一种七步洗手法动作规范性智能检测方法

本发明涉及计算机视觉和深度学习技术领域，是一种七步洗手法动作规范性智能检测方法。该方法首先完成视频数据的采集、预处理和标注；其次通过引入Swin Transformer V1网络和CA(CoordAttention)注意力机制，对YOLOv5模型的Backbone进行增强，以提升图像特征提取能力和特征表达能力；然后在Neck网络结构中加入BiFPN(Bi‑directional Feature Pyramid Network)网络，实现多尺度特征的有效融合，提升检测精度；最后进行模型训练，并将训练好的模型应用于实时视频流，实现对七步洗手法各个动作步骤的准确识别。本发明提升了对复杂动作细节的识别精度和连续性检测能力，同时增强了模型在多变环境下的鲁棒性，为七步洗手法动作规范性的智能检测提供了一种高效、准确的解决方案，具有广阔的应用前景。