(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211137967.5 (22)申请日 2022.09.19 (65)同一申请的已公布的文献号 申请公布号 CN 115223206 A (43)申请公布日 2022.10.21 (73)专利权人 季华实验室 地址 528200 广东省佛山市南海区桂城街 道环岛南路28号 (72)发明人 李腾　蔡维嘉　焦家辉　张立华　 (74)专利代理 机构 佛山市海融科创知识产权代 理事务所(普通 合伙) 44377 专利代理师 许家裕 (51)Int.Cl. G06V 40/10(2022.01) G06N 3/04(2006.01)G06V 10/25(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01) (56)对比文件 CN 113642520 A,2021.1 1.12 CN 112598059 A,2021.04.02 审查员 李艳军 (54)发明名称 工作服穿戴情况检测方法、 装置、 电子设备 及存储介质 (57)摘要 本申请属于图像识别技术领域， 公开了一种 工作服穿戴情况检测方法、 装置、 电子设备及存 储介质， 通过获取待检测图像； 把所述待检测图 像输入预先训练好的AT_YOLOv5网络模型， 得到 所述AT_YOLOv5网络模型输出的预测框数据； 所 述AT_YOL Ov5网络模型根据包 括多个标注图像的 数据集训练得到， 所述标注图像包含延伸至人员 膝盖处的衣 服标注框； 采用Ad ‑NMS算法对所述预 测框数据进行筛选处理， 以得到人员工作服穿戴 情况的检测结果； 从而对人群密集区域的人员工 作服穿戴情况的检测准确性较高。 权利要求书3页 说明书15页 附图3页 CN 115223206 B 2022.12.27 CN 115223206 B 1.一种工作服 穿戴情况检测方法， 其特 征在于， 包括 步骤： A1.获取待检测图像； A2.把所述待检测图像输入预先训练好 的AT_YOLOv5网络模型， 得到所述AT_YOLOv5网 络模型输出的预测 框数据； 所述AT_YOLOv5网络模型根据包括多个标注图像的数据集训练 得到， 所述标注图像包 含延伸至人员膝盖处的衣服标注框； A3.采用Ad ‑NMS算法对所述预测框数据进行筛选处理， 以得到人员工作服穿戴情况的 检测结果; 所述AT_YOLOv5网络模型包括主干层、 颈 部层和预测层； 所述主干层采用CS PNet结构； 所述颈部层采用FPN+PAN结构， 所述颈部层包括依次连接的FPN层、 第一PAN层、 第二PAN 层和第三PAN层； 所述FPN层包括从前到后依次连接的上采样模块、 张量拼接模块、 CSP模块 和通道注意力模块； 所述第一PAN层包括从前到后依次连接的卷积层、 上采样模块、 张量拼 接模块、 Transformer模块和通道注 意力模块， 所述第一PAN层的所述卷积层与所述FPN层的 所述通道注意力模块连接； 所述第二PAN层包括从前到后依次连接的卷积层、 张量拼接模 块、 Transformer模块和通道注 意力模块， 所述第二PAN层的所述卷积层与所述第一PAN层的 所述通道注 意力模块连接； 所述第三PA N层包括从前到后依次连接的卷积层、 张量拼接模块 和Transformer模块， 所述第三PAN层的所述卷积层与所述第二PAN层的所述通道注意力模 块连接； 所述预测层包括 三个分别与三个Transformer模块连接的卷积层。 2.根据权利要求1所述的工作服穿戴情况检测方法， 其特征在于， 所述AT_YOLOv5网络 模型根据以下 过程训练得到： B1.获取多帧第一图像； 多帧所述第一图像包括被测场景图像和非被测场景图像， 所述 被测场景图像和所述非被测场景图像均包 含人员影 像； B2.在所述第一图像中添加延伸至人员膝盖处的衣服标注框， 并标注各衣服标注框的 类别， 得到所述数据集； 所述类别为表示穿戴工作服的第一类别或表示没有穿戴工作服的 第二类别； B3.根据所述数据集对AT_YOLOv5网络模型进行训练得到训练后的AT_YOLOv5网络模 型。 3.根据权利要求2所述的工作服穿戴情况检测方法， 其特征在于， 步骤B2之后和步骤B3 之前， 还包括步骤： B4.采用Mosaic算法对所述数据集进行增强处 理。 4.根据权利要求1所述的工作服穿戴情况检测方法， 其特征在于， 所述预测框数据包括 各预测框的基本数据和置信度数据； 所述基本数据包括对应的所述预测框的位置数据、 尺 寸数据和类别数据； 步骤A3包括： A301.从所述预测框数据提取各所述预测框的所述基本数据和所述置信度数据， 分别 形成基本数据集和置信度数据集； A302.根据所述基本数据集计算各 所述预测框的人员密度； A303.初始化两个空集， 分别记为有效基本数据集和有效置信度数据集；权　利　要　求　书 1/3 页 2 CN 115223206 B 2A304.以当前的所述置信度数据集中最大的置信度数据对应的所述预测框为有效框， 把所述有效框对应的所述基本数据和所述置信度数据分别放入所述有效基本数据集和所 述有效置信度数据集， 并把所述有效框对应的所述基本数据和所述置信度数据分别从所述 基本数据集和所述置信度数据集删除； A305.若所述基本数据集和所述置信度数据集不为空， 则根据所述有效框对应的所述 人员密度计算置信度阈值， 并执行步骤A306； 若所述基本数据集和所述置信度数据集为空， 则执行步骤A3 08； A306.根据所述有效框与所述基本数据集剩余的各所述基本数据对应的所述预测框之 间的交并比以及所述置信度阈值， 分别从所述基本数据集和所述置信度数据集删除冗余框 的所述基本数据和所述置信度数据； A307.若所述基本数据 集和所述置信度数据 集不为空， 则返回步骤A304， 若所述基本数 据集和所述置信度数据集 为空， 则执 行步骤A3 08； A308.根据所述有效基本数据集和所述有效置信度数据集， 输出人员工作服穿戴情况 的检测结果。 5.根据权利要求 4所述的工作服 穿戴情况检测方法， 其特 征在于， 步骤A3 02包括： 根据以下公式计算各 所述预测框的人员密度： ； 其中， 为第 个所述预测框的人员密度， 为第 个所述预测框与第 个所述预测框之间的交并比， 、 分别为第 个所述预测框和第 个所述预测框的标识 符， 为所述基本数据集， 为所述预测框的数量。 6.根据权利要求 4所述的工作服 穿戴情况检测方法， 其特 征在于， 步骤A3 05包括： 若所述基本数据集和所述置信度数据集不为空， 则根据 以下公式计算所述置信度阈 值： ； 其中， 为所述置信度阈值， 为预设的初始阈值， 为所述有效框对应的所述人 员密度。 7.一种工作服 穿戴情况检测装置， 其特 征在于， 包括： 第一获取模型， 用于获取待检测图像； 检测模块， 用于把所述待检测图像输入预先训 练好的AT_YOLOv5网络模型， 得到所述 AT_YOLOv5网络模型输出的预测框数据； 所述AT_YOLOv5网络模 型根据包括多个标注图像的 数据集训练得到， 所述标注图像包 含延伸至人员膝盖处的衣服标注框； 筛选模块， 用于采用Ad ‑NMS算法对所述预测框数据进行筛选处理， 以得到人员工作服 穿戴情况的检测结果； 所述AT_YOLOv5网络模型包括主干层、 颈 部层和预测层；权　利　要　求　书 2/3 页 3 CN 115223206 B 3