[发明专利]视觉数据中防护设备的检测方法、装置和存储介质

说明书

本发明公开了一种防护设备的检测方法、装置和存储介质。所述检测方法包括获取视觉数据，将所述视觉数据输入到YOLO‑v3模型中，获取所述YOLO‑v3模型的输出结果，根据所述YOLO‑v3模型的输出结果确定变换矩阵，将所述变换矩阵中的至少部分参数输入到机器学习分类器中，以及获取所述机器学习分类器的输出结果等步骤。本发明防护设备检测方法工作过程中无需与工作人员进行接触，具有不易受损的特点，且具有良好的客观性和可靠性；在实际使用时，只需要在合适位置设置视觉数据拍摄装置，即可实施防护设备检测方法，在拍摄装置的视野范围内的人员都属于检测范围，可以低成本、高效地进行检测。本发明广泛应用于图像检测技术领域。

技术领域

本发明涉及图像检测技术领域，尤其是一种视觉数据中防护设备的检测方法、装置和存储介质。

背景技术

对建设工地、生产流水线等的工作人员进行对个人防护设备(PPE)穿戴的检查和监督，可以促使工作人员合规穿戴防护设备，为安全生产提供有力支持。但是人工的检查和监督往往效率低、可靠性低，而且依赖人工去实现还伴随着疏忽甚至作弊等情况发生。

一种现有技术是对防护设备进行改装，例如向防护设备加装监控硬件，如果防护设备未被穿戴或未被正确穿戴，则监控硬件会发出警报信号。这种现有技术虽然能一定程度上提高效率和客观性，但是其安装在穿戴防护设备，存在损坏的可能性，当防护设备的数量较多时存在误报或漏报的可能性，而且由于需要投入新的硬件和软件，将产生较高的使用成本。

发明内容

针对上述至少一个技术问题，本发明的目的在于提供一种视觉数据中防护设备的检测方法、装置和存储介质。

一方面，本发明实施例包括一种视觉数据中防护设备的检测方法，包括以下步骤：

获取视觉数据；所述视觉数据能够显示出至少一个人员；

将所述视觉数据输入到YOLO-v3模型中；所述YOLO-v3模型包括依次连接的第一输出层、第二输出层和第三输出层，所述第一输出层的尺寸为s₁×s₁×b×6，所述第二输出层的尺寸为s₂×s₂×b×6，所述第三输出层的尺寸为s₃×s₃×b×6，s₁为所述第一输出层中每个网格的尺寸，s₂为所述第二输出层中每个网格的尺寸，s₃为所述第三输出层中每个网格的尺寸，b为所述第一输出层中每个网格所使用的边界框的数量，n为所要识别的防护设备的类型数量；

获取所述YOLO-v3模型的输出结果；所述YOLO-v3模型的输出结果为使用边界框标示出所述视觉数据中的所有人员；

根据所述YOLO-v3模型的输出结果确定变换矩阵；经过所述变换矩阵变换的各所述边界框具有统一的宽度和高度；

将所述变换矩阵中的至少部分参数输入到机器学习分类器中；所述机器学习分类器包括依次连接的卷积层、输出层和两个完全连接层，所述完全连接层由整流线性单元激活；在所述机器学习分类器的整体经过训练之后，两个所述完全连接层经过再次训练；

获取所述机器学习分类器的输出结果；所述机器学习分类器的输出结果将各所述边界框所标示的人员所穿戴的防护设备类型表示出来。

进一步地，所述YOLO-v3模型的训练过程包括：

使用第一数据集对所述YOLO-v3模型进行训练，使得所述YOLO-v3模型中的各层获得权重；

使用第二数据集对所述YOLO-v3模型中的第一输出层、第二输出层和第三输出层进行训练，使得所述第一输出层、第二输出层和第三输出层获得权重。

进一步地，所述YOLO-v3模型的训练过程还包括：