[发明专利]静脉区域的检测方法、装置和设备

权利要求书

1.一种静脉区域的检测方法，其特征在于，包括：

利用预设的近红外摄像设备采集检测区域的区域图像；

将所述区域图像输入到预先训练好的静脉检测模型中；

获取所述静脉检测模型输出的预测框置信度；

若所述预测框置信度大于预设阈值，获取所述静脉检测模型输出的静脉区域检测结果。

2.根据权利要求1所述静脉区域的检测方法，其特征在于，所述静脉检测模型的训练过程，包括：

获取训练集和验证集；

对所述训练集进行数据增强，得到增强训练集，以及，根据所述训练集确定先验框；

将所述增强训练集和所述先验框输入到预先构建的深度学习模型进行训练，通过调整不同的超参值得到多个初始静脉检测模型；

将所述验证集分别输入到每个所述初始静脉检测模型中，确定每个所述初始静脉检测模型的平均精度和召回率；

根据所述平均精度和所述召回率，在所述初始静脉检测模型中确定所述静脉检测模型。

3.根据权利要求2所述静脉区域的检测方法，其特征在于，所述获取训练集和验证集，包括：

利用所述近红外摄像设备采集若干张样本区域图像，以使所述用户在所述样本区域图像上标注静脉区域；

按照预设比例将已标注所述静脉区域的所述样本区域图像分为所述训练集和所述验证集。

4.根据权利要求3所述静脉区域的检测方法，其特征在于，所述根据所述训练集确定先验框，包括：

对标注所述静脉区域的标注框进行Kmeans聚类处理，得到所述先验框。

5.根据权利要求2所述静脉区域的检测方法，其特征在于，所述对所述训练集进行数据增强，得到增强训练集，包括：

对所述训练集至少进行旋转处理、裁剪处理、缩放处理和图像调整处理中的一种处理，得到所述增强训练集。

6.根据权利要求2所述静脉区域的检测方法，其特征在于，所述将所述增强训练集和所述先验框输入到预先构建的深度学习模型进行训练，通过调整不同的超参值得到多个初始静脉检测模型，包括：

将所述增强训练集和所述先验框输入到预先构建的深度学习模型，并设置不同的所述超参值，对所述深度学习模型进行训练；

当输出的损失函数收敛和/或达到预设的迭代次数后，得到多个所述初始静脉检测模型。

7.根据权利要求1所述静脉区域的检测方法，其特征在于，所述方法还包括：

若所述预测框置信度小于或等于所述预设阈值，输出调整提醒，以重新获取所述区域图像。

8.一种静脉区域的检测装置，其特征在于，包括：采集模块、输入模块和获取模块；

所述采集模块，用于利用预设的近红外摄像设备采集检测区域的区域图像；

所述输入模块，用于将所述区域图像输入到预先训练好的静脉检测模型中；

所述获取模块，用于获取所述静脉检测模型输出的预测框置信度，若所述预测框置信度大于预设阈值，获取所述静脉检测模型输出的静脉区域检测结果。

9.根据权利要求8所述静脉区域的检测装置，其特征在于，还包括：数据增强模块、先验框确定模块和模型确定模块；

所述获取模块，还用于获取训练集和验证集；

所述数据增强模块，用于对所述训练集进行数据增强，得到增强训练集；

所述先验框确定模块，用于根据所述训练集确定先验框；

所述输入模块，还用于将所述增强训练集和所述先验框输入到预先构建的深度学习模型进行训练，通过调整不同的超参值得到多个初始静脉检测模型；

所述模型确定模块，用于将所述验证集分别输入到每个所述初始静脉检测模型中，确定每个所述初始静脉检测模型的平均精度和召回率，根据所述平均精度和所述召回率，在所述初始静脉检测模型中确定所述静脉检测模型。

10.一种静脉区域的检测设备，其特征在于，包括处理器和存储器，所述处理器与所述存储器相连：

其中，所述处理器，用于调用并执行所述存储器中存储的程序；

所述存储器，用于存储所述程序，所述程序至少用于执行权利要求1-7任一项所述的静脉区域的检测方法。