医疗环境紫外线消毒管控系统技术方案

公开了一种医疗环境紫外线消毒管控系统，其采用基于深度学习的人工智能检测算法，通过热红外图像和RGB图像构造多通道图像，以通过热红外图像中的活人温度特性来避免人体模型的干扰，并以此来提取出所述多通道图像的多尺度高维隐含特征信息，且利用多个摄像头有效地克服遮挡问题。然后，将各个摄像头所采集的图像数据融合特征进行矩阵化以利用不同摄像头所采集的图像特征之间的上下文信息来提高目标识别和检测的精准度。这样，能够对于待消毒科室内是否存在人员目标对象进行准确地检测判断，以此来保证消毒的安全性。以此来保证消毒的安全性。以此来保证消毒的安全性。

【技术实现步骤摘要】
医疗环境紫外线消毒管控系统


[0001]本专利技术涉及紫外线消毒
，且更为具体的涉及一种医疗环境紫外线消毒管控系统。

技术介绍

[0002]在医疗环境中的感染高风险部门如手术室、检验科等需要每天进行消毒，消毒方式一般采用紫外线消毒。
[0003]现有的医疗环境在紫外线消毒时一般依靠人为控制进行消毒，需要人工查看所要消毒的科室内有无人员滞留，增大了医护人员的劳动强度，且容易发生小概率事件，如查看不仔细，未能及时发现滞留人员，从而导致紫外线消毒过程中人员受伤，造成严重的后果。
[0004]因此，期待一种优化的医疗环境紫外线消毒管控智能方案。

技术实现思路

[0005]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种医疗环境紫外线消毒管控系统，其采用基于深度学习的人工智能检测算法，通过热红外图像和RGB图像构造多通道图像，以通过热红外图像中的活人温度特性来避免人体模型的干扰，并以此来提取出所述多通道图像的多尺度高维隐含特征信息，且利用多个摄像头有效地克服遮挡问题。然后，将各个摄像头所采集的图像数据融合特征进行矩阵化以利用不同摄像头所采集的图像特征之间的上下文信息来提高目标识别和检测的精准度。这样，能够对于待消毒科室内是否存在人员目标对象进行准确地检测判断，以此来保证消毒的安全性。
[0006]根据本申请的一个方面，提供了一种医疗环境紫外线消毒管控系统，其包括：
[0007]监控模块，用于通过部署于待消毒科室的多个红外摄像头和多个RGB摄像头采集多个热红外监控图像和多个RGB监控图像；
[0008]聚合模块，用于分别将每组对应的所述热红外监控图像和所述RGB监控图像沿通道维度进行聚合以得到多个多通道图像；
[0009]特征提取模块，用于将所述多个多通道图像中各个多通道图像分别通过包含多个混合卷积层的第一卷积神经网络模型以得到多个多尺度检测特征向量；
[0010]全局化模块，用于将所述多个多尺度检测特征向量进行排列以得到全局多尺度检测矩阵；
[0011]关联特征提取模块，用于将所述全局多尺度检测矩阵通过作为特征提取器的第二卷积神经网络模型以得到全局多尺度检测特征矩阵；
[0012]识别结果生成模块，用于将所述全局多尺度检测特征矩阵通过分类器以得到分类结果，所述分类结果用于表示待消毒科室内是否存在人员对象；和
[0013]控制模块，用于基于所述分类结果，确定是否生成启动消毒指令。
[0014]在上述医疗环境紫外线消毒管控系统中，所述特征提取模块，包括：多尺度卷积编码单元，用于使用所述第一卷积神经网络模型的各个混合卷积层分别对其输入数据进行多
尺度卷积编码以得到多尺度卷积特征图；池化单元，用于分别对所述多尺度卷积特征图进行基于局部特征矩阵的池化处理以得到池化特征图；以及，激活单元，用于分别对所述池化特征图进行非线性激活以得到激活特征图。
[0015]在上述医疗环境紫外线消毒管控系统中，所述多尺度卷积编码单元，包括：第一尺度卷积编码子单元，用于基于第一卷积核对所述输入数据进行卷积处理以得到第一尺度特征图；第二尺度卷积编码子单元，用于基于第二卷积核对所述输入数据进行卷积处理以得到第二尺度特征图，其中，所述第二卷积核为具有第一空洞率的空洞卷积核；第三尺度卷积编码子单元，用于基于第三卷积核对所述输入数据进行卷积处理以得到第三尺度特征图，其中，所述第三卷积核为具有第二空洞率的空洞卷积核；第四尺度卷积编码子单元，用于基于第四卷积核对所述输入数据进行卷积处理以得到第四尺度特征图，其中，所述第四卷积核为具有第三空洞率的空洞卷积核；以及，多尺度融合子单元，用于融合所述第一尺度特征图、所述第二尺度特征图、所述第三尺度特征图和所述第四尺度特征图以得到所述多尺度卷积特征图。
[0016]在上述医疗环境紫外线消毒管控系统中，所述多尺度融合子单元，包括：增强因子计算二级子单元，用于以如下公式分别计算所述第一尺度特征图、所述第二尺度特征图、所述第三尺度特征图和所述第四尺度特征图的类小波函数族能量聚合因数；其中，所述公式为：
[0017][0018]其中f
i,j,k
表示所述第一尺度特征图、所述第二尺度特征图、所述第三尺度特征图和所述第四尺度特征图中各个尺度特征图的第(i,j,k)位置的特征值，且W、H和C分别是所述第一尺度特征图、所述第二尺度特征图、所述第三尺度特征图和所述第四尺度特征图中各个尺度特征图的宽度、高度和通道数，log表示以2为底的对数函数值；以及，因子作用二级子单元，用于以所述第一尺度特征图、所述第二尺度特征图、所述第三尺度特征图和所述第四尺度特征图的类小波函数族能量聚合因数作为加权权重，计算所述第一尺度特征图、所述第二尺度特征图、所述第三尺度特征图和所述第四尺度特征图的按位置加权和以得到所述多尺度卷积特征图。
[0019]在上述医疗环境紫外线消毒管控系统中，所述关联特征提取模块，包括：所述第二卷积神经网络模型的各层在层的正向传递中对输入数据分别进行：对输入数据进行卷积处理以得到卷积特征图；对所述卷积特征图进行基于局部通道维度的池化处理以得到池化特征图；以及，对所述池化特征图进行非线性激活以得到激活特征图；其中，所述第二卷积神经网络模型的最后一层的输出为所述全局多尺度检测特征矩阵，所述第二卷积神经网络模型的第一层的输入为所述全局多尺度检测矩阵。
[0020]在上述医疗环境紫外线消毒管控系统中，所述识别结果生成模块，进一步用于：使用所述分类器以如下公式对所述全局多尺度检测特征矩阵进行处理以得到所述分类结果；其中，所述公式为：
[0021]softmax{(W
n
,B
n
):
…
:(W1,B1)|Project(M)}
[0022]其中Project(M)表示将所述全局多尺度检测特征矩阵投影为向量，W1至W
n
为各层
全连接层的权重矩阵，B1至B
n
表示各层全连接层的偏置向量。
[0023]根据本申请的另一方面，还提供了一种医疗环境紫外线消毒管控方法，其包括：
[0024]通过部署于待消毒科室的多个红外摄像头和多个RGB摄像头采集多个热红外监控图像和多个RGB监控图像；
[0025]分别将每组对应的所述热红外监控图像和所述RGB监控图像沿通道维度进行聚合以得到多个多通道图像；
[0026]将所述多个多通道图像中各个多通道图像分别通过包含多个混合卷积层的第一卷积神经网络模型以得到多个多尺度检测特征向量；
[0027]将所述多个多尺度检测特征向量进行排列以得到全局多尺度检测矩阵；
[0028]将所述全局多尺度检测矩阵通过作为特征提取器的第二卷积神经网络模型以得到全局多尺度检测特征矩阵；
[0029]将所述全局多尺度检测特征矩阵通过分类器以得到分类结果，所述分类结果用于表示待消毒科室内是否存在人员对象；和
[0030]基于所述分类结本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种医疗环境紫外线消毒管控系统，其特征在于，包括：监控模块，用于通过部署于待消毒科室的多个红外摄像头和多个RGB摄像头采集多个热红外监控图像和多个RGB监控图像；聚合模块，用于分别将每组对应的所述热红外监控图像和所述RGB监控图像沿通道维度进行聚合以得到多个多通道图像；特征提取模块，用于将所述多个多通道图像中各个多通道图像分别通过包含多个混合卷积层的第一卷积神经网络模型以得到多个多尺度检测特征向量；全局化模块，用于将所述多个多尺度检测特征向量进行排列以得到全局多尺度检测矩阵；关联特征提取模块，用于将所述全局多尺度检测矩阵通过作为特征提取器的第二卷积神经网络模型以得到全局多尺度检测特征矩阵；识别结果生成模块，用于将所述全局多尺度检测特征矩阵通过分类器以得到分类结果，所述分类结果用于表示待消毒科室内是否存在人员对象；和控制模块，用于基于所述分类结果，确定是否生成启动消毒指令。2.根据权利要求1所述的医疗环境紫外线消毒管控系统，其特征在于，所述特征提取模块，包括：多尺度卷积编码单元，用于使用所述第一卷积神经网络模型的各个混合卷积层分别对其输入数据进行多尺度卷积编码以得到多尺度卷积特征图；池化单元，用于分别对所述多尺度卷积特征图进行基于局部特征矩阵的池化处理以得到池化特征图；以及激活单元，用于分别对所述池化特征图进行非线性激活以得到激活特征图。3.根据权利要求2所述的医疗环境紫外线消毒管控系统，其特征在于，所述多尺度卷积编码单元，包括：第一尺度卷积编码子单元，用于基于第一卷积核对所述输入数据进行卷积处理以得到第一尺度特征图；第二尺度卷积编码子单元，用于基于第二卷积核对所述输入数据进行卷积处理以得到第二尺度特征图，其中，所述第二卷积核为具有第一空洞率的空洞卷积核；第三尺度卷积编码子单元，用于基于第三卷积核对所述输入数据进行卷积处理以得到第三尺度特征图，其中，所述第三卷积核为具有第二空洞率的空洞卷积核；第四尺度卷积编码子单元，用于基于第四卷积核对所述输入数据进行卷积处理以得到第四尺度特征图，其中，所述第四卷积核为具有第三空洞率的空洞卷积核；以及多尺度融合子单元，用于融合所述第一尺度特征图、所述第二尺度特征图、所述第三尺度特征图和所述第四尺度特征图以得到所述多尺度卷积特...

【专利技术属性】
技术研发人员：孟令广，崔保林，王元，刘东，顾倩倩，牛恩，麻中原，李博扬，徐一飞，
申请(专利权)人：河南省肿瘤医院，
类型：发明
国别省市：