[發明專利]視覺數據中防護設備的檢測方法、系統、裝置和存儲介質

有效

• 申請號: 202010146025.8
• 申請日: 2020-03-03
• 公開（公告）號: CN111460902B
• 公開（公告）日: 2023-03-14
• 發明（設計）人: 蔡長青
• 申請（專利權）人: 廣州大學
• 主分類號: G06V20/52
• 分類號: G06V20/52;G06V10/764;G06V10/82;G06N3/0464;G06N3/09
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 黎揚鵬

1.一種視覺數據中防護設備的檢測方法，其特征在于，包括以下步驟：

獲取視覺數據；所述視覺數據能夠顯示出至少一個人員；

將所述視覺數據輸入到YOLO-v3模型中；所述YOLO-v3模型包括依次連接的第一輸出層、第二輸出層和第三輸出層，所述第一輸出層的尺寸為s₁×s₁×b×(2n+5)，所述第二輸出層的尺寸為s₂×s₂×b×(2n+5)，所述第三輸出層的尺寸為s₃×s₃×b×(2n+5)，s₁為所述第一輸出層中每個網格的尺寸，s₂為所述第二輸出層中每個網格的尺寸，s₃為所述第三輸出層中每個網格的尺寸，b為所述第一輸出層中每個網格所使用的邊界框的數量，n為所要識別的防護設備的類型數量；所述第一輸出層、第二輸出層和第三輸出層中的至少一個由多分類激活函數激活；所述多分類激活函數為

獲取所述YOLO-v3模型的輸出結果；所述YOLO-v3模型的輸出結果為使用邊界框標示出所述視覺數據中的所有人員，以及每個人員所穿戴的防護設備的類型；

在對應同一防護設備類型的范圍內，對各所述邊界框進行非最大值抑制；

對所有所述邊界框進行非最大值抑制。

2.根據權利要求1所述的檢測方法，其特征在于，所述YOLO-v3模型的訓練過程包括：

使用第一數據集對所述YOLO-v3模型進行訓練，使得所述YOLO-v3模型中的各層獲得權重；

使用第二數據集對所述YOLO-v3模型中的第一輸出層、第二輸出層和第三輸出層進行訓練，使得所述第一輸出層、第二輸出層和第三輸出層獲得權重。

3.根據權利要求2所述的檢測方法，其特征在于，所述YOLO-v3模型的訓練過程還包括：

對所述YOLO-v3模型中各層的權重進行調整，使得所述YOLO-v3模型的學習速率達到目標值。

4.根據權利要求3所述的檢測方法，其特征在于，所述對所述YOLO-v3模型中的各層的權重進行調整，使得所述YOLO-v3模型的學習率達到目標值這一步驟，具體包括：

在每次調整所述YOLO-v3模型中各層的權重后，檢測所述YOLO-v3模型的驗證損失；

當連續三次調整對應的驗證損失均不減小，則將學習率調整至一半的水平；

當連續三次調整對應的驗證損失均不減小，則將學習率調整至零。

5.根據權利要求2-4任一項所述的檢測方法，其特征在于，所述第一數據集為COCO數據集，所述第二數據集為Pictor-v3數據集。

6.根據權利要求2-4任一項所述的檢測方法，其特征在于，還包括以下步驟：

對所述第一數據集和/或第二數據集進行數據增強操作；所述數據增強操作包括按比例放縮、平移、翻轉以及色彩空間中的至少一種。