CN111860422A - 医护人员防护用品穿戴规范性智能检测方法 - Google Patents

医护人员防护用品穿戴规范性智能检测方法 Download PDF

Info

Publication number
CN111860422A
CN111860422A CN202010750542.6A CN202010750542A CN111860422A CN 111860422 A CN111860422 A CN 111860422A CN 202010750542 A CN202010750542 A CN 202010750542A CN 111860422 A CN111860422 A CN 111860422A
Authority
CN
China
Prior art keywords
protective
medical personnel
medical
normative
training
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202010750542.6A
Other languages
English (en)
Inventor
张强
郭荣
裴子瑀
吴锡娟
付逢晨
张浩军
路杰
张旭娟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Northwest Normal University
Original Assignee
Northwest Normal University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Northwest Normal University filed Critical Northwest Normal University
Priority to CN202010750542.6A priority Critical patent/CN111860422A/zh
Publication of CN111860422A publication Critical patent/CN111860422A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • General Business, Economics & Management (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Biology (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mathematical Physics (AREA)
  • Multimedia (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Epidemiology (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种医护人员防护用品穿戴规范性智能检测方法，通过采集清洗所有志愿者每种姿势照片，形成图片数据集；然后建立基于目标检测算法和网络框架的识别模型；使用目标检测算法的训练网络和图片数据集训练识别模型，得到满足识别率要求的防护服着装规范性识别模型；穿戴防护用品的医护人员站在检测区域内，摆出特定姿势，当高性能计算机通过高清摄像头检测到医护人员站在检测区域内时，再调用高清摄像头拍下的医护人员着装照片，对拍下的照片使用防护服着装规范性识别模型进行识别医护人员防护服着装是否规范，给出检测结果。该检测方法能自动实时检测医疗作业人员的防护隔离用品穿着是否规范，识别精准度高，且有效提高了检测效率。

Description

医护人员防护用品穿戴规范性智能检测方法
技术领域
本发明属于医护人员安全防护技术领域，涉及一种医护人员防护用品穿戴规范性智能检测方法。
背景技术
由于新型冠状病毒主要是呼吸道飞沫传播和接触传播，在医疗专家的建议下，国家对个人安全防护的重视程度愈发加强，但因为医疗工作者身处最易受感染的场所，他们的防护隔离装备使用规范问题更为突出。
目前，我国各医疗团队主要采取人工检查医疗作业人员穿脱防护用品的操作是否规范，即由4～5名专业且具有丰富作业经验的医护人员组成感染防控小组，通过使用手机或平板电脑进行实时监督，24小时不间断检查医疗作业人员穿脱防护服的动作是否标准规范、顺序是否正确，并对操作不合格的作业人员进行及时提醒。这种方式督导了医疗作业人员的自身防护安全，但人工检查在防护工作的监督严密性和连续性上效果不佳。一方面，感控组成员十分有限，无法满足对医疗作业人员穿脱防护装备“一对一”的精确检查需求；另一方面，感控组成员的精力也十分有限，长时间的繁重工作不但会对他们的身体机能造成一定影响，而且若有一些细节检查不到位，都可能会造成医疗事故，导致不可挽回的人身与财产损失。
发明内容
本发明的目的是提供一种医护人员防护用品穿戴规范性智能检测方法，能够“一对一”精确检查医疗作业人员穿脱防护用品的情况，避免因细节检查不到位而造成的医疗事故。
为实现上述目的，本发明所采用的技术方案是：一种医护人员防护用品穿戴规范性智能检测方法，具体按以下步骤进行：
1）取若干套不同的防护用品，让多位有显著体型差异的志愿者穿上防护服，每位志愿者在不同着装情况下摆出不同姿势，使用照相机对每位志愿者摆出的每种姿势进行拍摄，并对所拍摄的每张照片做对应的标注；对采集的所有志愿者每种姿势的照片进行清洗，形成防护服着装图片数据集；
2）在高性能计算机中建立基于目标检测算法（YOLOv4）和网络框架（pyTorch）的识别模型；再使用YOLOv4的训练网络和步骤1）构建的防护服着装图片数据集对该识别模型进行训练，经过足够的训练轮次后，得到满足识别率要求的防护服着装规范性识别模型；
3）在医护人员进入特定作业区域的通道口架设高清摄像头和高清显示屏，将该高清摄像头和高清显示屏分别与高性能计算机相连接；
4）高清摄像头会不间断地将摄像头前的实时画面传入到高性能计算机进行处理，高性能计算机会对传入的实时画面进行识别；当穿戴防护用品的医护人员到达该通道口时，先站在检测区域内，以特定的姿势站立在高清摄像头前，高清摄像头将当前画面传入到高性能计算机，高性能计算机使用防护服着装规范性识别模型检测到医护人员站在检测区域内，然后，再调用高清摄像头拍下医护人员着装照片，此时暂停检测医护人员是否站在检测区域内；高性能计算机对拍下的照片使用防护服着装规范性识别模型识别医护人员防护服着装是否规范，若医护人员全身所有部位的防护隔离装备穿戴完全，则语音提示“穿戴合格”；若某一部分未穿戴防护隔离装备，则语音提示“XX部位未穿戴XX”，同时通过高清显示屏予以显示，标注出不合格的部位，让医疗作业人员以及相关管控人员在第一时间清晰地了解防护隔离装备穿着是否合格规范，从而进行及时地改正。
本发明检测方法能够自动实时检测医疗作业人员的防护隔离用品穿着是否规范，代替了传统的人工检测方法，节约人力成本，有效地提高了检测效率，且识别精准度高。
附图说明
图1是本发明检测方法的流程图。
图2是多位有显著体型差异的志愿者穿上防护服的正面照片。
图3是多位有显著体型差异的志愿者穿上防护服的背面照片。
图4是本发明检测方法中采集拍摄照片时，志愿者穿上防护服后摆出一种姿势的照片。
图5是本发明检测方法中采集拍摄照片时，志愿者穿上防护服后摆出另一种姿势的照片。
图6是本发明检测方法中识别模型建立以及训练过程示意图。
图7是使用本发明检测方法实时检测医护人员防护用品穿戴是否规范的流程示意图。
图8是本发明检测方法中识别模型的识别测试结果示意图。
图9是本发明检测方法中图片输入后经过的算法处理过程示意图。
图10是本发明检测方法实际检测时，对每一张防护服着装图片按照身体不同部位进行分割，给每个部位打上对应标签的示意图。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
本发明提供了一种医护人员防护用品穿戴规范性智能检测方法，其流程图如图1所示，该检测方法具体按以下步骤进行：
1）取若干套不同的防护用品，让多位有显著体型差异的志愿者穿上防护服，如图2和图3；每位志愿者在不同着装情况下摆出不同姿势，用照相机对每位志愿者摆出的每种姿势进行拍摄，如图4和图5所示，并对所拍摄的每张照片做对应的标注；对采集的所有志愿者每种姿势的照片进行清洗，清洗操作意为从所有照片中对不符合训练要求的照片进行剔除处理，形成防护服着装图片数据集；
2）在高性能计算机中建立基于目标检测算法（YOLOv4）和网络框架（pyTorch）的识别模型；再使用YOLOv4的训练网络和步骤1）构建的防护服着装图片数据集对该识别模型进行训练，经过足够的训练轮次后，得到满足识别率要求的防护服着装规范性识别模型；
防护服着装规范性识别模型基于YOLOv4网络结构进行模型训练，在所使用的YOLOv4网络架构中，输入的图像分辨率大小为416×416，采用的最大训练轮次为75轮，识别模型建立以及训练过程如图6所示。首先是防护服着装图片数据集的构建，数据集构建所使用的防护服图片来源为现场拍摄，使用labelimg标注工具对每一张防护服图片进行分割和标注，本发明智能检测方法中，图片的分割类别共分为如表1所示的18种。
表1 图片分割类别
Figure RE-110729DEST_PATH_IMAGE001
然后将数据集的80%作为训练集输入到YOLOv4训练框架中，按照预设参数进行训练，数据集剩余的20%作为测试集，以供后续模型效果测试。当训练轮次达到最大次数并且识别模型的Loss值达到可用标准后，标志着模型训练完成，对该模型的识别测试结果如图8所示。图8中，识别模型对测试图片共识别出了9个部位，每个部位识别结果用方框标示出，每个方框上方都显示有对应的部位名称以及该部位的识别置信度。
3）在医护人员进入特定作业区域的通道口架设高清摄像头和高清显示屏，将该高清摄像头和高清显示屏分别与高性能计算机相连接；
4）高清摄像头会不间断地将摄像头前的实时画面传入到高性能计算机进行处理，高性能计算机会对传入的实时画面进行识别。当穿戴防护用品的医护人员到达该通道口时，先站在检测区域内，以特定的姿势站立在高清摄像头前，高清摄像头将当前画面传入到高性能计算机，高性能计算机使用防护服着装规范性识别模型检测到医护人员站在检测区域内，然后，再调用高清摄像头拍下医护人员着装照片，此时暂停检测医护人员是否站在检测区域内；高性能计算机对拍下的照片使用防护服着装规范性识别模型识别医护人员防护服着装是否规范，若医护人员全身所有部位的防护隔离装备穿戴完全，则语音提示“穿戴合格”；若某一部分未穿戴防护隔离装备，则语音提示“XX部位未穿戴XX”，同时通过高清显示屏予以显示，标注出不合格的部位，如图7所示；让医疗作业人员以及相关管控人员在第一时间清晰地了解防护隔离装备穿着是否合格规范，从而进行及时地改正。
本发明着装规范性检测方法的核心在于YOLOv4目标识别与检测框架所训练的防护服着装规范性识别模型。本发明检测方法中设定框架的输入图片大小为416×416，图片输入后会经过图9所示的算法处理过程，以下是对该处理过程以及相关内部算法原理的具体阐述：
步骤1：首先图片经过CSPDarknet53主干特征提取网络进行特征提取处理，经过DarknetConv2D_BN_Mish激活函数进行一次卷积操作，Mish函数公式如公式（1）所示:
Mish=x×tanh[ln(1+e x )] （1）
（1）式中，x表示函数输入值；tanh()表示双曲正切函数；
经过激活函数后，输入图片的通道数由3变为32，然后再经过5次Resblock_body卷积操作进行特征提取，每次操作图片的分辨率都会下降，而通道数不断增加，选取最后3次卷积操作得到的有效特征层做下一步操作；
步骤2：选取CSPDarknet53得到的(13,13,1024)有效特征层进行3次Conv卷积操作后，再使用SPP模块对该特征层进行最大池化后进行Cocat堆叠操作加3次Conv卷积操作，将该特征层输出至PANet进行卷积和上采样处理；
步骤3：将步骤1输出的(52,52,256)和(26,26,512)有效特征层经过一次Conv卷积操作结合步骤2输出的特征层输入进PANet做实例分割，首先对输入的3个特征层做Conv卷积和上采样处理，然后再对其进行下采样处理后，输出给对应的YOLO Head模块进行解码然后得到预测结果。
在外部实现方法流程上，首先对每一张防护服着装图片按照身体不同部位进行分割，给每个部位打上对应标签，如图10所示。然后将标注分割完成的数据集输入训练框架进行训练后得到识别模型，在对目标进行检测时，实时地对摄像头捕捉到的每一帧图像进行识别分析，利用识别模型对图像进行识别，若该图像中的医护人员的所有身体部位都识别为穿戴了对应防护用品，则说明该医护人员防护着装完全。若存在某一部位识别为未穿戴对应防护用品，则说明该医护人员防护着装不到位，给予警示。

Claims (3)

1.一种医护人员防护用品穿戴规范性智能检测方法，其特征在于，该智能检测方法具体按以下步骤进行：
1）取若干套不同的防护用品，让多位有显著体型差异的志愿者穿上防护服；每位志愿者在不同着装情况下摆出不同姿势，拍摄每位志愿者摆出的每种姿势，并对所拍摄的每张照片做对应的标注；对采集的所有志愿者每种姿势的照片进行清洗，形成防护服着装图片数据集；
2）在高性能计算机中建立基于目标检测算法和网络框架的识别模型；再使用目标检测算法的训练网络和步骤1）构建的防护服着装图片数据集对该识别模型进行训练，得到满足识别率要求的防护服着装规范性识别模型；
3）在医护人员进入特定作业区域的通道口架设高清摄像头和高清显示屏，将该高清摄像头和高清显示屏分别与高性能计算机相连接；
4）高清摄像头不间断地将摄像头前的实时画面传入到高性能计算机，高性能计算机对传入的实时画面进行识别；当穿戴防护用品的医护人员到达该通道口时，先站在检测区域内，以特定的姿势站立在高清摄像头前，高清摄像头将当前画面传入到高性能计算机，高性能计算机使用防护服着装规范性识别模型检测到医护人员站在检测区域内，然后，再调用高清摄像头拍下医护人员着装照片，此时暂停检测医护人员是否站在检测区域内；高性能计算机对拍下的照片使用防护服着装规范性识别模型识别医护人员防护服着装是否规范，若医护人员全身所有部位的防护隔离装备穿戴完全，则语音提示“穿戴合格”；若某一部分未穿戴防护隔离装备，则语音提示“XX部位未穿戴XX”；同时通过高清显示屏予以显示，标注出不合格的部位，让医疗作业人员以及相关管控人员在第一时间清晰地了解防护隔离装备穿着是否合格规范，从而进行及时地改正。
2.如权利要求1所述的医护人员防护用品穿戴规范性智能检测方法，其特征在于，所述步骤2）中，防护服着装规范性识别模型基于目标检测算法网络结构进行模型训练，在所使用的目标检测算法网络架构中，输入的图像分辨率大小为416×416，采用的最大训练轮次为75轮；首先构建防护服着装图片数据集，然后将数据集的80%输入到目标检测算法训练框架中，按照预设参数进行训练，当训练轮次达到最大次数并且识别模型的Loss值达到可用标准后，模型训练完成。
3.如权利要求2所述的医护人员防护用品穿戴规范性智能检测方法，其特征在于，进行模型训练时：
步骤1：图片经过CSPDarknet53主干特征提取网络进行特征提取处理，经过DarknetConv2D_BN_Mish激活函数进行一次卷积操作，Mish函数公式如公式（1）所示:
Mish=x×tanh[ln(1+e x )] （1）
（1）式中，x表示函数输入值；tanh()表示双曲正切函数；
经过激活函数后，输入图片的通道数由3变为32，然后再经过5次Resblock_body卷积操作进行特征提取，每次操作图片的分辨率都会下降，而通道数不断增加，选取最后3次卷积操作得到的有效特征层做下一步操作；
步骤2：选取CSPDarknet53得到的(13,13,1024)有效特征层进行3次Conv卷积操作后，再使用SPP模块对该特征层进行最大池化后进行Cocat堆叠操作加3次Conv卷积操作，将该特征层输出至PANet进行卷积和上采样处理；
步骤3：将步骤1输出的(52,52,256)和(26,26,512)有效特征层经过一次Conv卷积操作结合步骤2输出的特征层输入进PANet做实例分割，首先对输入的3个特征层做Conv卷积和上采样处理，然后再对其进行下采样处理后，输出给对应的YOLO Head模块进行解码然后得到预测结果。
CN202010750542.6A 2020-07-30 2020-07-30 医护人员防护用品穿戴规范性智能检测方法 Pending CN111860422A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010750542.6A CN111860422A (zh) 2020-07-30 2020-07-30 医护人员防护用品穿戴规范性智能检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010750542.6A CN111860422A (zh) 2020-07-30 2020-07-30 医护人员防护用品穿戴规范性智能检测方法

Publications (1)

Publication Number Publication Date
CN111860422A true CN111860422A (zh) 2020-10-30

Family

ID=72945081

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010750542.6A Pending CN111860422A (zh) 2020-07-30 2020-07-30 医护人员防护用品穿戴规范性智能检测方法

Country Status (1)

Country Link
CN (1) CN111860422A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112347943A (zh) * 2020-11-09 2021-02-09 哈尔滨理工大学 一种基于YOLOV4的anchor优化安全帽检测方法
CN112466445A (zh) * 2020-11-11 2021-03-09 湖南德雅曼达科技有限公司 一种防护用品穿脱监测设备及隔离病房
CN112766070A (zh) * 2020-12-31 2021-05-07 上海电机学院 电气检修人员劳保防护用品穿戴的智能检测方法及系统
CN113628490A (zh) * 2021-08-16 2021-11-09 苏州卫生职业技术学院 一种二级防护用品穿脱虚拟仿真方法
CN114187645A (zh) * 2022-02-16 2022-03-15 广州云创数据科技有限公司 一种基于图像识别的医院感染预警系统
CN114926970A (zh) * 2022-05-20 2022-08-19 深圳市第三人民医院 医用防护用品穿脱提醒方法及相关装置
CN114937232A (zh) * 2022-07-25 2022-08-23 浙江大学 医废处理人员防护用具穿戴检测方法、系统和设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109543542A (zh) * 2018-10-24 2019-03-29 杭州叙简科技股份有限公司 一种特定场所人员着装是否规范的判定方法
US20190347826A1 (en) * 2018-05-11 2019-11-14 Samsung Electronics Co., Ltd. Method and apparatus for pose processing
US20190347817A1 (en) * 2018-05-09 2019-11-14 Postureco, Inc. Method and system for postural analysis and measuring anatomical dimensions from a digital image using machine learning
CN210513253U (zh) * 2020-02-19 2020-05-12 西北师范大学 一种便携式生态环境感知器
CN111199200A (zh) * 2019-12-27 2020-05-26 深圳供电局有限公司 基于电力防护装备的佩戴检测方法、装置和计算机设备

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190347817A1 (en) * 2018-05-09 2019-11-14 Postureco, Inc. Method and system for postural analysis and measuring anatomical dimensions from a digital image using machine learning
US20190347826A1 (en) * 2018-05-11 2019-11-14 Samsung Electronics Co., Ltd. Method and apparatus for pose processing
CN109543542A (zh) * 2018-10-24 2019-03-29 杭州叙简科技股份有限公司 一种特定场所人员着装是否规范的判定方法
CN111199200A (zh) * 2019-12-27 2020-05-26 深圳供电局有限公司 基于电力防护装备的佩戴检测方法、装置和计算机设备
CN210513253U (zh) * 2020-02-19 2020-05-12 西北师范大学 一种便携式生态环境感知器

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
BBLINGBBLING: "yolov3和yolov4网络结构", 《HTTPS://BLOG.CSDN.NET/BBLINGBBLING/ARTICLE/DETAILS/106908054》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112347943A (zh) * 2020-11-09 2021-02-09 哈尔滨理工大学 一种基于YOLOV4的anchor优化安全帽检测方法
CN112466445A (zh) * 2020-11-11 2021-03-09 湖南德雅曼达科技有限公司 一种防护用品穿脱监测设备及隔离病房
CN112466445B (zh) * 2020-11-11 2024-01-16 湖南德雅曼达科技有限公司 一种防护用品穿脱监测设备及隔离病房
CN112766070A (zh) * 2020-12-31 2021-05-07 上海电机学院 电气检修人员劳保防护用品穿戴的智能检测方法及系统
CN113628490A (zh) * 2021-08-16 2021-11-09 苏州卫生职业技术学院 一种二级防护用品穿脱虚拟仿真方法
CN113628490B (zh) * 2021-08-16 2023-08-04 苏州卫生职业技术学院 一种二级防护用品穿脱虚拟仿真方法
CN114187645A (zh) * 2022-02-16 2022-03-15 广州云创数据科技有限公司 一种基于图像识别的医院感染预警系统
CN114926970A (zh) * 2022-05-20 2022-08-19 深圳市第三人民医院 医用防护用品穿脱提醒方法及相关装置
CN114937232A (zh) * 2022-07-25 2022-08-23 浙江大学 医废处理人员防护用具穿戴检测方法、系统和设备
CN114937232B (zh) * 2022-07-25 2022-10-21 浙江大学 医废处理人员防护用具穿戴检测方法、系统和设备

Similar Documents

Publication Publication Date Title
CN111860422A (zh) 医护人员防护用品穿戴规范性智能检测方法
CN113516076B (zh) 一种基于注意力机制改进的轻量化YOLO v4安全防护检测方法
CN113903081A (zh) 一种水电厂图像视觉识别人工智能报警方法及装置
CN114937232B (zh) 医废处理人员防护用具穿戴检测方法、系统和设备
CN116092199B (zh) 一种员工工作状态识别方法及识别系统
CN112347887A (zh) 一种物体检测方法、物体检测装置及电子设备
CN110837580A (zh) 一种行人图片标注方法、装置、存储介质和智能设备
CN110033487A (zh) 基于深度联想感知算法的受遮挡蔬果采收方法
CN109801287A (zh) 一种基于模板匹配与图像质量评估的标贴破损检测方法
CN112183472A (zh) 一种基于改进RetinaNet的试验现场人员是否穿着工作服检测方法
CN114782874A (zh) 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
CN109389040B (zh) 一种作业现场人员安全着装的检查方法及装置
CN104376611A (zh) 一种基于人脸识别的下井考勤方法及其装置
CN110090425A (zh) 一种中长跑运动的计时方法
CN111369170A (zh) 银行文优服务评价系统
CN114663772A (zh) 一种电网现场作业人员合规穿戴检测方法和系统
CN113485277A (zh) 一种智慧电厂视频识别监控管理系统和方法
CN116311082B (zh) 基于关键部位与图像匹配的穿戴检测方法及系统
CN116665419B (zh) 电力生产作业中基于ai分析的故障智能预警系统及方法
CN112686214A (zh) 一种基于Retinaface算法的人脸口罩检测系统和方法
CN116682034A (zh) 一种复杂生产作业场景下危险行为检测方法
CN104318267B (zh) 一种藏獒幼犬纯度的自动化识别系统
CN206367982U (zh) 一种可视化的起重机吊取定位系统
CN114581959A (zh) 基于服装款式特征提取的工服穿戴检测方法
CN109214354B (zh) 基于3d摄像头的动态人脸检索识别方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20201030