CN112422897A - 确定消毒的处理方法、装置、设备及存储介质 - Google Patents

确定消毒的处理方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN112422897A
CN112422897A CN202011158242.5A CN202011158242A CN112422897A CN 112422897 A CN112422897 A CN 112422897A CN 202011158242 A CN202011158242 A CN 202011158242A CN 112422897 A CN112422897 A CN 112422897A
Authority
CN
China
Prior art keywords
disinfection
detection
determined
detected
detection result
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.)
Granted
Application number
CN202011158242.5A
Other languages
English (en)
Other versions
CN112422897B (zh
Inventor
孙墨
苟巍
沈海峰
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.)
Beijing Didi Infinity Technology and Development Co Ltd
Original Assignee
Beijing Didi Infinity Technology and Development Co Ltd
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 Beijing Didi Infinity Technology and Development Co Ltd filed Critical Beijing Didi Infinity Technology and Development Co Ltd
Priority to CN202011158242.5A priority Critical patent/CN112422897B/zh
Publication of CN112422897A publication Critical patent/CN112422897A/zh
Application granted granted Critical
Publication of CN112422897B publication Critical patent/CN112422897B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
    • 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
    • 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
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G06V40/28—Recognition of hand or arm movements, e.g. recognition of deaf sign language
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07—Target detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Human Computer Interaction (AREA)
  • Signal Processing (AREA)
  • Apparatus For Disinfection Or Sterilisation (AREA)

Abstract

本公开实施例提供一种确定消毒的处理方法、装置、设备及存储介质，该方法包括：接收终端发送的消毒视频数据；根据所述消毒视频数据，确定待检测帧数据；根据所述待检测帧数据，采用预先训练获得的消毒喷液检测模型进行喷液检测，获得第一检测结果；若根据所述第一检测结果，确定有消毒液的喷洒，则确定进行了消毒。实现了对消毒操作的自动化审核，有效提高审核效率，从而提高用户体验。

Description

确定消毒的处理方法、装置、设备及存储介质
技术领域
本公开涉及计算机技术领域，尤其涉及一种确定消毒的处理方法、装置、设备及存储介质。
背景技术
疫情肆虐全球，反映出病毒的传播速度之快，网约车作为人们出行的常用方式之一，需要接触的乘客的情况具有一定的未知性，从而带来巨大的安全隐患，因而如何有效阻断病毒的传播成为关键。当前，使用消毒液进行消毒是阻断病毒传播的行之有效的方式之一。且即使是在非疫情时期，网约车也需要进行常规的消毒液消毒，以避免乘客之间出现一些不必要的交叉感染。
但是，网约车司机是否按照要求为车辆消毒成为监管难题，现有技术中，通常是要求网约车司机录制消毒视频上传到服务器，由相应的管理人员进行人工审核，待审核通过后，网约车司机才能接单。
现有技术这种审核网约车司机是否消毒的方法，工作效率低，造成人工成本高。
发明内容
本公开实施例提供一种确定消毒的处理方法、装置、设备及存储介质，以解决现有技术审核消毒的工作效率低等缺陷。
第一个方面，本公开实施例提供一种确定消毒的处理方法，包括：
接收终端发送的消毒视频数据；
根据所述消毒视频数据，确定待检测帧数据；
根据所述待检测帧数据，采用预先训练获得的消毒喷液检测模型进行喷液检测，获得第一检测结果；
若根据所述第一检测结果，确定有消毒液的喷洒，则确定进行了消毒。
上述公开中的一个实施例具有如下优点或者有益效果：用户通过终端向服务器发送消毒视频数据，服务器采用消毒喷液检测模型对待检测帧数据进行喷液检测，来判断是否进行了消毒，实现了对消毒操作的自动化审核，有效提高审核效率，从而提高用户体验。
上述公开中的另一个实施例具有如下优点或者有益效果：通过手持喷壶动作检测结合消毒喷液检测，进一步提高检测结果的准确性。
上述公开中的另一个实施例具有如下优点或者有益效果：通过结合手持喷壶动作类型的检测，进一步提高检测结果的准确性。
上述公开中的另一个实施例具有如下优点或者有益效果：通过背景检测，实现对用户消毒区域的准确监督。
上述公开中的另一个实施例具有如下优点或者有益效果：还通过间隔抽帧可以提高检测速度。
第二个方面，本公开实施例提供一种确定消毒的处理装置，包括：
第一接收模块，用于接收终端发送的消毒视频数据；
确定模块，用于根据所述消毒视频数据，确定待检测帧数据；
检测模块，用于根据所述待检测帧数据，采用预先训练获得的消毒喷液检测模型进行喷液检测，获得第一检测结果；
处理模块，用于若根据所述第一检测结果，确定有消毒液的喷洒，则确定进行了消毒。
第三个方面，本公开实施例提供一种服务器，包括：至少一个处理器，存储器及收发器；
所述处理器、所述存储器与所述收发器通过电路互联；
所述存储器存储计算机执行指令；所述收发器，用于接收终端发送的消毒视频数据；
所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如第一个方面以及第一个方面各种可能的设计所述的方法。
第四个方面，本公开实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如第一个方面以及第一个方面各种可能的设计所述的方法。
本公开实施例提供的确定消毒的处理方法、装置、设备及存储介质，用户通过终端向服务器发送消毒视频数据，服务器采用消毒喷液检测模型对待检测帧数据进行喷液检测，来判断是否进行了消毒，实现了对消毒操作的自动化审核，有效提高审核效率，从而提高用户体验。
附图说明
为了更清楚地说明本公开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一简单地介绍，显而易见地，下面描述中的附图是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本公开实施例基于的处理系统的架构示意图；
图2为本公开一实施例提供的确定消毒的处理方法的流程示意图；
图3为本公开一实施例提供的一种ShuffleNet基本单元的结构示意图；
图4为本公开另一实施例提供的一种确定消毒的处理方法的流程示意图；
图5为本公开另一实施例提供的另一种确定消毒的处理方法的流程示意图；
图6为本公开一实施例提供的一种图像标注示意图；
图7为本公开一实施例提供的另一种图像标注示意图；
图8为本公开一实施例提供的再一种图像标注示意图；
图9为本公开一实施例提供的确定消毒的处理方法的整体流程框图；
图10为本公开再一实施例提供的确定消毒的处理方法的流程示意图；
图11为本公开一实施例提供的确定消毒的处理装置的结构示意图；
图12为本公开另一实施例提供的确定消毒的处理装置的结构示意图；
图13为本公开一实施例提供的服务器的结构示意图；
图14为本公开一实施例提供的终端的结构示意图。
通过上述附图，已示出本公开明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围，而是通过参考特定实施例为本领域技术人员说明本公开的概念。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，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他实施例，都属于本公开保护的范围。
为了清楚理解本申请的技术方案，首先对现有技术的方案进行详细介绍。现有技术在对司机发送的消毒视频进行审核时，是人工进行审核，审核人员需要打开视频观看视频内容来确定司机是否进行消毒，或者进一步确定司机是否对特定部位进行了消毒，而每个司机发送的消毒视频的审核都会占据一定的时间，因此审核速度过慢，导致大量司机需要浪费很长时间等待审核而无法接单。针对现有技术存在的上述问题，发明人进行了创造性的研究，在研究中发现，若要提高审核效率，将审核过程自动化是行之有效的方法，基于此，发明人进一步研究发现，司机消毒的动作包括拿起喷壶、按压喷壶、消毒液喷洒、松开按压、继续按压喷壶、消毒液喷洒，以此类推，重复这些动作实现消毒。发明人从司机消毒的这些动作作为切入点来进行了更为深入的研究，发现基于这些动作或者其结合，能够对是否消毒做出判断，比如若能自动检测到由消毒液喷洒，可以确定进行了消毒，对于如何检测消毒液喷洒，发明人创造性地想到可以将基于图像的目标检测用于检测消毒液的喷洒，从而也可以基于目标检测实现其他动作的检测，从而可以实现消毒动作的自动化检测，进而对检测结果进行分析来实现消毒的自动化审核。因此本公开实施例提供一种确定消毒的处理方法，在服务器接收到终端发送的消毒视频数据后，可以将消毒视频数据进行拆帧，获得帧图像数据，基于帧图像数据，采用相应的动作检测模型来检测帧图像中司机的动作，基于检测结果判断司机是否进行了消毒，实现了司机消毒的自动化审核，有效提高审核效率。
本公开实施例提供的确定消毒的处理方法，适用于监管网约车司机按要求对车辆进行消毒的应用场景。如图1所示，为本公开实施例基于的处理系统的架构示意图。该处理系统可以包括服务器和至少一个用户的终端。在网约车场景下，用户可以是司机，用户的终端可以是司机的手机、笔记本电脑、平板电脑及其他可实施的终端设备。用户在进行消毒时可以自己或由身旁的其他人持着用户的终端拍摄消毒视频，并将消毒视频数据发送给服务器。具体来说，可以为用户提供相应的操作界面，用户可在操作界面上传拍摄的消毒视频数据。服务器接收到终端发送的消毒视频数据，根据消毒视频数据来确定待检测帧数据，可选地，可以将每一帧都作为待检测帧数据，还可以是为了减少处理时间、提高处理速度，在消毒视频数据中按照预设抽帧规则进行抽帧，作为待检测帧数据，比如每间隔10帧抽取一帧，具体的抽帧规则可以根据实际需求设置，抽帧规则需要考虑用户消毒动作的有效性，避免漏掉动作帧，因此，抽帧的间隔帧数不可以太多或间隔时间不可以太长。在确定了待检测帧数据后，则可以根据待检测帧数据，采用预先训练获得的消毒喷液检测模型进行喷液检测，获得第一检测结果，第一检测结果可以包括各待检测帧数据中检测到的目标框以及该目标框表示有消毒液喷洒的概率，可以根据该目标框有消毒液喷洒的概率及预设阈值，来确定该目标框是否有消毒液喷洒。若确定有消毒液的喷洒，可以认为用户进行了消毒。在确定了审核结果后，可以向终端发送审核结果，比如确定用户进行了消毒可以向终端发送进行了消毒的确认信息，或者审核通过的确认信息。若审核结果为确定用户没有进行消毒，则可以向终端发送未消毒的提示信息，提醒用户，用户可以进行消毒再次上传消毒视频。实现了对消毒操作的自动化审核，有效提高审核效率，从而提高用户体验。
可选地，为了进一步提高判断准确性，还可以结合其他动作的检测和消毒液的喷洒来判断。比如，还可以检测用户手持喷壶的动作，当确定用户具有手持喷壶的动作，且有消毒液的喷洒，则可以确定用户进行了消毒。
可选地，还可以是针对一定区域(可以称为目标区域)进行判断，判断用户是否对目标区域进行了消毒，具体来说可以是通过背景检测，来确定是否是车辆特定的目标区域，目标区域比如为车门把手、脚垫、座椅、窗玻璃、车顶等等。当确定用户进行了消毒，且检测到消毒背景为目标区域，则可以确定用户对目标区域进行了消毒。
可选地，还可以是结合用户对喷壶的按压和松开的动作，来确定是否消毒。比如当检测到用户具有手持喷壶的动作，但是可能由于光线较暗等环境因素或其他因素影响，没有检测到消毒液喷洒，则还可以检测用户是否有对喷壶进行连续的按压和松开的交替动作，若检测到右按压和松开的交替动作，则可以认为用户进行了消毒。
可选地，上述提出的各判断方式可以以任意可实施的方式进行组合。
可选地，本公开实施例提供的确定消毒的处理方法，还适用于其他任意需要进行消毒的场景。如公共场所会有很多人接触的目标区域，为人们提供服务的相应机构，比如医院相应的目标区域，等等，都可以采用本公开实施例提供的确定消毒的处理方法，以医院为例，医院不同区域可以是由不同或者相同的管理人员(即用户为进行消毒的管理人员)进行消毒，那么该管理人员在消毒时可以拍摄消毒视频，上传到相应的服务器，服务器执行相应的确定消毒的处理方法，对该管理人员是否进行消毒进行审核，并可以向管理人员发送审核结果。
此外，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。在以下各实施例的描述中，“多个”的含义是两个以上，除非另有明确具体的限定。
下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本公开的实施例进行描述。
本公开一实施例提供一种确定消毒的处理方法，用于审核相关人员是否对目标区域进行了消毒。本实施例的执行主体为确定消毒的处理装置，该装置可以设置在电子设备中，比如服务器、台式电脑、笔记本电脑等。
如图2所示，为本实施例提供的确定消毒的处理方法的流程示意图，该方法包括：
步骤101，接收终端发送的消毒视频数据。
用户在进行消毒时可以自己或由身旁的其他人持终端拍摄消毒视频，获得消毒视频数据发送给服务器。具体来说，可以为用户提供相应的操作界面，用户可在操作界面上传拍摄的消毒视频数据，服务器则可以接收到终端发送的消毒视频数据。其中，用户操作界面可以根据实际需求设置，本实施例不做限定。
步骤102，根据消毒视频数据，确定待检测帧数据。
接收到终端发送的消毒视频数据后，可以根据消毒视频数据来确定待检测帧数据，具体来说，可以将每一帧都作为待检测帧数据，还可以是为了减少处理时间、提高处理速度，在消毒视频数据中按照预设抽帧规则进行抽帧，作为待检测帧数据，比如每间隔10帧抽取一帧，具体的抽帧规则可以根据实际需求设置，抽帧规则需要考虑用户消毒动作的有效性，避免漏掉动作帧，因此，抽帧的间隔帧数不可以太多或间隔时间不可以太长。
步骤103，根据待检测帧数据，采用预先训练获得的消毒喷液检测模型进行喷液检测，获得第一检测结果。
在确定了待检测帧数据后，则可以根据待检测帧数据，采用预先训练获得的消毒喷液检测模型进行喷液检测，获得第一检测结果，第一检测结果可以包括各待检测帧数据中检测到的目标框以及该目标框表示有消毒液喷洒的概率。
其中，消毒喷液检测模型需要预先训练获得，具体训练过程比如可以为：获取训练图像数据及对应的标注数据，标注数据包括训练图像中消毒液喷洒区域框；将训练图像数据输入到预先建立的消毒喷液检测网络，获得训练检测结果；基于训练检测结果、标注数据及预设损失函数，判断训练过程的结束，获得消毒喷液检测模型。消毒喷液检测网络可以为任意可实施的网络结构，比如可以为ShuffleNet、YOLO等。ShuffleNet的核心是采用了两种操作：pointwise group convolution(逐点群卷积)和channel shuffle(通道混洗)，在保持精度的同时大大降低了模型的计算量。其基本单元则是在一个残差单元的基础上改进而成，其具体网络结构可以是采用现有的任意版本的网络结构，在此不再赘述。示例性的，如图3所示，为本实施例提供的一种ShuffleNet基本单元的结构示意图。该基本单元为基本ResNet轻量级结构，包括3层的残差单元：首先是1x1卷积(Conv)，然后是3x3的depthwiseconvolution(DWConv，主要是为了降低计算量)，紧接着是1x1卷积，最后是一个短路连接，将输入直接加到输出上。基本单元还可以是改进版的结构，具体可以根据实际需求设置。
ShuffleNet的具体网络结构可以基于基本单元根据实际需求进行设计。示例性的，如表1所示，为一种示例性的ShuffleNet网络结构。
表1
Figure BDA0002743456030000081
YOLO(You Only Look Once)是一种基于深度神经网络的对象识别和定位算法，运行速度快，可以用于实时系统。YOLO创造性的将候选区和对象识别这两个阶段合二为一，采用预定义的候选区(准确说应该是预测区)，也即将图片划分为7*7＝49个网格(grid)，每个网格允许预测出2个边框(bounding box，包含某个对象的矩形框)，总共49*2＝98个bounding box。可以理解为98个候选区，来覆盖图片的整个区域。具体的网络结构可以根据实际需求设置，在此不再一一赘述。
步骤104，若根据第一检测结果，确定有消毒液的喷洒，则确定进行了消毒。
具体来说，对于每帧待检测帧数据，可以根据该帧中目标框有消毒液喷洒的概率及预设阈值，来确定该目标框是否有消毒液喷洒。若确定有消毒液的喷洒，可以认为用户进行了消毒。若未检测到有消毒液喷洒，可以认为用户没有消毒，直接向用户的终端发送未消毒的提示信息以提醒用户消毒，也可以继续结合其他因素进一步判断是否进行了消毒，比如结合用户对对喷壶的按压和松开的动作进一步判断是否进行了消毒，具体可以根据实际需求设置，本实施例不做限定。
在确定了审核结果后，还可以向终端发送审核结果，比如确定用户进行了消毒可以向终端发送进行了消毒的确认信息，或者审核通过的确认信息。若审核结果为确定用户没有进行消毒，则可以向终端发送未消毒的提示信息，提醒用户，用户可以进行消毒再次上传消毒视频。
可选地，为了进一步提高判断准确性，还可以结合其他动作的检测和消毒液的喷洒来判断。比如，还可以检测用户手持喷壶的动作，当确定用户具有手持喷壶的动作，且有消毒液的喷洒，则可以确定用户进行了消毒。
可选地，还可以是针对一定区域(可以称为目标区域)进行判断，判断用户是否对目标区域进行了消毒，具体来说可以是通过背景检测，来确定是否是车辆特定的目标区域，目标区域比如为车门把手、脚垫、座椅、窗玻璃、车顶等等。当确定用户进行了消毒，且检测到消毒背景为目标区域，则可以确定用户对目标区域进行了消毒。
本实施例提供的确定消毒的处理方法，通过采用消毒喷液检测模型对待检测帧数据进行喷液检测，来判断是否进行了消毒，实现了对消毒操作的自动化审核，有效提高审核效率，从而提高用户体验。
本公开另一实施例对上述实施例提供的方法做进一步补充说明。
如图4所示，为本实施例提供的一种确定消毒的处理方法的流程示意图。
作为一种可实施的方式，在上述实施例的基础上，可选地，在根据待检测帧数据，采用预先训练获得的消毒喷液检测模型进行喷液检测，获得第一检测结果之前，该方法还包括：
步骤2011，根据待检测帧数据，采用预先训练获得的手持喷壶检测模型进行动作检测，获得第二检测结果。
步骤2012，若根据第二检测结果，确定没有手持喷壶的动作，则确定没有进行消毒。
步骤2013，若根据第二检测结果，确定有手持喷壶的动作，且根据第一检测结果，确定有消毒液的喷洒，则确定进行了消毒。
具体来说，可以先采用手持喷壶检测模型进行动作检测，判断是否有手持喷壶的动作，若没有手持喷壶的动作可以认为用户没有进行消毒，则可以直接确定审核不通过，可向用户发送未消毒的提示消息或提示信息，提醒用户消毒，并重新上传视频。若检测到有手持喷壶的动作，可进一步结合上述消毒喷液检测模型检测是否有消毒液的喷洒，来确定是否进行了消毒，以提高准确性。若确定有手持喷壶的动作，且有消毒液的喷洒，则确定进行了消毒，可以确定审核通过，向用户终端发送进行了消毒的确认信息，对于司机来说，则表示可以为司机开启接单权限，继续为司机派单。
其中，手持喷壶检测模型也需要预先训练获得，其原理与消毒喷液检测模型相似，在此不再一一赘述。在实际应用中，手持喷壶检测模型采用的网络结构可以与消毒喷液检测模型相同，比如都采用ShuffleNet网络结构，也可以采用不同的网络结构，具体可以根据实际需求设置。只是不同检测模型训练时采用的训练数据不同。
可选地，若有手持喷壶的动作，且没有消毒液的喷洒，可以认为用户没有消毒，也可以再结合其他因素进一步判断。
如图5所示，为本实施例提供的另一种确定消毒的处理方法的流程示意图。
可选地，该方法还包括：
步骤2021，若根据第二检测结果确定有手持喷壶的动作，且根据第一检测结果确定没有消毒液的喷洒，根据待检测帧数据，采用预先训练获得的动作分类模型对手持喷壶的动作进行分类，获得分类结果。
分类结果包括各帧待检测帧数据对应的手持喷壶的动作的类型，类型包括按压和松开。
步骤2022，若根据分类结果，确定至少两个相邻的动作为按压和松开，或者，确定至少两个相邻的动作为松开和按压，则确定进行了消毒。
若检测到有手持喷壶的动作，且没有消毒液的喷洒，为了提高判断的准确性，排除因环境问题导致未检测到消毒液的喷洒，可以进一步结合用户动作类型来判断用户是否进行了消毒。具体来说，可以采用动作分类模型对待检测帧数据中手持喷壶的动作进行分类，分类结果包括各帧中手持喷壶动作的类型，该类型包括按压和松开。当确定至少两个相邻的动作为按压和松开，或者，确定至少两个相邻的动作为松开和按压，则可以确定进行了消毒。
示例性的，若有10帧待检测帧数据，前3帧中手持喷壶的动作为松开，接着3帧为按压，又3帧为松开，最后一帧为按压，则可以表示用户有连续的松开-按压-松开-按压的动作，可以认为用户进行了消毒。
示例性的，动作分类模型也可以采用ShuffleNet网络结构，根据实际需求进行相应的分类设置即可。
作为另一种可实施的方式，在上述实施例的基础上，可选地，若根据第一检测结果，确定有消毒液的喷洒，则确定进行了消毒之后，该方法还包括：
步骤2031，根据待检测帧数据，采用预先训练好的目标区域对应的背景检测模型进行背景检测，获得第三检测结果。
步骤2032，若根据第三检测结果，确定背景为目标区域，则确定对目标区域进行了消毒。
具体的，还可以进一步判断用户是否对目标区域进行了消毒，目标区域比如为车门把手、脚垫、座椅、窗玻璃、车顶等等，具体来说，可以是采用预先训练好的目标区域对应的背景检测模型进行背景检测，来判断消毒的区域是否为车辆特定的目标区域。背景检测模型的原理与消毒喷液检测模型相同或相似，可以采用任意可实施的目标检测模型，比如ShuffleNet、YOLO等，在此不再赘述。
作为另一种可实施的方式，在上述实施例的基础上，可选地，根据消毒视频数据，确定待检测帧数据，包括：
步骤1021，根据预设间隔帧数，从消毒视频数据中抽取帧数据作为待检测帧数据。
具体的，为了减少处理时间、提高处理速度，在消毒视频数据中按照预设抽帧规则进行抽帧，作为待检测帧数据，比如每间隔10帧抽取一帧，具体的抽帧规则可以根据实际需求设置，抽帧规则需要考虑用户消毒动作的有效性，避免漏掉动作帧，因此，抽帧的间隔帧数不可以太多或间隔时间不可以太长。
作为另一种可实施的方式，在上述实施例的基础上，可选地，在根据待检测帧数据，采用预先训练获得的消毒喷液检测模型进行喷液检测，获得第一检测结果之前，该方法还包括：
步骤2041，获取训练图像数据及对应的标注数据，标注数据包括训练图像中消毒液喷洒区域框。
步骤2042，将训练图像数据输入到预先建立的消毒喷液检测网络，获得训练检测结果。
步骤2043，基于训练检测结果、标注数据及预设损失函数，判断训练过程的结束，获得消毒喷液检测模型。
具体的，将训练检测结果与标注数据进行对比，确定损失，并进行反向传播，从而不断优化训练网络参数，当损失达到预设要求，可以确定训练结束，获得消毒喷液检测模型。其中，训练图像数据可以是对预先获得的一些消毒视频数据进行拆帧获得的。对训练图像数据进行消毒喷液矩形框标注，获得对应的标注数据。对于其他模型，可以分别进行手持喷壶标注、动作分类标注、目标区域背景标注等。
示例性的，如图6所示，为本实施例提供的一种图像标注示意图；其中，框1为手持喷壶标注，框2为消毒喷液标注；如图7所示，为本实施例提供的另一种图像标注示意图，其中，框3为车外门把手标注；如图8所示，为本实施例提供的再一种图像标注示意图，其中，框2为车内门把手标注，框3为脚垫标注。
对于手持喷壶检测模型、动作分类模型、背景检测模型的训练方式与消毒喷液检测模型相似，在此不再一一赘述。
作为另一种可实施的方式，在上述实施例的基础上，可选地，该方法还包括：
若确定没有进行消毒，则向终端发送提示信息；若确定进行了消毒，则向终端发送确认信息。
具体的，在确定了是否消毒后，可以将结果通知用户，若确定进行了消毒，可以向用户的终端发送进行了消毒的确认信息，若确定没有进行消毒，则可以发送未消毒的提示信息，以提示用户进行消毒并重新上传消毒视频。
作为一种示例性的实施方式，如图9所示，为本实施例提供的确定消毒的处理方法的整体流程框图。该方法具体可以包括：
1、获取消毒视频数据。
2、视频抽帧，确定待检测帧数据。
3、手持喷壶检测，若未检测到手持喷壶的动作，则确定审核失败，若检测到手持喷壶的动作，转步骤4。
4、消毒喷液检测，若检测到有消毒液喷洒，转步骤6，若未检测到有消毒液喷洒，转步骤5。
5、手持喷壶动作分类检测，若检测到有消毒按压松开动作，转步骤6，若未检测到有消毒按压松开动作，则确定审核失败。
6、背景检测，若检测到是目标区域，则确定审核通过；若未检测到是目标区域，则确定审核失败。
为了提高运行速度，可以结合跳帧功能，在视频抽帧过程中，每间隔一定帧数(比如10帧)抽取一帧，从而可以提高检测速度，且不会影响检测效果。比如检测30秒的视频只需203秒钟，从而减少了大量的人工成本。
需要说明的是，本实施例中各可实施的方式可以单独实施，也可以在不冲突的情况下以任意组合方式结合实施本公开不做限定。
本实施例提供的确定消毒的处理方法，通过手持喷壶动作检测结合消毒喷液检测，进一步提高检测结果的准确性。还通过结合手持喷壶动作类型的检测，进一步提高检测结果的准确性。还通过背景检测，实现对用户消毒区域的准确监督。还通过间隔抽帧可以提高检测速度。
本公开再一实施例提供一种确定消毒的处理方法，用于审核相关人员是否对目标区域进行了消毒。本实施例的执行主体为确定消毒的处理装置，该装置可以设置在终端中。
如图10所示，为本实施例提供的确定消毒的处理方法的流程示意图，该方法包括：
步骤301，获取用户的消毒视频发送指令。
步骤302，根据消毒视频发送指令，向服务器发送消毒视频数据，以使服务器根据消毒视频数据判断用户是否进行了消毒；其中，用户是否进行了消毒是基于预先训练获得的消毒喷液检测模型所获得的第一检测结果进行判断的；
步骤303，接收服务器发送的结果通知消息，结果通知消息为没有进行消毒的提示信息或者进行了消毒的确认信息。
作为一种可实施的方式，可选地，结果通知消息为没有进行消毒的提示信息；该方法还包括：
步骤4011，获取用户的消毒视频重发送指令。
步骤4012，根据消毒视频重发送指令，向服务器再次发送消毒视频数据。
需要说明的是，本实施例各步骤的具体操作已在上述实施例中进行了详细说明，在此不再一一赘述。
本实施例提供的确定消毒的处理方法，用户通过终端向服务器发送消毒视频数据，服务器采用消毒喷液检测模型对待检测帧数据进行喷液检测，来判断是否进行了消毒，实现了对消毒操作的自动化审核，有效提高审核效率，从而提高用户体验。
本公开再一实施例提供一种确定消毒的处理装置，用于执行上述服务器侧实施例的方法。
如图11所示，为本实施例提供的确定消毒的处理装置的结构示意图。该确定消毒的处理装置50包括第一接收模块51、确定模块52、检测模块53和处理模块54。
其中，第一接收模块，用于接收终端发送的消毒视频数据；确定模块，用于根据消毒视频数据，确定待检测帧数据；检测模块，用于根据待检测帧数据，采用预先训练获得的消毒喷液检测模型进行喷液检测，获得第一检测结果；处理模块，用于若根据第一检测结果，确定有消毒液的喷洒，则确定进行了消毒。
关于本实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
根据本实施例提供的确定消毒的处理装置，用户通过终端向服务器发送消毒视频数据，服务器采用消毒喷液检测模型对待检测帧数据进行喷液检测，来判断是否进行了消毒，实现了对消毒操作的自动化审核，有效提高审核效率，从而提高用户体验。
本公开又一实施例对上述实施例提供的装置做进一步补充说明。
作为一种可实施的方式，在上述实施例的基础上，可选地，检测模块，还用于根据待检测帧数据，采用预先训练获得的手持喷壶检测模型进行动作检测，获得第二检测结果；
处理模块，还用于若根据第二检测结果，确定没有手持喷壶的动作，则确定没有进行消毒；若根据第二检测结果，确定有手持喷壶的动作，且根据第一检测结果，确定有消毒液的喷洒，则确定进行了消毒。
可选地，检测模块，还用于根据待检测帧数据，采用预先训练获得的动作分类模型对手持喷壶的动作进行分类，获得分类结果，分类结果包括各帧待检测帧数据对应的手持喷壶的动作的类型，类型包括按压和松开；
处理模块，还用于若根据分类结果，确定至少两个相邻的动作为按压和松开，或者，确定至少两个相邻的动作为松开和按压，则确定进行了消毒。
作为另一种可实施的方式，在上述实施例的基础上，可选地，检测模块，还用于根据待检测帧数据，采用预先训练好的目标区域对应的背景检测模型进行背景检测，获得第三检测结果；
处理模块，还用于若根据第三检测结果，确定背景为目标区域，则确定对目标区域进行了消毒。
作为另一种可实施的方式，在上述实施例的基础上，可选地，确定模块，具体用于根据预设间隔帧数，从消毒视频数据中抽取帧数据作为待检测帧数据。
作为另一种可实施的方式，在上述实施例的基础上，可选地，检测模块，还用于：
获取训练图像数据及对应的标注数据，标注数据包括训练图像中消毒液喷洒区域框；
将训练图像数据输入到预先建立的消毒喷液检测网络，获得训练检测结果；
基于训练检测结果、标注数据及预设损失函数，判断训练过程的结束，获得消毒喷液检测模型。
作为另一种可实施的方式，在上述实施例的基础上，可选地，处理模块，还用于：
若确定没有进行消毒，则向终端发送提示信息；
若确定进行了消毒，则向终端发送确认信息。
关于本实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
需要说明的是，本实施例中各可实施的方式可以单独实施，也可以在不冲突的情况下以任意组合方式结合实施本公开不做限定。
根据本实施例的确定消毒的处理装置，通过手持喷壶动作检测结合消毒喷液检测，进一步提高检测结果的准确性。还通过结合手持喷壶动作类型的检测，进一步提高检测结果的准确性。还通过背景检测，实现对用户消毒区域的准确监督。还通过间隔抽帧可以提高检测速度。
本公开又一实施例提供一种确定消毒的处理装置，用于执行上述终端侧实施例的方法。
如图12所示，为本实施例提供的确定消毒的处理装置的结构示意图。该确定消毒的处理装置60包括获取模块61、发送模块62和第二接收模块63。
其中，获取模块，用于获取用户的消毒视频发送指令；发送模块，用于根据消毒视频发送指令，向服务器发送消毒视频数据，以使服务器根据消毒视频数据判断用户是否进行了消毒；其中，用户是否进行了消毒是基于预先训练获得的消毒喷液检测模型所获得的第一检测结果进行判断的；第二接收模块，用于接收服务器发送的结果通知消息，结果通知消息为没有进行消毒的提示信息或者进行了消毒的确认信息。
作为一种可实施的方式，可选地，结果通知消息为没有进行消毒的提示信息；获取模块，还用于获取用户的消毒视频重发送指令；发送模块，还用于根据消毒视频重发送指令，向服务器再次发送消毒视频数据。
关于本实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
根据本实施例提供的确定消毒的处理装置，用户通过终端向服务器发送消毒视频数据，服务器采用消毒喷液检测模型对待检测帧数据进行喷液检测，来判断是否进行了消毒，实现了对消毒操作的自动化审核，有效提高审核效率，从而提高用户体验。
本公开再一实施例提供一种视频处理芯片，用于执行上述服务器侧实施例的方法。该视频处理芯片，包括：如上述服务器侧实施例提供的确定消毒的处理装置。
需要说明的是，该视频处理芯片执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，其技术效果类似，此处将不做详细阐述说明。
本公开又一实施例提供一种板卡，该板卡包括：存储器件、接口装置和控制器件以及如上述实施例提供的视频处理芯片；
其中，视频处理芯片与存储器件、控制器件以及接口装置分别连接；
存储器件，用于存储数据；
接口装置，用于实现视频处理芯片与终端之间的数据传输；
控制器件，用于对视频处理芯片的状态进行监控。
需要说明的是，本实施例提供的板卡执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，其技术效果类似，此处将不做详细阐述说明。
本公开再一实施例提供一种服务器，用于执行上述相应实施例的方法，如图13所示，为本实施例提供的服务器的结构示意图。该服务器包括：至少一个处理器701，存储器702及收发器703。
处理器、存储器与收发器通过电路互联；存储器存储计算机执行指令；收发器，用于接收终端发送的消毒视频数据；至少一个处理器执行存储器存储的计算机执行指令，使得至少一个处理器执行如上任一服务器侧实施例提供的方法。
需要说明的是，该服务器执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，其技术效果类似，此处将不做详细阐述说明。
本公开又一实施例提供一种终端，用于执行上述相应实施例的方法，如图14所示，为本实施例提供的终端的结构示意图。该终端包括：至少一个处理器801，存储器802及收发器803。
处理器、存储器与收发器通过电路互联；
存储器存储计算机执行指令；收发器，用于向服务器发送消毒视频数据，及接收服务器发送的结果通知消息；至少一个处理器执行存储器存储的计算机执行指令，使得至少一个处理器执行如上述终端侧实施例提供的方法。
需要说明的是，该终端执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，其技术效果类似，此处将不做详细阐述说明。
本公开再一实施例提供一种计算机可读存储介质，计算机可读存储介质中存储有计算机执行指令，当处理器执行计算机执行指令时，实现如上述任一服务器侧实施例提供的方法。
需要说明的是，该计算机可读存储介质执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，其技术效果类似，此处将不做详细阐述说明。
本公开再一实施例提供一种计算机可读存储介质，计算机可读存储介质中存储有计算机执行指令，当处理器执行计算机执行指令时，实现如上述终端侧实施例提供的方法。
需要说明的是，该计算机可读存储介质执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，其技术效果类似，此处将不做详细阐述说明。
在本公开所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求书指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求书来限制。

Claims (10)

1.一种确定消毒的处理方法，其特征在于，包括：
接收终端发送的消毒视频数据；
根据所述消毒视频数据，确定待检测帧数据；
根据所述待检测帧数据，采用预先训练获得的消毒喷液检测模型进行喷液检测，获得第一检测结果；
若根据所述第一检测结果，确定有消毒液的喷洒，则确定进行了消毒。
2.根据权利要求1所述的方法，其特征在于，在根据所述待检测帧数据，采用预先训练获得的消毒喷液检测模型进行喷液检测，获得第一检测结果之前，所述方法还包括：
根据所述待检测帧数据，采用预先训练获得的手持喷壶检测模型进行动作检测，获得第二检测结果；
若根据所述第二检测结果，确定没有手持喷壶的动作，则确定没有进行消毒；
若根据所述第二检测结果，确定有手持喷壶的动作，且根据所述第一检测结果，确定有消毒液的喷洒，则确定进行了消毒。
3.根据权利要求2所述的方法，其特征在于，若根据所述第二检测结果确定有手持喷壶的动作，且根据所述第一检测结果确定没有消毒液的喷洒，所述方法还包括：
根据所述待检测帧数据，采用预先训练获得的动作分类模型对手持喷壶的动作进行分类，获得分类结果，所述分类结果包括各帧待检测帧数据对应的手持喷壶的动作的类型，所述类型包括按压和松开；
若根据所述分类结果，确定至少两个相邻的动作为按压和松开，或者，确定至少两个相邻的动作为松开和按压，则确定进行了消毒。
4.根据权利要求1所述的方法，其特征在于，若根据所述第一检测结果，确定有消毒液的喷洒，则确定进行了消毒之后，所述方法还包括：
根据所述待检测帧数据，采用预先训练好的目标区域对应的背景检测模型进行背景检测，获得第三检测结果；
若根据所述第三检测结果，确定背景为所述目标区域，则确定对所述目标区域进行了消毒。
5.根据权利要求1-4任一项所述的方法，其特征在于，根据所述消毒视频数据，确定待检测帧数据，包括：
根据预设间隔帧数，从所述消毒视频数据中抽取帧数据作为所述待检测帧数据。
6.根据权利要求1-4任一项所述的方法，其特征在于，在根据所述待检测帧数据，采用预先训练获得的消毒喷液检测模型进行喷液检测，获得第一检测结果之前，所述方法还包括：
获取训练图像数据及对应的标注数据，所述标注数据包括训练图像中消毒液喷洒区域框；
将所述训练图像数据输入到预先建立的消毒喷液检测网络，获得训练检测结果；
基于所述训练检测结果、所述标注数据及预设损失函数，判断训练过程的结束，获得所述消毒喷液检测模型。
7.根据权利要求1-4任一项所述的方法，其特征在于，所述方法还包括：
若确定没有进行消毒，则向所述终端发送提示信息；
若确定进行了消毒，则向所述终端发送确认信息。
8.一种确定消毒的处理装置，其特征在于，包括：
第一接收模块，用于接收终端发送的消毒视频数据；
确定模块，用于根据所述消毒视频数据，确定待检测帧数据；
检测模块，用于根据所述待检测帧数据，采用预先训练获得的消毒喷液检测模型进行喷液检测，获得第一检测结果；
处理模块，用于若根据所述第一检测结果，确定有消毒液的喷洒，则确定进行了消毒。
9.一种服务器，其特征在于，包括：至少一个处理器，存储器及收发器；
所述处理器、所述存储器与所述收发器通过电路互联；
所述存储器存储计算机执行指令；所述收发器，用于接收终端发送的消毒视频数据；
所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如权利要求1-7任一项所述的方法。
CN202011158242.5A 2020-10-26 2020-10-26 确定消毒的处理方法、装置、设备及存储介质 Active CN112422897B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011158242.5A CN112422897B (zh) 2020-10-26 2020-10-26 确定消毒的处理方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011158242.5A CN112422897B (zh) 2020-10-26 2020-10-26 确定消毒的处理方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN112422897A true CN112422897A (zh) 2021-02-26
CN112422897B CN112422897B (zh) 2023-06-23

Family

ID=74840811

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011158242.5A Active CN112422897B (zh) 2020-10-26 2020-10-26 确定消毒的处理方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN112422897B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113034548A (zh) * 2021-04-25 2021-06-25 安徽科大擎天科技有限公司 一种适用于嵌入式终端的多目标跟踪方法及其系统
CN113392738A (zh) * 2021-06-01 2021-09-14 浙江大华技术股份有限公司 行为规范性检测方法、装置、电子设备和存储介质

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6970574B1 (en) * 2001-03-13 2005-11-29 Johnson Raymond C Pattern recognition system and method for monitoring hand washing or application of a disinfectant
JP2007061156A (ja) * 2005-08-29 2007-03-15 Tohoku Univ 消毒実績把握システム
CN107820054A (zh) * 2017-11-15 2018-03-20 郑州笨农农业科技有限公司 智能物联网消毒监控系统
CN108734090A (zh) * 2018-04-03 2018-11-02 上海感信信息科技股份有限公司 基于计算机视觉的内镜清洗消毒追溯方法及追溯系统
CN109740488A (zh) * 2018-12-27 2019-05-10 武汉大学 一种基于深度学习的内镜清洗消毒质量控制系统及方法
JP2019096145A (ja) * 2017-11-24 2019-06-20 ローム株式会社 手指消毒実施モニタリングシステム
TWI682332B (zh) * 2018-07-18 2020-01-11 國立彰化師範大學 用於識別絕育狀態影像的深度學習方法及其識別裝置
CN110766033A (zh) * 2019-05-21 2020-02-07 北京嘀嘀无限科技发展有限公司 图像处理方法、装置、电子设备及存储介质
CN111241953A (zh) * 2020-01-03 2020-06-05 秒针信息技术有限公司 洗消验证方法和装置、存储介质及电子装置
CN111291743A (zh) * 2020-03-31 2020-06-16 深圳前海微众银行股份有限公司 工具消毒监控方法、装置、设备及存储介质
CN111403006A (zh) * 2020-06-03 2020-07-10 成都逸视通生物科技有限责任公司 一种微生物检测系统及装置
CN111523851A (zh) * 2020-03-06 2020-08-11 北京三快在线科技有限公司 任务管理及处理方法、商家信息管理方法、系统、及设备

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6970574B1 (en) * 2001-03-13 2005-11-29 Johnson Raymond C Pattern recognition system and method for monitoring hand washing or application of a disinfectant
JP2007061156A (ja) * 2005-08-29 2007-03-15 Tohoku Univ 消毒実績把握システム
CN107820054A (zh) * 2017-11-15 2018-03-20 郑州笨农农业科技有限公司 智能物联网消毒监控系统
JP2019096145A (ja) * 2017-11-24 2019-06-20 ローム株式会社 手指消毒実施モニタリングシステム
CN108734090A (zh) * 2018-04-03 2018-11-02 上海感信信息科技股份有限公司 基于计算机视觉的内镜清洗消毒追溯方法及追溯系统
TWI682332B (zh) * 2018-07-18 2020-01-11 國立彰化師範大學 用於識別絕育狀態影像的深度學習方法及其識別裝置
CN109740488A (zh) * 2018-12-27 2019-05-10 武汉大学 一种基于深度学习的内镜清洗消毒质量控制系统及方法
CN110766033A (zh) * 2019-05-21 2020-02-07 北京嘀嘀无限科技发展有限公司 图像处理方法、装置、电子设备及存储介质
CN111241953A (zh) * 2020-01-03 2020-06-05 秒针信息技术有限公司 洗消验证方法和装置、存储介质及电子装置
CN111523851A (zh) * 2020-03-06 2020-08-11 北京三快在线科技有限公司 任务管理及处理方法、商家信息管理方法、系统、及设备
CN111291743A (zh) * 2020-03-31 2020-06-16 深圳前海微众银行股份有限公司 工具消毒监控方法、装置、设备及存储介质
CN111403006A (zh) * 2020-06-03 2020-07-10 成都逸视通生物科技有限责任公司 一种微生物检测系统及装置

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113034548A (zh) * 2021-04-25 2021-06-25 安徽科大擎天科技有限公司 一种适用于嵌入式终端的多目标跟踪方法及其系统
CN113392738A (zh) * 2021-06-01 2021-09-14 浙江大华技术股份有限公司 行为规范性检测方法、装置、电子设备和存储介质
CN113392738B (zh) * 2021-06-01 2023-12-26 浙江大华技术股份有限公司 行为规范性检测方法、装置、电子设备和存储介质

Also Published As

Publication number Publication date
CN112422897B (zh) 2023-06-23

Similar Documents

Publication Publication Date Title
CN105303632B (zh) 一种移动监控签到系统及工作方法
CN112422897A (zh) 确定消毒的处理方法、装置、设备及存储介质
CN106791633A (zh) 智能监考系统及方法
CN111027486A (zh) 一种中小学课堂教学效果大数据辅助分析评价系统及其方法
CN103020590B (zh) 一种基于三维模型与图像匹配的车辆识别系统及其方法
CN109767527A (zh) 人员识别方法及相关产品
CN108734090A (zh) 基于计算机视觉的内镜清洗消毒追溯方法及追溯系统
CN110969045A (zh) 一种行为检测方法、装置、电子设备和存储介质
US9675496B1 (en) Diaper change alert
CN103295174A (zh) 一种营养评估系统
CN113392738A (zh) 行为规范性检测方法、装置、电子设备和存储介质
CN112749655A (zh) 视线追踪方法、装置、计算机设备和存储介质
CN113955594B (zh) 一种电梯控制方法、装置、计算机设备和存储介质
CN108288025A (zh) 一种车载视频监控方法、装置及设备
CN111402096A (zh) 一种在线授课质量管理方法、系统、设备和介质
CN113689070B (zh) 食品安全在线监管方法及装置、存储介质、计算机设备
CN110400119A (zh) 基于人工智能的面试方法、装置、计算机设备和存储介质
CN108492231A (zh) 基于学生行为数据的课堂效果信息的监控系统
CN113723241A (zh) 一种基于姿态估计的手卫生监测系统
Czarnuch et al. Development and evaluation of a hand tracker using depth images captured from an overhead perspective
CN112233395A (zh) 洗手监测方法及装置
CN106815264B (zh) 一种信息处理方法及系统
CN109409295A (zh) 多终端立体化智能人证核验系统
US11432727B2 (en) SpO2 miniprogram: AI SpO2 measurement app
CN107730422A (zh) 一种基于面部识别在线考试分析系统

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
GR01 Patent grant
GR01 Patent grant