[论文解读] Towards Vision-Based Smart Hospitals: A System for Tracking and Monitoring Hand Hygiene Compliance

Albert Haque, Michelle Guo+11 more|arXiv (Cornell University)|Aug 1, 2017

IoT-based Smart Home Systems参考文献 17被引用 73

一句话总结

论文提出一种非侵入式的基于深度图像的视觉系统，用于在医院检测、跟踪和分类手部卫生事件，在合规性评估方面优于隐性观察和类似 RFID 的接近基线。

ABSTRACT

One in twenty-five patients admitted to a hospital will suffer from a hospital acquired infection. If we can intelligently track healthcare staff, patients, and visitors, we can better understand the sources of such infections. We envision a smart hospital capable of increasing operational efficiency and improving patient care with less spending. In this paper, we propose a non-intrusive vision-based system for tracking people's activity in hospitals. We evaluate our method for the problem of measuring hand hygiene compliance. Empirically, our method outperforms existing solutions such as proximity-based techniques and covert in-person observational studies. We present intuitive, qualitative results that analyze human movement patterns and conduct spatial analytics which convey our method's interpretability. This work is a step towards a computer-vision based smart hospital and demonstrates promising results for reducing hospital acquired infections.

研究动机与目标

• 通过持续监控员工和患者互动，推动智慧医院降低医院获得性感染（HAIs）的发生。
• 开发一种非侵入、保护隐私的基于视觉的管道，用于在医院单元检测、跟踪并评估手部卫生合规性。
• 提供可解释的运动模式和空间使用分析，以辅助工作流优化和卫生策略。
• 展示可行性并量化相对于隐蔽观察和基于 RFID 的接近方法等基线的性能。

提出的方法

• 使用稀疏性驱动的占用追踪形式检测3D 行人位置。
• 通过求解 MAP/线性整数流优化，在多摄像头之间将检测连接成轨迹以实现对行人的跟踪。
• 使用具有视点不变性的时空（ST）空间变换网络，将深度+姿态+前景特征提取器整合到深度图像中，用于从深度图像中分类手部卫生事件。
• 通过时空匹配融合跟踪与分类，将分配器事件与具体轨迹相关联，并计算合规率。
• 在 ResNet-152 与深度/姿态/前景输入条件下评估分类器，结果显示在纳入空间变换网络时有所提升。

实验结果

研究问题

• RQ1 基于深度图像的非侵入式视觉系统是否能够准确检测并跟踪医院工作人员，以评估手部卫生事件？
• RQ2 在准确性方面，基于视觉的手部卫生评估与隐蔽现场观察及基于 RFID 的接近基线相比如何？
• RQ3 将视角不变特征和空间变换网络引入后，是否能改善基于深度数据的手部卫生事件分类？
• RQ4 是否可以将跟踪输出与活动分类融合，以产生可靠的合规指标和有意义的空间分析？

主要发现

• 所提出的系统在手部卫生合规性评估中的准确度为 75%，显著优于单次（63%）和分组（72%）隐蔽观察，以及 RFID 基线的接近性方法（18%）。
• 基于深度的方法实现非侵入、隐私安全的监控，可在 HIPAA/GDPR 约束下使用去身份化的深度数据而非彩色图像。
• 通过用前景和姿态线索扩展深度图，有助于手部卫生活动分类；在实验中进一步加入空间变换网络后，准确率提升了 1%。
• 定性可视化展示了可解释的变换和定位，突出感兴趣区域并支持与临床医生的信任。
• 论文提供了医院空间使用和移动模式的分析，为潜在的工作流优化和有针对性的感染防控策略提供支持。