[发明专利]一种基于人体姿态的抗疫防护用品穿戴行为规范检测方法

权利要求书

1.一种基于人体姿态的抗疫防护用品穿戴行为规范检测方法，其特征在于，包括如下步骤：

步骤1：确定抗疫防护用品正确穿戴规范流程，收集相关人员穿戴防护用品的视频；

步骤2：将视频剪辑为多个规范行为视频类别，并对视频类别数据进行清洗和标注，形成防护服穿戴视频的训练、验证与测试数据集；

步骤3：构建基于人体姿态的抗疫防护服穿戴行为步骤识别算法；

步骤4：使用MobileNet算法进行抗疫防护用品目标检测；

步骤5：高清监控摄像头实时采集N帧数据输入防护服穿戴行为步骤识别算法，识别该视频是否属于规范行为步骤类别；

步骤6：输入抗疫防护用品穿戴区域监控摄像头采集的实时视频流，使用MobileNet目标检测算法实时检测当前帧，对防护用品类别检测设置目标动态检测算法，进行防护用品穿戴流程是否规范检测。

2.根据权利要求1所述的基于人体姿态的抗疫防护用品穿戴行为规范检测方法，其特征在于，所述步骤1抗疫防护用品正确穿戴规范流程为：行为步骤1：手卫生；行为步骤2：戴一次性帽子；行为步骤3：戴医用防护口罩；行为步骤4：穿防护服；行为步骤5：戴护目镜；行为步骤6：戴手套；行为步骤7：穿靴套；行为步骤8：穿隔离衣；行为步骤9：穿鞋套。

3.根据权利要求1所述的基于人体姿态的抗疫防护用品穿戴行为规范检测方法，其特征在于，所述步骤2：将视频剪辑为以下视频类别：

手卫生规范行为、戴一次性帽子规范行为、戴医用防护口罩规范行为、穿防护服规范行为、戴护目镜规范行为、戴手套规范行为、穿靴套规范行为、穿隔离衣规范行为、穿鞋套规范行为、手卫生不规范行为、戴一次性帽子不规范行为、戴医用防护口罩不规范行为、穿防护服不规范行为、戴护目镜不规范行为、戴手套不规范行为、穿靴套不规范行为、穿隔离衣不规范行为和穿鞋套不规范行为，并对视频类别数据进行清洗和标注，形成防护服穿戴视频的训练、验证与测试数据集。

4.根据权利要求1所述的基于人体姿态的抗疫防护用品穿戴行为规范检测方法，其特征在于，所述步骤3对步骤2得到的防护服穿戴视频数据集进行稀疏采样，每个视频得到T帧图片，使用图片数据对该算法进行训练，得到满足识别率要求的防护服穿戴行为步骤识别算法，所述步骤识别算法包括如下具体步骤：

步骤3.1：训练数据与测试数据前期准备：通过防护用品穿戴清洁区监控收集视频，将视频数据集按照6：2：2划分为训练集、验证集和测试集；将步骤2中的视频数据集均匀划分为T段，并从每段中随机提取一帧图片得到网络输入数据I＝[I₁,…I_T]；

步骤3.2：设计行为识别网络结构：

步骤3.2.1：通过稀疏采样得到的T帧图片，图片分辨率大小为224×224，利用步长为3的滑动窗口进行相邻3帧差分计算，得到T-2帧运动差分灰度图，堆叠后输入3×3卷积提取视频运动特征；

步骤3.2.2：T帧图片输入中心点网络，进行人体姿态17个关键点的提取，所述17个关键点包含：鼻子、左眼、右眼、左耳、右耳、左肩、右肩、左手肘、右手肘、左手腕、右手腕、左腰、右腰、左膝盖、右膝盖、左脚踝、右脚踝，其中中心点网络主干网络使用沙漏网络，每帧图片得到17张关键点热图，二维姿态大小表示为17×56×56，提取每帧图片的关键点热图J；

J的计算公式为：其中K表示关键点，(i，j)表示像素点坐标，(x_k，y_k)表示K关键点的坐标，c_k表示置信度；

步骤3.2.3：将运动特征与关键点热图进行堆叠，输入3D卷积神经网络提取姿态特征，通过softmax分类层得到行为步骤类别识别；

步骤3.3：模型训练和测试：将训练数据送入行为识别网络，提取出关节热图后使用10-clip裁剪方案，将热图裁剪为56×56大小，对模型进行参数微调，得到满足识别率要求的防护服穿戴行为步骤识别算法。