[发明专利]一种基于人工智能的手卫生自动监测方法及系统

权利要求书

1.一种基于人工智能的手卫生自动监测方法，其特征在于，包括：

在洗手位置的左、上、右三个方向获取洗手者姿势的视频数据，视频帧率为每秒M帧；

从所述视频数据中识别出每只手的若干关键骨节点，获得每个关键骨节点的三维坐标；

提取出每N帧视频的所述关键骨节点的三维坐标，作为子判别空间模型的输入，实现每秒钟M/N次的洗手者在洗手法中洗手姿势的判断，再判断该洗手姿势所属的洗手步骤，其中M≥N；

采用平滑算法从所述视频数据中提取每个洗手步骤中连续相同的洗手步骤的判断结果序列，每个洗手姿势的判断结果代表N帧的视频，从而截取出对应每个洗手步骤的视频段；

使用重复动作计算模块计算出所述每个洗手步骤的视频段中洗手揉搓的次数；

根据所述洗手揉搓的次数和对应视频段洗手步骤判别结果的平均概率值两种指标得分，联合计算出洗手者以某一洗手步骤的评分，从而监测洗手者的手卫生执行。

2.如权利要求1所述方法，其特征在于，在所述提取出每N帧视频的所述关键骨节点的三维坐标作为子判别空间模型的输入的步骤之前，还包括步骤：

创建过滤算法，过滤算法通过所述关键骨节点之间的间距将处于姿势转换和/或冲水非七步洗手法的动作过滤掉；其中过滤算法为

其中，S代表两个骨骼点之间的距离的平方，n代表每只手手指关键骨节点的数量，X_k代表第K个骨节点的X轴坐标，Y_k代表第K个骨节点的Y轴坐标，Z_k代表第K个骨节点的Z轴坐标，则该公式计算从手骨骼点的第一个点到第n个点的距离的平方。

3.如权利要求2所述方法，其特征在于，设定非洗手者的过滤阈值S为0.391～0.693。

4.如权利要求1所述方法，其特征在于，所述针对所述洗手姿势的判断结果，采用平滑算法从所述视频数据中提取每个洗手姿势所对应的连续相同的判断结果序列的步骤中，当连续的序列中出现一次不同，则忽略不计。

5.如权利要求1所述方法，其特征在于，所述M为30，所述N为10，所述关键骨节点的数量为21，分别位于五指、手掌和手腕上。

6.基于人工智能的手卫生自动监测系统，其特征在于包括：

视频获取模块，用于在洗手位置的左、上、右三个方向获取洗手者姿势的视频数据，视频帧率为每秒M帧；

骨节点提取模块，由于从所述视频数据中识别出每只手的若干关键骨节点，获得每个关键骨节点的三维坐标；

洗手姿势判断模块，用于提取出每N帧视频的所述关键骨节点的三维坐标，作为子判别空间模型的输入，实现每秒钟M/N次的洗手者在洗手法中洗手姿势的判断，再判断该洗手姿势所属的洗手步骤，其中M≥N；

洗手姿势信心度判断模块，用于采用平滑算法从所述视频数据中提取每个洗手步骤中连续相同的洗手步骤的判断结果序列，每个洗手姿势的判断结果代表N帧的视频，从而截取出对应每个洗手步骤的视频段，计算对应视频段洗手步骤判别结果的平均概率值；

揉搓次数计算模块，用于使用重复动作计算模块计算出所述每个洗手步骤的视频段中洗手揉搓的次数；

评分模块，用于联合所述揉搓次数和对应视频段洗手步骤判别结果的平均概率值两种指标得分来计算出洗手者以某一洗手步骤的评分，从而监测洗手者的手卫生执行。

7.如权利要求6所述系统，其特征在于，还包括过滤模块，用于创建过滤算法，过滤算法通过所述关键骨节点之间的间距将处于姿势转换和/或冲水非七步洗手法的动作过滤掉；其中过滤算法为

其中，S代表两个骨骼点之间的距离的平方，n代表每只手手指关键骨节点的数量，X_k代表第K个骨节点的X轴坐标，Y_k代表第K个骨节点的Y轴坐标，Z_k代表第K个骨节点的Z轴坐标，则该公式计算从手骨骼点的第一个点到第n个点的距离的平方。

8.如权利要求7所述系统，其特征在于，还包括阈值设定模块，用于过滤非洗手者，其中设定阈值S为0.391～0.693。

9.如权利要求6所述系统，其特征在于，还包括部署在洗手盆左、上、右三个方向的摄像头，用于连接所述视频获取模块。