[发明专利]一种七步洗手法操作规范性自动检测方法

说明书

一种七步洗手法操作规范性自动检测方法，包括以下步骤：S1，利用置于洗手台上方的摄像头，采集洗手视频；S2，根据硬件实际情况及检测帧率的要求，对洗手视频截图并对其进行预处理；S3，将预处理后的每一帧图像输入到采用自适应学习率算法训练的经裁剪的YOLOv3手势类型检测网络，得到每一帧的手势类型及其置信度；S4，基于所有检测得到的手势信息计算各手势类型的排列顺序、有效时间及其修正的平均置信度；S5，基于得到的各手势类型特征值，根据规范性评价规则进行评分，并以此进行洗手操作规范性评价。本发明提高评价的客观性、有利于实施有效监督；提高手势类型检测的速度和准确率；提高评价的合理性。

技术领域

本发明涉及深度学习和手势识别领域，具体是一种基于YOLOv3的七步洗手法操作规范性自动检测方法，尤其涉及一种基于第三代You Only Look Once(简称YOLOv3)的手势自动识别方法。

背景技术

手卫生是预防医院疾病传播和交叉感染的重要手段，通常指各种清除手部皮肤表面病原生物的方法，主要指洗手、外科手消毒和卫生手消毒，是预防、控制医院感染最简便有效的方法。七步洗手法作为标准洗手法的代表，不仅能清除表面污渍、碎屑，还能消除致病菌，因此该方法在加强医院管理，减少医院感染上起到重要作用。

传统的洗手行为检测方法一般都是先进行特征提取，然后使用支持向量机等对提取的特征进行分类识别，因此传统方法在泛化能力以及计算开销上存在难以解决的问题。例如有基于几何特征的手势识别方法，几何特征指的是如手掌颜色、面积、轮廓特征，这种识别方法大多采用各种距离公式进行模板匹配，因此原理简单，但是无法解决手势的时间可变性，识别精度低。基于隐马尔可夫模型的手势识别，隐马尔可夫模型是一种能细致描述信号的时空变化统计分析的模型，所以对于动态手势识别非常合适，但由于其分析复杂、计算量大、速度慢，故而较少采用。因此，基于YOLOv3的七步洗手法操作规范性自动检测方法在预防医院感染中有较好的应用前景。

YOLO作为一种新的目标识别方法，属于one-stage目标识别算法(也称one-shotobject detectors)，其特点是一步到位，速度相对较快。one-stage识别方法，仅仅需要送入网络一次就可以预测出所有的边界框，因而速度较快，非常适合用于实时识别。YOLO采用单个神经网络直接预测目标边界和类型概率，实现端到端的检测。最新的第三代YOLO技术，在检测速度非常快的情况下，还能拥有较高的识别准确率，因此非常适合用于七步洗手法操作规范性自动检测。

发明内容

为了克服已有手势识别方法的鲁棒性较差、识别精度低、识别速度慢的缺点，以及亟待解决的洗手规范性检测，本发明提供了一种增强鲁棒性、提高识别精度和识别速度的基于YOLOv3的七步洗手法操作规范性自动检测方法。

本发明解决其技术问题所采用的技术方案是：

一种七步洗手法操作规范性自动检测方法，所述方法包括以下步骤：

S1，利用置于洗手台上方的摄像头，采集洗手视频；

S2，根据硬件实际情况及检测帧率的要求，对洗手视频截图并对其进行预处理；

S3，将预处理后的每一帧图像输入到采用自适应学习率算法训练的经裁剪的YOLOv3手势类型检测网络，得到每一帧的手势类型及其置信度；

S4，基于所有检测得到的手势信息计算各手势类型的排列顺序、有效时间及其修正的平均置信度；

S5，基于得到的各手势类型特征值，根据规范性评价规则进行评分，并以此进行洗手操作规范性评价。

进一步，所述步骤S1中，根据所述利用置于洗手台上方的摄像头，采集洗手人员的洗手视频，指将摄像头固定于洗手台上方，保证能够完整拍摄到水池区域的位置，以确保洗手人员的手部区域完整的出现在视频中。

再进一步，所述步骤S2的过程为：