基于深度学习的自动化手部卫生培训系统
计算机视觉与模式识别
2021-12-13 v1 机器学习
摘要
手部卫生对于预防病毒和感染至关重要。由于 COVID-19 的广泛爆发，戴口罩和手部卫生似乎是公众遏制这些病毒传播的最有效方式。世界卫生组织（WHO）推荐了一套八步的酒精搓手指南，以确保手部所有表面完全清洁。由于这些步骤涉及复杂手势，人工评估缺乏足够准确性。然而，深度神经网络（DNN）和机器视觉已使得准确评估搓手质量以用于培训和反馈成为可能。本文提出了一种基于深度学习的自动化搓手评估系统，具有实时反馈功能。该系统使用在志愿者数据集上训练的 DNN 架构来评估对八步指南的遵从度，该数据集中的志愿者具有不同肤色和手部特征并遵循搓手指南。测试了多种 DNN 架构，其中 Inception-ResNet 模型取得了最佳结果，测试准确率达 97%。在所提出的系统中，NVIDIA Jetson AGX Xavier 嵌入式板运行该软件。该系统在多种用户使用的实际场景中的功效得到了评估，并识别出具有挑战性的步骤。在本实验中，志愿者搓手步骤的平均耗时为 27.2 秒，符合 WHO 指南。
引用
@article{arxiv.2112.05667,
title = {A Deep Learning Based Automated Hand Hygiene Training System},
author = {Mobina Shahbandeh and Fatemeh Ghaffarpour and Sina Vali and Mohammad Amin Haghpanah and Amin Mousavi Torkamani and Mehdi Tale Masouleh and Ahmad Kalhor},
journal= {arXiv preprint arXiv:2112.05667},
year = {2021}
}
备注
6 pages, 13 figures