CleanVibe 数据集：基于结构振动传感的洗手监测

数据集获取

源站：https://doi.org/10.5281/zenodo.14590619

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 部分平台提供 SDK，例如：
   • OpenDataLab: pip install openxlab 后 openxlab.dataset.get(...)
   • ModelScope: pip install modelscope 后 modelscope download
   • 天池: 登录后页面提供直链下载
     以源站「数据下载/使用文档」页面为准。

数据集大小约 494.7 MB。

数据说明

我们介绍了CleanVibe数据集，这是一个由3人洗手引起的结构振动数据集。正确洗手对于预防医疗保健相关感染（HCAIs）（即在医疗保健环境内或周围发生的感染）和降低疾病传播率至关重要。在COVID-19疫情期间，洗手被认定为减少传播的最佳实践之一。现有的在医疗保健环境中检测和监测洗手的方法包括直接观察以及基于传感的技术，如视觉、射频（RF）、声学和可穿戴设备。然而，这些先前的方法在许多实际应用中受到部署限制，如视线/感知隐私问题（视觉）、稀疏/不足的监测（直接观察）、对环境噪声的敏感性（声学），以及要求用户佩戴和/或携带设备（RF、可穿戴设备）。为了克服这些先前工作的局限性，我们引入了CleanVibe数据集，该数据集利用结构振动来监测洗手活动。

这种方法背后的主要洞见在于，洗手的各个阶段（即走向洗手台、打开水龙头、使用肥皂以及在水中冲洗双手）均会在水槽结构和/或周围地板结构中产生振动。通过测量水槽结构的振动，我们能够准确检测每项活动是否发生，并监测其持续时间，以确保正确遵循洗手指南。这一数据集使得在多种场景下开发非侵入式洗手监测成为可能，无需个人佩戴或携带任何设备。

数据加载示例（图像类）

from PIL import Image
import glob, os

files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)

# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path)  # 要求 子目录=类别

目录组织与标注格式以源站说明和下载后实际文件为准。