CN115176722B - 一种洗浴预警方法、装置、存储介质及设备 - Google Patents
一种洗浴预警方法、装置、存储介质及设备 Download PDFInfo
- Publication number
- CN115176722B CN115176722B CN202210885783.0A CN202210885783A CN115176722B CN 115176722 B CN115176722 B CN 115176722B CN 202210885783 A CN202210885783 A CN 202210885783A CN 115176722 B CN115176722 B CN 115176722B
- Authority
- CN
- China
- Prior art keywords
- bath
- data
- target person
- preset
- target
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 138
- 238000003860 storage Methods 0.000 title claims abstract description 13
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 81
- 230000009471 action Effects 0.000 claims abstract description 67
- 230000002159 abnormal effect Effects 0.000 claims abstract description 56
- 238000012545 processing Methods 0.000 claims abstract description 23
- 230000005856 abnormality Effects 0.000 claims abstract description 8
- 238000003287 bathing Methods 0.000 claims description 112
- 230000008569 process Effects 0.000 claims description 81
- 239000011159 matrix material Substances 0.000 claims description 51
- 230000004927 fusion Effects 0.000 claims description 20
- 230000007613 environmental effect Effects 0.000 claims description 18
- 230000015654 memory Effects 0.000 claims description 14
- 238000000605 extraction Methods 0.000 claims description 12
- 239000013598 vector Substances 0.000 claims description 12
- 238000007781 pre-processing Methods 0.000 claims description 9
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 230000000306 recurrent effect Effects 0.000 claims description 5
- 230000000694 effects Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 9
- 238000004140 cleaning Methods 0.000 description 7
- 239000002453 shampoo Substances 0.000 description 7
- 239000006210 lotion Substances 0.000 description 6
- 238000013527 convolutional neural network Methods 0.000 description 4
- 230000002265 prevention Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 238000005406 washing Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000036760 body temperature Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000003892 spreading Methods 0.000 description 2
- 230000007480 spreading Effects 0.000 description 2
- 238000004659 sterilization and disinfection Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 241000894006 Bacteria Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 244000052616 bacterial pathogen Species 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000006260 foam Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 244000052769 pathogen Species 0.000 description 1
- 230000001717 pathogenic effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
- A01K13/00—Devices for grooming or caring of animals, e.g. curry-combs; Fetlock rings; Tail-holders; Devices for preventing crib-biting; Washing devices; Protection against weather conditions or insects
- A01K13/001—Washing, cleaning, or drying devices
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Multimedia (AREA)
- Medical Informatics (AREA)
- Environmental Sciences (AREA)
- Databases & Information Systems (AREA)
- Social Psychology (AREA)
- Biomedical Technology (AREA)
- Zoology (AREA)
- Animal Husbandry (AREA)
- Human Computer Interaction (AREA)
- Psychiatry (AREA)
- Biodiversity & Conservation Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Devices For Medical Bathing And Washing (AREA)
Abstract
本申请公开了一种洗浴预警方法、装置、存储介质及设备,该方法包括:首先获取目标人员在洗浴时产生的洗浴数据和环境数据,其中,洗浴数据包括目标人员消耗的洗浴用品用量数据、获取洗浴用品的手势数据、洗浴动作数据,环境数据包括水温数据、水流时长数据、定位数据,然后对洗浴数据和环境数据进行预处理,并根据处理结果判断目标人员是否满足预设的洗浴标准条件,以确定目标人员的洗浴分类结果,接着当判断出目标人员不满足预设的洗浴标准条件并确定出目标人员的洗浴分类结果属于异常分类时,向其发送洗浴异常预警提示信息。从而能够更准确地确定出目标人员的洗浴分类结果,并在确定出其属于异常洗浴时,立即向其发送洗浴异常的预警提示信息。
Description
技术领域
本申请涉及数据处理技术领域,尤其涉及一种洗浴预警方法、装置、存储介质及设备。
背景技术
当前在猪场接触外来疫病传播的途径当中,由于猪场工作人员在进场前无法确定其行踪是否涉及一些生物安全风险较高的场所,因此其携带病菌流动是导致很多疫病传播进入猪场生产区的主要途径之一,所以,猪场工作人员在进入猪场过程中需要进行消毒、洗浴等一系列生物安全防控流程。为提高猪场生物的安全性,对猪场工作人员洗浴异常情况进行有效筛查和智能预警有着关键的作用,可以在确定出工作人员出现洗浴情况异常时,及时向其进行预警,以便其尽快完成有效、合理的洗浴流程,以充分保障猪场生物安全。
目前在进行猪场工作人员的洗浴情况识别分类时,主要包含两种方式:一种是根据猪场工作人员洗浴出入时间进行识别分类,主要依赖于对洗浴时间的监测评价洗浴效果进行识别判断,完全没有考虑人员洗浴过程是否达标,是否在规定的洗浴时间内进行有效、合理的洗浴,因此这种方式无法起到应有的识别预警效果;另一种是使用水流控制器对工作人员的洗浴水流时间进行监测、使用红外传感器监测人体体温、以及使用电磁门锁控制门禁系统等,再根据获取到的数据进行识别分类,但这种方式仅能从侧面对人员洗浴效果进行推测,无法判断洗浴人员是否按要求使用洗发水和沐浴露进行了有效清洗,因此这种方式也无法实现有效的洗浴识别预警,不利于及时保障猪场生物安全。
发明内容
本申请实施例的主要目的在于提供一种洗浴预警方法、装置、存储介质及设备,在对猪场工作人员进行洗浴分类时,能够提高分类结果的准确性,且能够及时向洗浴异常的用户发送预警提示信息,以便其尽快完成有效、合理的洗浴流程,进而充分保障了猪场生物安全。
本申请实施例提供了一种洗浴预警方法,包括:
获取目标人员在进行洗浴时产生的洗浴数据和环境数据,所述洗浴数据包括所述目标人员在洗浴过程中消耗的洗浴用品用量数据、获取洗浴用品的手势数据、洗浴动作数据,所述环境数据包括所述目标人员在洗浴时的水温数据、水流时长数据、定位数据;
对所述洗浴数据和环境数据进行预处理,并根据得到的处理结果,判断所述目标人员是否满足预设的洗浴标准条件,以确定所述目标人员的洗浴分类结果;
当判断出所述目标人员不满足预设的洗浴标准条件并确定出所述目标人员的洗浴分类结果属于异常分类时,向所述目标人员发送洗浴异常预警提示信息。
一种可能的实现方式中,所述环境数据包括所述目标人员在洗浴时的水温数据和水流时长数据;所述预设的洗浴标准条件为水温不小于预设温度阈值且水流时长不低于预设时间阈值;所述判断所述目标人员是否满足预设的洗浴标准条件,以确定所述目标人员的洗浴分类结果,包括:
根据所述目标人员在洗浴时的水温数据和水流时长数据,判断所述水温是否不小于预设温度阈值且所述水流时长是否不小于预设时间阈值,以确定所述目标人员的洗浴分类结果。
一种可能的实现方式中,所述洗浴数据包括所述目标人员在洗浴过程中消耗的洗浴用品用量数据;所述预设的洗浴标准条件为所述洗浴用品用量不低于预设用量阈值;所述判断所述目标人员是否满足预设的洗浴标准条件,以确定所述目标人员的洗浴分类结果,包括:
根据所述目标人员在洗浴过程中消耗的洗浴用品用量数据,判断所述洗浴用品用量是否不低于预设用量阈值、且所述目标人员在对于所述洗浴用品使用的压力值是否不小于预设压力阈值,以确定所述目标人员的洗浴分类结果。
一种可能的实现方式中,所述洗浴数据包括所述目标人员在洗浴过程中获取洗浴用品的手势数据;所述预设的洗浴标准条件为获取洗浴用品的手势为预设标准手势;所述对所述洗浴数据和环境数据进行预处理,并根据得到的处理结果,判断所述目标人员是否满足预设的洗浴标准条件,以确定所述目标人员的洗浴分类结果,包括:
从所述目标人员在洗浴过程中获取洗浴用品的手势数据中,提取距离特征矩阵、速度信息矩阵、角度信息矩阵;
将所述距离特征矩阵、速度信息矩阵、角度信息矩阵进行加权求和,得到融合特征;
将所述融合特征输入预先构建的手势识别模型,确定出所述目标人员的手势识别结果;
根据所述手势识别结果,确定所述目标人员获取洗浴用品的手势是否为预设标准手势,以确定所述目标人员的洗浴分类结果。
一种可能的实现方式中,所述手势识别模型为循环神经网络RNN模型。
一种可能的实现方式中,所述洗浴数据包括所述目标人员在洗浴过程中的洗浴动作数据;所述洗浴动作数据为通过预先安装的两个相反方向的雷达设备获得的雷达回波信息数据;所述预设的洗浴标准条件为洗浴动作为预设标准动作;
所述对所述洗浴数据和环境数据进行预处理,并根据得到的处理结果,判断所述目标人员是否满足预设的洗浴标准条件,以确定所述目标人员的洗浴分类结果,包括:
将所述雷达回波信息数据转换为点云数据;并对所述点云数据进行聚类处理,得到点云目标区域;
将两个雷达设备对应的点云数据进行配准处理,得到所述目标人员对应的完整的人体点云数据;
根据所述目标人员的身高,将所述目标人员对应的完整的人体点云数据划分为上段点云数据、中段点云数据、下段点云数据;
将所述目标人员对应的完整的人体点云数据、上段点云数据、中段点云数据、下段点云数据共同输入三维点云网络PointNet模型,得到点云数据的输出特征;
将所述点云数据的输出特征输入长短期记忆网络LSTM模型,得到所述点云数据的时序特征向量,并根据所述时序特征向量,确定出所述目标人员的洗浴动作识别结果;
根据所述洗浴动作识别结果,确定所述目标人员的洗浴动作是否为预设标准动作,以确定所述目标人员的洗浴分类结果。
一种可能的实现方式中,所述环境数据包括所述目标人员在洗浴过程中的定位数据;所述预设的洗浴标准条件为所述目标人员位于预设位置范围内;所述判断所述目标人员是否满足预设的洗浴标准条件,以确定所述目标人员的洗浴分类结果,包括:
根据所述目标人员在洗浴过程中的定位数据,判断所述目标人员是否处于预设位置范围内,以确定所述目标人员的洗浴分类结果。
一种可能的实现方式中,所述当判断出所述目标人员不满足预设的洗浴标准条件并确定出所述目标人员的洗浴分类结果属于异常分类时,向所述目标人员发送洗浴异常预警提示信息,包括:
当判断出所述目标人员不满足预设的洗浴标准条件并确定出所述目标人员的洗浴分类结果属于异常分类时,通过语音播报、图像提示和文字提示中的至少一种形式,向所述目标人员发送洗浴异常预警提示信息。
本申请实施例还提供了一种洗浴预警装置,包括:
获取单元,用于获取目标人员在进行洗浴时产生的洗浴数据和环境数据,所述洗浴数据包括所述目标人员在洗浴过程中消耗的洗浴用品用量数据、获取洗浴用品的手势数据、洗浴动作数据,所述环境数据包括所述目标人员在洗浴时的水温数据、水流时长数据、定位数据;
判断单元,用于对所述洗浴数据和环境数据进行预处理,并根据得到的处理结果,判断所述目标人员是否满足预设的洗浴标准条件,以确定所述目标人员的洗浴分类结果;
预警单元,用于当判断出所述目标人员不满足预设的洗浴标准条件并确定出所述目标人员的洗浴分类结果属于异常分类时,向所述目标人员发送洗浴异常预警提示信息。
一种可能的实现方式中,所述环境数据包括所述目标人员在洗浴时的水温数据和水流时长数据;所述预设的洗浴标准条件为水温不小于预设温度阈值且水流时长不低于预设时间阈值;所述判断单元具体用于:
根据所述目标人员在洗浴时的水温数据和水流时长数据,判断所述水温是否不小于预设温度阈值且所述水流时长是否不小于预设时间阈值,以确定所述目标人员的洗浴分类结果。
一种可能的实现方式中,所述洗浴数据包括所述目标人员在洗浴过程中消耗的洗浴用品用量数据;所述预设的洗浴标准条件为所述洗浴用品用量不低于预设用量阈值;所述判断单元具体用于:
根据所述目标人员在洗浴过程中消耗的洗浴用品用量数据,判断所述洗浴用品用量是否不低于预设用量阈值、且所述目标人员在对于所述洗浴用品使用的压力值是否不小于预设压力阈值,以确定所述目标人员的洗浴分类结果。
一种可能的实现方式中,所述洗浴数据包括所述目标人员在洗浴过程中获取洗浴用品的手势数据;所述预设的洗浴标准条件为获取洗浴用品的手势为预设标准手势;所述判断单元包括:
提取子单元,用于从所述目标人员在洗浴过程中获取洗浴用品的手势数据中,提取距离特征矩阵、速度信息矩阵、角度信息矩阵;
融合子单元,用于将所述距离特征矩阵、速度信息矩阵、角度信息矩阵进行加权求和,得到融合特征;
第一识别子单元,用于将所述融合特征输入预先构建的手势识别模型,确定出所述目标人员的手势识别结果;
第一确定子单元,用于根据所述手势识别结果,确定所述目标人员获取洗浴用品的手势是否为预设标准手势,以确定所述目标人员的洗浴分类结果。
一种可能的实现方式中,所述手势识别模型为循环神经网络RNN模型。
一种可能的实现方式中,所述洗浴数据包括所述目标人员在洗浴过程中的洗浴动作数据;所述洗浴动作数据为通过预先安装的两个相反方向的雷达设备获得的雷达回波信息数据;所述预设的洗浴标准条件为洗浴动作为预设标准动作;
所述判断单元包括:
转换子单元,用于将所述雷达回波信息数据转换为点云数据;并对所述点云数据进行聚类处理,得到点云目标区域;
配准子单元,用于将两个雷达设备对应的点云数据进行配准处理,得到所述目标人员对应的完整的人体点云数据;
划分子单元,用于根据所述目标人员的身高,将所述目标人员对应的完整的人体点云数据划分为上段点云数据、中段点云数据、下段点云数据;
输入子单元,用于将所述目标人员对应的完整的人体点云数据、上段点云数据、中段点云数据、下段点云数据共同输入三维点云网络PointNet模型,得到点云数据的输出特征;
第二识别子单元,用于将所述点云数据的输出特征输入长短期记忆网络LSTM模型,得到所述点云数据的时序特征向量,并根据所述时序特征向量,确定出所述目标人员的洗浴动作识别结果;
第二确定子单元,用于根据所述洗浴动作识别结果,确定所述目标人员的洗浴动作是否为预设标准动作,以确定所述目标人员的洗浴分类结果。
一种可能的实现方式中,所述环境数据包括所述目标人员在洗浴过程中的定位数据;所述预设的洗浴标准条件为所述目标人员位于预设位置范围内;,所述判断单元具体用于:
根据所述目标人员在洗浴过程中的定位数据,判断所述目标人员是否处于预设位置范围内,以确定所述目标人员的洗浴分类结果。
一种可能的实现方式中,所述预警单元具体用于:
当判断出所述目标人员不满足预设的洗浴标准条件并确定出所述目标人员的洗浴分类结果属于异常分类时,通过语音播报、图像提示和文字提示中的至少一种形式,向所述目标人员发送洗浴异常预警提示信息。
本申请实施例还提供了一种洗浴预警设备,包括:处理器、存储器、系统总线;
所述处理器以及所述存储器通过所述系统总线相连;
所述存储器用于存储一个或多个程序,所述一个或多个程序包括指令,所述指令当被所述处理器执行时使所述处理器执行上述洗浴预警方法中的任意一种实现方式。
本申请实施例还提供了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指令,当所述指令在终端设备上运行时,使得所述终端设备执行上述洗浴预警方法中的任意一种实现方式。
本申请实施例还提供了一种计算机程序产品,所述计算机程序产品在终端设备上运行时,使得所述终端设备执行上述洗浴预警方法中的任意一种实现方式。
本申请实施例提供的一种洗浴预警方法、装置、存储介质及设备,首先,获取目标人员在进行洗浴时产生的洗浴数据和环境数据,其中,洗浴数据包括目标人员在洗浴过程中消耗的洗浴用品用量数据、获取洗浴用品的手势数据、洗浴动作数据,环境数据包括目标人员在洗浴时的水温数据、水流时长数据、定位数据,然后,对洗浴数据和环境数据进行预处理,并根据得到的处理结果,判断目标人员是否满足预设的洗浴标准条件,以确定目标人员的洗浴分类结果,接着,当判断出目标人员不满足预设的洗浴标准条件并确定出目标人员的洗浴分类结果属于异常分类时,向目标人员发送洗浴异常预警提示信息。可见,本申请实施例在对目标人员进行洗浴分类时,考虑了目标人员在洗浴过程中产生的消耗的洗浴用品用量数据、获取洗浴用品的手势数据、洗浴动作数据、以及水温数据、水流时长数据、定位数据等全方位与洗浴相关的信息,从而能够更准确地确定出目标人员的洗浴分类结果,进而可以在确定出其洗浴结果属于异常分类时,立即向其发送洗浴异常的预警提示信息,以便其及时完成有效、合理的洗浴流程,避免影响猪场的生物安全。
附图说明
为了更清楚地说明本申请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地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,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。
图1为本申请实施例提供的一种洗浴预警方法的流程示意图;
图2为本申请实施例提供的洗浴用品装置和压力传感器以及毫米波传感器的结构示意图;
图3为本申请实施例提供的预设标准手势的示意图;
图4为本申请实施例提供的对目标人员在洗浴过程中获取洗浴用品的手势数据进行识别的过程示意图;
图5为本申请实施例提供的将雷达回波信息数据转换为点云数据的过程示意图;
图6为本申请实施例提供的将目标人员对应的完整的人体点云数据、上段点云数据、中段点云数据、下段点云数据共同输入三维点云网络PointNet模型,得到点云数据的输出特征的过程示意图;
图7为本申请实施例提供的对目标人员在洗浴过程中的洗浴动作数据进行识别的过程示意图;
图8为本申请实施例提供的一种洗浴预警装置的组成示意图。
具体实施方式
目前,由于猪场工作人员在进场前无法确定其行踪是否涉及一些生物安全风险较高的场所,因此其携带病菌流动是导致很多疫病传播进入猪场生产区的主要途径之一,所以,猪场工作人员在进入猪场过程中需要进行一系列生物安全防控流程,如人员信息登记、物品采样消毒、人员洗浴、人员隔离等。这些防控流程中,人员洗浴过程私密性较高,无法用可视化设备进行监管,同时,猪场工作人员一天需要进行多次(1-5次)有效洗浴,次数较多会导致其具有一定惰性心理,若人员不能做到有效洗浴,则病原极有可能跟随人体毛发或耳洞等部位进入猪场,对猪场安全造成极大威胁。
因此,为提高猪场生物的安全性,对猪场工作人员洗浴异常情况进行有效筛查和智能预警有着关键的作用,可以在确定出工作人员出现洗浴情况异常时,及时向其进行预警,以便其尽快完成有效、合理的洗浴流程,以充分保障猪场生物安全。
现有的对猪场工作人员进行洗浴识别分类的方式有两种:一种是根据猪场工作人员洗浴出入时间进行识别分类,主要依赖于对洗浴时间的监测评价洗浴效果进行识别判断,完全没有考虑人员洗浴过程是否达标,是否在规定的洗浴时间内进行有效、合理的洗浴,无法起到应有的识别预警效果;另一种是使用水流控制器对工作人员的洗浴水流时间进行监测、使用红外传感器监测人体体温、以及使用电磁门锁控制门禁系统等,再根据获取到的数据进行识别分类,但这种方式仅能从侧面对人员洗浴效果进行推测,无法判断洗浴人员是否按要求使用洗发水和沐浴露进行了有效清洗,因此这种方式也无法实现有效的洗浴识别预警,不利于及时保障猪场生物安全。
为解决上述缺陷,本申请实施例提供了一种洗浴预警方法,首先,获取目标人员在进行洗浴时产生的洗浴数据和环境数据,其中,洗浴数据包括目标人员在洗浴过程中消耗的洗浴用品用量数据、获取洗浴用品的手势数据、洗浴动作数据,环境数据包括目标人员在洗浴时的水温数据、水流时长数据、定位数据,然后,对洗浴数据和环境数据进行预处理,并根据得到的处理结果,判断目标人员是否满足预设的洗浴标准条件,以确定目标人员的洗浴分类结果,接着,当判断出目标人员不满足预设的洗浴标准条件并确定出目标人员的洗浴分类结果属于异常分类时,向目标人员发送洗浴异常预警提示信息。可见,本申请实施例在对目标人员进行洗浴分类时,考虑了目标人员在洗浴过程中产生的消耗的洗浴用品用量数据、获取洗浴用品的手势数据、洗浴动作数据、以及水温数据、水流时长数据、定位数据等全方位与洗浴相关的信息,从而能够更准确地确定出目标人员的洗浴分类结果,进而可以在确定出其洗浴结果属于异常分类时,立即向其发送洗浴异常的预警提示信息,以便其及时完成有效、合理的洗浴流程,避免影响猪场的生物安全。
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
第一实施例
参见图1,为本实施例提供的一种洗浴预警方法的流程示意图,该方法包括以下步骤:
S101:获取目标人员在进行洗浴时产生的洗浴数据和环境数据,其中洗浴数据包括目标人员在洗浴过程中消耗的洗浴用品用量数据、获取洗浴用品的手势数据、洗浴动作数据,环境数据包括目标人员在洗浴时的水温数据、水流时长数据、定位数据。
在本实施例中,将采用本实施例实现洗浴识别分类和预警的任一人员称为目标人员。为了能够准确确定出目标人员的洗浴分类结果(即正常或异常),并在判断出其洗浴分类结果属于异常分类时,及时向其发送洗浴异常预警提示信息,以便其尽快完成有效、合理的洗浴流程,以保障猪场生物安全。本实施例中,在对目标人员进行洗浴识别分类时,首先需要获取目标人员在进行洗浴时产生的洗浴数据和环境数据。
其中,洗浴数据可以包括目标人员在进行洗浴过程中消耗的洗浴用品(如洗发水、沐浴露等)用量数据、获取洗浴用品的手势数据(即目标人员伸手接洗发水和沐浴露的手势)、洗浴动作数据等多模态数据。而环境数据可以包括但不限于为目标人员在洗浴时的水温数据、水流时长数据、定位数据等。然后,可以通过后续步骤S102对获取到的这些洗浴数据和环境数据进行智能化分析处理,以便进一步再根据处理结果确定出目标人员的洗浴识别分类结果。
S102:对洗浴数据和环境数据进行预处理,并根据得到的处理结果,判断目标人员是否满足预设的洗浴标准条件,以确定目标人员的洗浴分类结果。
在本实施例中,通过步骤S101获取到目标人员在进行洗浴时产生的洗浴数据和环境数据后,进一步可以利用现有或未来出现的数据处理方法,对这些洗浴数据和环境数据进行预处理,即对目标人员在进行洗浴时消耗的洗浴用品用量数据、获取洗浴用品的手势数据、洗浴动作数据和水温数据、水流时长数据、定位数据进行预处理,以生成能够表征目标人员的洗浴情况的处理结果。
进一步的,可以根据该处理结果,判断目标人员是否满足预设的洗浴标准条件,以确定出目标人员的洗浴识别分类结果。其中,预设的洗浴标准条件的具体内容可根据实际情况进行设定,本申请实施例不限定,具体示例将在后续内容介绍。而目标人员的洗浴分类结果可以包括目标人员洗浴正常分类或异常分类,并且依次分类还可以根据实际情况进一步分为水流时长异常、洗浴用品用量异常、洗浴动作异常等,具体分类类型本申请不做限定。
具体来讲,一种可选的实现方式是,当环境数据包括目标人员在洗浴时的水温数据和水流时长数据,以及预设的洗浴标准条件为水温不小于预设温度阈值(具体取值可根据实际情况进行设定,本申请实施例不限定,比如可以取值为40度等)且水流时长不低于预设时间阈值(具体取值可根据实际情况进行设定,本申请实施例不限定,比如可以取值为10分钟等)时,本步骤S102的具体实现过程可以包括:根据目标人员在洗浴时的水温数据和水流时长数据,判断水温是否不小于预设温度阈值且水流时长是否不小于预设时间阈值,以确定目标人员的洗浴分类结果。
在本实现方式中,可以利用水流控制器对猪场中的淋浴装置进行改造,用于控制并获取目标人员在洗浴过程中的水流时长数据和实时水温数据,再利用计时器记录不小于预设温度阈值(如40度)水温时的洗浴时长。同时,在洗浴过程中,还可以结合电磁门锁作为洗浴门禁,以保障目标人员的洗浴时长不低于预设时间阈值(如10分钟),并在洗浴时长达标后,将电磁门锁自动打开。为确保安全,如遇突发意外情况,目标人员可按下急停装置打开电磁门锁等。
另一种可选的实现方式是,当洗浴数据包括目标人员在洗浴过程中消耗的洗浴用品用量数据,以及预设的洗浴标准条件为所述洗浴用品用量不低于预设用量阈值时,上述步骤S102的具体实现过程可以包括:根据目标人员在洗浴过程中消耗的洗浴用品用量数据,判断洗浴用品用量是否不低于预设用量阈值、且目标人员在对于所述洗浴用品使用的压力值是否不小于预设压力阈值,以确定目标人员的洗浴分类结果。
在本实现方式中,可以利用压力传感器和毫米波传感器(雷达)来判断目标人员是否正常使用了清洁用品(包括洗发水、沐浴液等)进行清洗,距离D通常取为大于10cm且小于50cm。通过压力传感器可以判断出清洁用品的用量,使用毫米波雷达可以识别清洁用品的到手情况(具体可以参见下一实现方式的介绍)。具体的,如图2所示,其示出了本申请实施例提供的洗浴用品装置和压力传感器以及毫米波传感器的结构示意图。
需要说明的是,根据猪场生物安全标准要求,洗浴人员在洗浴时需要使用包括洗发水沐浴露等在内的清洁用品,且每次用量不低于预设用量阈值(具体取值可根据实际情况进行设定,本申请实施例不限定,比如可以取值为5毫升等)。因此,可以根据目标人员在洗浴过程中消耗的洗浴用品用量数据,判断洗浴用品用量是否不低于预设用量阈值(如5毫升等)、且可以通过如图2所示的压力传感器对目标人员完全按压的压力进行判断,即,判断目标人员在对于洗浴用品使用的压力值进行判断,确定其是否不小于预设压力阈值(具体取值可根据实际情况和经验值进行设定,本申请实施例不限定),以判断出清洁用品用量是否满足预设生物安全防控标准,从而能够确定出目标人员的洗浴分类结果。
再一种可选的实现方式是,当洗浴数据包括目标人员在洗浴过程中获取洗浴用品的手势数据,以及预设的洗浴标准条件为获取洗浴用品的手势为预设标准手势时,上述步骤S102的具体实现过程可以包括下述步骤A1-A4:
步骤A1:从目标人员在洗浴过程中获取洗浴用品的手势数据中,提取距离特征矩阵、速度信息矩阵、角度信息矩阵。
需要说明的是,在通过如图2所示的装置使得洗浴用品正常出液后,理想状态下,目标人员需要通过预设的标准手势(具体取值可根据实际情况和经验值进行设定,本申请实施例不限定,比如,可以如图3所示的箭头指向的从下向上移动手掌的手势),来获取洗浴用品。而为了判断目标人员是否对洗浴用品不进行处理导致其直接流出,需要判断目标人员是否存在正常的洗浴用品到手操作,对此,本本实现方式采用了毫米波雷达设备对目标人员在洗浴过程中获取洗浴用品的手势数据进行识别,如图4所示。
这是因为传统的手势识别方法通常使用可视化图像或视频的方式进行识别,但在浴室这种隐私性极强的个人领域,出于隐私保护的目的不能使用可视化方案进行识别。并且浴室的环境较为复杂,其光照不稳定,烟雾(水汽)较重,毫米波雷达设备相比于其他非视觉人体感应装置不易受复杂环境影响,稳定性较强,精度较高,同时由于其穿透性较强的特点,装置设计为带有PC塑料外壳的密闭装置而不会漏出内部雷达探测结构,也有助于对于目标人员进行洗浴时的隐私保护。其中,毫米波雷达设备可选用但不限于线性调频连续波雷达,其载波频率可选用但不限于77GHZ,其主要包含两个发射天线和四个接受天线,发射信号最大带宽可以为4GHZ。
这样,在通过毫米波雷达设备获取到目标人员在洗浴过程中获取洗浴用品的雷达手势数据后,进一步可以利用现有或未来出现的特征提取方式,对其进行特征提取,比如,可以利用卷积神经网络(Convolutional Neural Networks,简称CNN),对该雷达手势数据进行特征提取,如图4所示,以提取出分别表征该手势动作的距离信息、速度信息、角度信息的距离特征矩阵、速度信息矩阵、角度信息矩阵,用以会写后续步骤A2。
其中,需要说明的是,由于距离特征矩阵、速度信息矩阵、角度信息矩阵这三种特征的差异,针对不同的特征可采用不同的CNN模型结构进行特征提取,比如可以采用但不限于LeNet,AlexNet等网络结构。
步骤A2:将距离特征矩阵、速度信息矩阵、角度信息矩阵进行加权求和,得到融合特征。
在本实现方式中,通过上述步骤A1提取出距离特征矩阵、速度信息矩阵、角度信息矩阵后,进一步可以将三者进行融合处理,并且,由于各类特征对于手势识别结果的贡献不同,比如距离特征对于识别分类结果的贡献要小于目标运动的角度特征和速度特征,因为固定手势距离雷达的探测点的距离是一个可变的因素,因此对于手势识别只起到一个辅助作用而非决定性作用,所以,在本实现方式中,对这三种特征均加入了自适应权重,以便分类结果贡献较大的特征可以分配到更高的权重进行学习,并在分类模型的训练过程自适应调整各类特征权重大小,对于经过特征提取输出的三种不同特征矩阵距离特征矩阵、速度信息矩阵、角度信息矩阵,可以将其定义为Fi,其中,i取值为1、2或3。对应权重Ri可以表示为如下公式:
Ri=SoftMax(Fi) (1)
进一步的,对上述权重Ri进行归一化处理,得到后,可利用/>对Fi进行加权求和,得到融合特征,并将其定义为G*,具体计算公式如下:
步骤A3:将融合特征输入预先构建的手势识别模型,确定出目标人员的手势识别结果。
在本实现方式中,通过上述步骤A2将距离特征矩阵、速度信息矩阵、角度信息矩阵进行加权求和,得到融合特征G*后,进一步可以将其输入预先构建的手势识别模型,以确定出目标人员的手势识别结果。
其中,本申请预先构建的手势识别模型为循环神经网络(Recurrent NeuralNetwork,简称RNN)模型。这是由于动态手势的运动过程既包含反应其空间位置的特征信息,又有反应随时间变化的时序特征,因此单一的无时序关联的特征无法较好的学习到特征前后的序贯性特征,所以本申请是将融合特征输入到可学习到特征之间时序特征的RNN网络,以便采用RNN网络来建立手势在时间序列前后信息的联系,即,保留了融合特征在时序上的联系,从而能够生成时序特征向量,进而在经过Softmax分类后可以得到更为准确的手势识别结果。
步骤A4:根据手势识别结果,确定目标人员获取洗浴用品的手势是否为预设标准手势,以确定所述目标人员的洗浴分类结果。
在本实现方式中,通过上述步骤A3确定出目标人员的手势识别结果后,进一步可以根据该手势识别结果,确定出目标人员获取洗浴用品的手势是否为预设标准手势,以确定目标人员的洗浴分类结果。
具体的,目标人员的手势识别结果可以为一个取值为0到1之间的概率值,进一步可以判断出该概率值是否大于预设概率值(具体取值可根据实际情况和经验值进行设定,本申请实施例不限定,比如可以取值为0.7等),用以判断目标人员获取洗浴用品的手势是否为预设标准手势,比如,当该概率值为0.5,且低于预设概率值0.7,则可以确定目标人员获取洗浴用品的手势不是预设标准手势,进而以确定出目标人员的洗浴分类结果为洗浴异常。
又一种可选的实现方式是,当洗浴数据包括目标人员在洗浴过程中的洗浴动作数据,且该洗浴动作数据为通过预先安装的两个相反方向的雷达设备获得的雷达回波信息数据,以及预设的洗浴标准条件为洗浴动作为预设标准动作时,上述步骤S102的具体实现过程可以包括下述步骤B1-B6:
步骤B1:将雷达回波信息数据转换为点云数据;并对点云数据进行聚类处理,得到点云目标区域。
需要说明的是,根据猪场生物安全标准要求,洗浴人员在洗浴时需要对身体各个部分使用洗浴用品(如洗发水、沐浴露等)进行清洁身体,基于此,本实现方式将对身体上、中、下三段(根据洗浴人员的身高确定)都进行了洗浴用品的擦涂和洗浴操作作为预设标准动作。并采用了预先安装的两个相反方向的雷达设备对目标人员在洗浴过程中的洗浴动作数据进行识别,这是因为单一的雷达装置无法获取全方位的雷达回波信息数据,人员的站位朝向会对洗浴动作产生一定的遮挡,因此设置对应相反方向(如前后)的两个雷达设备,来获取洗浴人员前后的雷达回波信息数据作为其在洗浴过程中的洗浴动作数据。
这样,在获取到两个雷达设备的雷达回波信息数据后,进一步可以利用现有或未来出现的数据转换方式,将其转换为点云数据,而不直接对单一维度的二维信息矩阵进行分别处理,这样可以更大程度的保留目标在运动过程中空间特征和各特征点之间的空间相关性。并对点云数据进行聚类处理,得到点云目标区域。
具体来讲,如图5所示,首先可以将两个雷达设备的雷达回波信息数据输入模数转换器(Analog-to-Digital Converter,简称ADC),再将ADC的输出信号经过三次离散傅里叶变换(Discrete Fourier Transform,DFT)处理之后,得到一个离散但是稠密的三维信号,维度分别对应距离(Range),方向(Angle)和速度(Velocity)。然后采用CFAR(ConstantFalse-Alarm Rate)算法来对信号进行过滤,只保留较强的响应,CFAR采样后得到的稀疏的数据即为点云(Point Cloud)数据。并且,为了滤除背景信息及其他噪声的影响,可以使用但不限于DBSCAN方法对点云进行聚类,以提取出点云目标区域,用以执行后续步骤B2。
步骤B2:将两个雷达设备对应的点云数据进行配准处理,得到所述目标人员对应的完整的人体点云数据。
在本实现方式中,通过上述步骤A1将两个雷达回波信息数据转换为点云数据,并对点云数据进行聚类处理,得到点云目标区域后,进一步可以将两个雷达设备对应的点云数据进行配准处理,将双视角数据转化为完整的人体点云数据,从而可以得到目标人员对应的完整的人体点云数据,并将其定义为AP,用以执行后续步骤B3。其中,配准方法可以采用但不限于ICP等点云配准方法。
步骤B3:根据目标人员的身高,将目标人员对应的完整的人体点云数据划分为上段点云数据、中段点云数据、下段点云数据。
在本实现方式中,通过上述步骤B2得到目标人员对应的完整的人体点云数据AP后,进一步可以根据目标人员的身高,将点云目标区域划分为上、中、下三段,各段高度可以按照常见的人体比例进行划分,在此基础上,进而可以将目标人员对应的完整的人体点云数据划分为上段点云数据、中段点云数据、下段点云数据,并分别将其定义为UP、MP、DP。
其中,上段点云数据UP、中段点云数据MP、下段点云数据DP之间存在强烈的相关性,但是在进行不同洗浴动作时又对结果产生不同大小的影响,比如,人员在进行洗头动作时,MP和DP两段点云数据对识别结果的影响较小,但是可以对洗头动作进行辅助判断。因此,在执行后续步骤B4时,对于各段点云数据分别加入了对应权重,以确定出更为准确的点云数据的输出特征。
步骤B4:将目标人员对应的完整的人体点云数据、上段点云数据、中段点云数据、下段点云数据共同输入三维点云网络PointNet模型,得到点云数据的输出特征。
在本实现方式中,通过上述步骤B3确定出上段点云数据、中段点云数据、下段点云数据后,进一步可以将目标人员对应的完整的人体点云数据AP、上段点云数据UP、中段点云数据MP、下段点云数据DP共同输入工作输入数据,在进行特征提取后输入三维点云网络(PointNet)模型,得到点云数据的输出特征,并将其定义为Output Feature,如图6所示,用以执行后续步骤B5。
具体来讲,如图6所示,图中的Set Abstraction为集合特征提取层,AP、UP、MP、DP的特征提取公式如下:
其中,H1和H2分别表示Set Abstraction的特征提取操作;M1、M2、M3分别表示对于UP、MP、DP各自加入的权重;表示多个元素相加(即图6中的Elements Add Mean)的操作。
这样,通过将完整的人体点云数据特征进行分段处理,并根据各段特征数据的贡献分配不同权重,并且将完整的人体点云输入,让PointNet网络学习到三段特征之间的空间位置关系,进一步增强了对AP、UP、MP、DP这多路特征的学习。
步骤B5:将点云数据的输出特征输入长短期记忆网络LSTM模型,得到点云数据的时序特征向量,并根据该时序特征向量,确定出目标人员的洗浴动作识别结果。
在本实现方式中,通过上述步骤B4得到点云数据的输出特征Output Feature后,进一步可以对其进行处理,以充分提取单一时间点的点云三维特征和连续时间点之间的相关特征,同时由于动作的连贯性和时序性,需要进一步考虑特征之间的时序关联特征。并且由于洗头动作持续时间较长,特征较为复杂,所以本实现方式采用长短期记忆网络(LongShort-Term Memory,简称LSTM)来进一步学习时序特征之间的联系,如图7所示。即,可以将点云数据的输出特征Output Feature输入LSTM模型,再通过全连接层FC以及Softmax分类后,得到更为准确的洗浴动作识别结果。
步骤B6:根据洗浴动作识别结果,确定目标人员的洗浴动作是否为预设标准动作,以确定目标人员的洗浴分类结果。
在本实现方式中,通过上述步骤B5确定出目标人员的洗浴动作识别结果后,进一步可以根据该洗浴动作识别结果,确定出目标人员的洗浴动作是否为预设标准动作,以确定目标人员的洗浴分类结果。
具体的,目标人员的洗浴动作识别结果可以为一个取值为0到1之间的概率值,进一步可以判断出该概率值是否大于预设概率值(具体取值可根据实际情况和经验值进行设定,本申请实施例不限定,比如可以取值为0.7等),用以判断目标人员获取洗浴用品的手势是否为预设标准手势,比如,当该概率值为0.8,且高于预设概率值0.7,则可以确定目标人员的洗浴动作是预设标准动作,进而以确定出目标人员的洗浴分类结果为洗浴正常。
这样,通过将点云数据强大的特征表征能力与动态时序信息有效的结合,采用PointNet模型进行多维点云特征提取,并将输出特征的每一步再输入到LSTM模型,不仅存储了前几步的信息,并且也决定了当前步的输出,保留了特征在每一步之间的联系,生成了最终的时序特征向量,也增强了对洗浴动作的识别准确性。
还一种可选的实现方式是,当环境数据包括目标人员在洗浴过程中的定位数据,以及预设的洗浴标准条件为目标人员位于预设位置范围内时,上述步骤S102的具体实现过程可以包括:根据目标人员在洗浴过程中的定位数据,判断目标人员是否处于预设位置范围内,以确定目标人员的洗浴分类结果。
在本实现方式中,可以将位置传感器预先安装于洗浴区域的正下方,覆盖范围保证正常的洗浴活动区域,用于对目标人员在正常洗浴过程中的定位,进而可以根据该定位数据,判断目标人员是否处于预设位置范围(具体取值可根据实际情况和经验值进行设定,本申请实施例不限定)内,以确定目标人员的洗浴分类结果。
例如,可以将地置传感器预先安装于洗浴区域的正下方,这样,目标人员在正常洗浴过程中,该传感器会实时记录目标人员的人体压力数值,在通过对实时记录的人体压力数值集合,并利用统计分析算法计算当前时间目标人员的人体状态,从而可以判断其是否处于正常的洗浴区域,进而确定出目标人员的洗浴分类结果。
需要说明的是,本实施例不限制上述步骤S102各种实现方式是否执行以及各自的执行顺序,以上五种实现方式可随意先后执行或同时执行,但需要确保第二三种实现方式是先后执行的,并且,只要通过以上五种实现方式中至少一种实现方式确定出目标人员为异常洗浴时,则可继续执行后续步骤S103。
S103:当判断出目标人员不满足预设的洗浴标准条件并确定出目标人员的洗浴分类结果属于异常分类时,向目标人员发送洗浴异常预警提示信息。
在本实施例中,当通过步骤S102判断出目标人员不满足预设的洗浴标准条件并确定出目标人员的洗浴分类结果属于异常分类时,进一步可以通过语音播报、图像提示和文字提示中的至少一种形式,向目标人员发送洗浴异常预警提示信息。比如,当判断出目标人员洗浴水温低于预设温度阈值时,可向目标人员发送水温异常的预警提醒;或者,当判断出目标人员消耗的洗浴用品用量低于预设用量阈值时,可向目标人员发送洗浴用品用量异常的预警提醒;或者,当识别出目标人员获取洗浴用品的手势不是预设标准手势时,可向目标人员发送接液手势异常的预警提醒;或者,当识别出目标人员的洗浴动作不是预设标准动作时,可向目标人员发送洗浴动作异常的预警提醒;或者,当判断出目标人员的洗浴动作并未位于预设位置范围内时,可向目标人员定位异常的预警提醒。以便目标人员尽快完成有效、合理的洗浴流程,以保障猪场生物安全。
其中,预警提示信息的具体发送方式和提示的消息内容形式可根据实际情况来设定,比如可以向目标人员的手机发送文字和/或图片形式的预警提示短信、彩信、即时通讯软件消息或推送信息等,以提醒其洗浴分类结果已属于预设异常分类,需要及时调整,并完成有效、合理的洗浴流程;或者,也可以是以向目标人员的手机自动拨打智能语音电话的形式提醒其洗浴分类结果已属于预设异常分类,需要及时调整,并完成有效、合理的洗浴流程;再或者,也可以通过浴室内预先安装的语音播放器(如喇叭)和视频播放器等,以播报语音、展示图片和/或文字的形式,提醒目标人员其洗浴分类结果已属于预设异常分类,需要及时调整,并完成有效、合理的洗浴流程。
综上,本实施例提供的一种洗浴预警方法,首先,获取目标人员在进行洗浴时产生的洗浴数据和环境数据,其中,洗浴数据包括目标人员在洗浴过程中消耗的洗浴用品用量数据、获取洗浴用品的手势数据、洗浴动作数据,环境数据包括目标人员在洗浴时的水温数据、水流时长数据、定位数据,然后,对洗浴数据和环境数据进行预处理,并根据得到的处理结果,判断目标人员是否满足预设的洗浴标准条件,以确定目标人员的洗浴分类结果,接着,当判断出目标人员不满足预设的洗浴标准条件并确定出目标人员的洗浴分类结果属于异常分类时,向目标人员发送洗浴异常预警提示信息。可见,本申请实施例在对目标人员进行洗浴分类时,考虑了目标人员在洗浴过程中产生的消耗的洗浴用品用量数据、获取洗浴用品的手势数据、洗浴动作数据、以及水温数据、水流时长数据、定位数据等全方位与洗浴相关的信息,从而能够更准确地确定出目标人员的洗浴分类结果,进而可以在确定出其洗浴结果属于异常分类时,立即向其发送洗浴异常的预警提示信息,以便其及时完成有效、合理的洗浴流程,避免影响猪场的生物安全。
第二实施例
本实施例将对一种洗浴预警装置进行介绍,相关内容请参见上述方法实施例。
参见图8,为本实施例提供的一种洗浴预警装置的组成示意图,该装置800包括:
获取单元801,用于获取目标人员在进行洗浴时产生的洗浴数据和环境数据,所述洗浴数据包括所述目标人员在洗浴过程中消耗的洗浴用品用量数据、获取洗浴用品的手势数据、洗浴动作数据,所述环境数据包括所述目标人员在洗浴时的水温数据、水流时长数据、定位数据;
判断单元802,用于对所述洗浴数据和环境数据进行预处理,并根据得到的处理结果,判断所述目标人员是否满足预设的洗浴标准条件,以确定所述目标人员的洗浴分类结果;
预警单元803,用于当判断出所述目标人员不满足预设的洗浴标准条件并确定出所述目标人员的洗浴分类结果属于异常分类时,向所述目标人员发送洗浴异常预警提示信息。
在本实施例的一种实现方式中,所述环境数据包括所述目标人员在洗浴时的水温数据和水流时长数据;所述预设的洗浴标准条件为水温不小于预设温度阈值且水流时长不低于预设时间阈值;所述判断单元802具体用于:
根据所述目标人员在洗浴时的水温数据和水流时长数据,判断所述水温是否不小于预设温度阈值且所述水流时长是否不小于预设时间阈值,以确定所述目标人员的洗浴分类结果。
在本实施例的一种实现方式中,所述洗浴数据包括所述目标人员在洗浴过程中消耗的洗浴用品用量数据;所述预设的洗浴标准条件为所述洗浴用品用量不低于预设用量阈值;所述判断单元802具体用于:
根据所述目标人员在洗浴过程中消耗的洗浴用品用量数据,判断所述洗浴用品用量是否不低于预设用量阈值、且所述目标人员在对于所述洗浴用品使用的压力值是否不小于预设压力阈值,以确定所述目标人员的洗浴分类结果。
在本实施例的一种实现方式中,所述洗浴数据包括所述目标人员在洗浴过程中获取洗浴用品的手势数据;所述预设的洗浴标准条件为获取洗浴用品的手势为预设标准手势;所述判断单元802包括:
提取子单元,用于从所述目标人员在洗浴过程中获取洗浴用品的手势数据中,提取距离特征矩阵、速度信息矩阵、角度信息矩阵;
融合子单元,用于将所述距离特征矩阵、速度信息矩阵、角度信息矩阵进行加权求和,得到融合特征;
第一识别子单元,用于将所述融合特征输入预先构建的手势识别模型,确定出所述目标人员的手势识别结果;
第一确定子单元,用于根据所述手势识别结果,确定所述目标人员获取洗浴用品的手势是否为预设标准手势,以确定所述目标人员的洗浴分类结果。
在本实施例的一种实现方式中,所述手势识别模型为循环神经网络RNN模型。
在本实施例的一种实现方式中,所述洗浴数据包括所述目标人员在洗浴过程中的洗浴动作数据;所述洗浴动作数据为通过预先安装的两个相反方向的雷达设备获得的雷达回波信息数据;所述预设的洗浴标准条件为洗浴动作为预设标准动作;
所述判断单元802包括:
转换子单元,用于将所述雷达回波信息数据转换为点云数据;并对所述点云数据进行聚类处理,得到点云目标区域;
配准子单元,用于将两个雷达设备对应的点云数据进行配准处理,得到所述目标人员对应的完整的人体点云数据;
划分子单元,用于根据所述目标人员的身高,将所述目标人员对应的完整的人体点云数据划分为上段点云数据、中段点云数据、下段点云数据;
输入子单元,用于将所述目标人员对应的完整的人体点云数据、上段点云数据、中段点云数据、下段点云数据共同输入三维点云网络PointNet模型,得到点云数据的输出特征;
第二识别子单元,用于将所述点云数据的输出特征输入长短期记忆网络LSTM模型,得到所述点云数据的时序特征向量,并根据所述时序特征向量,确定出所述目标人员的洗浴动作识别结果;
第二确定子单元,用于根据所述洗浴动作识别结果,确定所述目标人员的洗浴动作是否为预设标准动作,以确定所述目标人员的洗浴分类结果。
在本实施例的一种实现方式中,所述环境数据包括所述目标人员在洗浴过程中的定位数据;所述预设的洗浴标准条件为所述目标人员位于预设位置范围内;,所述判断单元802具体用于:
根据所述目标人员在洗浴过程中的定位数据,判断所述目标人员是否处于预设位置范围内,以确定所述目标人员的洗浴分类结果。
在本实施例的一种实现方式中,所述预警单元802具体用于:
当判断出所述目标人员不满足预设的洗浴标准条件并确定出所述目标人员的洗浴分类结果属于异常分类时,通过语音播报、图像提示和文字提示中的至少一种形式,向所述目标人员发送洗浴异常预警提示信息。
进一步地,本申请实施例还提供了一种洗浴预警设备,包括:处理器、存储器、系统总线;
所述处理器以及所述存储器通过所述系统总线相连;
所述存储器用于存储一个或多个程序,所述一个或多个程序包括指令,所述指令当被所述处理器执行时使所述处理器执行上述洗浴预警方法的任一种实现方法。
进一步地,本申请实施例还提供了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指令,当所述指令在终端设备上运行时,使得所述终端设备执行上述洗浴预警方法的任一种实现方法。
进一步地,本申请实施例还提供了一种计算机程序产品,所述计算机程序产品在终端设备上运行时,使得所述终端设备执行上述洗浴预警方法的任一种实现方法。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到上述实施例方法中的全部或部分步骤可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者诸如媒体网关等网络通信设备,等等)执行本申请各个实施例或者实施例的某些部分所述的方法。
需要说明的是,本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种洗浴预警方法,其特征在于,包括:
获取目标人员在进行洗浴时产生的洗浴数据和环境数据,所述洗浴数据包括所述目标人员在洗浴过程中消耗的洗浴用品用量数据、获取洗浴用品的手势数据、洗浴动作数据,所述环境数据包括所述目标人员在洗浴时的水温数据、水流时长数据、定位数据;
对所述洗浴数据和环境数据进行预处理,并根据得到的处理结果,判断所述目标人员是否满足预设的洗浴标准条件,以确定所述目标人员的洗浴分类结果;
当判断出所述目标人员不满足预设的洗浴标准条件并确定出所述目标人员的洗浴分类结果属于异常分类时,向所述目标人员发送洗浴异常预警提示信息;
所述洗浴数据包括所述目标人员在洗浴过程中获取洗浴用品的手势数据;所述预设的洗浴标准条件为获取洗浴用品的手势为预设标准手势;所述对所述洗浴数据和环境数据进行预处理,并根据得到的处理结果,判断所述目标人员是否满足预设的洗浴标准条件,以确定所述目标人员的洗浴分类结果,包括:
从所述目标人员在洗浴过程中获取洗浴用品的手势数据中,提取距离特征矩阵、速度信息矩阵、角度信息矩阵;
将所述距离特征矩阵、速度信息矩阵、角度信息矩阵进行加权求和,得到融合特征;
将所述融合特征输入预先构建的手势识别模型,确定出所述目标人员的手势识别结果;
根据所述手势识别结果,确定所述目标人员获取洗浴用品的手势是否为预设标准手势,以确定所述目标人员的洗浴分类结果。
2.根据权利要求1所述的方法,其特征在于,所述环境数据包括所述目标人员在洗浴时的水温数据和水流时长数据;所述预设的洗浴标准条件为水温不小于预设温度阈值且水流时长不低于预设时间阈值;所述判断所述目标人员是否满足预设的洗浴标准条件,以确定所述目标人员的洗浴分类结果,包括:
根据所述目标人员在洗浴时的水温数据和水流时长数据,判断所述水温是否不小于预设温度阈值且所述水流时长是否不小于预设时间阈值,以确定所述目标人员的洗浴分类结果。
3.根据权利要求1所述的方法,其特征在于,所述洗浴数据包括所述目标人员在洗浴过程中消耗的洗浴用品用量数据;所述预设的洗浴标准条件为所述洗浴用品用量不低于预设用量阈值;所述判断所述目标人员是否满足预设的洗浴标准条件,以确定所述目标人员的洗浴分类结果,包括:
根据所述目标人员在洗浴过程中消耗的洗浴用品用量数据,判断所述洗浴用品用量是否不低于预设用量阈值、且所述目标人员在对于所述洗浴用品使用的压力值是否不小于预设压力阈值,以确定所述目标人员的洗浴分类结果。
4.根据权利要求1所述的方法,其特征在于,所述手势识别模型为循环神经网络RNN模型。
5.根据权利要求1所述的方法,其特征在于,所述洗浴数据包括所述目标人员在洗浴过程中的洗浴动作数据;所述洗浴动作数据为通过预先安装的两个相反方向的雷达设备获得的雷达回波信息数据;所述预设的洗浴标准条件为洗浴动作为预设标准动作;
所述对所述洗浴数据和环境数据进行预处理,并根据得到的处理结果,判断所述目标人员是否满足预设的洗浴标准条件,以确定所述目标人员的洗浴分类结果,包括:
将所述雷达回波信息数据转换为点云数据;并对所述点云数据进行聚类处理,得到点云目标区域;
将两个雷达设备对应的点云数据进行配准处理,得到所述目标人员对应的完整的人体点云数据;
根据所述目标人员的身高,将所述目标人员对应的完整的人体点云数据划分为上段点云数据、中段点云数据、下段点云数据;
将所述目标人员对应的完整的人体点云数据、上段点云数据、中段点云数据、下段点云数据共同输入三维点云网络PointNet模型,得到点云数据的输出特征;
将所述点云数据的输出特征输入长短期记忆网络LSTM模型,得到所述点云数据的时序特征向量,并根据所述时序特征向量,确定出所述目标人员的洗浴动作识别结果;
根据所述洗浴动作识别结果,确定所述目标人员的洗浴动作是否为预设标准动作,以确定所述目标人员的洗浴分类结果。
6.根据权利要求1所述的方法,其特征在于,所述环境数据包括所述目标人员在洗浴过程中的定位数据;所述预设的洗浴标准条件为所述目标人员位于预设位置范围内;所述判断所述目标人员是否满足预设的洗浴标准条件,以确定所述目标人员的洗浴分类结果,包括:
根据所述目标人员在洗浴过程中的定位数据,判断所述目标人员是否处于预设位置范围内,以确定所述目标人员的洗浴分类结果。
7.根据权利要求1-6任一项所述的方法,其特征在于,所述当判断出所述目标人员不满足预设的洗浴标准条件并确定出所述目标人员的洗浴分类结果属于异常分类时,向所述目标人员发送洗浴异常预警提示信息,包括:
当判断出所述目标人员不满足预设的洗浴标准条件并确定出所述目标人员的洗浴分类结果属于异常分类时,通过语音播报、图像提示和文字提示中的至少一种形式,向所述目标人员发送洗浴异常预警提示信息。
8.一种洗浴预警装置,其特征在于,包括:
获取单元,用于获取目标人员在进行洗浴时产生的洗浴数据和环境数据,所述洗浴数据包括所述目标人员在洗浴过程中消耗的洗浴用品用量数据、获取洗浴用品的手势数据、洗浴动作数据,所述环境数据包括所述目标人员在洗浴时的水温数据、水流时长数据、定位数据;
判断单元,用于对所述洗浴数据和环境数据进行预处理,并根据得到的处理结果,判断所述目标人员是否满足预设的洗浴标准条件,以确定所述目标人员的洗浴分类结果;
预警单元,用于当判断出所述目标人员不满足预设的洗浴标准条件并确定出所述目标人员的洗浴分类结果属于异常分类时,向所述目标人员发送洗浴异常预警提示信息;
所述洗浴数据包括所述目标人员在洗浴过程中获取洗浴用品的手势数据;所述预设的洗浴标准条件为获取洗浴用品的手势为预设标准手势;所述判断单元包括:
提取子单元,用于从所述目标人员在洗浴过程中获取洗浴用品的手势数据中,提取距离特征矩阵、速度信息矩阵、角度信息矩阵;
融合子单元,用于将所述距离特征矩阵、速度信息矩阵、角度信息矩阵进行加权求和,得到融合特征;
第一识别子单元,用于将所述融合特征输入预先构建的手势识别模型,确定出所述目标人员的手势识别结果;
第一确定子单元,用于根据所述手势识别结果,确定所述目标人员获取洗浴用品的手势是否为预设标准手势,以确定所述目标人员的洗浴分类结果。
9.一种洗浴预警设备,其特征在于,包括:处理器、存储器、系统总线;
所述处理器以及所述存储器通过所述系统总线相连;
所述存储器用于存储一个或多个程序,所述一个或多个程序包括指令,所述指令当被所述处理器执行时使所述处理器执行权利要求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指令,当所述指令在终端设备上运行时,使得所述终端设备执行权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210885783.0A CN115176722B (zh) | 2022-07-26 | 2022-07-26 | 一种洗浴预警方法、装置、存储介质及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210885783.0A CN115176722B (zh) | 2022-07-26 | 2022-07-26 | 一种洗浴预警方法、装置、存储介质及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115176722A CN115176722A (zh) | 2022-10-14 |
CN115176722B true CN115176722B (zh) | 2024-04-12 |
Family
ID=83522150
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210885783.0A Active CN115176722B (zh) | 2022-07-26 | 2022-07-26 | 一种洗浴预警方法、装置、存储介质及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115176722B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CH624483A5 (en) * | 1980-06-25 | 1981-07-31 | Georg Ulmann | Alarm unit which responds to a liquid level in order to prevent overflowing of liquid containers, in particular bathtubs |
JPH0542194A (ja) * | 1992-01-24 | 1993-02-23 | Toto Ltd | バス内異常警報機能を有するサウナバス |
CN101539762A (zh) * | 2009-04-24 | 2009-09-23 | 陈彦如 | 浴室智能生命保障系统 |
CN104536343A (zh) * | 2014-12-15 | 2015-04-22 | 倪传华 | 一种智能洗浴控制系统 |
CN105115164A (zh) * | 2015-09-02 | 2015-12-02 | 芜湖美的厨卫电器制造有限公司 | 用户用水洗浴行为习惯的分析方法、装置和系统 |
CN106707954A (zh) * | 2017-01-21 | 2017-05-24 | 深圳市厚德世家智慧养老科技有限公司 | 一种智能浴室看护系统及其控制方法 |
CN109471413A (zh) * | 2018-10-25 | 2019-03-15 | 安徽独角仙信息科技有限公司 | 一种基于物联网的沐浴安全管理系统 |
CN109916091A (zh) * | 2019-02-25 | 2019-06-21 | 珠海格力电器股份有限公司 | 热水器控制方法、系统、热水器及计算机可读存储介质 |
CN111179514A (zh) * | 2020-03-12 | 2020-05-19 | 江西八纵科技有限公司 | 一种智能洗浴控制系统 |
CN112309377A (zh) * | 2019-07-18 | 2021-02-02 | Tcl集团股份有限公司 | 一种智能洗浴控制方法、设备及存储介质 |
-
2022
- 2022-07-26 CN CN202210885783.0A patent/CN115176722B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CH624483A5 (en) * | 1980-06-25 | 1981-07-31 | Georg Ulmann | Alarm unit which responds to a liquid level in order to prevent overflowing of liquid containers, in particular bathtubs |
JPH0542194A (ja) * | 1992-01-24 | 1993-02-23 | Toto Ltd | バス内異常警報機能を有するサウナバス |
CN101539762A (zh) * | 2009-04-24 | 2009-09-23 | 陈彦如 | 浴室智能生命保障系统 |
CN104536343A (zh) * | 2014-12-15 | 2015-04-22 | 倪传华 | 一种智能洗浴控制系统 |
CN105115164A (zh) * | 2015-09-02 | 2015-12-02 | 芜湖美的厨卫电器制造有限公司 | 用户用水洗浴行为习惯的分析方法、装置和系统 |
CN106707954A (zh) * | 2017-01-21 | 2017-05-24 | 深圳市厚德世家智慧养老科技有限公司 | 一种智能浴室看护系统及其控制方法 |
CN109471413A (zh) * | 2018-10-25 | 2019-03-15 | 安徽独角仙信息科技有限公司 | 一种基于物联网的沐浴安全管理系统 |
CN109916091A (zh) * | 2019-02-25 | 2019-06-21 | 珠海格力电器股份有限公司 | 热水器控制方法、系统、热水器及计算机可读存储介质 |
CN112309377A (zh) * | 2019-07-18 | 2021-02-02 | Tcl集团股份有限公司 | 一种智能洗浴控制方法、设备及存储介质 |
CN111179514A (zh) * | 2020-03-12 | 2020-05-19 | 江西八纵科技有限公司 | 一种智能洗浴控制系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115176722A (zh) | 2022-10-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Cippitelli et al. | Radar and RGB-depth sensors for fall detection: A review | |
Yu et al. | Noninvasive human activity recognition using millimeter-wave radar | |
US11551103B2 (en) | Data-driven activity prediction | |
Maitre et al. | Recognizing activities of daily living from UWB radars and deep learning | |
Nakamura et al. | Wi-fi-CSI-based fall detection by spectrogram analysis with CNN | |
CN106203380B (zh) | 超声波手势识别方法及系统 | |
CN106559749B (zh) | 一种基于射频层析成像的多目标被动式定位方法 | |
Luo et al. | Kitchen activity detection for healthcare using a low-power radar-enabled sensor network | |
JP2021166704A (ja) | 高周波信号を使用した無線バイタル監視の方法、装置、およびシステム | |
CN112184626A (zh) | 姿态识别方法、装置、设备及计算机可读介质 | |
Sadreazami et al. | On the use of ultra wideband radar and stacked LSTM-RNN for at home fall detection | |
WO2021248472A1 (zh) | 基于超宽带雷达的目标跟踪方法、装置、设备及存储介质 | |
Xu et al. | Attention-based gait recognition and walking direction estimation in wi-fi networks | |
Nakamura et al. | Wi-Fi-based fall detection using spectrogram image of channel state information | |
Janakaraj et al. | STAR: Simultaneous tracking and recognition through millimeter waves and deep learning | |
CN116087943A (zh) | 基于毫米波雷达的室内跌倒检测方法及系统 | |
CN115176722B (zh) | 一种洗浴预警方法、装置、存储介质及设备 | |
CN114972727A (zh) | 用于多模态神经符号场景理解的系统和方法 | |
Imbeault-Nepton et al. | Filtering data bins of UWB radars for activity recognition with random forest | |
Zhang et al. | Complex motion detection based on channel state information and lstm-rnn | |
Li et al. | Using RF transmissions from IoT devices for occupancy detection and activity Recognition | |
Jaikumar et al. | Detection of anomalous events from unlabeled sensor data in smart building environments | |
Liu et al. | Human behavior sensing: challenges and approaches | |
Nkabiti et al. | A deep bidirectional LSTM recurrent neural networks for identifying humans indoors using channel state information | |
Cagnoni et al. | Sensor fusion-oriented fall detection for assistive technologies applications |
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 |