面向智能终端的医护人员防护装备检测方法研究.pdf
摘要
摘要
个人防护装备（PersonalProtectiveEquipment，PPE）的规范使用可以有效保障
医护人员的安全与健康，基于计算机视觉的目标检测为医护人员的PPE穿戴规范
性检测提供了有力保障。然而面对复杂的医疗环境，以往的检测方法和检测设备存
在着易漏洞、便携性差、耗时耗力的问题，无法在突发公共卫生事件中对疫情防控
工作做出及时响应。针对上述问题，本文面向智能终端对医护人员防护装备穿戴规
范性检测方法开展研究。具体内容包括：
（1）基于注意力机制的医护人员PPE穿戴规范性检测模型构建。针对医护人
员PPE穿戴规范性检测中出现装备易误检漏检的问题，提出一种基于注意力机制
的医护人员PPE穿戴规范性检测模型MSZ-YOLO。考虑到PPE局部纹理差异小
的特性，构建了一种嵌入位置信息的Transformer模块，提升不同位置装备特征的
差异性。在YOLO框架中引入自注意力Transformer模块，构建一种融合局部细粒
度信息和全局信息的特征提取网络结构，提升PPE特征表征能力。此外，通过结
合加权双向特征金字塔网络来高效融合不同尺度的特征，进一步减少了模型在检
测中造成的漏检误检的可能性。实验结果表明，本文提出的MSZ-YOLO模型检测
精度达到94.8%，极大降低了漏检误检的可能性，相比于其他目标检测算法也在检
测性能和效率上有很大优势。
（2）轻量化PPE穿戴规范性检测模型构建。针对上述医护人员PPE检测模型
的体量、算力需求和智能终端可承受能力具有一定差距的问题，通过对MSZ-YOLO
进行轻量化处理，构建了MSZ-MpT-tiny模型使之能够满足嵌入式终端部署的现实
需求。通过引入MobileViTv3网络结构，对MSZ-YOLO骨干特征提取网络实现初
步轻量化。此外，利用部分卷积对MobileViTv3进行改进，构建了计算冗余和内存
访问更少的骨干特征提取网络。实验结果表明，经过轻量化的医护人员PPE穿戴
规范性检测模型在尽可能减少模型精度损失的同时，相较于原来的模型检测速度
提升了30.6%，模型参数的内存占用量减少了53.2%，为智能终端部署实现奠定了
基础。
（3）PPE穿戴规范性检测模型的智能终端部署与应用。针对医护人员防护装
备检测任务必须满足便携性、实时性的要求，本文在进行理论研究的同时，兼顾现
实应用，对上述轻量化的医护人员PPE穿戴规范性检测模型进行了嵌入式终端部
署，通过配置软硬件环境、模型部署实现及针对嵌入式设备的特点进行优化加速等
步骤，完成了医护人员PPE穿戴规范性检测模型在嵌入式智能终端的部署实现。
I
面向智能终端的医护人员防护装备检测方法研究
经实验验证，在嵌入式智能终端运行的检测模型能够快速、高效地完成PPE穿戴
规范性检测的任务。对医护人员在复杂医疗场景中能够快速、及时的响应疫情防控
工作具有重要的意义。
关键：医护人员；个人防护装备；目标检测；轻量化网络；嵌入式
II
目录
目录