[发明专利]视觉数据中防护设备的检测方法、系统、装置和存储介质

权利要求书

1.一种视觉数据中防护设备的检测方法，其特征在于，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×(2n+5)，所述第二输出层的尺寸为s₂×s₂×b×(2n+5)，所述第三输出层的尺寸为s₃×s₃×b×(2n+5)，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；所述第一输出层、第二输出层和第三输出层中的至少一个由多分类激活函数激活；所述多分类激活函数为

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，以及每个人员所穿戴的防护设备的类型；

在对应同一防护设备类型的范围内，对各所述边界框进行非最大值抑制；

对所有所述边界框进行非最大值抑制。

2.根据权利要求1所述的检测方法，其特征在于，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。

3.根据权利要求2所述的检测方法，其特征在于，所述YOLO-v3模型的训练过程还包括：

对所述YOLO-v3模型中各层的权重进行调整，使得所述YOLO-v3模型的学习速率达到目标值。

4.根据权利要求3所述的检测方法，其特征在于，所述对所述YOLO-v3模型中的各层的权重进行调整，使得所述YOLO-v3模型的学习率达到目标值这一步骤，具体包括：

在每次调整所述YOLO-v3模型中各层的权重后，检测所述YOLO-v3模型的验证损失；

当连续三次调整对应的验证损失均不减小，则将学习率调整至一半的水平；

当连续三次调整对应的验证损失均不减小，则将学习率调整至零。

5.根据权利要求2-4任一项所述的检测方法，其特征在于，所述第一数据集为COCO数据集，所述第二数据集为Pictor-v3数据集。

6.根据权利要求2-4任一项所述的检测方法，其特征在于，还包括以下步骤：

对所述第一数据集和/或第二数据集进行数据增强操作；所述数据增强操作包括按比例放缩、平移、翻转以及色彩空间中的至少一种。