基于机械视觉的防护用品穿脱识别追踪系统

1.本发明属于防疫监测领域，涉及数据分析技术，具体是基于机械视觉的防护用品穿脱识别追踪系统。


背景技术：

2.规范有效的医用防护用品脱卸是切断感染传播途径，保证患者、医护人员的安全的基石，且脱卸是最容易被污染的环节，易造成二次污染，目前国内外督促医用防护用品只能靠人工完成，特别是脱卸时的污染常有报道，在此本研究团队关注通过视频采集+ai识别的手段对进出隔离病区医务人员脱卸医用防护用品流程监测，循环的实时的语音提示操作流程或报警提示流程错误；
3.而现有技术中的防护用品穿脱识别追踪系统，仅能够对当前的穿脱行为规范性进行监测分析，但是无法对一段时间内的穿脱异常行为进行规律分析，同时通过历史数据对每一个医护人员的穿脱习惯进行监测，从而无法针对性的对医护人员进行规范提醒；
4.针对上述技术问题，本技术提出一种解决方案。


技术实现要素：

5.本发明的目的在于提供基于机械视觉的防护用品穿脱识别追踪系统，用于解决现有技术中的防护用品穿脱识别追踪系统，无法对一段时间内的穿脱异常行为进行规律分析的问题。
6.本发明需要解决的技术问题为：如何提供一种可以对一段时间内的穿脱异常行为进行规律分析的基于机械视觉的防护用品穿脱识别追踪系统。
7.本发明的目的可以通过以下技术方案实现：
8.基于机械视觉的防护用品穿脱识别追踪系统，包括识别追踪平台，所述识别追踪平台通信连接有识别分析模块、即时监测模块、用户管理模块以及存储模块；
9.所述识别分析模块用于对防护用品穿脱规范进行识别分析：将待进行防护用品穿脱识别的医护人员标记为分析对象，获取分析对象穿防护用具或者脱防护用具的若干帧动作图像；根据预先构建的动作识别模型识别若干帧动作图像中的动作，判断分析对象的动作是否为当前阶段需要进行的标准动作并将分析对象标记为合格对象或异常对象；
10.所述即时监测模块用于对防护用品穿脱规范进行实时监测预警：生成监测周期，在监测周期内实时获取异常对象的数量并标记为异数值，在异数值不小于预设的异数阈值时生成即时预警信号并将即时预警信号发送至识别追踪平台，识别追踪平台接收到即时预警信号后将即时预警信号发送至管理人员的手机终端；在监测周期结束时刻进行异常规律分析；
11.所述用户管理模块用于对医护人员的防护用品穿脱习惯进行管理分析。
12.作为本发明的一种优选实施方式，判断分析对象的动作是否为当前阶段需要进行的标准动作的具体过程包括：若是，则将对应的动作图像标记为标准图像，若否，则将对应
的动作图像标记为异常图像；其中，所述动作识别模型包含有预先进行时序划分后的穿防护用具或者脱防护用具的标准动作。
13.作为本发明的一种优选实施方式，将分析对象标记为合格对象或异常对象的具体过程包括：在分析对象完成穿防护用具或者脱防护用具之后，将分析对象的异常图像数量与标准图像的数量比值标记为异常系数，通过存储模块获取到异常阈值，将异常系数与异常阈值进行比较：若异常系数小于异常阈值，则判定分析对象的穿防护用具或者脱防护用具过程满足要求，将对应的分析对象标记为合格对象；若异常系数大于等于异常阈值，则判定分析对象的穿防护用具或者脱防护用具过程不满足要求，将对应的分析对象标记为异常对象；将合格对象与异常对象发送至识别追踪平台，识别追踪平台将接收到的合格对象与异常对象发送至即时监测模块。
14.作为本发明的一种优选实施方式，在监测周期结束时刻进行异常规律分析的具体过程包括：对监测周期内即时监测模块接收到异常对象的时间进行记录，将即时监测模块接收到异常对象的时间与监测周期的开始时刻的差值标记为异常时长，由所有的异常时长组成异常集合，对异常集合进行方差计算得到监测周期的规律系数，通过存储模块获取到规律阈值，将监测周期的规律系数与规律阈值进行比较并通过比较结果对监测周期内的穿脱异常行为是否具有规律性进行判定。
15.作为本发明的一种优选实施方式，将监测周期的规律系数与规律阈值进行比较的具体过程包括：若规律系数小于规律阈值，则判定监测周期内的穿脱异常行为具有规律性，对所有的异常时长进行求和取平均值得到异时值ys，通过公式ysmin＝m1*ys与ysmax＝m2*ys得到异时阈值ysmin与ysmax，其中m1与m2均为比例系数，且0.75≤m1≤0.85、1.15≤m2≤1.25，由异时阈值ysmin与ysmax构成集中范围，将在监测周期集中范围内被标记为异常对象的分析对象标记为重点对象；若规律系数大于等于规律阈值，则判定监测周期内的穿脱异常行为不具有规律性。
16.作为本发明的一种优选实施方式，用户管理模块对医护人员的防护用品穿脱习惯进行管理分析的具体过程包括：将分析对象在最近l1天内被标记为异常对象与重点对象的次数并进行数值计算得到分析对象的习惯系数xg；通过存储模块获取到习惯阈值xgmax，将分析对象的习惯系数xg与习惯阈值xgmax进行比较并通过比较结果对分析对象的防护用品穿脱习惯是否满足要求进行判定。
17.作为本发明的一种优选实施方式，将分析对象的习惯系数xg与习惯阈值xgmax进行比较的具体过程包括：若习惯系数xg小于习惯阈值xgmax，则判定分析对象的防护用品穿脱习惯满足要求；若习惯系数xg大于等于习惯阈值xgmax，则判定分析对象的放用品穿脱习惯不满足要求，将对应的分析对象标记为管理对象，生成穿脱提醒信号并发送至识别追踪平台，识别追踪平台接收到穿脱提醒信号后将穿脱提醒信号发送至管理对象的手机终端。
18.该基于机械视觉的防护用品穿脱识别追踪系统的工作方法，包括以下步骤：
19.步骤一：对防护用品穿脱规范进行识别分析：将待进行防护用品穿脱识别的医护人员标记为分析对象，获取分析对象穿防护用具或者脱防护用具的若干帧动作图像；根据预先构建的动作识别模型识别若干帧动作图像中的动作，判断分析对象的动作是否为当前阶段需要进行的标准动作；
20.步骤二：对防护用品穿脱规范进行实时监测预警：生成监测周期，在监测周期内实
时获取异常对象的数量并标记为异数值，在异数值不小于预设的异数阈值时生成即时预警信号并将即时预警信号通过识别追踪平台发送至管理人员的手机终端；
21.步骤三：在监测周期结束时刻进行异常规律分析：对监测周期内即时监测模块接收到异常对象的时间进行记录并获取到规律系数，通过规律系数的数值大小对监测周期内的穿脱异常行为是否具有规律性，并在监测周期内的穿脱异常行为具有规律性时获取到重点时段；
22.步骤四：对医护人员的防护用品穿脱习惯进行管理分析：将分析对象在最近l1天内被标记为异常对象与重点对象的次数并进行数值计算得到分析对象的习惯系数xg，通过习惯系数xg的数值对分析对象的防护用品穿脱习惯是否满足要求进行判定。
23.本发明具备下述有益效果：
24.1、通过识别分析模块可以对防护用品穿脱规范进行识别分析，通过视频分解技术将监控视频分解为一帧一帧的动作图像，然后通过动作识别模型对动作图像进行比对，从而通过比对结果将动作图像标记为标准图像或异常图像，从而结合异常图像的数量占比对分析对象的防护用品穿脱行为是否规范进行反馈；
25.2、通过即时监测模块可以对防护用品穿脱规范进行实时监测预警，通过生成监测周期的方式将防护用品穿脱监测时长进行分割，进而对每一个监测周期内的穿脱异常行为进行监测并实时预警，同时通过规律分析的方式对监测周期内的穿脱异常行为是否具有规律性进行反馈，对穿脱异常行为集中的时间段进行标记；
26.3、通过用户管理模块可以对医护人员的防护用品穿脱习惯进行管理分析，通过对分析对象在最近一段时间内的异常对象与重点对象的标记次数进行数值计算得到习惯系数，从而根据习惯系数对分析对象的近期防护用品穿脱习惯规范程度进行反馈，并及时对管理对象进行规范提醒，保障医护人员的防护用品穿脱安全性。
附图说明
27.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
28.图1为本发明实施例一的系统框图；
29.图2为本发明实施例二的方法流程图。
具体实施方式
30.下面将结合实施例对本发明的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
31.实施例一
32.如图1所示，基于机械视觉的防护用品穿脱识别追踪系统，包括识别追踪平台，识别追踪平台通信连接有识别分析模块、即时监测模块、用户管理模块以及存储模块。
33.识别分析模块用于对防护用品穿脱规范进行识别分析：将待进行防护用品穿脱识别的医护人员标记为分析对象，获取分析对象穿防护用具或者脱防护用具的若干帧动作图像；根据预先构建的动作识别模型识别若干帧动作图像中的动作，判断分析对象的动作是否为当前阶段需要进行的标准动作：若是，则将对应的动作图像标记为标准图像，若否，则将对应的动作图像标记为异常图像；其中，动作识别模型包含有预先进行时序划分后的穿防护用具或者脱防护用具的标准动作，动作识别模型的构建过程与动作比对过程均采用现有技术即可完成，例如申请号为202110628726x、发明名称为防护用具穿脱标准动作的识别方法及装置的公开发明专利中公开的动作识别模型构建技术，在此不做赘述；在分析对象完成穿防护用具或者脱防护用具之后，将分析对象的异常图像数量与标准图像的数量比值标记为异常系数，通过存储模块获取到异常阈值，将异常系数与异常阈值进行比较：若异常系数小于异常阈值，则判定分析对象的穿防护用具或者脱防护用具过程满足要求，将对应的分析对象标记为合格对象；若异常系数大于等于异常阈值，则判定分析对象的穿防护用具或者脱防护用具过程不满足要求，将对应的分析对象标记为异常对象；将合格对象与异常对象发送至识别追踪平台，识别追踪平台将接收到的合格对象与异常对象发送至即时监测模块；对防护用品穿脱规范进行识别分析，通过视频分解技术将监控视频分解为一帧一帧的动作图像，然后通过动作识别模型对动作图像进行比对，从而通过比对结果将动作图像标记为标准图像或异常图像，从而结合异常图像的数量占比对分析对象的防护用品穿脱行为是否规范进行反馈。
34.即时监测模块用于对防护用品穿脱规范进行实时监测预警：生成监测周期，在监测周期内实时获取异常对象的数量并标记为异数值，在异数值不小于预设的异数阈值时生成即时预警信号并将即时预警信号发送至识别追踪平台，识别追踪平台接收到即时预警信号后将即时预警信号发送至管理人员的手机终端；在监测周期结束时刻进行异常规律分析：对监测周期内即时监测模块接收到异常对象的时间进行记录，将即时监测模块接收到异常对象的时间与监测周期的开始时刻的差值标记为异常时长，由所有的异常时长组成异常集合，对异常集合进行方差计算得到监测周期的规律系数，通过存储模块获取到规律阈值，将监测周期的规律系数与规律阈值进行比较：若规律系数小于规律阈值，则判定监测周期内的穿脱异常行为具有规律性，对所有的异常时长进行求和取平均值得到异时值ys，通过公式ysmin＝m1*ys与ysmax＝m2*ys得到异时阈值ysmin与ysmax，其中m1与m2均为比例系数，且0.75≤m1≤0.85、1.15≤m2≤1.25，由异时阈值ysmin与ysmax构成集中范围，将在监测周期集中范围内被标记为异常对象的分析对象标记为重点对象；若规律系数大于等于规律阈值，则判定监测周期内的穿脱异常行为不具有规律性；对防护用品穿脱规范进行实时监测预警，通过生成监测周期的方式将防护用品穿脱监测时长进行分割，进而对每一个监测周期内的穿脱异常行为进行监测并实时预警，同时通过规律分析的方式对监测周期内的穿脱异常行为是否具有规律性进行反馈，对穿脱异常行为集中的时间段进行标记。
35.用户管理模块用于对医护人员的防护用品穿脱习惯进行管理分析：将分析对象在最近l1天内被标记为异常对象与重点对象的次数分别标记为yc与zd，l1为数值常量，l1的具体数值由管理人员自行设置；通过公式xg＝α1*zd+α2*zd得到分析对象的习惯系数xg，习惯系数是一个反映分析对象的防护用品穿脱习惯规范程度的数值，习惯系数的数值越小，则表示分析对象的防护用品穿脱习惯规范程度越高；其中α1与α2均为比例系数，且α1＞α2
＞1；通过存储模块获取到习惯阈值xgmax，将分析对象的习惯系数xg与习惯阈值xgmax进行比较：若习惯系数xg小于习惯阈值xgmax，则判定分析对象的防护用品穿脱习惯满足要求；若习惯系数xg大于等于习惯阈值xgmax，则判定分析对象的防护用品穿脱习惯不满足要求，将对应的分析对象标记为管理对象，生成穿脱提醒信号并发送至识别追踪平台，识别追踪平台接收到穿脱提醒信号后将穿脱提醒信号发送至管理对象的手机终端；对医护人员的防护用品穿脱习惯进行管理分析，通过对分析对象在最近一段时间内的异常对象与重点对象的标记次数进行数值计算得到习惯系数，从而根据习惯系数对分析对象的近期防护用品穿脱习惯规范程度进行反馈，并及时对管理对象进行规范提醒，保障医护人员的防护用品穿脱安全性。
36.实施例二
37.如图2所示，基于机械视觉的防护用品穿脱识别追踪方法，包括以下步骤：
38.步骤一：对防护用品穿脱规范进行识别分析：将待进行防护用品穿脱识别的医护人员标记为分析对象，获取分析对象穿防护用具或者脱防护用具的若干帧动作图像；根据预先构建的动作识别模型识别若干帧动作图像中的动作，判断分析对象的动作是否为当前阶段需要进行的标准动作；
39.步骤二：对防护用品穿脱规范进行实时监测预警：生成监测周期，在监测周期内实时获取异常对象的数量并标记为异数值，在异数值不小于预设的异数阈值时生成即时预警信号并将即时预警信号通过识别追踪平台发送至管理人员的手机终端；
40.步骤三：在监测周期结束时刻进行异常规律分析：对监测周期内即时监测模块接收到异常对象的时间进行记录并获取到规律系数，通过规律系数的数值大小对监测周期内的穿脱异常行为是否具有规律性，并在监测周期内的穿脱异常行为具有规律性时获取到重点时段；
41.步骤四：对医护人员的防护用品穿脱习惯进行管理分析：将分析对象在最近l1天内被标记为异常对象与重点对象的次数并进行数值计算得到分析对象的习惯系数xg，通过习惯系数xg的数值对分析对象的防护用品穿脱习惯是否满足要求进行判定。
42.基于机械视觉的防护用品穿脱识别追踪系统，工作时，将待进行防护用品穿脱识别的医护人员标记为分析对象，获取分析对象穿防护用具或者脱防护用具的若干帧动作图像；根据预先构建的动作识别模型识别若干帧动作图像中的动作，判断分析对象的动作是否为当前阶段需要进行的标准动作；生成监测周期，在监测周期内实时获取异常对象的数量并标记为异数值，在异数值不小于预设的异数阈值时生成即时预警信号并将即时预警信号通过识别追踪平台发送至管理人员的手机终端；对监测周期内即时监测模块接收到异常对象的时间进行记录并获取到规律系数，通过规律系数的数值大小对监测周期内的穿脱异常行为是否具有规律性，并在监测周期内的穿脱异常行为具有规律性时获取到重点时段；将分析对象在最近l1天内被标记为异常对象与重点对象的次数并进行数值计算得到分析对象的习惯系数xg，通过习惯系数xg的数值对分析对象的防护用品穿脱习惯是否满足要求进行判定。
43.以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。
44.上述公式均是采集大量数据进行软件模拟得出且选取与真实值接近的一个公式，公式中的系数是由本领域技术人员根据实际情况进行设置；如：公式xg＝α1*zd+α2*zd；由本领域技术人员采集多组样本数据并对每一组样本数据设定对应的习惯系数；将设定的习惯系数和采集的样本数据代入公式，任意两个公式构成二元一次方程组，将计算得到的系数进行筛选并取均值，得到α1以及α2的取值分别为4.68和2.17；
45.系数的大小是为了将各个参数进行量化得到的一个具体的数值，便于后续比较，关于系数的大小，取决于样本数据的多少及本领域技术人员对每一组样本数据初步设定对应的习惯系数；只要不影响参数与量化后数值的比例关系即可，如习惯系数与重点对象的标记次数成正比。
46.在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
47.以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

技术特征：
1.基于机械视觉的防护用品穿脱识别追踪系统，其特征在于，包括识别追踪平台，所述识别追踪平台通信连接有识别分析模块、即时监测模块、用户管理模块以及存储模块；所述识别分析模块用于对防护用品穿脱规范进行识别分析：将待进行防护用品穿脱识别的医护人员标记为分析对象，获取分析对象穿防护用具或者脱防护用具的若干帧动作图像；根据预先构建的动作识别模型识别若干帧动作图像中的动作，判断分析对象的动作是否为当前阶段需要进行的标准动作并将分析对象标记为合格对象或异常对象；所述即时监测模块用于对防护用品穿脱规范进行实时监测预警：生成监测周期，在监测周期内实时获取异常对象的数量并标记为异数值，在异数值不小于预设的异数阈值时生成即时预警信号并将即时预警信号发送至识别追踪平台，识别追踪平台接收到即时预警信号后将即时预警信号发送至管理人员的手机终端；在监测周期结束时刻进行异常规律分析；所述用户管理模块用于对医护人员的防护用品穿脱习惯进行管理分析。2.根据权利要求1所述的基于机械视觉的防护用品穿脱识别追踪系统，其特征在于，判断分析对象的动作是否为当前阶段需要进行的标准动作的具体过程包括：若是，则将对应的动作图像标记为标准图像，若否，则将对应的动作图像标记为异常图像；其中，所述动作识别模型包含有预先进行时序划分后的穿防护用具或者脱防护用具的标准动作。3.根据权利要求2所述的基于机械视觉的防护用品穿脱识别追踪系统，其特征在于，将分析对象标记为合格对象或异常对象的具体过程包括：在分析对象完成穿防护用具或者脱防护用具之后，将分析对象的异常图像数量与标准图像的数量比值标记为异常系数，通过存储模块获取到异常阈值，将异常系数与异常阈值进行比较：若异常系数小于异常阈值，则判定分析对象的穿防护用具或者脱防护用具过程满足要求，将对应的分析对象标记为合格对象；若异常系数大于等于异常阈值，则判定分析对象的穿防护用具或者脱防护用具过程不满足要求，将对应的分析对象标记为异常对象；将合格对象与异常对象发送至识别追踪平台，识别追踪平台将接收到的合格对象与异常对象发送至即时监测模块。4.根据权利要求3所述的基于机械视觉的防护用品穿脱识别追踪系统，其特征在于，在监测周期结束时刻进行异常规律分析的具体过程包括：对监测周期内即时监测模块接收到异常对象的时间进行记录，将即时监测模块接收到异常对象的时间与监测周期的开始时刻的差值标记为异常时长，由所有的异常时长组成异常集合，对异常集合进行方差计算得到监测周期的规律系数，通过存储模块获取到规律阈值，将监测周期的规律系数与规律阈值进行比较并通过比较结果对监测周期内的穿脱异常行为是否具有规律性进行判定。5.根据权利要求4所述的基于机械视觉的防护用品穿脱识别追踪系统，其特征在于，将监测周期的规律系数与规律阈值进行比较的具体过程包括：若规律系数小于规律阈值，则判定监测周期内的穿脱异常行为具有规律性，对所有的异常时长进行求和取平均值得到异时值ys，通过公式ysmin＝m1*ys与ysmax＝m2*ys得到异时阈值ysmin与ysmax，其中m1与m2均为比例系数，且0.75≤m1≤0.85、1.15≤m2≤1.25，由异时阈值ysmin与ysmax构成集中范围，将在监测周期集中范围内被标记为异常对象的分析对象标记为重点对象；若规律系数大于等于规律阈值，则判定监测周期内的穿脱异常行为不具有规律性。6.根据权利要求5所述的基于机械视觉的防护用品穿脱识别追踪系统，其特征在于，用户管理模块对医护人员的防护用品穿脱习惯进行管理分析的具体过程包括：将分析对象在
最近l1天内被标记为异常对象与重点对象的次数并进行数值计算得到分析对象的习惯系数xg；通过存储模块获取到习惯阈值xgmax，将分析对象的习惯系数xg与习惯阈值xgmax进行比较并通过比较结果对分析对象的防护用品穿脱习惯是否满足要求进行判定。7.根据权利要求6所述的基于机械视觉的防护用品穿脱识别追踪系统，其特征在于，将分析对象的习惯系数xg与习惯阈值xgmax进行比较的具体过程包括：若习惯系数xg小于习惯阈值xgmax，则判定分析对象的防护用品穿脱习惯满足要求；若习惯系数xg大于等于习惯阈值xgmax，则判定分析对象的放用品穿脱习惯不满足要求，将对应的分析对象标记为管理对象，生成穿脱提醒信号并发送至识别追踪平台，识别追踪平台接收到穿脱提醒信号后将穿脱提醒信号发送至管理对象的手机终端。8.根据权利要求1-7任一项所述的基于机械视觉的防护用品穿脱识别追踪系统，其特征在于，该基于机械视觉的防护用品穿脱识别追踪系统的工作方法，包括以下步骤：步骤一：对防护用品穿脱规范进行识别分析：将待进行防护用品穿脱识别的医护人员标记为分析对象，获取分析对象穿防护用具或者脱防护用具的若干帧动作图像；根据预先构建的动作识别模型识别若干帧动作图像中的动作，判断分析对象的动作是否为当前阶段需要进行的标准动作；步骤二：对防护用品穿脱规范进行实时监测预警：生成监测周期，在监测周期内实时获取异常对象的数量并标记为异数值，在异数值不小于预设的异数阈值时生成即时预警信号并将即时预警信号通过识别追踪平台发送至管理人员的手机终端；步骤三：在监测周期结束时刻进行异常规律分析：对监测周期内即时监测模块接收到异常对象的时间进行记录并获取到规律系数，通过规律系数的数值大小对监测周期内的穿脱异常行为是否具有规律性，并在监测周期内的穿脱异常行为具有规律性时获取到重点时段；步骤四：对医护人员的防护用品穿脱习惯进行管理分析：将分析对象在最近l1天内被标记为异常对象与重点对象的次数并进行数值计算得到分析对象的习惯系数xg，通过习惯系数xg的数值对分析对象的防护用品穿脱习惯是否满足要求进行判定。

技术总结
本发明属于防疫监测领域，涉及数据分析技术，用于解决现有技术中的防护用品穿脱识别追踪系统，无法对一段时间内的穿脱异常行为进行规律分析的问题，具体是基于机械视觉的防护用品穿脱识别追踪系统，包括识别追踪平台，识别追踪平台通信连接有识别分析模块、即时监测模块、用户管理模块以及存储模块，识别分析模块用于对防护用品穿脱规范进行识别分析：将待进行防护用品穿脱识别的医护人员标记为分析对象，根据预先构建的动作识别模型识别若干帧动作图像中的动作；本发明是对防护用品穿脱规范进行识别分析，并通过比对结果将动作图像标记为标准图像或异常图像，从而结合异常图像的数量占比对分析对象的防护用品穿脱行为是否规范进行反馈。范进行反馈。范进行反馈。


技术研发人员：李双玉 陈志美 浦科学 黄毅 杨燕 阳文琳 滕冬梅
受保护的技术使用者：重庆医科大学附属第二医院
技术研发日：2023.04.19
技术公布日：2023/7/25