一种基于智能手表的洗手质量评分方法及系统技术方案

本发明专利技术公开了一种基于智能手表的洗手质量评分方法及系统，采集洗手过程的视频数据，并利用智能手表记录洗手过程中的加速度和角速度以及对应的时间戳，根据获得的视频数据对采集的加速度和角速度以及对应的时间戳进行标注，得到标注完成的洗手数据；搭建分类网络模型，并使用标注完成的洗手数据对搭建网络模型进行训练，得到训练好的网络模型；使用训练好的网络模型识别洗手动作以及洗手动作持续的时间，对洗手动作的每一步骤进行评分，根据评分给出洗手质量评分并将结果可视化。评分给出洗手质量评分并将结果可视化。评分给出洗手质量评分并将结果可视化。

【技术实现步骤摘要】
一种基于智能手表的洗手质量评分方法及系统


[0001]本专利技术属于移动计算和人工智能交叉
，具体涉及一种基于智能手表的洗手质量评分方法及系统。

技术介绍

[0002]手部卫生在健康服务业、食品工业、芯片制造业等有着重要意义，为了避免由手部带来的传染或污染风险，对这类行业的工作人员进行专业洗手法的培训是非常必要的。规范科学的洗手法，例如WHO洗手法、七步洗手法，能有效地清洁双手，阻断病菌的传播，然而调查显示人们对于规范洗手法的遵从率还不够高，如何提高人们正确洗手的自觉意识值得思考。
[0003]传统的洗手监测方法有聘请专业的督察人员、配置传感器、安装摄像头等。聘请督察人员督促人们正确洗手，基于霍桑效应，督察人员在的时候，人们的洗手遵从率会自觉上升，但是这个方法耗时耗力。在洗手液容器上配置压敏传感器或是在工作人员身上佩戴酒精传感器，虽然能够通过对洗手液的使用来间接推断人们的洗手频率，但是却无法获知人们的洗手过程是否合格。在水池上方安装摄像头能够对人们的洗手过程进行直接的观察，但是存在侵犯隐私的风险。
[0004]新的洗手监测方法有利用mmWave、佩戴腕带或臂带等。使用mmWave装置可以对洗手动作和洗手时间进行检测，但是仅限于安装位置旁，不具有便携性。腕带或臂带具有便携性，但却不是当下普及率高的设备，如果人们忘记携带，则无法对洗手活动进行检测。
[0005]目前，传统的洗手检测方法和新的洗手检测方法都不能对洗手过程的质量进行评估并给出评分。

技术实现思路

[0006]本专利技术所要解决的技术问题在于针对上述现有技术中的不足，提供一种基于智能手表的洗手质量评分方法及系统，解决现有技术中存在的有关自动监测、动作和时间的检测、日常便携性、过程质量的评估的问题。
[0007]本专利技术采用以下技术方案：
[0008]一种基于智能手表的洗手质量评分方法，包括以下步骤：
[0009]S1、采集洗手过程的视频数据，并利用智能手表记录洗手过程中的加速度和角速度以及对应的时间戳，根据获得的视频数据对采集的加速度和角速度以及对应的时间戳进行标注，得到标注完成的洗手数据；
[0010]S2、搭建分类网络模型，使用步骤S1标注完成的洗手数据对搭建的分类网络模型进行训练，得到训练好的分类网络模型；
[0011]S3、使用步骤S2训练好的分类网络模型识别洗手动作以及洗手动作持续的时间，对洗手动作的每一步骤进行评分，根据评分给出洗手质量评分并将结果可视化。
[0012]具体的，步骤S1具体为：
[0013]S101、部署摄像头用于记录洗手过程的视频数据；
[0014]S102、使用智能手表记录洗手过程中加速度计和陀螺仪的数据；
[0015]S103、使用规范洗手法洗手，利用步骤S101部署的摄像头和步骤S102的智能手表分别记录洗手过程的视频数据，以及加速度计和陀螺仪数据；
[0016]S104、导出步骤S103记录的视频数据，加速度计和陀螺仪数据；
[0017]S105、重复步骤S101～S104，直到收集达到基本数据量的洗手数据，洗手数据包含视频数据记录和智能手表数据；
[0018]S106、根据步骤S105获得的视频数据记录对智能手表采集的数据进行标注，重复进行标注，直到所有收集的洗手数据都被标注完成，得到标注完成的洗手数据。
[0019]进一步的，步骤S102中，加速度计数据包含x，y，z轴加速度的数据和对应的时间戳，陀螺仪的数据包含x，y，z轴角速度的数据和对应的时间戳。
[0020]进一步的，步骤S106中，将视频数据记录的时间戳和智能手表数据的时间戳对齐，标注智能手表数据的对应于规范洗手法的每一个洗手步骤的开始和结束。
[0021]具体的，步骤S2具体为：
[0022]S201、搭建分类网络模型；
[0023]S202、使用步骤S1标注后的洗手数据对分类网络模型进行训练，直到分类网络模型收敛后结束训练；
[0024]S203、保存步骤S202训练好的网络模型。
[0025]进一步的，步骤S201中，分类网络模型包括两个相同的支路，每条支路上设置有UNet模块和压缩与激发模块，通过UNet模块联结特征图，再经压缩与激发模块对UNet模块输出的特征图权重进行调整；两个支路的输出并联后连接一层卷积层。
[0026]更进一步的，UNet模块包含14个卷积层、3个反卷积层、一个金字塔池化模块；将洗手数据依次经过7层卷积层和金字塔池化模块后，获取包含不同大小视野信息的特征图；然后将金字塔池化模块前经过卷积层的特征图和金字塔池化模块后得到的特征图分别经过三次联结、卷积层、反卷积层的操作，得到特征图；再与分类网络模型中第一次卷积层得到特征图联结在一起，使用压缩激发模块得到调整权重后的特征图；经过一层卷积层得到通道数等于分类类别数的特征图，使用交叉熵函数作为损失函数，最小化损失函数直至模型收敛，得到训练好的分类网络模型。
[0027]具体的，步骤S3具体为：
[0028]S301、加速度计和陀螺仪开始工作并产生数据；
[0029]S302、开始洗手时，加速度计和陀螺仪继续产生数据并记录；
[0030]S303、根据步骤S302记录的数据，使用步骤S2训练好的网络模型自动检测洗手活动的开始和结束；
[0031]S304、根据洗手活动的开始和结束，使用训练好的网络模型识别洗手活动中每一个洗手步骤的动作，并计算持续时间；
[0032]S305、根据步骤S304识别出的动作和计算出的持续时间，对洗手活动中的每一步骤进行评分；
[0033]S306、根据步骤S305每一步骤的评分，给出洗手活动的总得分以及可视化结果。
[0034]进一步的，步骤S305中，将每一洗手步骤的持续时间与洗手步骤的建议时间值进
行比较，当持续时间大于或等于建议时间时，对应洗手步骤的得分为满分；当持续时间小于建议时间时，对应洗手步骤的得分为持续时间与建议时间的比值乘上满分。
[0035]本专利技术的另一个技术方案是，一种基于智能手表的洗手质量评分系统，包括：
[0036]采集模块，采集洗手过程的视频数据，并利用智能手表记录洗手过程中的加速度和角速度以及对应的时间戳，根据获得的视频数据对采集的加速度和角速度以及对应的时间戳进行标注，得到标注完成的洗手数据；
[0037]训练模块，搭建分类网络模型，并使用采集模块标注完成的洗手数据对搭建的分类网络模型进行训练，得到训练好的分类网络模型；
[0038]评分模块，使用训练模块训练好的分类网络模型识别洗手动作以及洗手动作持续的时间，对洗手动作的每一步骤进行评分，根据评分给出洗手质量评分并将结果可视化。
[0039]与现有技术相比，本专利技术至少具有以下有益效果：
[0040]本专利技术一种基于智能手表的洗手质量评分方法，首先采集记录洗手过程的视频数据及时间戳、加速度计和陀螺仪数据，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于智能手表的洗手质量评分方法，其特征在于，包括以下步骤：S1、采集洗手过程的视频数据，并利用智能手表记录洗手过程中的加速度和角速度以及对应的时间戳，根据获得的视频数据对采集的加速度和角速度以及对应的时间戳进行标注，得到标注完成的洗手数据；S2、搭建分类网络模型，使用步骤S1标注完成的洗手数据对搭建的分类网络模型进行训练，得到训练好的分类网络模型；S3、使用步骤S2训练好的分类网络模型识别洗手动作以及洗手动作持续的时间，对洗手动作的每一步骤进行评分，根据评分给出洗手质量评分并将结果可视化。2.根据权利要求1所述的基于智能手表的洗手质量评分方法，其特征在于，步骤S1具体为：S101、部署摄像头用于记录洗手过程的视频数据；S102、使用智能手表记录洗手过程中加速度计和陀螺仪的数据；S103、使用规范洗手法洗手，利用步骤S101部署的摄像头和步骤S102的智能手表分别记录洗手过程的视频数据，以及加速度计和陀螺仪数据；S104、导出步骤S103记录的视频数据，加速度计和陀螺仪数据；S105、重复步骤S101～S104，直到收集达到基本数据量的洗手数据，洗手数据包含视频数据记录和智能手表数据；S106、根据步骤S105获得的视频数据记录对智能手表采集的数据进行标注，重复进行标注，直到所有收集的洗手数据都被标注完成，得到标注完成的洗手数据。3.根据权利要求2所述的基于智能手表的洗手质量评分方法，其特征在于，步骤S102中，加速度计数据包含x，y，z轴加速度的数据和对应的时间戳，陀螺仪的数据包含x，y，z轴角速度的数据和对应的时间戳。4.根据权利要求2所述的基于智能手表的洗手质量评分方法，其特征在于，步骤S106中，将视频数据记录的时间戳和智能手表数据的时间戳对齐，标注智能手表数据的对应于规范洗手法的每一个洗手步骤的开始和结束。5.根据权利要求1所述的基于智能手表的洗手质量评分方法，其特征在于，步骤S2具体为：S201、搭建分类网络模型；S202、使用步骤S1标注后的洗手数据对分类网络模型进行训练，直到分类网络模型收敛后结束训练；S203、保存步骤S202训练好的网络模型。6.根据权利要求5所述的基于智能手表的洗手质量评分方法，其特征在于，步骤S201中，分类网络模型包括两个相同的支路，每条支路上设置有UNet模块和压缩与激发模块，通过UNet模块联结特征图，再经压缩与激发模块对...

【专利技术属性】
技术研发人员：王飞，王欣，吴熙磊，孟慧娜，高一奥，夏乐坤，史金钢，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：