[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

说明书

本发明公开了一种基于人工智能的手卫生自动监测方法及系统，其中方法包括：在左、上、右三个方向获取洗手者姿势的视频数据，拍摄帧率为M帧/秒；识别出每只手的若干骨节点，提取每N帧视频的骨节点的三维坐标作为子判别空间模型的输入，实现每秒M/N次的洗手姿势的判断和洗手步骤的判别，其中M≥N；采用平滑算法从视频数据中截取出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视频段中洗手揉搓次数；根据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某一洗手步骤的评分来监测洗手者的手卫生。本发明还公开了一种基于人工智能的手卫生自动监测系统。本发明实现手卫生监控，同时极大减少算力。

技术领域

本发明涉及医疗卫生技术领域，尤其涉及一种基于人工智能的手卫生自动评分方法及系统。

背景技术

手卫生是防控医院感染最有效的措施，特别是ICU院内感染比普通病房高，其感染环节复杂，医护人员包括护工的手在诊疗护理过程中与危重病人接触的机率最高。然而目前医务人员手卫生依从率并不理想，仅有33.17％。医护人员接触患者或污染后未洗手，其细菌总数超标率为100％，1/3的医院感染可通过严格的手卫生来得到有效控制。如何评判医生是否执行严格的手卫生是医院防控院内感染事件发生所面临的考验。

现有的技术主要分为两种技术类型，一种基于可穿戴设备，另一种基于视频。

基于可穿戴设备的方法，通常需要洗手者穿戴可穿戴设备来进行洗手，通过臂带中陀螺仪和加速器的数据采集，然后使用机器学习的方法对数据进行分析，最终实现洗手姿势的识别与分类。首先这种方法对洗手者洗手会造成很大的不方便，首先需要洗手者卷起袖子至胳膊处，并佩戴臂带进行洗手，这极大增加了洗手者的洗手负担，且在冬天无法使用，难以大规模应用。

目前的基于视频的洗手方式直接将视频输入，并使用深度学习的方法识别洗手姿势。这种方法难以实现洗手姿势的实时监控，且识别准确率较低。该方法最大的问题还在于无法实现真正的应用，非训练集参与者洗手识别效果差，准确率低于60％。且该方法需要的设备具备较大的算力，由于直接使用视频作为判断依据，视频流产生的数据量过大，导致系统运行需依托大算力机器。

再者，在真实医疗环境中，洗手者往往会因为自身洗手姿势不规范、时间仓促等原因，无法标准的按照七步洗手法按时按量完成洗手。医院院感科对手卫生监测只能以抽查的形式来检查医生是否有严格按照该方式来洗手，用AI对医生的洗手动作自动评分在防控院内感染中变得尤为关键。现有的真实医疗场景下的精确且实时的洗手姿势的识别，对环境的依赖太高，更换洗手环境，模型往往难以奏效，无法形成有效的洗手评分。

发明内容

本发明提供一种基于人工智能的手卫生自动监测方法及系统，实现手卫监控，避免了将整个视频作为分类器的输入，极大减少了输入的参数量。

本发明采用以下技术方案：

一方面，本发明一种基于人工智能的手卫生自动监测方法，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。