[0001] 本申请涉及公共卫生技术领域，特别是涉及一种医院空气传播感染风险实时动态评估方法、设备、介质及产品。

[0002] 近年来，社会对于呼吸道疾病的关注度广泛提高。呼吸道疾病指病原体从人体的鼻腔、咽喉，经气管和支气管等呼吸道感染侵入而引起的疾病，主要是由病人或感染者经过飞沫传播，不同的呼吸道疾病有不同的临床表现。医护人员在救治患者的同时还面临着巨大的院内感染风险。院内感染又称医院获得性感染，是指人群在医院停留和治疗过程中获得的非原发性感染。

[0003] 医院作为人员高度密集且流动频繁的场所，其院内感染风险较高，特别是面对复杂多样的人员群体时，这一风险进一步增加。医院空间内的人员数量、接触时长、接触方式以及接触距离等因素，都会对感染的概率产生显著影响。尽管已有的研究为院内感染的监测提供了一定的基础，但仍有许多问题亟待解决：(1)许多研究侧重于检查单个区域的风险，或者仅考虑单个空间中人员的单一行为或静止状态对感染风险评估的影响。(2)尽管一些研究引入了距离指数来量化社交距离对暴露的影响，但它实际上仍然与人员密度及细粒度行为有关，之前的研究未能实现通过特定的空间位置信息和分区信息来分析空间中不同位置区域的感染风险。(3)一些研究通常只假设病毒传播的风险会随着个体之间的距离增加而减弱，忽略了含有病毒的飞沫和气溶胶在空气中传播的特征。

[0004] 因此，传统的管理手段并不能对医院空气传播感染风险进行有效评估，无法为及时预防和降低院内感染可能性提供有效的技术参考。

[0041] 下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

[0042] 为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请作进一步详细的说明。

[0043] 在一个示例性的实施例中，如图1所示，提供了一种医院空气传播感染风险实时动态评估方法，该方法由计算机设备执行，具体可以由终端或服务器等计算机设备单独执行，也可以由终端和服务器共同执行，在本申请实施例中，以该方法应用于服务器为例进行说明，包括以下步骤100至步骤106。其中：

[0044] 步骤100：基于人员数量指标确定多人员行为参数。人员数量指标为监控区域内的人员总数。多人员行为参数包括接触时间、接触距离、接触方式和人员数量。

[0045] 其中，分析在人员流动过程中轨迹所包含的细粒度行为，引入接触距离、接触方式、接触时间、人员数量的参数，如图2至图5所示。如图3所示，接触方式还可以包括但不限于面对面接触、面对背接触以及面对侧接触。其中，图2的(a)部分为接触距离空间分布示意图，图2的(b)为接触距离空间坐标示意图。

[0046] 步骤101：获取医院的视频监控数据，并采用机器学习算法对视频监控数据进行特征提取，生成目标检测图像。目标检测图像中包含人员ID和目标边界框。其中，可以采用摄像头获取医院的视频监控数据。

[0047] 步骤102：利用Byte Track算法，基于人员ID和目标边界框得到追踪目标。

[0048] 步骤103：将追踪目标和目标检测图像进行匹配，得到多目标跟踪结果。这一步骤实质可以实现目标在多个机器视觉(例如摄像头)下的跟踪。

[0049] 步骤104：使用透视变换方法对多目标跟踪结果进行坐标转换，得到转换数据。

[0050] 步骤105：采用改进的Wells‑Riley模型，基于多人员行为参数以及转换数据确定感染概率。

[0051] 步骤106：根据感染概率，进行医院空气传播感染风险实时动态评估。

[0052] 本申请另一个示例性的实施例中，以采用的机器学习算法是YOLOv8算法为例，对上述步骤101的实现过程进行说明。其中，基于在医院获取的视频监控数据，利用YOLOv8算法识别相关人员并进行特征提取，生成人员ID和目标边界框，具体的：

[0053] (1)从医院的监控数据中获取视频帧并输入到YOLOv8算法中。

[0054] (2)利用YOLOv8算法进行人员目标检测和特征提取。

[0055] (3)为目标生成唯一的ID和边界框。

[0056] 本申请另一个示例性的实施例中，步骤104的实现过程可以描述为：

[0057] (1)获取多目标跟踪结果中所有人员目标的时空坐标信息，用三维坐标(u,v,t)表示。

[0058] (2)采用透视变换公式确定转换矩阵，并采用转换矩阵将所有人员目标的时空坐标信息转换为空间坐标，得到转换数据。其中，将像素坐标转换为实际坐标，转换矩阵M坐标采用透视变换公式求解，坐标透视变换公式如下：

[0059]

[0060] 式中，(u,v)表示多目标跟踪结果中每一帧轨迹的笛卡尔坐标。(u,v,1)表示齐次坐标，为了统一标准，将YOLOv8算法中的目标跟踪框的底边中点作为该行人员的坐标点绘制鸟瞰图。M表示转换矩阵。aij(i,j＝1,2,3)为转换矩阵M的元素。(x,y,z)表示空间坐标，是变换后的齐次坐标，即鸟瞰图中的坐标。其笛卡尔坐标(x',y')满足以下方程：

[0061]

[0062] 本申请另一个示例性的实施例中，步骤105中，改进的Wells‑Riley模型的构建过程包括：在传统Wells‑Riley模型的基础上加入接触距离、接触方式、佩戴口罩的修正系数以及通风率四个新的参数，得到改进的Wells‑Riley模型。

[0063] 从视频数据中获取相关计算参数，进行感染概率的实时计算。其中，感染概率是指易感者感染概率，其表示为：

[0064]

[0065] 式中，P为感染概率。Pd为液滴在空气中暴露数量与距离的关系，是接触距离修正系数， d表示距离。I为感染者数量，默认为1。q为感染者的病毒产生速率，取142。S为人员吸入病毒的修正系数，即易感者吸入病毒的接触方式修正系数，与夹角和距离有关， θ1为感染者与同一监控区域中人员的空间位置角度。dm为咳嗽时的口腔直径，设为0.02m。p为人员的呼吸速率，取0.96。ka为感染者佩戴口罩时的修正系数，kb为人员佩戴口罩时的修正系数，ka和kb均为0.5。t是感染者与同一监控区域中人员的接触的时长。Q是通风率。Ez是空气分配效率。

[0066] 本申请另一个示例性的实施例中，步骤106的实现过程可以描述为：

[0067] (1)人员行为分析：

[0068] 根据人员时空坐标信息，分析各个监控区域内的人员数量分布情况。根据高风险感染人员的时空轨迹信息，提取高风险人员与他人的接触时间、接触方式以及接触距离，对人员行为进行分析。

[0069] (2)空气传播感染风险实施评估：

[0070] 根据各个监控区域内易感者的感染概率对高风险的感染区域和感染人群进行实时评估和监测。其中，基于感染概率确定高风险感染区域，并对高风险感染区域中的人员进行实时评估和动态监测。高风险感染区域为感染概率高于设定阈值的监控区域。

[0071] 基于上述描述，相对于现有方法，本申请的主要优点在于：

[0072] 1、基于细粒度行为信息的感染风险分析：本申请基于计算机视觉的人员行为轨迹捕获为短距离接触提供了细粒度的行为信息，这种方法超越了以前依赖浅层行为指标的研究方法。此外，基于摄像头的人员行为轨迹捕捉来评估感染风险，结合了现场人员口罩佩戴及现场通风环境测量测量换气率情况。通风率的现场测量反映了客观的物理环境，保持社交距离和戴口罩是主观控制的。在这种情况下，通过实时监测人员活动和聚集，基于细粒度的人员接触分析，可以立即采取措施提高通风率或广播警报以加强口罩佩戴，可有效降低感染概率。

[0073] 2、多人员多空间的风险评估：本申请所提出的方法可以在多个摄像头(即机器视觉)之间进行协同工作，当危险人员从一个摄像头的视角消失进入到另一个摄像头时，本申请提供的方法仍然可以进行跟踪和识别，大大减少了医护人员的工作量。

[0074] 3、时空维度感染风险的识别：本申请所提出的基于机器视觉的行为轨迹捕捉方法的优点是可以在时空维度上获取联系信息并计算风险。本申请所提出的轨迹捕获方式可以分析暴露时间及其空间分布，以及感染风险在时间维度上的变化。

[0075] 在一示例性的实施例中，提供了一种计算机设备，该计算机设备可以是服务器或者终端，其内部结构图可以如图6所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output，简称I/O)和通信接口。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储医院空气传播感染风险实时动态评估数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种医院空气传播感染风险实时动态评估方法。

[0076] 本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。在一个示例性的实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。

[0077] 在一个示例性的实施例中，提供了一种计算机可读存储介质，存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。

[0078] 在一个示例性的实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。

[0079] 需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要符合相关规定。

[0080] 本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read‑OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive RandomAccess Memory，MRAM)、铁电存储器(Ferroelectric RandomAccess Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(RandomAccess Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static RandomAccess Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。

[0081] 本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。

[0082] 以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

[0083] 本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本申请的限制。