手工卫生对于预防病毒和感染是至关重要的。由于Covid-19的普遍爆发，戴着面具和手工卫生似乎是公众遏制这些病毒的传播最有效的方式。世界卫生组织（世卫组织）建议在八个步骤中推荐一支基于酒精的手摩擦的指导，以确保所有手表的手都完全干净。由于这些步骤涉及复杂的手势，对它们的人为评估缺乏足够的准确性。然而，深度神经网络（DNN）和机器视觉使得能够为培训和反馈的目的准确地评估手摩擦质量。本文介绍了一种具有实时反馈的自动化深度学习的手RUB评估系统。该系统使用在从志愿者收集的视频数据集上培训的DNN架构来评估符合8步指南的遵守情况，并在手动摩擦指南之后的各种肤色和手部特征。测试了各种DNN架构，并且成立型号的模型导致了97％的测试精度的最佳效果。在建议的系统中，NVIDIA Jetson Agx Xavier嵌入板运行软件。在各种用户使用的具体情况下评估系统的功效，并确定具有挑战性的步骤。在这个实验中，志愿者中手摩擦步骤的平均时间是27.2秒，符合世卫组织指导方针。
translated by 谷歌翻译