基于改进VFNET的医务人员防护用品检测方法及系统与流程

本发明涉及计算机视觉，更具体地说，本发明涉及基于改进vfnet的医务人员防护用品检测方法及系统。

背景技术：

1、现有技术在医务人员防护用品检测领域面临着一些问题。首先，医疗场景中的光照环境极其复杂多变，手术室内强烈的无影灯照射与周边阴影区域形成强烈对比，icu病房中的监护设备指示灯光与自然光交织，急诊科的应急照明系统造成局部过曝或欠曝，传统的图像预处理技术往往采用全局统一的调整策略，无法应对这种局部光照剧烈变化的复杂情况，导致防护用品在不同光照区域的可见性差异巨大。其次，医疗工作场景中防护用品之间的遮挡关系错综复杂，医务人员在执行医疗操作时，n95口罩可能被面罩部分遮挡，双层手套相互重叠，防护服与围裙交叠穿戴，而现有的目标检测算法普遍缺乏对这种特定领域遮挡模式的深度理解和建模能力，往往将合理的遮挡误判为检测冗余。同时，不同类型防护用品的尺度差异显著，从细小的护目镜到大面积的防护服，现有多尺度检测框架在特征提取和融合过程中存在语义信息传递不均衡的问题，难以同时保证小目标的检测精度和大目标的定位准确性。此外，传统的非极大值抑制策略采用固定阈值的简单策略，无法区分不同防护用品类别间的空间关系特性，经常出现误抑制现象，比如将佩戴在同一位置但属于不同防护层级的用品错误地判定为重复检测而予以删除。现有检测算法缺乏对医疗场景特殊性的深度感知和适应机制，无法充分利用医疗环境中的上下文信息和先验知识，在面对医务人员快速移动、防护用品动态遮挡、光影快速变化等真实工作场景时，检测稳定性和准确性都难以满足实际应用的严格要求。

2、鉴于此，本发明提出基于改进vfnet的医务人员防护用品检测方法及系统以解决上述问题。

技术实现思路

1、为了克服现有技术的上述缺陷，为实现上述目的，本发明提供如下技术方案：基于改进vfnet的医务人员防护用品检测方法，包括：

2、获取待检测的医疗场景图像，对医疗场景图像执行自适应光照-对比度联合校正处理，基于局部区域的像素分布方差确定光照不均匀度，并依据光照不均匀度生成局部增益系数以调整局部对比度，获得校正图像；

3、将校正图像输入改进vfnet检测网络的骨干网络，通过骨干网络中的医疗场景感知双路注意力模块提取多阶段特征图，医疗场景感知双路注意力模块并行提取通道特征与局部遮挡上下文特征，并基于局部遮挡上下文特征对通道特征进行调制，生成遮挡-尺度联合权重，将遮挡-尺度联合权重与原始通道特征融合，得到注意力增强特征图；

4、将多阶段的注意力增强特征图输入跨尺度双向特征补偿模块，执行自顶向下的语义传递与自底向上的细节补偿，并在不同尺度特征图拼接前，基于相邻尺度特征图之间的语义偏差执行特征对齐操作，生成多尺度对齐融合特征图；

5、将多尺度对齐融合特征图输入检测头，通过上下文感知多粒度池化模块对多尺度对齐融合特征图进行自适应特征压缩，并基于分类回归分支输出防护用品的预测边界框、类别置信度及类别标签；

6、对预测边界框执行类间遮挡感知的自适应非极大值抑制处理，计算相邻预测边界框之间的类别-空间重叠度，若类别-空间重叠度指示相邻预测边界框属于不同防护用品类别且空间交并比大于预设阈值，则保留相邻预测边界框；若属于相同防护用品类别且空间交并比大于动态抑制阈值，则依据类别置信度对置信度较低的预测边界框进行衰减抑制，输出最终的防护用品检测结果。

7、基于改进vfnet的医务人员防护用品检测系统，用于实现上述基于改进vfnet的医务人员防护用品检测方法，包括：

8、图像预处理模块，用于获取待检测的医疗场景图像，对医疗场景图像执行自适应光照-对比度联合校正处理，基于局部区域的像素分布方差确定光照不均匀度，并依据光照不均匀度生成局部增益系数以调整局部对比度，获得校正图像；

9、骨干特征提取模块，用于将校正图像输入改进vfnet检测网络的骨干网络，通过骨干网络中的医疗场景感知双路注意力模块提取多阶段特征图，医疗场景感知双路注意力模块并行提取通道特征与局部遮挡上下文特征，并基于局部遮挡上下文特征对通道特征进行调制，生成遮挡-尺度联合权重，将遮挡-尺度联合权重与原始通道特征融合，得到注意力增强特征图；

10、跨尺度特征融合模块，用于将多阶段的注意力增强特征图输入跨尺度双向特征补偿模块，执行自顶向下的语义传递与自底向上的细节补偿，并在不同尺度特征图拼接前，基于相邻尺度特征图之间的语义偏差执行特征对齐操作，生成多尺度对齐融合特征图；

11、检测头模块，用于将多尺度对齐融合特征图输入检测头，通过上下文感知多粒度池化模块对多尺度对齐融合特征图进行自适应特征压缩，并基于分类回归分支输出防护用品的预测边界框、类别置信度及类别标签；

12、后处理模块，用于对预测边界框执行类间遮挡感知的自适应非极大值抑制处理，计算相邻预测边界框之间的类别-空间重叠度，若类别-空间重叠度指示相邻预测边界框属于不同防护用品类别且空间交并比大于预设阈值，则保留相邻预测边界框；若属于相同防护用品类别且空间交并比大于动态抑制阈值，则依据类别置信度对置信度较低的预测边界框进行衰减抑制，输出最终的防护用品检测结果；

13、存储模块，用于存储改进vfnet检测网络的模型参数、配置参数及检测结果数据；

14、处理器，用于协调控制上述各模块的运行。

15、本发明基于改进vfnet的医务人员防护用品检测方法及系统的技术效果和优点：

16、本发明有效解决了医疗场景中普遍存在的光照不均匀问题，使得防护用品在强光照射、阴影遮蔽、混合光源等各种光照条件下都能被准确识别，大幅降低了因光照变化导致的漏检和误检现象。同时，本发明在处理防护用品间复杂遮挡关系方面，能够准确区分合理的防护用品叠戴与错误的重复检测，有效避免了传统方法中频繁出现的过度抑制问题，确保了多层防护配置下每个防护用品都能被正确识别。本发明对不同尺度防护用品的识别能力得到全面提升，无论是微小的护目镜、中等尺寸的口罩还是大面积的防护服，都能实现精确定位和分类，解决了以往小目标易丢失、大目标定位不准的技术瓶颈。本发明能够适应不同医疗科室的特殊环境要求，从手术室的无菌环境到急诊科的快节奏场景，从icu的密集监护到门诊的常规检查，都能保持稳定可靠的检测性能。

1.基于改进vfnet的医务人员防护用品检测方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述对所述医疗场景图像执行自适应光照-对比度联合校正处理，基于局部区域的像素分布方差确定光照不均匀度，并依据所述光照不均匀度生成局部增益系数以调整局部对比度，获得校正图像，包括：

3.根据权利要求1所述的方法，其特征在于，所述通过所述骨干网络中的医疗场景感知双路注意力模块提取多阶段特征图，所述医疗场景感知双路注意力模块并行提取通道特征与局部遮挡上下文特征，并基于所述局部遮挡上下文特征对所述通道特征进行调制，生成遮挡-尺度联合权重，将所述遮挡-尺度联合权重与原始通道特征融合，得到注意力增强特征图，包括：

4.根据权利要求1所述的方法，其特征在于，所述将所述多阶段的注意力增强特征图输入跨尺度双向特征补偿模块，执行自顶向下的语义传递与自底向上的细节补偿，并在不同尺度特征图拼接前，基于相邻尺度特征图之间的语义偏差执行特征对齐操作，生成多尺度对齐融合特征图，包括：

5.根据权利要求4所述的方法，其特征在于，所述将所述多尺度对齐融合特征图输入检测头，通过上下文感知多粒度池化模块对所述多尺度对齐融合特征图进行自适应特征压缩，包括：

6.根据权利要求1所述的方法，其特征在于，所述计算相邻预测边界框之间的类别-空间重叠度，若所述类别-空间重叠度指示相邻预测边界框属于不同防护用品类别且空间交并比大于预设阈值，则保留所述相邻预测边界框；若属于相同防护用品类别且空间交并比大于动态抑制阈值，则依据类别置信度对置信度较低的预测边界框进行衰减抑制，包括：

7.根据权利要求6所述的方法，其特征在于，所述动态抑制阈值基于预测边界框所处区域的局部密度和边界框的尺度面积动态确定；

8.根据权利要求1所述的方法，其特征在于，在所述获取待检测的医疗场景图像之前，还包括构建医务人员防护用品专用数据集的步骤，该步骤包括：

9.根据权利要求1所述的方法，其特征在于，所述基于分类回归分支输出防护用品的预测边界框、类别置信度及类别标签，包括：

10.基于改进vfnet的医务人员防护用品检测系统，其特征在于，包括：