一种基于AI视频引擎技术的医疗废物监管方法及系统与流程

一种基于ai视频引擎技术的医疗废物监管方法及系统
技术领域
1.本发明涉及医疗废物监管技术领域，具体为一种基于ai视频引擎技术的医疗废物监管方法及系统。


背景技术：

2.一直以来，一些别有用心的人被利益驱使，将医疗垃圾送入“黑作坊”，进行处理后再贩卖给其他省市的事件屡有发生。除此之外，个别医院的保洁员等临时雇佣人员由于工资非常低，为了“弥补工资不足”，也会“出售”医院中的医疗垃圾进行创收，面对这种情况，医院也多是无能为力。而在ai+医疗愈演愈烈的现在，医疗垃圾却是被众人所忽视的地方，医疗科技厂商们不断地疏通“动脉血管”，一个劲儿往医疗“心脏”里钻，却忽略了同样重要的“毛细血管”。不过近年来，视频基础建设已具规模，高清镜头已在城市管理领域发挥重要作用。视频监控已完成从“看得见”到“看得清”的视力升级，正在从“看得清”到“看得懂”的智力飞跃，让您看懂全视界。
3.但是，现有的视频监控还是存在一些缺陷，工作人员在没有人监管的情况下很容易懈怠，进而影响医疗废物的处理工作，而且现有的视频监控过于死板，没法灵活应用于学习，不方便快速适用于不同场合。
4.为此，提出一种基于ai视频引擎技术的医疗废物监管方法及系统。


技术实现要素：

5.本发明的目的在于提供一种基于ai视频引擎技术的医疗废物监管方法及系统，不仅能够有效监控工作人员在没有人监管的情况下的工作状态，还能够快速学习检测标准，灵活且快速的应用在不同场合，以解决上述背景技术中提出的问题。
6.为实现上述目的，本发明提供如下技术方案：一种基于ai视频引擎技术的医疗废物监管方法，包括以下步骤：
7.步骤一、人工监管工作人员正确处理医疗废物；
8.步骤二、采集工作人员在有人工监管下的监控视频进行分析识别与管理，并采集工作人员没有人工监管下的监控视频；
9.步骤三、根据步骤二传来的识别后的人工监管下的监控视频形成训练样本；在没有人工监管时接收步骤二传来的监控视频，根据训练样本对此时的监控视频进行校验，校验不通过时发出预警。
10.不仅能够有效监控工作人员在没有人监管的情况下的工作状态，还能够快速学习检测标准，灵活且快速的应用在不同场合。
11.优选地，所述步骤二具体为：
12.s1：采集工作人员在人工监管下的监控视频以及不在人工监管下的监控视频；
13.s2：对s1中两种情况的监控视频均进行视频识别；
14.s3：整合识别有人工监控的视频中所有特征，在所有特征保持一定时间不变的情
况下将其输送给下一环节生成训练样本；再整合识别无人工监控的视频中所有特征将其输送给下一环节进行检验。
15.训练样本可根据需求实时更新，适应不同场合使用。
16.优选地，所述s2具体为：
17.s21：采用多粒度网络技术原理mgn，形成三个权威视频智能分析数据集；
18.s22：使用跨镜追踪技术解决跨摄像头跨场景下行人的识别与检索。
19.多粒度网络技术能够更加清晰明了的分析识别视频中的特征。
20.优选地，所述步骤三具体为：
21.l1：根据步骤二的有人工监管下的监控视频形成训练样本；
22.l2：在没有人工监管时接收步骤二传来的监控视频，根据训练样本对此时的监控视频进行校验，校验不通过时发出预警。
23.该设置保证工作人员能够在没有人工监管时也能好好工作。
24.优选地，所述预警方式采用声光报警灯。
25.该预警方式简单明了且便于后台工作人员发现。
26.一种基于ai视频引擎技术的医疗废物监管系统，包括：
27.人工监管，与医疗废物监控终端以及ai视频引擎终端连接，用于人工监管工作人员正确处理医疗废物；
28.医疗废物监控终端，与ai视频引擎终端连接，用于采集工作人员在有人工监管下的监控视频进行分析识别与管理，并采集工作人员没有人工监管下的监控视频传给ai视频引擎终端；
29.ai视频引擎终端，用于根据医疗废物监控终端传来的识别后的人工监管下的监控视频形成训练样本；在没有人工监管时接收医疗废物监控终端传来的监控视频，根据训练样本对此时的监控视频进行校验，校验不通过时发出预警。
30.该系统能够有效避免工作人员在没人监管的情况下产生懈怠。
31.优选地，所述医疗废物监控终端包括：
32.监控摄像头，与视频识别模块连接，采集工作人员在人工监管下的监控视频以及不在人工监管下的监控视频，并将采集的视频传送给视频识别模块；
33.视频识别模块，与视频管理模块连接，用于对监控摄像头传来的两种情况的监控视频均进行视频识别；
34.视频管理模块，与ai视频引擎终端连接，用于整合识别有人工监控的视频中所有特征，在所有特征保持一定时间不变的情况下将其输送给ai视频引擎终端生成训练样本；再整合识别无人工监控的视频中所有特征将其输送给ai视频引擎终端进行检验。
35.监控摄像头全方位分布在医疗废物处理的整个过程，能够有效拍摄完整的视频。
36.优选地，所述视频识别模块包括：
37.多粒度网络模块，与监控摄像头连接，用于对监控摄像头传来的监控视频采用多粒度网络技术原理mgn，形成三个权威视频智能分析数据集，进而对视频进行分析，再将分析后的视频信息传递给reid行人分析模块；
38.reid行人分析模块，与多粒度网络模块连接，接收多粒度网络模块传来的分析后的视频信息后使用跨镜追踪技术解决跨摄像头跨场景下行人的识别与检索。
39.reid行人分析能够对视频中的工作人员以及医废容器进行有效识别。
40.优选地，所述ai视频引擎终端包括：
41.训练模块，与视频管理模块连接，用于根据视频管理模块传来的有人工监管下的监控视频中的所有特征形成训练样本；
42.校验模块，与训练模块连接，用于在没有人工监管时接收视频管理模块传来的监控视频，根据训练样本对此时的监控视频进行校验，校验不通过时发出预警。
43.该设置保证工作人员在出现不当操作时及时预警。
44.优选地，所述校验模块包括声光报警灯，用于在校验不通过时发出声光预警。
45.声光报警更能起到提醒作用。
46.与现有技术相比，本发明的有益效果是：
47.本方案利用ai技术对医疗垃圾流程关键环节进行实时视频监控，采用先进的边缘实时计算，图像人工智能技术，通过智能摄像机+ai机器学习的方式，替代人工现场监督检查，对重点区域和人员行为进行实时监控及智能识别预警。
48.此外，本方案采用多粒度网络技术原理mgn，利用三级粒度、三支网络、整合所有特征，图像纵向区分不同粒度的区域，不通粒度的区域关注不同网络关注点的分布。形成三个权威视频智能分析数据集。再使用跨镜追踪(简称reid)技术解决跨摄像头跨场景下行人的识别与检索。作为人脸识别技术的重要补充进行视频数据解析，进而更加全面的分析识别视频中的全部特征。
49.本发明还可以快速学习检测标准，灵活且快速的应用在不同场合。
附图说明
50.图1为本发明的监管方法流程图；
51.图2为本发明的监管系统结构图。
具体实施方式
52.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
53.请参阅图1至图2，本发明提供一种技术方案：
54.一种基于ai视频引擎技术的医疗废物监管方法，如图1所示，包括以下步骤：
55.步骤一、人工监管工作人员正确处理医疗废物。
56.步骤二、采集工作人员在有人工监管下的监控视频进行分析识别与管理，并采集工作人员没有人工监管下的监控视频。
57.步骤三、根据步骤二传来的识别后的人工监管下的监控视频形成训练样本。在没有人工监管时接收步骤二传来的监控视频，根据训练样本对此时的监控视频进行校验，校验不通过时发出预警。
58.上述医疗废物监管方法不仅能够有效监控工作人员在没有人监管的情况下的工作状态，还能够快速学习检测标准，灵活且快速的应用在不同场合。
59.步骤二具体为：s1：采集工作人员在人工监管下的监控视频以及不在人工监管下的监控视频。s2：对s1中两种情况的监控视频均进行视频识别。s3：整合识别有人工监控的视频中所有特征，在所有特征保持一定时间不变的情况下将其输送给下一环节生成训练样本。再整合识别无人工监控的视频中所有特征将其输送给下一环节进行检验。其中，训练样本可根据需求实时更新，适应不同场合使用。
60.s2具体为：s21：采用多粒度网络技术原理mgn，形成三个权威视频智能分析数据集。s22：使用跨镜追踪技术解决跨摄像头跨场景下行人的识别与检索。多粒度网络技术能够更加清晰明了的分析识别视频中的特征。
61.步骤三具体为：l1：根据步骤二的有人工监管下的监控视频形成训练样本。l2：在没有人工监管时接收步骤二传来的监控视频，根据训练样本对此时的监控视频进行校验，校验不通过时发出预警。该设置保证工作人员能够在没有人工监管时也能好好工作。预警方式采用声光报警灯。该预警方式简单明了且便于后台工作人员发现。
62.如图2所示，一种基于ai视频引擎技术的医疗废物监管系统，包括：人工监管，与医疗废物监控终端以及ai视频引擎终端连接，用于人工监管工作人员正确处理医疗废物。医疗废物监控终端，与ai视频引擎终端连接，用于采集工作人员在有人工监管下的监控视频进行分析识别与管理，并采集工作人员没有人工监管下的监控视频传给ai视频引擎终端。ai视频引擎终端，用于根据医疗废物监控终端传来的识别后的人工监管下的监控视频形成训练样本。在没有人工监管时接收医疗废物监控终端传来的监控视频，根据训练样本对此时的监控视频进行校验，校验不通过时发出预警。该系统能够有效避免工作人员在没人监管的情况下产生懈怠。
63.其中，医疗废物监控终端包括：监控摄像头，与视频识别模块连接，采集工作人员在人工监管下的监控视频以及不在人工监管下的监控视频，并将采集的视频传送给视频识别模块。视频识别模块，与视频管理模块连接，用于对监控摄像头传来的两种情况的监控视频均进行视频识别。视频管理模块，与ai视频引擎终端连接，用于整合识别有人工监控的视频中所有特征，在所有特征保持一定时间不变的情况下将其输送给ai视频引擎终端生成训练样本。再整合识别无人工监控的视频中所有特征将其输送给ai视频引擎终端进行检验。监控摄像头全方位分布在医疗废物处理的整个过程，能够有效拍摄完整的视频。
64.视频识别模块包括：多粒度网络模块，与监控摄像头连接，用于对监控摄像头传来的监控视频采用多粒度网络技术原理mgn，形成三个权威视频智能分析数据集，进而对视频进行分析，再将分析后的视频信息传递给reid行人分析模块。reid行人分析模块，与多粒度网络模块连接，接收多粒度网络模块传来的分析后的视频信息后使用跨镜追踪技术解决跨摄像头跨场景下行人的识别与检索。reid行人分析能够对视频中的工作人员以及医废容器进行有效识别。
65.ai视频引擎终端包括：训练模块，与视频管理模块连接，用于根据视频管理模块传来的有人工监管下的监控视频中的所有特征形成训练样本。校验模块，与训练模块连接，用于在没有人工监管时接收视频管理模块传来的监控视频，根据训练样本对此时的监控视频进行校验，校验不通过时发出预警。该设置保证工作人员在出现不当操作时及时预警。校验模块包括声光报警灯，用于在校验不通过时发出声光预警。声光报警更能起到提醒作用。
66.工作原理：该基于ai视频引擎技术的医疗废物监管系统在使用时，首先，人工监管
工作人员正确处理医疗废物。然后，医疗废物监控终端采集工作人员在有人工监管下的监控视频进行分析识别与管理，并采集工作人员没有人工监管下的监控视频传给ai视频引擎终端。其中，具体为：监控摄像头采集工作人员在人工监管下的监控视频以及不在人工监管下的监控视频，并将采集的视频传送给视频识别模块。视频识别模块对监控摄像头传来的两种情况的监控视频均进行视频识别。视频管理模块整合识别有人工监控的视频中所有特征，在所有特征保持一定时间不变的情况下将其输送给ai视频引擎终端生成训练样本。再整合识别无人工监控的视频中所有特征将其输送给ai视频引擎终端进行检验。最后，ai视频引擎终端的训练模块根据视频管理模块传来的有人工监管下的监控视频中的所有特征形成训练样本。校验模块在没有人工监管时接收视频管理模块传来的监控视频，根据训练样本对此时的监控视频进行校验，校验不通过时发出预警。在本实施例中，视频中所有特征包括操作人员安全着装特征、操作人员识别特征、医废容器识别特征以及操作行为特征。当操作行为不当时也会触发预警。
67.尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。