多尺度特征
5
基于大规模视觉模型和扩散模型的荔枝病虫害检测方法
病虫害检测方法 荔枝 病虫害图像 YOLO模型 视觉
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号