(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211010987.6 (22)申请日 2022.08.23 (71)申请人 河南众诚信息科技股份有限公司 地址 450000 河南省郑州市西三环大 学科 技园区东区7号楼 (72)发明人 韩世鲁　祝静思　梁思远　游靖　 刘宏源　韩璐璐　刘红涛　杨磊　 (74)专利代理 机构 河南博恒知识产权代理事务 所(普通合伙) 41219 专利代理师 陈章滨 (51)Int.Cl. G06V 40/20(2022.01) G06N 3/08(2006.01) G06V 10/762(2022.01) G06V 10/764(2022.01)G06V 10/82(2022.01) (54)发明名称 基于YOLOV5神经网络技术识别防护服的方 法 (57)摘要 本发明涉及防护服监管技术领域， 且公开了 基于YOLOV5神经网络技术识别防护服的方法， 基 于人工智能深度学习进行算法模 型定制， 智能硬 件与智慧软件平台相结合， 设计一种研判科学 化、 工作智能化、 业务数据化、 数据一体化物联网 解决方案来管理防护服穿脱消毒工作。 利用 YOLOV5深度学习神经网络技术,进行大规模行为 动作数据识别训练， 配合智能摄像头、 统一软件 管理平台实现防护服穿脱合规和消毒规范判断， 智能硬件数据回传统一软件管理平台实时预警 并警告， 监测医护人员穿脱防护服是否合规， 控 制病毒传播的范围保障隔离人员、 医护人员和工 作服务人员安全， 提高监管效率， 降低监管成本， 利用动作识别模型智能识别视频中医护人员 是 否正确穿脱防护服和 消毒。 权利要求书2页 说明书5页 附图3页 CN 115424340 A 2022.12.02 CN 115424340 A 1.基于YOLOV5神经网络技 术识别防护服的方法， 其特 征在于， 包括以下步骤： 1)智能摄像头设置： 在隔离酒店 或其他隔离点根据现有的防疫要求划分出专用的隔离 防护服消毒操作间或场地， 将智能摄像头 设置在隔离防护服消毒操作间或场内合适的安装 点位上； 2)图片数据筛选： 装好点位后从监控视频中获取场景图象， 使用python语言进行视频 帧提取， 筛选图片数据， 使用labelimg标注工具对图像进 行二分类标注， 人物标签用0表 示， 其他用1表示， 根据深度学习识别算法框架Y OLOV5模型识别图像中的人物目标， 并用矩形边 框标识和输出， 置信度损失函数和分类损失函数均使用的是BCEWithLogitsLoss， 回归损失 函数使用的是CIOU； 3)获取anc hor框： 根据i ou距离利用Kmeans聚类算法获取YOLO  V5所需的9个anc hor框； 4)人物的动作进行分类识别并输出： 识别出的人物的原始图像根据识别模型选 中的矩 形框坐标将人物裁剪出来， 使用lab elimg标注工具对图像进行八分类标注， 标注后的文件 使用python代码修改文件中的标签信息为五分类信息， 穿防护服带面罩和正在消毒 SaftyClothes ‑FaceMsak ‑Sanitizing、 穿防护服未带面罩和正在消毒SaftyClothes ‑ NoFaceMask ‑Sanitizing、 未穿防护服但佩戴面罩和正在消毒NoSaftyClothes ‑FaceMsak ‑ Sanitizing、 未穿防护服未带面罩和正在消毒NoSaftyClothes ‑NoFaceMsak ‑Sanitizing、 没有消毒No ‑Sanitizing， 将重新修改标签后的数据放在resnet18分类模型中， 对人物的动 作进行分类识别并输出； 5)信息输出： 分类输出后的动作识别 信息回传给智慧软件平台并在前端显示。 2.根据权利 要求1所述的基于YOLOV5神经网络技术识别防护服的方法， 其特征在于， 所 述智能摄 像头的安装点 位要求能够清洗 完整的对场景中的图像进行拍摄。 3.根据权利 要求1所述的基于YOLOV5神经网络技术识别防护服的方法， 其特征在于， 所 述智能摄像头的配置过程如下： 利用摄像头采集医护人员穿脱防护服数据， 包括正常穿脱 防护服、 佩戴护目镜、 消毒操作的正样本和错误穿脱防护服、 佩戴护目镜、 消毒的负样本数 据， 正常穿脱防护服、 佩戴护目镜、 消毒操作的正样 本和错误穿脱防护服、 佩戴护目镜、 消毒 的负样本数据均设置多组， 利用labelme标注工具进行图像数据标注处理并存储到数据库， 之后利用该数据训练防护服穿脱合规识别模型， 将训练好的模型部署在智能摄像头内， 且 模型训练的次数为3 00次。 4.根据权利 要求3所述的基于YOLOV5神经网络技术识别防护服的方法， 其特征在于， 所 述智能摄像头与智慧软件平台网络连接将前端物理信息传输给智能软件平台， 智能软件平 台配置有可查看监控视频功能且具 备实时报警异常行为功能。 5.根据权利 要求3所述的基于YOLOV5神经网络技术识别防护服的方法， 其特征在于， 防 护服穿脱动作和消毒动作识别模 型是使用的Y OLO v5,其中消毒动作识别是修改了Y OLO v5 模型的检测类别数量(由8类改为5类)并训练， 防护服穿脱动作识别标注模型类别为： SaftyClothes ‑FaceMsak ‑Sanitizing、 SaftyClothes ‑FaceMask ‑NoSanitizing、 SaftyClothes ‑NoFaceMask ‑Sanitizing、 SaftyClothes ‑NoFaceMask ‑NoSanitizing、 NoSaftyClothes ‑FaceMsak ‑Sanitizing、 NoSaftyClothes ‑FaceMsak ‑NoSanitizing、 NoSaftyClothes ‑NoFaceMsak ‑Sanitizing、 NoSaft yClothes ‑NoFaceMsak ‑NoSanitizing； 所述消毒动作识别模型将类别由8类修改为5类具体为： SaftyClothes ‑FaceMsak ‑权　利　要　求　书 1/2 页 2 CN 115424340 A 2Sanitizing、 SaftyClothes ‑NoFaceMask ‑Sanitizing、 NoSaftyClothes ‑FaceMsak ‑ Sanitizing、 NoSaftyCl othes‑NoFaceMsak ‑Sanitizing、 No‑Sanitizing。 6.根据权利 要求5所述的基于YOLOV5神经网络技术识别防护服的方法， 其特征在于， 所 述智能摄 像头算法开发流 程如下： 1)在隔离酒店或其他隔离点根据现有的防疫要求划分出专用的隔离防护服消毒操作 间或场地， 将智能摄 像头设置在隔离防护服消毒操作间或场内合 适的安装点 位上； 2)收集音频图像数据， 使用python的Opencv框架中的Videocapture()函数进行视频抽 帧， 按照指定的动作标准筛选特征明显的图像， 使用lab elme标注工具标注图像数据， 制定 数据集； 3)将制定的好的数据存放在 数据库， YOLOV5神经网络模型调用readme文件读取数据集 进行推理、 训练模型参数、 迭代优化； 4)将算法部署在智能摄像头， 智能摄像头前端再次收集图像信息作为测试集， 动作识 别模型推理判断测试 数据集； 6)数据判定， 若算法模型推理准确率达到0.95则符合标准进行下一步模型验证， 若准 确率不达标进行算法迭代， 增 加数据扩大 数据集， 迭代优化训练模型参数。权　利　要　求　书 2/2 页 3 CN 115424340 A 3