[發(fā)明專利]一種生物標本自助采集系統(tǒng)及采集方法

在審

• 申請?zhí)枺?/td>: 202010783555.3
• 申請日: 2020-08-06
• 公開（公告）號: CN112101100A
• 公開（公告）日: 2020-12-18
• 發(fā)明（設計）人: 高鵬飛;張景全;孫啟東;孟祥瑞
• 申請（專利權）人: 鞍山極致創(chuàng)新科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06N3/08;G06Q50/20;G06T13/80
• 代理公司: 鞍山嘉訊科技專利事務所(普通合伙) 21224
• 代理人: 張群

1.一種生物標本自助采集系統(tǒng)，其特征在于，所述的采集系統(tǒng)包括機箱、工控機、攝像頭、顯示器、身份證讀卡器和條碼打印機；工控機放于機箱內(nèi)，機箱前部上端安裝攝像頭，機箱前部安裝顯示器、身份證讀卡器和條碼打印機，人員進入豬場前，攝像頭、顯示器、身份證讀卡器和條碼打印機均與工控機電氣連接，人員進入豬場前，通過所述的采集系統(tǒng)對進場人員進行生物樣本采集；

所述的采集系統(tǒng)包括輸入輸出模塊、播放模塊，錄制模塊和識別模塊；

輸入輸出模塊：通過身份證讀卡器輸入身份證或手動輸入姓名，通過條碼打印機打印信息條碼；

播放模塊：通過顯示器播放人員生物標本采樣教學動畫；

錄制模塊：通過系統(tǒng)的攝像頭來存儲整個人員的采樣過程；

識別模塊：通過系統(tǒng)攝像頭采集的每一幀的數(shù)據(jù)進行判斷該動作是否為標準采集動作。

2.權利要求1所述的一種生物標本自助采集系統(tǒng)的采集方法，其特征在于，人員進入豬場前，通過所述的采集系統(tǒng)對進場人員進行生物樣本采集，包括如下步驟：

步驟一、通過身份證讀卡器輸入身份證或手動輸入姓名認證身份信息；

步驟二、打印信息條碼，提示人員進入采樣區(qū)；并發(fā)放擦拭用手套；

步驟三、被測人員站到攝像頭前指定位置；

步驟四、播放人員生物標本采樣教學動畫并配合語音，被測試人員按照教學動畫執(zhí)行動作，采集系統(tǒng)通過攝像頭采集視頻，由工控機存儲視頻并判斷被測試人員的動作是否有效；

1)播放擦拭頭發(fā)的標準動作動畫并配合語音，播放時間滿足人員的擦拭頭發(fā)時間要求；判斷被測試人員的動作是否有效，若有效則播放下一個動作，若無效，則再次播放；

2)播放擦拭面部的標準動作動畫并配合語音，其中包含額頭、臉部、嘴巴，播放時間滿足人員的擦拭面部時間要求；判斷被測試人員的動作是否有效，若有效則播放下一個動作，若無效，則再次播放；

3)播放擦拭耳朵的標準動作動畫并配合語音，其中包含耳朵及耳后，播放時間滿足人員的擦拭耳朵時間要求；判斷被測試人員的動作是否有效，若有效則播放下一個動作，若無效，則再次播放；

4)播放擦拭脖子的標準動作動畫并配合語音，其中包含脖子及后頸，播放時間滿足人員的擦拭脖子時間要求；判斷被測試人員的動作是否有效，若有效則播放下一個動作，若無效，則再次播放；

5)播放擦拭裸露皮膚的標準動作動畫并配合語音，其中包含胳膊、小腿等，播放時間滿足人員的擦拭胳膊、小腿時間要求；判斷被測試人員的動作是否有效，若有效則播放下一個動作，若無效，則再次播放；

6)播放擦拭手部的標準動作動畫并配合語音，其中包含手掌、手背、指甲縫，播放時間滿足人員的擦拭手部時間要求；判斷被測試人員的動作是否有效，若有效則播放下一個動作，若無效，則再次播放；

7)播放擦拭上衣前部及后部的標準動作動畫并配合語音，播放時間滿足人員的擦拭上衣時間要求；判斷被測試人員的動作是否有效，若有效則播放下一個動作，若無效，則再次播放；

步驟五、如果判斷被測試人員的動作全部有效，提示放置采樣手套；

步驟六、將擦拭用手套送檢；送檢合格后人員方可入內(nèi)。

3.根據(jù)權利要求2所述的一種生物標本自助采集系統(tǒng)的采集方法，其特征在于，步驟四中，判斷被測試人員的動作是否有效的方法包括如下：

步驟401、對采集的視頻利用Openpose開源庫生成人體骨骼圖；

步驟402、建立動作識別的模型：

1)制作數(shù)據(jù)集：制作兩個數(shù)據(jù)特征集，其一：用Openpose的開源庫把1000個的標準動作的視頻轉(zhuǎn)化成一系列的骨骼圖，在每個視頻生成骨骼圖中選取與動作分類對應的標準圖片，共30張，做成標簽，像這樣要做1000次，形成一個dataset；其二：計算各個關節(jié)點的角度和距離來形成一個特征一維向量的序列；

2)建立模型：使用深度學習BP網(wǎng)絡和卷積神經(jīng)網(wǎng)絡融合模型；

3)訓練模型：將圖片訓練集的數(shù)據(jù)輸入到卷積模型當中，訓練模型當中的共享參數(shù)，調(diào)試參數(shù)直到損失函數(shù)收斂，準確率達到97％以上完成訓練；將一位序列的特征向量作為BP網(wǎng)絡輸入訓練模型；

步驟403、將采樣動作視頻的每一幀都輸入到動作識別模型中，判斷這一系列動作是否有效。