基于边缘人工智能的酒店卫勤人员穿戴检测方法及系统技术方案

本发明专利技术提出了基于边缘人工智能的酒店卫勤人员穿戴检测方法及系统，实时获取待检测区域的图像数据，对所述图像数据进行预处理后发送给被配置在边缘设备端预设的识别模型；所述识别模型对所述图像数据中卫勤工作人员防护用品穿戴是否正确进行识别，基于所述识别模型输出的检测结果作出预设预警，其中，所述检测结果包括是否穿戴口罩、是否穿戴围裙、是否穿戴工作防护服、是否穿戴手套以及是否穿戴帽子。本发明专利技术能够实现提高对于酒店卫勤人员穿戴检测的速度以及降低对硬件资源的占用。检测的速度以及降低对硬件资源的占用。检测的速度以及降低对硬件资源的占用。

【技术实现步骤摘要】
基于边缘人工智能的酒店卫勤人员穿戴检测方法及系统


[0001]本专利技术涉及防护用具穿戴检测方法，尤其涉及一种基于边缘人工智能的酒店卫勤人员穿戴检测方法及系统。

技术介绍

[0002]酒店由于是公共聚集场所，也是重点清洁以及消毒场所，因此酒店的后勤管理人员的日常穿戴检测尤为重要。对于酒店的后勤清洁人员要注意其是否规范穿戴清洁所需要的工作服饰，酒店的后勤管理人员的防护服正确穿戴需要边缘设备进行实时视频采集和分析。但是边缘目标检测技术在酒店的日常监控管理中也存在很多问题：一、一些比较高精度的模型算法参数量较多，在服务器端运行尚可，然而部署到算力较弱的边缘设备端，其运行不能实时检测。二、对于后期的功能维护不是很方便，用户在后期维护中需要对硬件设备一一进行管理，极大的增加了维护成本。

技术实现思路

[0003]本专利技术提供基于边缘人工智能的酒店卫勤人员穿戴检测方法、系统、设备和存储介质，以实现提高对于酒店卫勤人员穿戴分类检测的速度以及减少对于硬件资源的占用。
[0004]本专利技术提出了一种基于边缘人工智能的智慧酒店卫勤人员穿戴检测方法，包括以下步骤：实时获取待检测区域的图像数据，对所述图像数据进行预处理后发送给被配置在边缘设备端的预设识别模型；所述识别模型对所述图像数据中卫勤工作人员防护用品穿戴是否正确进行识别；基于所述识别模型输出的检测结果作出预设预警，其中，所述检测结果包括是否穿戴口罩、是否穿戴围裙、是否穿戴工作防护服、是否穿戴手套以及是否穿戴帽子。
[0005]优选的，在实时获取待检测区域的图像数据之前还包括对所述识别模型进行训练，训练的方法进一步包括：获取需要检测的酒店后勤场所抓取到卫勤人员图像的数据集，所述数据集包含若干张图像，其中分类主要包括：人、是否穿戴口罩、围裙、工作防护服、手套以及帽子；对所获取到的数据集中的图像进行标注，标注的信息包括卫勤人员的穿戴以及在图像中的位置信息，将标注好的图像信息生成文本文件，文本文件包含了每张图像的需要检测的信息；对图像进行旋转，裁剪，镜像对称以及利用马赛克的方式进行增强，调整图像分辨率；将所述数据集分为两部分，包括训练集和测试集，分在两个文件夹中，用于生成不同目录；通过所述训练集中的图像对所述识别模型进行训练，通过所述测试集中的图像对所述训练的效果进行验证是否能够达到预设准确率。
[0006]优选的，所述识别模型对所述图像数据中卫勤工作人员防护用品穿戴是否正确进行识别进一步还包括通过主干特征提取算法Mobilenet
‑
ECA对所述图像数据进行主干特征提取：对所述图像数据进行卷积、归一化及激活处理；通过多个特征提取模块进行特征提取，其中，特征提取模块进行特征提取时先进行1*1卷积和进行正则化处理并通过第一激活
函数进行处理，所述第一激活函数的公式为：，其中x代表网络提取的特征信息，a为小于1的实数，公式计算结果作为下一层的输入数据； 再通过3
×
3的深度可分离卷积进行卷积以及正则化以后，利用第二激活函数进行处理，所述第二激活函数的公式为：，其中x代表网络提取的特征信息；将第二激活函数的输出进行平均池化和一维通道卷积，其中，卷积核尺寸大小，其中c表示通道数；将第二激活函数的输出与一维通道卷积的输出相乘，再和第二激活函数的输出进行相加，最后通过点卷积完成一个网络特征提取。
[0007]优选的，所述识别模型对所述图像数据中卫勤工作人员防护用品穿戴是否正确进行识别进一步还包括通过增强网络进行加强特征提取：构建两层特征金字塔，先通过平均池化以及一维卷积完成通道注意力机制的特征提取；将得到的特征图进行平均池化和最大池化，其池化均为一维池化，得到两个通道为1的特征图像，将两个通道为1的特征图像进行相加拼接，得到新的特征图像；将新的特征图像进行卷积运算，得到H
×
W
×
C的特征图像，其中，H为图像的高，W为图像的宽，C为图像的通道数，该特征图像完好的保存了通道特征以及空间特征。
[0008]优选的，所述方法还包括：在将所述识别模型部署至边缘设备端时，采用边训练边量化的方法，先将参数进行量化，得到对应的量化后的INT8数据，然后再进行反量化得到FP32的数据，再进行重新训练，不断重复以上过程直到收敛。
[0009]优选的，将INT8数据进行反量化得到FP32数据的计算公式为：r=S（q
‑
Z），其中r为FP32浮点数，q为INT8量化后的值，S分别为缩放因子，Z为零点，在量化过程中，采用非定点量化方式对S和Z进行确定：，；其中，r
max
为浮点数最大值，r
min
为浮点数最小值，q
max
为INT8最大值，q
min
为INT8最小值；将FP32数据进行量化得到INT8数据的计算公式为：。
[0010]优选的，基于所述识别模型输出的检测结果作出预设预警进一步包括：在所述识别模型输出的检测结果包括未穿戴口罩、未穿戴围裙、未穿戴工作防护服、未穿戴手套或未穿戴帽子的情况下，发出第一预警信号；在预设时间内，所述识别模型输出的检测结果仍未发生变化，发出第二预警信号，并将检测结果上传至中心服务器。
[0011]基于相同的构思，本专利技术还提供一种基于边缘人工智能的酒店卫勤人员穿戴检测系统，包括：图像获取模块，用于实时获取待检测区域的图像数据，对所述图像数据进行预处理后发送给被配置在边缘设备端的预设识别模型；图像识别模块，用于对所述图像数据中卫勤工作人员防护用品穿戴是否正确进行识别；结果输出模块，用于基于所述识别模型输出的检测结果作出预设预警，其中，所述检测结果包括是否穿戴口罩、是否穿戴围裙、是否穿戴工作防护服、是否穿戴手套以及是否穿戴帽子。
[0012]基于相同的构思，本专利技术还提供一种计算机设备，包括：存储器，所述存储器用于
存储处理程序；处理器，所述处理器执行所述处理程序时实现任意一项所述的基于边缘人工智能的酒店卫勤人员穿戴检测方法。
[0013]基于相同的构思，本专利技术还提供一种可读存储介质，所述可读存储介质上存储有处理程序，所述处理程序被处理器执行时实现任意一项所述的基于边缘人工智能的酒店卫勤人员穿戴检测方法。
[0014]采用本专利技术的技术方案，能够取得如下技术效果：1、在专利技术技术方案中，识别模型先利用特征提取算法进行主干特征提取，主干特征提取网络主要由多个特征提取网络组成，特征提取模块B模块，B模块主要由多个卷积组成，先是使用1
×
1卷积，然后通过正则化函数，再通过第一激活函数，再通过3
×
3的深度可分离卷积进行卷积以及正则化以后再利用第二激活函数计算，平均池化后，最后图像的特征大小从[H,W,C]变成[1,1,C]大小，即通道数不变，图像尺寸变化。然后进行通道卷积，即利用一维卷积核进行通道卷积，最后和输入端相乘，再和第二激活函数的输出进行相加，最后通过点卷积，就可以完成一个网络特征提取，在此模块进行中，主要通过引入了通道注意力机制本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于边缘人工智能的酒店卫勤人员穿戴检测方法，其特征在于，包括以下步骤：实时获取待检测区域的图像数据，对所述图像数据进行预处理后发送给被配置在边缘设备端预设的识别模型；所述识别模型对所述图像数据中卫勤工作人员防护用品穿戴是否正确进行识别；基于所述识别模型输出的检测结果作出预设预警，其中，所述检测结果包括是否穿戴口罩、是否穿戴围裙、是否穿戴工作防护服、是否穿戴手套以及是否穿戴帽子。2.如权利要求1所述的基于边缘人工智能的酒店卫勤人员穿戴检测方法，其特征在于，在实时获取待检测区域的图像数据之前还包括对所述识别模型进行训练，训练的方法进一步包括：获取需要检测的酒店后勤场所抓取到卫勤人员图像的数据集，所述数据集包含若干张图像，其中分类主要包括：人、是否穿戴口罩、围裙、工作防护服、手套以及帽子；对所获取到的数据集中的图像进行标注，标注的信息包括卫勤人员的穿戴以及在图像中的位置信息，将标注好的图像信息生成文本文件，文本文件包含了每张图像的需要检测的信息；对图像进行旋转、裁剪、镜像对称以及利用马赛克的方式进行增强，调整图像分辨率；将所述数据集分为两部分，包括训练集和测试集，分在两个文件夹中，用于生成不同目录；通过所述训练集中的图像对所述识别模型进行训练，通过所述测试集中的图像对所述训练的效果进行验证是否能够达到预设准确率。3.如权利要求1所述的基于边缘人工智能的酒店卫勤人员穿戴检测方法，其特征在于，所述识别模型对所述图像数据中卫勤工作人员防护用品穿戴是否正确进行识别进一步还包括通过主干特征提取算法Mobilenet
‑
ECA对所述图像数据进行主干特征提取：对所述图像数据进行卷积、归一化及激活处理；通过多个特征提取模块进行特征提取，其中，特征提取模块进行特征提取时先进行1*1卷积和进行正则化处理并通过第一激活函数进行处理，所述第一激活函数的公式为：，其中x代表网络提取的特征信息，a为小于1的实数，公式计算结果作为下一层的输入数据；再通过3
×
3的深度可分离卷积进行卷积以及正则化以后，利用第二激活函数进行处理，所述第二激活函数的公式为：，其中x代表网络提取的特征信息；将第二激活函数的输出进行平均池化和一维通道卷积，其中，卷积核尺寸大小，其中c表示通道数；将第二激活函数的输出与一维通道卷积的输出相乘，再和第二激活函数的输出进行相加，最后通过点卷积完成一个网络特征提取。4.如权利要求3所述的基于边缘人工智能的酒店卫勤人员穿戴检测方法，其特征在于，所述识别模型对所述图像数据中卫勤工作人员防护用品穿戴是否正确进行识别进一步还包括通过增强网络进行加强特征提取：
构建两层特征金字塔，先通过平均池化以及一维卷积完成通道注意力机制的特征提取；将得到的特征图进行平均池化和最大池化，其...

【专利技术属性】
技术研发人员：陈俊丰，缪迪，潘骏，
申请(专利权)人：浙江钛比科技有限公司，
类型：发明
国别省市：