穿戴检测方法与装置、电子设备和计算机可读存储介质与流程

1.本公开的实施例一般涉及穿戴检测领域，并且更具体地，涉及一种穿戴检测方法与装置、电子设备和计算机可读存储介质。


背景技术：

2.在建筑工程、交通案件等领域，需要保证工作人员在工作时穿戴安全帽或工服等工作服装，如果利用人工检查，耗费人力太多，成本较高，于是催生了利用程序自动检测的方法。
3.利用程序自动检测时，多对被检测者的完整大图进行分类模型预测，判断其是否有未带安全帽或未穿工服的情况，无关信息较多，精确度不足。
4.所以，如何去除冗杂信息，提高穿戴检测方法的准确度，就成为待解决的技术问题。


技术实现要素：

5.根据本公开的实施例，提供了一种穿戴检测方法与装置、电子设备和计算机可读存储介质。
6.在本公开的第一方面，提供了一种穿戴检测方法，包括：获取被检测者的待检测人体图像；利用人体骨骼点检测模型，根据所述待检测人体图像，得到所述待检测人体图像对应的人体骨骼点；利用所述人体骨骼点，得到被检测者的人体姿态；判断所述被检测者的人体姿态是否满足检测所需姿态，如果是，利用所述人体骨骼点，得到被检测者的待检测人体区域图像；利用穿戴检测模型，根据所述待检测人体区域图像，得到所述待检测人体区域图像对应的穿戴行为判定结果。
7.如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，利用同一被检测者的至少两个人体姿态对应的穿戴行为判定结果，加权求和得到联合穿戴行为判定结果。
8.如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述待检测人体区域图像为人体的头部、胸腹部、四肢或脚部中的至少一部分图像。
9.如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述穿戴行为判定结果包括穿戴正常结果或穿戴异常结果。
10.如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述穿戴行为判定结果还包括穿戴异常区域结果。
11.如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述人体骨骼点检测模型的训练方法包括：
获取人体骨骼点检测训练数据集，其中，所述人体骨骼点检测训练数据集包括训练人体图像及所述训练人体图像对应的基准人体骨骼点标记；利用待训练的人体骨骼点检测模型，根据所述训练人体图像，得到所述训练人体图像对应的训练人体骨骼点标记；基于所述基准人体骨骼点标记和所述训练人体骨骼点标记，得到人体骨骼点检测模型训练损失，根据所述人体骨骼点检测模型训练损失，训练所述人体骨骼点检测模型，直至所述人体骨骼点检测模型训练损失满足人体骨骼点检测模型训练损失阈值，得到训练完成的所述人体骨骼点检测模型。
12.如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述穿戴检测模型的训练方法包括：获取穿戴检测模型训练数据集，其中，所述穿戴检测模型训练数据集包括训练人体待检测人体区域图像及所述训练人体待检测人体区域图像对应的基准穿戴行为标记，所述待检测人体区域图像基于人体骨骼点检测模型获取，所述基准行为标记的类别与所述穿戴行为判定结果的类别相同；利用穿戴检测模型，根据所述训练人体待检测人体区域图像，得到所述训练人体待检测人体区域图像对应的训练穿戴行为标记，所述训练行为标记的类别与所述穿戴行为判定结果的类别相同；基于所述基准穿戴行为标记和所述训练穿戴行为标记，得到穿戴检测模型训练损失，根据所述穿戴检测模型训练损失，训练所述穿戴检测模型，直至所述穿戴检测模型训练损失满足穿戴检测模型训练损失阈值，得到训练完成的所述穿戴检测模型。
13.在本公开的第二方面，提供了一种穿戴检测装置，包括：待检测人体图像获取单元，适于获取被检测者的待检测人体图像；人体骨骼点获取单元，适于利用人体骨骼点检测模型，根据所述待检测人体图像，得到所述待检测人体图像对应的人体骨骼点；人体姿态获取单元，适于利用所述人体骨骼点，得到被检测者的人体姿态；待检测人体区域图像获取单元，适于判断所述被检测者的人体姿态是否满足检测所需姿态，如果是，利用所述人体骨骼点，得到被检测者的待检测人体区域图像；穿戴行为判定结果获取单元，适于利用穿戴检测模型，根据所述待检测人体区域图像，得到所述待检测人体区域图像对应的穿戴行为判定结果。
14.在本公开的第三方面，提供了一种电子设备，包括存储器和处理器，所述存储器上存储有程序，所述处理器执行所述程序时实现所述穿戴检测方法。
15.在本公开的第四方面，提供了一种计算机可读存储介质，其上存储有程序，其特征在于，所述程序被处理器执行时实现所述穿戴检测方法。
16.本公开的实施例所提供的穿戴检测方法，可以利用人体骨骼点检测模型，根据所述待检测人体图像，得到所述待检测人体图像对应的人体骨骼点，然后利用所述人体骨骼点，得到被检测者的人体姿态，进而判断所述被检测者的人体姿态是否满足检测所需姿态，如果是，利用所述人体骨骼点，得到被检测者的待检测人体区域图像，最后利用穿戴检测模型，根据所述待检测人体区域图像，得到所述待检测人体区域图像对应的穿戴行为判定结果。
17.可以看出，本公开的实施例所提供的穿戴检测方法可以利用人体骨骼点筛选满足检测所需姿态的图片作为待检测人体区域图像，从而无需被检测者必须满足固定姿势，可以摆脱姿势限制；而且所述待检测人体区域图像也能够更精准的提供需要检测区域的图像，截去无需检测的区域的图像，能够去除大量的冗余信息，为后续的穿戴检测模型提供更加精确的输入，从而使得所得到的穿戴行为判定结果得到更高的准确度。
18.应当理解，发明内容部分中所描述的内容并非旨在限定本公开的实施例的关键或重要特征，亦非用于限制本公开的范围。本公开的其它特征将通过以下的描述变得容易理解。
附图说明
19.结合附图并参考以下详细说明，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中，相同或相似的附图标记表示相同或相似的元素，其中：图1示出了本公开的实施例提供的穿戴检测方法的流程示意图；图2示出了本公开的实施例提供的穿戴检测方法中人体骨骼点检测模型的训练方法的流程示意图；图3示出了本公开的实施例提供的穿戴检测方法中穿戴检测模型的训练方法的流程示意图；图4示出了本公开的实施例提供的穿戴检测装置的示意图；图5示出了能够实施本公开的实施例的示例性电子设备的示意图。
具体实施方式
20.为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的全部其他实施例，都属于本公开保护的范围。
21.另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
22.本公开的实施例所提供的穿戴检测方法，可以利用人体骨骼点检测模型，根据所述待检测人体图像，得到所述待检测人体图像对应的人体骨骼点，然后利用所述人体骨骼点，得到被检测者的待检测人体区域图像利用穿戴检测模型，根据所述待检测人体区域图像，得到所述待检测人体区域图像对应的穿戴行为判定结果。
23.可以看出，本公开的实施例所提供的穿戴检测方法可以利用人体骨骼点筛选满足检测所需姿态的图片作为待检测人体区域图像，从而无需被检测者必须满足固定姿势，可以摆脱姿势限制；而且所述待检测人体区域图像也能够更精准的提供需要检测区域的图像，截去无需检测的区域的图像，能够去除大量的冗余信息，为后续的穿戴检测模型提供更加精确的输入，从而使得所得到的穿戴行为判定结果得到更高的准确度。
24.应当理解，发明内容部分中所描述的内容并非旨在限定本公开的实施例的关键或重要特征，亦非用于限制本公开的范围。本公开的其它特征将通过以下的描述变得容易理
解。。
25.请参考图1，图1示出了本公开的实施例提供的穿戴检测方法的流程示意图。
26.本公开的实施例提供了一种穿戴检测方法，包括：步骤s11：获取被检测者的待检测人体图像。
27.所述待检测人体图像为被检测人的人体图像，可以利用设置于检测设备处的摄像头拍摄被检测人得到所述被检测人体图像，可以持续拍摄获得所述被检测人体图像，也可以间隔时间或根据指令拍摄获得所述被检测人体图像所述待检测人体区域需要可以根据所需划分，例如，当需要检测是否穿戴头盔时，可以将所述待检测人体区域设置为头部；当需要检测是否穿戴头盔时，可以将所述待检测人体区域设置为胸腹部或四肢；当需要检测是否穿戴工作用鞋时，可以将所述待检测人体区域设置为脚部等等。
28.所述训练人体待检测人体区域图像可以根据训练人体待检测图像获得，所述训练人体待检测图像为未经裁剪区分的被检测人的图像，可以是半身像、整身像或者头像等等。
29.步骤s12:利用人体骨骼点检测模型，根据所述待检测人体图像，得到所述待检测人体图像对应的人体骨骼点。
30.人体骨骼点检测模型可以检测人体多部位关键骨骼点，,如:头顶、脖子、肩、肘、手腕、髋、膝盖、脚踝等等。具体的所述人体骨骼点检测模型所检测的人体骨骼点可以根据需要选择，当所述待检测人体区域设置为头部时，所述人体骨骼点检测模型所检测的人体骨骼点可以为头顶、脸颊和下颌；当所述待检测人体区域设置为胸腹部或四肢时，所述人体骨骼点检测模型所检测的人体骨骼点可以为肩、肘、手腕、髋、膝盖等等；当所述待检测人体区域设置为脚部时，所述人体骨骼点检测模型所检测的人体骨骼点可以为脚踝和脚尖等等。
31.具体的，所述人体骨骼点检测模型的结构可以包括deeppose或alphapose中的任意一种。
32.容易理解的是，所用的所述人体骨骼点检测模型可以利用未训练的人体骨骼点检测模型通过训练得到，请参考图2，图2示出了本公开的实施例提供的穿戴检测方法中人体骨骼点检测模型的训练方法的流程示意图。在一种具体实施方式中，所述人体骨骼点检测模型的训练方法包括：步骤s21:获取人体骨骼点检测训练数据集。
33.其中，所述人体骨骼点检测训练数据集包括训练人体图像及所述训练人体图像对应的基准人体骨骼点标记。
34.为了提高训练所得的所述人体骨骼点检测模型的适用性，所述训练人体图像可以采用和所述待检测人体图像相同位置，相同条件拍摄得到的照片。
35.所述基准人体骨骼点标记是根据所述训练人体图像人工标记的骨骼点，如上所述，所述基准人体骨骼点标记的类别可以根据所用的所述人体骨骼点检测模型的使用状况匹配设置。当所述待检测人体区域设置为头部时，所述基准人体骨骼点标记的类别可以为头顶、脸颊和下颌；当所述待检测人体区域设置为胸腹部或四肢时，所述基准人体骨骼点标记的类别可以为肩、肘、手腕、髋、膝盖等等；当所述待检测人体区域设置为脚部时，所述基准人体骨骼点标记的类别可以为脚踝和脚尖等等。
36.步骤s22:利用待训练的人体骨骼点检测模型，根据所述训练人体图像，得到所述
训练人体图像对应的训练人体骨骼点标记。
37.所述训练人体骨骼点标记是利用待训练的人体骨骼点检测模型，根据所述训练人体图像得到的骨骼点，为了便于后续所述人体骨骼点检测模型的优化，所述训练人体骨骼点标记的类别可以与所述基准人体骨骼点标记的类别保持一致。
38.步骤s23:基于所述基准人体骨骼点标记和所述训练人体骨骼点标记，得到人体骨骼点检测模型训练损失。
39.所述人体骨骼点检测模型训练损失为根据所述基准人体骨骼点标记和所述训练人体骨骼点标记获得，可以反映训练中的所述人体骨骼点检测模型和满足要求的所述人体骨骼点检测模型之间的差距。
40.所述人体骨骼点检测模型训练损失可以是不同类别中基准骨骼点和训练骨骼点的差距的加和，也可以根据其他方法计算。
41.步骤s24:判断所述人体骨骼点检测模型训练损失是否满足人体骨骼点检测模型训练损失阈值，如果否，执行步骤s25，如果是，执行步骤s26。
42.所述人体骨骼点检测模型训练损失与所述人体骨骼点检测模型训练损失阈值有差距时，证明所述基准人体骨骼点标记和所述训练人体骨骼点标记有差距，所述人体骨骼点检测模型尚未满足要求。所述人体骨骼点检测模型训练损失满足所述人体骨骼点检测模型训练损失阈值时，证明所述人体骨骼点检测模型已满足要求。
43.步骤s25：根据所述人体骨骼点检测模型训练损失，训练所述人体骨骼点检测模型。然后进行步骤s22。
44.训练所述人体骨骼点检测模型，调节所述人体骨骼点检测模型中的参数，可以使得所述人体骨骼点检测模型向满足要求的方向变化。
45.步骤s26：得到训练完成的所述人体骨骼点检测模型。
46.得到训练完成的所述人体骨骼点检测模型后，就可以利用训练完成的人体骨骼点检测模型，根据所述待检测人体图像，得到所述待检测人体图像对应的人体骨骼点。
47.步骤s13:利用所述人体骨骼点，得到被检测者的人体姿态。
48.所述待检测人体图像可以利用摄像设备持续抓拍获得，因此在不同的所述待检测人体图像中，被检测者可能是不同姿势。
49.所述人体骨骼点可以反映人体的各个部位的位置，如头顶、下颌、肩部、腰部或踝部等等。利用所述人体骨骼点，将人体的各个部位的位置进行建模，即可得到被检测者的人体姿态。
50.在不同姿势下，可能有的姿势的图像包含需要检测人体区域，有的姿势的图像不包含需要检测人体区域，因为需要进行判断所述被检测者的人体姿态是否满足检测所需姿态。
51.步骤s14:判断所述被检测者的人体姿态是否满足检测所需姿态。如果是，执行步骤s15；如果否，执行步骤s16。
52.所述被检测者的人体姿态满足检测所需姿态时，证明可以利用当前的所述待检测人体图像得到后续的穿戴行为判定结果，从而可以进行下一步操作。
53.所述被检测者的人体姿态不满足检测所需姿态时，证明当前的所述待检测人体图像不满足需要，不能得到后续的穿戴行为判定结果。
54.步骤s15:利用所述人体骨骼点，得到被检测者的待检测人体区域图像。
55.根据需要，所述待检测人体区域图像可以是一个或多个区域的待检测人体区域的图像。多个区域的待检测人体区域的图像可以是单独的，也可以存在于同一张图像。
56.例如可以单独将所述待检测人体区域设置为头部，也可以将将所述待检测人体区域设置为头部和胸腹部，此时所述待检测人体区域图像可以是待检测人体图像中头部图像和胸腹部两张单独的图像，也可以是头部和胸腹部共同所在的同一张图像。
57.利用所述人体骨骼点，可以得到所述待检测人体图像中待检测人体区域的位置，进而得到待检测人体区域。
58.当所述待检测人体区域设置为头部时，可以基于头顶、脸颊和下颌等骨骼点确定头部区域，截取为所述待检测人体区域图像；当所述待检测人体区域设置为胸腹部或四肢时，可以基于肩、肘、手腕、髋、膝盖等骨骼点确定胸腹部或四肢区域，截取为所述待检测人体区域图像；当所述待检测人体区域设置为脚部时，可以基于脚踝和脚尖等骨骼点确定脚部区域，截取为所述待检测人体区域图像。
59.步骤s16:返回所述被检测者的人体姿态不满足检测所需姿态的信息。
60.返回所述被检测者的人体姿态不满足检测所需姿态的信息后，可以提示被检测者更换检测姿势，也可以进行其他后续处理，或不处理。
61.如图所示，步骤s16进行之后可以继续获取所述待检测人体图像。步骤s17:利用穿戴检测模型，根据所述待检测人体区域图像，得到所述待检测人体区域图像对应的穿戴行为判定结果。
62.所述穿戴检测模型可以根据所述待检测人体区域图像，得到对应的穿戴行为判定结果。
63.所述穿戴行为判定结果具体的内容可以根据需要选择。例如，在一种具体实施方式中，可以包括穿戴正常结果和穿戴异常结果，所述穿戴正常结果代表被检测人的穿戴正常；所述穿戴异常结果代表被检测人的穿戴异常，即没有按规定穿戴工作用服装。
64.当然，为了进一步获取穿戴异常的区域，在一种具体实施方式中，所所述穿戴行为判定结果还可以包括穿戴异常区域结果。所述穿戴异常区域结果代表被检测人的穿戴异常及其穿戴异常的区域，例如需要同时穿戴头盔和工服，被检测人穿着工服，未穿戴头盔时，所述穿戴异常区域结果可以显示被检测人穿戴异常，穿戴异常的区域为头部。
65.当所述待检测人体区域不同时，可以采用对应的穿戴检测模型，从而可以提高对应待检测人体区域的提高检测精度。
66.具体的，所述穿戴检测模型的结构可以包括resnet或者efficientnet中的任意一种。
67.容易理解的是，所用的所述穿戴检测模型可以利用未训练的穿戴检测模型通过训练得到，请参考图3，图3示出了本公开的实施例提供的穿戴检测方法中穿戴检测模型的训练方法的流程示意图。在一种具体实施方式中，所述穿戴检测模型的训练方法包括：步骤s31：获取穿戴检测模型训练数据集。
68.其中，所述穿戴检测模型训练数据集包括训练人体待检测人体区域图像及所述训练人体待检测人体区域图像对应的基准穿戴行为标记。
69.为了提高训练所得的所述穿戴检测模型的适用性，所述训练人体待检测人体区域
图像可以采用与所述待检测人体区域图像相同类型的图像，即采用同一位置拍摄，相同检测人群，相同待检测人体区域，所述训练人体待检测人体区域图像与所述待检测人体区域图像相近程度较高时，利用所述训练人体待检测人体区域图像训练所得的穿戴检测模型，检测所述待检测人体区域图像所得结果的准确度也比较高。
70.所述基准穿戴行为标记是根据所述训练人体待检测人体区域图像人工标记的穿戴行为，如上所述，所述基准穿戴行为标记的类别可以根据所用的所述穿戴检测模型的使用状况匹配设置。当所述待检测人体区域设置为头部、胸腹部、四肢或脚部等部位时，所述基准穿戴行为标记的类别需与所述穿戴行为判定结果的类别相同，即可以包括穿戴正常行为标记或穿戴异常行为标记，还可以包括穿戴异常区域标记。所述穿戴异常区域标记包括头部、胸腹部、四肢或脚部等区域的穿戴异常标记。
71.步骤s32: 利用穿戴检测模型，根据所述训练人体待检测人体区域图像，得到所述训练人体待检测人体区域图像对应的训练穿戴行为标记。
72.所述训练穿戴行为标记是利用待训练的穿戴检测模型，根据训练人体待检测人体区域图像得到的穿戴行为标记。为了便于后续所述穿戴检测模型的优化，所述训练穿戴行为标记的类别可以与所述基准穿戴行为标记的类别保持一致。
73.步骤s33: 基于所述基准穿戴行为标记和所述训练穿戴行为标记，得到穿戴检测模型训练损失。
74.所述穿戴检测模型训练损失为根据所述基准穿戴行为标记和所述训练穿戴行为标记获得，可以反映训练中的所述穿戴检测模型和满足要求的所述穿戴检测模型之间的差距。
75.所述穿戴检测模型训练损失可以根据所述基准穿戴行为标记和所述训练穿戴行为标记中判断概率值的差值获得，也可以根据其他方法计算。
76.步骤s34:判断所述穿戴检测模型训练损失是否满足穿戴检测模型训练损失阈值，如果否，执行步骤s35，如果是，执行步骤s36。
77.所述穿戴检测模型训练损失与所述穿戴检测模型训练损失阈值有差距时，证明所述基准穿戴行为标记和所述训练穿戴行为标记有差距，所述穿戴检测模型尚未满足要求。所述穿戴检测模型训练损失满足所述穿戴检测模型训练损失阈值时，证明所述穿戴检测模型已满足要求。
78.步骤s35：根据所述穿戴检测模型训练损失，训练所述穿戴检测模型。然后进行步骤s32。
79.训练所述穿戴检测模型，调节所述穿戴检测模型中的参数，可以使得所述穿戴检测模型向满足要求的方向变化。
80.步骤s36：得到训练完成的所述穿戴检测模型。
81.得到训练完成的所述穿戴检测模型后，就可以利用训练完成的穿戴检测模型，根据所述待检测人体区域图像，得到所述待检测人体图像对应的穿戴行为判定结果。
82.步骤s18:利用同一被检测者的至少两个人体姿态对应的穿戴行为判定结果，加权求和得到联合穿戴行为判定结果。
83.由于根据一个待检测人体区域图像得到的穿戴行为判定结果可能有偏差，为了提高所得结果的正确性，还可以通过利用同一被检测者的至少两个人体姿态对应的穿戴行为
判定结果，加权求和得到的联合穿戴行为判定结果例如，当所述人体姿态分别为正对和侧身时，均可以检测头部是否可以穿戴有头盔，但是所得结果的重要程度可能有所不同，因此可以赋予不同的权重。通过正对和侧身所对应的穿戴行为判定结果，结合相应的权重得到最终的联合穿戴行为判定结果。
84.利用至少两个人体姿态对应的穿戴行为判定结果，加权求和得到联合穿戴行为判定结果，相对单一的穿戴行为判定结果结构更加准确。本公开的实施例所提供的穿戴检测方法，可以利用人体骨骼点检测模型，根据所述待检测人体图像，得到所述待检测人体图像对应的人体骨骼点，然后利用所述人体骨骼点，得到被检测者的人体姿态，进而判断所述被检测者的人体姿态是否满足检测所需姿态，如果是，利用所述人体骨骼点，得到被检测者的待检测人体区域图像，最后利用穿戴检测模型，根据所述待检测人体区域图像，得到所述待检测人体区域图像对应的穿戴行为判定结果。
85.可以看出，本公开的实施例所提供的穿戴检测方法可以利用人体骨骼点筛选满足检测所需姿态的图片作为待检测人体区域图像，从而无需被检测者必须满足固定姿势，可以摆脱姿势限制；而且所述待检测人体区域图像也能够更精准的提供需要检测区域的图像，截去无需检测的区域的图像，能够去除大量的冗余信息，为后续的穿戴检测模型提供更加精确的输入，从而使得所得到的穿戴行为判定结果得到更高的准确度。
86.需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本公开并不受所描述的动作顺序的限制，因为依据本公开，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于可选实施例，所涉及的动作和模块并不一定是本公开所必须的。
87.以上是关于方法实施例的介绍，以下通过装置实施例，对本公开所述方案进行进一步说明。
88.请参考图4，图4示出了本公开的实施例提供的穿戴检测装置的示意图。如图4所示，本公开的实施例提供的穿戴检测装置包括：待检测人体图像获取单元41，适于获取被检测者的待检测人体图像；人体骨骼点获取单元42，适于利用人体骨骼点检测模型43，根据所述待检测人体图像，得到所述待检测人体图像对应的人体骨骼点；人体姿态获取单元44，适于利用所述人体骨骼点，得到被检测者的人体姿态；待检测人体区域图像获取单元46，适于判断所述被检测者的人体姿态是否满足检测所需姿态，如果是，利用所述人体骨骼点，得到被检测者的待检测人体区域图像；穿戴行为判定结果获取单元46，适于利用穿戴检测模型47，根据所述待检测人体区域图像，得到所述待检测人体区域图像对应的穿戴行为判定结果。
89.本公开的实施例所提供的穿戴检测装置，可以利用人体骨骼点检测模型，根据所述待检测人体图像，得到所述待检测人体图像对应的人体骨骼点，然后利用所述人体骨骼点，得到被检测者的人体姿态，进而判断所述被检测者的人体姿态是否满足检测所需姿态，如果是，利用所述人体骨骼点，得到被检测者的待检测人体区域图像，最后利用穿戴检测模型，根据所述待检测人体区域图像，得到所述待检测人体区域图像对应的穿戴行为判定结果。
90.可以看出，本公开的实施例所提供的穿戴检测装置可以利用人体骨骼点筛选满足检测所需姿态的图片作为待检测人体区域图像，从而无需被检测者必须满足固定姿势，可以摆脱姿势限制；而且所述待检测人体区域图像也能够更精准的提供需要检测区域的图像，截去无需检测的区域的图像，能够去除大量的冗余信息，为后续的穿戴检测模型提供更加精确的输入，从而使得所得到的穿戴行为判定结果得到更高的准确度。
91.如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述穿戴行为判定结果包括穿戴正常结果或穿戴异常结果。
92.如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述穿戴行为判定结果还包括穿戴异常区域结果。
93.如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，还包括：人体骨骼点检测模型训练单元48，适于:获取人体骨骼点检测训练数据集，其中，所述人体骨骼点检测训练数据集包括训练人体图像及所述训练人体图像对应的基准人体骨骼点标记；利用待训练的人体骨骼点检测模型43，根据所述训练人体图像，得到所述训练人体图像对应的训练人体骨骼点标记；基于所述基准人体骨骼点标记和所述训练人体骨骼点标记，得到人体骨骼点检测模型训练损失，根据所述人体骨骼点检测模型训练损失，训练所述人体骨骼点检测模型43，直至所述人体骨骼点检测模型训练损失满足人体骨骼点检测模型训练损失阈值，得到训练完成的所述人体骨骼点检测模型43。
94.如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，还包括：穿戴检测模型训练单元49，适于:获取穿戴检测模型训练数据集，其中，所述穿戴检测模型训练数据集包括训练人体待检测人体区域图像及所述训练人体待检测人体区域图像对应的基准穿戴行为标记；利用穿戴检测模型47，根据所述训练人体待检测人体区域图像，得到所述训练人体待检测人体区域图像对应的训练穿戴行为标记；基于所述基准穿戴行为标记和所述训练穿戴行为标记，得到穿戴检测模型训练损失，根据所述穿戴检测模型训练损失，训练所述穿戴检测模型47，直至所述穿戴检测模型训练损失满足穿戴检测模型训练损失阈值，得到训练完成的所述穿戴检测模型47。
95.所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，所述描述的模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
96.图5示出了能够实施本公开的实施例的示例性电子设备的示意图。设备50可以用于实现本公开的实施例提供的穿戴检测方法。如图所示，设备50包括cpu51，其可以根据存储在rom52中的程序指令或者从存储单元58加载到ram53中的程序指令，来执行各种适当的动作和处理。在rom53中，还可以存储设备50操作所需的各种程序和数据。cpu51、rom52以及rom53通过总线54彼此相连。i/o接口55也连接至总线54。
97.设备50中的多个部件连接至i/o接口55，包括：输入单元56，例如键盘、鼠标等；输出单元57，例如各种类型的显示器、扬声器等；存储单元58，例如磁盘、光盘等；以及通信单元59，例如网卡、调制解调器、无线通信收发机等。通信单元59允许设备50通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
98.处理单元31执行上文所描述的各个方法和处理，例如所述穿戴检测方法。例如，在一些实施例中，所述穿戴检测方法可被实现为计算机软件程序，其被有形地包含于计算机可读介质，例如存储单元58。在一些实施例中，程序的部分或者全部可以经由rom52和/或通信单元59而被载入和/或安装到设备50上。当程序加载到rom53并由cpu51执行时，可以执行上文描述的所述穿戴检测方法的一个或多个步骤。备选地，在其他实施例中，cpu51可以通过其他任何适当的方式（例如，借助于固件）而被配置为执行所述穿戴检测方法。
99.本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：场可编程门阵列（fpga）、专用集成电路（asic）、专用标准产品（assp）、片上系统（soc）、复杂可编程逻辑器件（cpld）等等。
100.用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
101.本公开的实施例还提供了一种计算机可读存储介质，其上存储有程序，所述程序被处理器执行时实现所述穿戴检测方法。
102.在本公开的上下文中，计算机可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。计算机可读介质可以是机器可读信号介质或机器可读储存介质。计算机可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、ram、rom、eprom、光纤、cd
‑
rom、光学储存设备、磁储存设备、或上述内容的任何合适组合。
103.此外，虽然采用特定次序描绘了各操作，但是这应当理解为要求这样操作以所示出的特定次序或以顺序次序执行，或者要求所有图示的操作应被执行以取得期望的结果。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实现中。相反地，在单个实现的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实现中。
104.尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。