本發明涉及圖像處理，尤其涉及一種醫護人員動作監測與疲勞預防方法、裝置及存儲介質。

背景技術：

1、工作相關肌肉骨骼疾病（work-related?musculoskeletal?disorders，簡稱wrmsds）是一類常見的職業性傷害，是由長時間、重復或極端的姿勢引起的，嚴重影響各行各業工人的健康福祉。wrmsds不僅給患者健康上帶來困擾，還會給個人和社會造成巨大經濟損失。

2、為降低wmsds帶來的危害，研究者針對不同工作任務進行工效學風險評估，常用的是通過觀察工人工作時的視頻或圖片逐幀確定上肢、下肢、頸部和軀干等部位的角度，以及工人受力、站立姿勢等因素，最后完成工作任務的風險評估，這種方式雖然在一定程度上能夠幫助識別和改善工作環境中可能導致wrmsds的因素，但其操作過程繁雜耗時，且評估結果受主觀因素影響較大，限制了評估精度和干預效果。

技術實現思路

1、針對現有技術對醫護人員姿態監測不準確不及時的問題，本發明提供了一種醫護人員動作監測與疲勞預防方法、裝置及存儲介質，以實現醫護人員姿態的快速精確檢測，糾正醫護人員的不良姿勢，預防肌肉骨骼疾病。

2、為了達到上述目的，本發明采用了如下的技術方案：

3、根據本發明的一個方面，提供了一種醫護人員動作監測與疲勞預防方法，包括：獲取高精度相機采集的不同視角醫護人員姿態圖像，構建原始數據集；對原始數據集中的每張圖像進行數據增強處理，以增加數據多樣性擴充數據集；利用labelme軟件在每張圖像上標注出人體關鍵點；將標注后的圖像數據集輸入到dnpose-yolov8網絡中進行訓練，得到訓練后的dnpose-yolov8網絡，所述訓練后的dnpose-yolov8網絡用于識別輸入圖像中的目標對象，并且定位出目標對象各個關鍵點的位置；實時采集醫護人員工作圖像，并運用所述訓練后的dnpose-yolov8網絡識別出醫護人員工作時身體各個關鍵點的坐標信息；根據所述坐標信息計算關鍵點之間的位置關系，并根據所述關鍵點之間的位置關系判斷醫護人員工作姿態是否存在風險；在檢測到存在風險姿態時生成提醒信息，指示醫護人員優化工作姿勢或者動作，減少職業疲勞。

4、可選地，對原始數據集中的每張圖像進行數據增強處理包括：以順時針為正方向，對每張圖像分別進行±30°、±45°、±60°、±90°的旋轉處理；對每張圖像進行隨機明暗變化調節，并對明暗變化后的圖像進行篩選，去除其中亮度不符合要求的圖像；對每張圖像分別加入椒鹽噪聲、高斯噪聲、斑點噪聲處理。

5、可選地，將標注后的圖像數據集輸入到dnpose-yolov8網絡中進行訓練之前，所述方法還包括：將數據集中的圖像尺寸統一調整為640*640，并將像素值縮放到0到1之間。

6、可選地，所述dnpose-yolov8網絡是在yolov8-pose的基礎上進行的改進，改進內容包括：采用更輕量化的檢測頭lw-pose，以加快網絡的推理過程；在網絡結構中引入不對稱設計，降低計算復雜度和模型參數量；在每個分支中使用3×3深度可分離卷積ds_conv代替傳統的3×3卷積，減少參數數量；在head網絡結構中加入特征聚焦擴散金字塔結構，所述金字塔結構提取各層的特征并進行特征融合，再將融合后的特征擴散到各個特征維度，使各特征維度具有更加全面的特征信息，從而實現金字塔結構的特征聚焦擴散，提升檢測精度。

7、可選地，所述金字塔結構采用特征聚焦模塊與特征擴散機制，所述特征聚焦模塊旨在捕獲并整合來自不同尺度的特征信息，并生成具有上下文信息的特征圖，其中，所述特征聚焦模塊接受三個尺度的輸入，內部包含一個inception-style模塊，所述inception-style模塊利用一組并行深度卷積捕獲跨多個尺度的信息；所述特征擴散機制旨在將所述特征聚焦模塊生成的上下文信息特征擴散到各個檢測尺度，以實現跨尺度的特征融合與增強，提升檢測精度。

8、可選地，所述關鍵點之間的位置關系包括關鍵點間的距離，所述根據所述坐標信息計算關鍵點之間的位置關系，并根據所述關鍵點之間的位置關系判斷醫護人員工作姿態是否存在風險包括：獲取dnpose-yolov8網絡輸出的左右腳踝的坐標，計算左右腳踝之間的法向距離；判斷左右腳踝法向距離是否超過預設閾值，若超過，則認為醫護人員工作姿態存在風險。

9、可選地，所述關鍵點之間的位置關系包括關節角度，所述根據所述坐標信息計算關鍵點之間的位置關系，并根據所述關鍵點之間的位置關系判斷醫護人員工作姿態是否存在風險包括：

10、針對構成關節角度的三個關鍵點、、，其中，為關節點，、為與關節點相鄰的關鍵點，線段與構成的夾角即為關節的關節角度，根據、、坐標值計算向量、：

11、；

12、；

13、式中，分別為關鍵點的x、y、z坐標值；分別為關鍵點的x、y、z坐標值；分別為關鍵點的x、y、z坐標值；

14、通過向量點積和模長計算向量和之間的夾角 ω的余弦值：

15、；

16、令，則關節的關節角度；

17、判斷計算出的關節角度是否在預設范圍內，若不在預設范圍則認為醫護人員工作姿態存在風險。

18、可選地，所述在檢測到存在風險姿態時生成提醒信息包括：設定風險等級，包括可忽略風險、低風險、中等風險和高風險，其中，可忽略風險對應rula等級中的1-2級，低風險對應rula等級中的3-4級，中等風險對應rula等級中的5-6級，高風險對應rula等級中的7級；通過顯示界面以不同顏色的字體顯示對應風險等級的提醒信息，其中，可忽略風險對應顯示白色字體，低風險對應顯示黃色字體，中等風險對應顯示橙色字體，高風險對應顯示紅色字體。

19、根據本發明的另一個方面，還提供了一種醫護人員動作監測與疲勞預防裝置，所述醫護人員動作監測與疲勞預防裝置包括存儲器、處理器和存儲在所述存儲器上并可在所述處理器上運行的計算機程序，所述計算機程序被所述處理器執行時實現如上所述的方法的步驟。

20、根據本發明的另一個方面，還提供了一種存儲介質，所述存儲介質上存儲有計算機程序，所述計算機程序被處理器執行時實現如上所述的方法的步驟。

21、本發明提出的一種醫護人員動作監測與疲勞預防方法，實現了醫護人員姿態的快速精確檢測，避免了人為主觀誤差，可以糾正醫護人員的不良姿勢，預防肌肉骨骼疾病。此外，本發明方法避免了由穿戴傳感器工作時會對工人造成的生理和心理不適，具有更高的自動化和更詳細客觀的評估，降低了評估方法的耗時繁雜的劣勢。本發明具有高效、實時、準確的特點，可廣泛應用于醫療場景中，幫助醫護人員優化配藥姿勢和動作，減少職業疲勞，提高工作效率和安全性。

技術特征：

1.一種醫護人員動作監測與疲勞預防方法，其特征在于，包括：

2.根據權利要求1所述的醫護人員動作監測與疲勞預防方法，其特征在于，對原始數據集中的每張圖像進行數據增強處理包括：

3.根據權利要求1所述的醫護人員動作監測與疲勞預防方法，其特征在于，將標注后的圖像數據集輸入到dnpose-yolov8網絡中進行訓練之前，所述方法還包括：

4.根據權利要求1所述的醫護人員動作監測與疲勞預防方法，其特征在于，所述dnpose-yolov8網絡是在yolov8-pose的基礎上進行的改進，改進內容包括：

5.根據權利要求4所述的方法，其特征在于，所述金字塔結構采用特征聚焦模塊與特征擴散機制，所述特征聚焦模塊旨在捕獲并整合來自不同尺度的特征信息，并生成具有上下文信息的特征圖，其中，所述特征聚焦模塊接受三個尺度的輸入，內部包含一個inception-style模塊，所述inception-style模塊利用一組并行深度卷積捕獲跨多個尺度的信息；所述特征擴散機制旨在將所述特征聚焦模塊生成的上下文信息特征擴散到各個檢測尺度，以實現跨尺度的特征融合與增強，提升檢測精度。

6.根據權利要求1所述的方法，其特征在于，所述關鍵點之間的位置關系包括關鍵點間的距離，所述根據所述坐標信息計算關鍵點之間的位置關系，并根據所述關鍵點之間的位置關系判斷醫護人員工作姿態是否存在風險包括：

7.根據權利要求1所述的方法，其特征在于，所述關鍵點之間的位置關系包括關節角度，所述根據所述坐標信息計算關鍵點之間的位置關系，并根據所述關鍵點之間的位置關系判斷醫護人員工作姿態是否存在風險包括：

8.根據權利要求1所述的方法，其特征在于，所述在檢測到存在風險姿態時生成提醒信息包括：

9.一種醫護人員動作監測與疲勞預防裝置，其特征在于，所述醫護人員動作監測與疲勞預防裝置包括存儲器、處理器和存儲在所述存儲器上并可在所述處理器上運行的計算機程序，所述計算機程序被所述處理器執行時實現如權利要求1至8中任一項所述的方法的步驟。

10.一種存儲介質，其特征在于，所述存儲介質上存儲有計算機程序，所述計算機程序被處理器執行時實現如權利要求1至8中任一項所述的方法的步驟。

技術總結
本發明公開了一種醫護人員動作監測與疲勞預防方法、裝置及存儲介質，涉及圖像處理技術領域。其中，該方法包括：采集不同視角醫護人員姿態圖像，構建原始數據集；對原始數據集中的每張圖像進行數據增強處理；利用labelme軟件標注出人體關鍵點；標注后的圖像數據集輸入DNPOSE?YOLOv8網絡中進行訓練；采集醫護人員工作圖像，并運用訓練后的DNPOSE?YOLOv8網絡識別出醫護人員工作時身體各個關鍵點的坐標信息；計算關鍵點之間的位置關系，判斷醫護人員工作姿態是否存在風險；生成提醒信息，指示醫護人員優化工作姿勢或者動作。通過本發明，可以實現醫護人員姿態的快速精確檢測，糾正醫護人員的不良姿勢，預防肌肉骨骼疾病。

技術研發人員：劉瑩,于穎,李京,崔亞娟,王紅平,陳功,王磊,趙春迪,臧子豪
受保護的技術使用者：吉林大學
技術研發日：
技術公布日：2025/4/28