(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210924309.4 (22)申请日 2022.07.27 (71)申请人 浙江大华 技术股份有限公司 地址 310051 浙江省杭州市滨江区滨安路 1187号 (72)发明人 郑惠中　唐邦杰　潘华东　殷俊　 郑少飞　 (74)专利代理 机构 深圳市威世博知识产权代理 事务所(普通 合伙) 44280 专利代理师 严翠霞 (51)Int.Cl. G06V 40/10(2022.01) G06V 10/44(2022.01) G06V 10/74(2022.01) G06V 10/764(2022.01)G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 穿戴检测模 型的训练方法、 穿戴检测方法及 相关设备 (57)摘要 本申请公开了一种穿戴检测模型的训练方 法、 穿戴检测方法及相关设备， 穿戴检测模型包 括特征提取层、 属性预测层以及类别预测层， 该 穿戴检测模 型的训练方法包括： 获取训练样本图 像； 将训练样本图像输入特征提取层， 得到样本 提取特征； 将样本提取特征输入属性预测层， 得 到样本穿戴属性特征； 将样本提取特征输入类别 预测层， 得到样本身份特征； 基于样本穿戴属性 特征、 样本身份特征 以及样本提取特征， 计算训 练样本图像对应的训练损失； 基于训练损失， 对 穿戴检测模 型进行训练， 得到训练后的穿戴检测 模型。 通过上述方式， 本申请能够提升训练后的 穿戴检测模型的穿戴检测精度。 权利要求书3页 说明书9页 附图5页 CN 115424294 A 2022.12.02 CN 115424294 A 1.一种穿戴检测模型的训练方法， 其特征在于， 所述穿戴检测模型包括特征提取层、 属 性预测层以及类别预测层， 所述方法包括： 获取训练样本图像； 将所述训练样本图像输入所述特 征提取层， 得到样本提取 特征； 将所述样本提取 特征输入所述属性预测层， 得到样本穿戴属性特 征； 将所述样本提取 特征输入所述类别预测层， 得到样本身份特 征； 基于所述样本穿戴属性特征、 所述样本身份特征以及所述样本提取特征， 计算所述训 练样本图像对应的训练损失； 基于所述训练损失， 对所述 穿戴检测模型进行训练， 得到训练后的穿戴检测模型。 2.根据权利要求1所述的穿戴检测模型的训练方法， 其特征在于， 所述基于所述样本穿 戴属性特征、 所述样本身份特征以及所述样本提取特征， 计算所述训练样本图像对应的训 练损失的步骤， 包括： 基于所述样本穿戴属性特 征与所述样本身份特 征， 计算属性身份损失； 基于所述样本提取 特征， 计算特 征损失值； 基于所述属性身份损失与所述特 征损失值， 计算所述训练损失。 3.根据权利要求2所述的穿戴检测模型的训练方法， 其特征在于， 所述属性身份损失包 括属性损失值与身份损失值， 所述基于所述样本穿戴属 性特征与所述样本身份特征， 计算 属性身份损失的步骤， 包括： 获取所述训练样本图像对应的穿戴属性标签以及身份标签； 计算所述样本穿戴属性特 征与所述 穿戴属性标签之间的损失， 得到所述属性损失值； 计算所述样本身份特 征与所述身份标签之间的损失， 得到所述身份损失值； 所述基于所述属性身份损失与所述特 征损失值， 计算所述训练损失的步骤， 包括： 对所述属性损 失值、 所述身份损 失值以及所述特征损 失值进行加权求和， 得到所述训 练损失。 4.根据权利要求3所述的穿戴检测模型的训练方法， 其特征在于， 所述样本穿戴属性特 征包括多个子属 性特征， 所述穿戴属 性标签包括与每个所述子属 性对应的子属 性标签， 所 述计算所述样本穿戴属性特征与所述穿戴属性标签之 间的损失， 得到所述属性损失值的步 骤， 包括： 计算每个所述子属性特征与相应的子属性标签的交叉熵损失， 得到多个交叉熵损失 值； 对所述多个交叉熵损失值进行加权求和， 得到所述属性损失值。 5.根据权利要求2所述的穿戴检测模型的训练方法， 其特征在于， 所述训练样本图像包 括目标样本图像、 正样本图像以及负样本图像， 所述样本提取特征包括所述 目标样本图像 的特征、 所述正样本图像的特征以及所述负样 本图像的特征； 所述基于所述样本提取特征， 计算特征损失值的步骤， 包括： 采用三元组损失函数对所述目标样本图像的特征、 所述正样本图像的特征以及所述负 样本图像的特 征进行计算， 得到所述特 征损失值。 6.根据权利要求1所述的穿戴检测模型的训练方法， 其特征在于， 所述训练样本图像包 括目标样本图像、 正样本图像以及负 样本图像， 所述获取训练样本图像的步骤， 包括：权　利　要　求　书 1/3 页 2 CN 115424294 A 2获取预设训练样本集与所述目标样本图像， 所述预设训练样本集包括多个样本图像 集； 基于所述目标样本图像， 从所述多个样本图像集中选取所述正样本图像以及所述负样 本图像。 7.根据权利要求6所述的穿戴检测模型的训练方法， 其特征在于， 所述基于所述目标样 本图像， 从所述多个样本图像集中选取 所述正样本图像以及所述负 样本图像的步骤， 包括： 从所述预设训练样本集中选取与所述目标样本图像的穿戴属性特征相同且身份特征 相同的样本图像集， 得到正样本图像集； 从所述正样本图像集中随机 选取一个样本图像， 得到所述 正样本图像； 从所述预设训练样本集中选取与 所述目标样本图像的身份特征不同的样本图像集， 得 到负样本图像集； 从所述负 样本图像集中随机 选取一个样本图像， 得到所述负 样本图像。 8.根据权利要求7所述的穿戴检测模型的训练方法， 其特征在于， 所述负样本图像集包 括第一负样本图像集与第二负样本图像集； 所述从所述预设训练样本集中选取与所述目标 样本图像的身份特 征不同的样本图像集， 得到负 样本图像集的步骤， 包括： 从所述预设训练样本集中选取第一预设数量个与所述目标样本图像的穿戴属性特征 相同且身份特 征不同的样本图像集， 得到所述第一负 样本图像集； 从所述预设训练样本集中随机选取第二预设数量个与所述目标样本图像的身份特征 不同的样本图像集， 得到所述第二负 样本图像集。 9.根据权利要求8所述的穿戴检测模型的训练方法， 其特征在于， 所述穿戴属性特征包 括多个子属性特征； 所述从所述预设训练样本集中选取第一预设数量个与所述目标样本图 像的穿戴属性特征相同且身份特征不同的样本图像集， 得到所述第一负样本图像集的步 骤， 包括： 分别从所述预设训练样本集中选取出与所述目标样本图像的各个子属性特征相同且 身份特征不同的多个样本图像集， 得到所述第一负 样本图像集。 10.一种穿戴检测方法， 其特 征在于， 包括： 获取待识别图像与比对图像集； 所述比对图像集包含多个比对图像以及每个所述比对 图像对应的穿戴属性标签以及身份标签； 将所述待识别图像输入训练后的穿戴检测模型， 得到所述待识别图像对应的待识别特 征， 所述训练后的穿戴检测模型为利用上述权利要求1 ‑9所述的穿戴检测模型的训练方法 训练得到； 将所述比对图像输入所述训练后的穿戴检测模型， 得到所述 比对图像对应的比对特 征； 基于所述待识别特征、 所述比对特征以及所述穿戴属性标签， 得到穿戴检测结果； 所述 穿戴检测结果包含所述待识别图像中的目标对 象的穿戴是否满足与所述身份标签对应的 穿戴要求。 11.根据权利要求10所述的穿戴检测方法， 其特征在于， 所述基于所述待识别特征、 所 述比对特 征以及所述 穿戴属性标签， 得到穿戴检测结果的步骤， 包括： 计算所述待识别特征与每个所述比对图像对应的比对特征之间的相似度， 得到多个相权　利　要　求　书 2/3 页 3 CN 115424294 A 3