(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 202210465440.9 (22)申请日 2022.04.29 (71)申请人 中国银行股份有限公司 地址 100818 北京市西城区复兴门内大街1 号 (72)发明人 程敏霞　刘莹　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 专利代理师 李伟 (51)Int.Cl. G06V 10/82(2022.01) G06V 20/52(2022.01) G06V 10/774(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种银行员工着装判别方法及 装置、 存储介 质及电子设备 (57)摘要 本申请提供了一种银行员工着装判别方法 及装置、 存储介质及电子设备， 可用于人工智能 领域或金融领域， 该方法通过 获取摄像装置对 银 行员工的着装进行拍摄所得的着装图像； 将着装 图像输入至着 装判别模型中， 得到银行员工的着 装判别结果； 其中， 着装判别模型基于卷积神经 网络模型预先建立得到， 着装判别结果用于指示 银行员工的着 装是否合规； 输出与着装判别结果 对应的提示信息。 本申请方案， 将通过摄像装置 对银行员工的着装进行拍摄所得的着装图像输 入至着装判别模 型中， 从而 得到着装 是否合规的 着装判别结果， 实现了自动对 银行员工的着装进 行是否合规的判别， 从而解决了现有技术中的人 工监督难免存在细节疏漏， 对 银行企业形象造成 较大的影响的问题。 权利要求书2页 说明书8页 附图4页 CN 114937193 A 2022.08.23 CN 114937193 A 1.一种银 行员工着装判别方法， 其特 征在于， 包括： 获取摄像装置对银 行员工的着装进行拍摄所 得的着装图像； 将所述着装图像输入至着装判别模型中， 得到所述银行员工的着装判别结果； 其中， 所 述着装判别模型基于卷积神经网络模型预先建立得到， 所述着装判别结果用于指示所述银 行员工的着装是否合 规； 输出与所述着装判别结果对应的提 示信息。 2.根据权利要求1所述的方法， 其特征在于， 基于卷积神经网络模型预先建立着装判别 模型的过程， 包括： 采集银行员工的历史着装图像集； 所述历史着装图像集中包括多个历史着装图像， 所 述历史着装图像中携带第一标记数据和第二标记数据， 所述第一标记数据用于标记性别， 所述第二标记数据用于标记对应的历史着装图像所对应的着装是否合 规； 对所述历史着装图像集中的每个历史着装图像进行数据增强处理， 得到每个历史着装 图像对应的增强图像； 将每个历史着装图像和每个增强图像确定为训练数据， 并将各个训练数据组成训练数 据集； 从所述训练数据集中选取一个未参与训练的训练数据作为目标训练数据； 基于所述目标训练数据， 对卷积神经网络模型进行训练， 判断当前的卷积神经网络模 型的损失函数是否满足预设收敛条件， 若不满足， 则利用BP算法更新当前的卷积神经网络 模型的模型参数， 得到新的卷积神经网络模型， 基于新的卷积神经网络模型， 返回执行所述 从所述训练数据集中选取一个为参与训练的训练数据作为目标训练数据的步骤， 直至 当前 的卷积神经网络模型的损失函数满足预设收敛 条件； 将当前的卷积神经网络模型作为着装判别模型。 3.根据权利要求2所述的方法， 其特征在于， 所述对所述历史着装图像集中的每个历史 着装图像进行 数据增强处 理， 得到每 个历史着装图像对应的增强图像， 包括： 针对所述历史着装图像集中的每个历史着装图像， 对所述历史着装图像分别执行增强 操作集合中的每一个操作， 得到每一个操作对应的增强 图像； 所述增强操作集合中至少包 括： 翻转操作、 旋转操作、 亮度调整操作、 饱和度调整操作、 色彩抖动操作和添加噪声操作。 4.根据权利要求2所述的方法， 其特征在于， 所述卷积神经网络模型包括一个输入层、 一个输出层、 四个卷积层、 三个最大池化层和三个全连接层。 5.根据权利要求1所述的方法， 其特征在于， 所述输出与 所述着装判别结果对应的提示 信息， 包括： 若所述着装判别结果指示所述银行员工的着装合规， 则输出第一提示信息； 所述第一 提示信息用于提 示着装合 规； 若所述着装判别结果指示所述银行员工的着装不合规， 则输出第二提示信息； 所述第 二提示信息用于提 示着装不 合规。 6.一种银 行员工着装判别装置， 其特 征在于， 包括： 获取单元， 用于获取摄 像装置对银 行员工的着装进行拍摄所 得的着装图像； 输入单元， 用于将所述着装图像输入至着装判别模型中， 得到所述银行员工的着装判 别结果； 其中， 所述着装判别模型基于卷积神经网络模型预先建立得到， 所述着装判别结果权　利　要　求　书 1/2 页 2 CN 114937193 A 2用于指示所述银 行员工的着装是否合 规； 输出单元， 用于输出与所述着装判别结果对应的提 示信息。 7.根据权利要求6所述的装置， 其特征在于， 所述输入单元在基于卷积神经网络模型预 先建立着装判别模型的过程时， 具体用于： 采集银行员工的历史着装图像集； 所述历史着装图像集中包括多个历史着装图像， 所 述历史着装图像中携带第一标记数据和第二标记数据， 所述第一标记数据用于标记性别， 所述第二标记数据用于标记对应的历史着装图像所对应的着装是否合 规； 对所述历史着装图像集中的每个历史着装图像进行数据增强处理， 得到每个历史着装 图像对应的增强图像； 将每个历史着装图像和每个增强图像确定为训练数据， 并将各个训练数据组成训练数 据集； 从所述训练数据集中选取一个未参与训练的训练数据作为目标训练数据； 基于所述目标训练数据， 对卷积神经网络模型进行训练， 判断当前的卷积神经网络模 型的损失函数是否满足预设收敛条件， 若不满足， 则利用BP算法更新当前的卷积神经网络 模型的模型参数， 得到新的卷积神经网络模型， 基于新的卷积神经网络模型， 返回执行所述 从所述训练数据集中选取一个为参与训练的训练数据作为目标训练数据的步骤， 直至 当前 的卷积神经网络模型的损失函数满足预设收敛 条件； 将当前的卷积神经网络模型作为着装判别模型。 8.根据权利要求6所述的装置， 其特征在于， 所述输入单元在对所述历史着装图像集中 的每个历史着装图像进行数据增强处理， 得到每个历史着装图像对应的增强 图像时， 具体 用于： 针对所述历史着装图像集中的每个历史着装图像， 对所述历史着装图像分别执行增强 操作集合中的每一个操作， 得到每一个操作对应的增强 图像； 所述增强操作集合中至少包 括： 翻转操作、 旋转操作、 亮度调整操作、 饱和度调整操作、 色彩抖动操作和添加噪声操作。 9.一种存储介质， 其特征在于， 所述存储介质存储有指令集， 其中， 所述指令集被处理 器执行时实现如权利要求1 ‑5任意一项所述的银 行员工着装判别方法。 10.一种电子设备， 其特 征在于， 包括： 存储器， 用于存 储至少一组指令集； 处理器， 用于执行所述存储器中存储的指令集， 通过执行所述指令集实现如权利要求 1‑5任意一项所述的银 行员工着装判别方法。权　利　要　求　书 2/2 页 3 CN 114937193 A 3