技術(shù)特征：

1.基于機(jī)器視覺的多角度cpr訓(xùn)練視頻檢測，其特征在于：包括建立lcgs-yolo模型、準(zhǔn)備工作、kcht匹配算法設(shè)計(jì)和制定評(píng)分標(biāo)準(zhǔn)；

2.根據(jù)權(quán)利要求1所述的基于機(jī)器視覺的多角度cpr訓(xùn)練視頻檢測，其特征在于：所述局部條件共享特性共享層設(shè)計(jì)用于局部條件共享特征共享層通過整合多尺度上下文特征，來增強(qiáng)輸入特征圖中的局部和全局信息，該模塊利用自適應(yīng)池化技術(shù)提取全局和局部上下文，并采用可學(xué)習(xí)權(quán)重，以提高在不同空間尺度上的目標(biāo)聚焦度和檢測準(zhǔn)確性，輸入特征圖x經(jīng)過兩種尺度的自適應(yīng)池化；

3.根據(jù)權(quán)利要求1所述的基于機(jī)器視覺的多角度cpr訓(xùn)練視頻檢測，其特征在于：所述創(chuàng)建專用數(shù)據(jù)集是選取了所收集視頻的40％，共105個(gè)片段，根據(jù)動(dòng)作復(fù)雜度和關(guān)鍵事件，如胸外按壓和人工呼吸的開始與結(jié)束，從每個(gè)視頻中提取了20到30個(gè)關(guān)鍵幀，這一過程最終產(chǎn)生了2,156個(gè)標(biāo)注幀，這些幀被分為訓(xùn)練集共1946幀和驗(yàn)證集共210幀；

4.根據(jù)權(quán)利要求1所述的基于機(jī)器視覺的多角度cpr訓(xùn)練視頻檢測，其特征在于：所述目標(biāo)動(dòng)態(tài)預(yù)測是kcht算法利用卡爾曼濾波器動(dòng)態(tài)預(yù)測目標(biāo)的位置、速度和其他狀態(tài)信息，為每個(gè)目標(biāo)生成合理的預(yù)測；

5.根據(jù)權(quán)利要求1所述的基于機(jī)器視覺的多角度cpr訓(xùn)練視頻檢測，其特征在于：所述cohen's?kappa系數(shù)一個(gè)用于評(píng)估分類預(yù)測準(zhǔn)確性與隨機(jī)性之間差異的統(tǒng)計(jì)指標(biāo),適用于評(píng)估兩個(gè)評(píng)估者或分類器在分類任務(wù)上的一致性程度，即使這些分類任務(wù)存在隨機(jī)性；

6.基于機(jī)器視覺的多角度cpr訓(xùn)練視頻檢測方法，其特征在于：該方法設(shè)計(jì)包含以下組成部分：

技術(shù)總結(jié)
本發(fā)明公開了基于機(jī)器視覺的多角度CPR訓(xùn)練視頻檢測，其特征在于：包括建立LCGS?YOLO模型、準(zhǔn)備工作、KCHT匹配算法設(shè)計(jì)和制定評(píng)分標(biāo)準(zhǔn)。本發(fā)明與現(xiàn)有的技術(shù)相比的優(yōu)點(diǎn)在于：本通過純機(jī)器視覺技術(shù)，精確檢測心肺復(fù)蘇中的關(guān)鍵目標(biāo)——適當(dāng)頻率的心肺按壓和人工呼吸，特別是在復(fù)雜動(dòng)態(tài)環(huán)境中，確保高效、精準(zhǔn)的評(píng)估，構(gòu)建了針對CPR評(píng)估的定制數(shù)據(jù)集，基于此數(shù)據(jù)集訓(xùn)練LCSG?YOLO模型，通過視頻上傳，系統(tǒng)依據(jù)預(yù)設(shè)標(biāo)準(zhǔn)自動(dòng)評(píng)估CPR操作，判斷其是否符合標(biāo)準(zhǔn)，無需依賴傳感器，為CPR質(zhì)量提升與培訓(xùn)提供了科學(xué)支持，推動(dòng)智能化評(píng)估應(yīng)用的普及。

技術(shù)研發(fā)人員：畢猛,劉龍鑫,劉也,于嘉怡
受保護(hù)的技術(shù)使用者：沈陽工業(yè)大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/15