一种基于多模融合的非接触式疫情监测识别系统技术方案

本发明专利技术具体涉及一种基于多模融合的非接触式疫情监测识别系统，其整体系统是由输入模块、信号融合处理单元以及输出模块组成；输入模块是红外传感器，超宽带雷达，以及预留传感器接口组成；信号融合处理单元可通过对红外传感器与超宽带雷达反馈数据进行解析与并联处理，与内置的样本库进行对比，进而做出识别判断；输出模块是由人机交互终端、数据存储上传模块组成。发明专利技术通过红外传感器提取目标人员的体表温度信息，同时使用超宽带雷达获取目标人员的心肺呼吸情况，将两种传感器获取的目标信息进行融合处理分析，结合已有的医疗病理信息，做到了非接触式条件下判断目标人员感染情况，实现了疫情的快速、机动性监测识别的目的。

【技术实现步骤摘要】
一种基于多模融合的非接触式疫情监测识别系统
本专利技术涉及公共卫生服务
，具体是涉及一种基于多模融合的非接触式疫情监测识别系统。
技术介绍
在整个人类社会发展进程中一直伴随着各种瘟疫、大规模传染性疾病的爆发。感染人员的筛查识别是整个防疫过程的重要一环：疫情早期通过各种手段监测识别出已感染人员，并尽快进行隔离治疗是防止疫情在人群中大规模扩散的主要手段。疫情后期在各行业复工复产的情况下，持续监测人群，尽早识别出感染者是防止疫情反扑的关键办法。现有的疫情监测识别主要以温度测量、化验、胸透等方法，考虑到检测速度和检测场地限制问题，目前在工厂、学校、车站等公共场所普遍只采用测量体温的方法来筛查目标人群，但温度测量存在两个问题：首先，工作人员需现场测量，有感染风险；其次，测量准确度不高，对于处在潜伏期或隐性感染者仅通过测量温度无法检测出来，造成漏报。目前仍无相关类似产品或专利公布。现在市场上仅有部分公司使用红外传感器提取目标人员的体温信息，但未有公司将红外测温技术和雷达测心肺技术融合起来作为疫情监测手段。
技术实现思路
为了实现以上目的，本专利技术通过红外传感器提取目标人员的体表温度信息，同时使用超宽带雷达获取目标人员的心肺呼吸情况，将两种传感器获取的目标信息进行融合处理分析，结合已有的医疗病理信息，做到了非接触式条件下判断目标人员感染情况，实现了疫情的快速、机动性监测识别的目的，具体的技术方案如下：本专利技术提供的一种基于多模融合的非接触式疫情监测识别系统，其整体系统是由输入模块、信号融合处理单元以及输出模块组成。输入模块是由通过光电感知技术采集人体红外辐射能量、获取体表温度信息的红外传感器，通过向目标人体发射纳秒级电磁脉冲信号并接收携带人体心肺信息反射回波的超宽带雷达，以及对系统进行功能扩展和性能优化的预留传感器接口组成。信号融合处理单元可通过对红外传感器与超宽带雷达反馈数据进行解析与并联处理，与内置的样本库进行对比，进而做出识别判断。输出模块是由用来显示检测识别结果、供操作人员调整设备参数的人机交互终端，和用来标记、存储采集到的数据，并将数据回传更新的数据存储上传模块组成。人机交互终端主要用来显示检测识别结果，同时操作人员可通过终端调整设备的相关参数，优化测试性能。数据存储上传模块主要用来标记、存储采集到的数据，并将数据回传至公司云端，实时更新样本库数据，最终建立疫情大数据库，不断更新检测算法。进一步地，信号融合处理单元对于超宽带雷达的回波数据的解析流程为：首先，对回波数据进行背景杂波滤除和距离衰减补偿预处理；其次，通过由呼吸胸腔起伏运动引起的多普勒效应提取回波数据中的人体呼吸波形；最后，通过短时傅里叶将时域信号转变至频域，得到目标准确的呼吸频率。进一步地，信号融合处理单元对红外传感器与超宽带雷达反馈数据的并联处理流程为：首先，采集从温度传感器处得到的温度信息以及从超宽带雷达处得到的人体呼吸频率、稳定度、幅度信息；其次，将S41中采集到的信息联合已有的医学先验知识和由大数据样本库生成的检测标准对目标感染情况进行判定；最后，将采集到的数据添加标签存入大数据样本库，并根据样本库生成检测标准，实时更新。进一步地，预留传感器接口可根据实际需求，增添用于呼吸率、脉率、血压、血氧的相关传感器，以及类似摄像头这样的各类光学传感器，或者类似于麦克风这样的声学传感器。因此，本专利技术不不仅仅局限于新冠肺炎的检测，做简单调整后还可用于其它心肺类传染性疾病检测，以及用于普通病人生理特征监测，具有广阔的应用范围。与现有的疫情监测系统相比，本专利技术的有益效果是：(1)检测准确度高：通过温度和心肺信息融合监测，依靠信息冗余性互相验证，比单纯利用测量温度筛查感染人员具有更高的准确度，尤其对于体温变化不明显的感染者，通过检测心肺情况可有效筛查感染情况。(2)检测速度快：与医疗试剂化验反应时间相比，本专利技术仅需要十余秒就可提取到目标人员的温度和心肺信息，且可对固定区域内多个目标同时进行检测，这满足了人流量大、人口数量大的应用场景下高效检测需求。(3)主动检测：不需要被检测人员配合，主动获取目标目标区域内人员的相关身体信息。(4)机动性强：装备高度集成化，单人即可携带操作，可按照要求布置在工厂、车站、学校等人口流动性大的场所实时检测通行人员。附图说明图1是本专利技术装置的系统组成图；图2是本专利技术信号处理检测算法流程图；图3是本专利技术呼吸波形提取结果图；图4是本专利技术装置工作时序流程图。图3中，A图为经过预处理的时域回波图，B图为提取的人体呼吸波形图，C图为经过滤波处理后得到的人体呼吸波形图。具体实施方式为更进一步阐述本专利技术所采取的方式和取得的效果，下面将结合附图对本专利技术的技术方案进行清楚和完整地描述。实施例一如图1所示，本专利技术提供的一种基于多模融合的非接触式疫情监测识别系统，其整体系统是由输入模块、信号融合处理单元以及输出模块组成。输入模块是由通过光电感知技术采集人体红外辐射能量、获取体表温度信息的红外传感器，通过向目标人体发射纳秒级电磁脉冲信号并接收携带人体心肺信息反射回波的超宽带雷达，以及对系统进行功能扩展和性能优化的预留传感器接口组成。信号融合处理单元可通过对红外传感器与超宽带雷达反馈数据进行解析与并联处理，与内置的样本库进行对比，进而做出识别判断。输出模块是由用来显示检测识别结果、供操作人员调整设备参数的人机交互终端，和用来标记、存储采集到的数据，并将数据回传更新的数据存储上传模块组成。人机交互终端主要用来显示检测识别结果，同时操作人员可通过终端调整设备的相关参数，优化测试性能。数据存储上传模块主要用来标记、存储采集到的数据，并将数据回传至公司云端，实时更新样本库数据，最终建立疫情大数据库，不断更新检测算法。具体的，信号融合处理单元对于超宽带雷达的回波数据的解析流程为：首先，对回波数据进行背景杂波滤除和距离衰减补偿预处理；其次，通过由呼吸胸腔起伏运动引起的多普勒效应提取回波数据中的人体呼吸波形；最后，通过短时傅里叶将时域信号转变至频域，得到目标准确的呼吸频率。具体的，信号融合处理单元对红外传感器与超宽带雷达反馈数据的并联处理流程为：首先，采集从温度传感器处得到的温度信息以及从超宽带雷达处得到的人体呼吸频率、稳定度、幅度信息；其次，将S41中采集到的信息联合已有的医学先验知识和由大数据样本库生成的检测标准对目标感染情况进行判定；最后，将采集到的数据添加标签存入大数据样本库，并根据样本库生成检测标准，实时更新。具体的，预留传感器接口可根据实际需求，增添用于呼吸率、脉率、血压、血氧的相关传感器，以及类似摄像头这样的各类光学传感器，或者类似于麦克风这样的声学传感器。因此，本专利技术不不仅仅局限于新冠肺炎的检测，本文档来自技高网...

【技术保护点】
1.一种基于多模融合的非接触式疫情监测识别系统，其特征在于，其整体系统是由输入模块、信号融合处理单元以及输出模块组成；/n所述输入模块是由通过光电感知技术采集人体红外辐射能量、获取体表温度信息的红外传感器，通过向目标人体发射纳秒级电磁脉冲信号并接收携带人体心肺信息反射回波的超宽带雷达，以及对系统进行功能扩展和性能优化的预留传感器接口组成；/n所述信号融合处理单元可通过对红外传感器与超宽带雷达反馈数据进行解析与并联处理，与内置的样本库进行对比，进而做出识别判断；/n所述输出模块是由用来显示检测识别结果、供操作人员调整设备参数的人机交互终端，和用来标记、存储采集到的数据，并将数据回传更新的数据存储上传模块组成。/n

【技术特征摘要】
1.一种基于多模融合的非接触式疫情监测识别系统，其特征在于，其整体系统是由输入模块、信号融合处理单元以及输出模块组成；
所述输入模块是由通过光电感知技术采集人体红外辐射能量、获取体表温度信息的红外传感器，通过向目标人体发射纳秒级电磁脉冲信号并接收携带人体心肺信息反射回波的超宽带雷达，以及对系统进行功能扩展和性能优化的预留传感器接口组成；
所述信号融合处理单元可通过对红外传感器与超宽带雷达反馈数据进行解析与并联处理，与内置的样本库进行对比，进而做出识别判断；
所述输出模块是由用来显示检测识别结果、供操作人员调整设备参数的人机交互终端，和用来标记、存储采集到的数据，并将数据回传更新的数据存储上传模块组成。


2.如权利要求1所述的一种基于多模融合的非接触式疫情监测识别系统，其特征在于，所述信号融合处理单元对于超宽带雷达的回波数据的解析流程为：
S21：首先对回波数据进行背景杂波滤除和距离衰减补偿预处理；
S22：然后通过由呼吸胸腔起伏运动引起的多普勒效应提取回波数据中的人体呼吸波形；
S23：最后通过短时傅里叶将时域信号转变至频域，得到目标准确的呼吸频率。


3.如权利要求2所述的一种基于多模融合的非接触式疫情监测识别系统，其特征在于，所述信号融合处理单元对于回波数据的预处理是基于一维卷积神经网络进行的，所述一维卷积神经网络是由卷积操作、池化、非线性操作和批量归一化构成；
所述卷积操作利用权值共享减少了网络参数量，能够避免过拟合现象发生，其表达式如下：



其中，x为输入的一维信号，y为池化层输出，ω为卷积核；
所述池化操作能够执行空间或特征类型的聚合，降低空间维度，减少训练参数量，其表达式如下：






其中，x为输入信号，ymp为最大池化输出，ygap为全局平均池化输出；
所述非线性操作是通过层级...

【专利技术属性】
技术研发人员：梁步阁，金养昊，
申请(专利权)人：梁步阁，
类型：发明
国别省市：湖南;43