基于心率估计和呼吸估计的人体体温变化预测方法技术

本发明专利技术涉及人体体温预测技术领域，具体是基于心率估计和呼吸估计的人体体温变化预测方法，用于解决不能对人体体温进行更加准确预测的问题。本发明专利技术包括以下步骤：步骤S1：计算心率h和呼吸率b；步骤S2：将心率h、呼吸率b与分别对应的时间t推入堆栈p中；步骤S3：从堆栈P中找到最近时间内的数据集合S，通过Meanshift算法计算S中心率数据集最集中的心率值hb_s，作为测量的心率有效值，通过Meanshift算法计算S中呼吸率数据集最集中的呼吸率值hb_l，作为测量的呼吸率有效值；步骤S4：通过公式dT＝f(hb_s，hb_l，age，t)计算体温偏移量，其中age是年龄，f是由大量数据创建的数据模型；步骤S5：将体温偏移量dT与基础体温TO相加，得到最终体温T，即T＝TO+dT。从而可更加准确的预测人体体温。

【技术实现步骤摘要】
基于心率估计和呼吸估计的人体体温变化预测方法
本专利技术涉及人体体温预测
，更具体的是涉及基于心率估计和呼吸估计的人体体温变化预测方法。
技术介绍
准确的测量人体物理温度对人的健康具有较为积极的指导意义，通常情况下我们用体温计来测量人体的体温，体温计是在温度计的基础上研制成功的用于测量人体物理温度。对人体温度进行测量不仅可以确诊疾病的发生，还可以对某些重大疾病或隐藏于身体内部的健康隐患起着积极的预防与警示作用。尽管体温计广泛的运用测量人体的体温，但是体温计需要与人体接触才能测量得出其体温，也就是接触式体温计，而在公共场所大范围体温检测、婴幼儿体温检测、特殊病人等等情况体温检测都对非接触式体温检测有强烈的需求。现有技术中非接触式体温检测主要有手持式额温计和医用热像仪。手持式额温计使用简单方便，只需要由检测人手持额温计对准人的额头并与额头保持一定距离即可测量人的额头温度，具有非接触，交叉感染情况少的优点。其缺点也很明显，由于测量本身是对人体额头表面问题的测量，需要将环境温度作为温度矫正，没有条件使用黑体作为温度标定，受检测距离影响大，所以在环境温度变化大，落差大的情况下，额温枪估算出的体温存在较大的误差。最初，手持式额温计是针对家庭应用而产生的，可以对发烧症状进行初步诊断，但不可以作为临床依据，也不能对人体温度的变化进行预测。医用热像仪是用来摄取人体温度分布的热图像，是专门为临床诊断的需要而设计的。虽然它具有较高的测温精度，可以精确地给出人体表面任意一点的温度。但它的使用需要依赖黑体做温度标定，检测距离严格固定，仪器本身需要特殊的制冷装置，主要用途不是用来测量人体的核心温度，而是通过对人体温度分布的热图像，表征人体温度分布有无变化、变化的部位及其程度的观察，分析热像和定量测出温度差值后，根据解剖学、病理学和临床经验，诊断有无病症、病症的位置、性质及其程度。因此其使用成本高昂，操作需要相关医学知识，只适用于专业医疗机构中，且不能对人体温度的变化进行预测。现有技术中公开了申请号为CN201710728557.0，专利名称为一种体温测量设备、方法及其装置的专利，该专利采用主动式测温，需要人为操作设备对客体具体测温区域进行测温操作，不适用于无人值守被动检测体温的场景，比如非接触式睡眠体温检测；其测温结果需要对环境温度进行补偿，在环境温差较大的情况下存在结果偏离过大的问题；人体红外热辐能量在不同的检测距离上差异很大，所以需要固定标准检测距离才能保证结果一致性，不适用于较远距离的体温检测，同时也不能对人体温度的变化进行预测。上述现有技术均不能对人体体温进行预测，为了更好的了解人体体温的变化，我们需要对人体的体温进行预测。现有技术中公开了申请号为CN106991406A，专利名称为一种视觉感知识别系统的专利。该专利建立了视觉图像与被测用户生理信号的关系，在本专利技术中通过输入图像的不同数据类型完成包括但不限于RGB可见光、IR近红外光、PPG单色光谱的生理信号提取和分析工作，为体温预测打下基础。另一件申请号为CN110537900A，专利名称为体温数据处理装置及其体温数据处理方法，该专利使用目标体温升温的全过程体温数据做拟合模型，针对贴片式体温计的短时体温预测有时效性，但只是对贴片式体温计的准确性做优化，并非是非接触式体温检测方案的体温检测准确性优化方案，不可用于非接触式体温检测方案。由于每个被测个体的体温升温曲线不同，所以此方法不能对个体体温变化做预测，只能对贴片式体温计的升温做预测。综上，现有技术中不能对人体体温进行很好的预测，为了可以更加准确的预测人体体温的变化，我们提出了一种基于心率估计和呼吸估计的人体体温变化预测方法。
技术实现思路
基于以上问题，本专利技术的目的在于：提供基于心率估计和呼吸估计的人体体温变化预测方法，用于解决现有技术中不能对人体体温进行更加准确预测的问题。本专利技术为了实现上述目的具体采用以下技术方案：基于心率估计和呼吸估计的人体体温变化预测方法，包括以下步骤：步骤S1：计算心率h和呼吸率b；步骤S2：将心率h、呼吸率b与分别对应的时间t推入堆栈p中；步骤S3：从堆栈P中找到最近时间内的数据集合S，通过Meanshift算法计算S中心率数据集最集中的心率值hb_s，作为测量的心率有效值，通过Meanshift算法计算S中呼吸率数据集最集中的呼吸率值hb_l，作为测量的呼吸率有效值；步骤S4：通过公式dT＝f(hb_s，hb_l，age，t)计算体温偏移量，其中age是年龄，f是由大量数据创建的数据模型；其中，模型数据f建模包括如下步骤：步骤1：通过CMOS传感器非接触式的提取视觉脉搏和呼吸信号，通过光电容积脉搏仪器提取PPG信号，并将PPG信号转换成脉搏与呼吸计数；步骤2：根据个体体温、心率、呼吸、年龄相关性模型构建体温预测回归模型。步骤S5：将体温偏移量dT与基础体温T0相加，得到最终体温T，即T＝T0+dT。在数据集合S中进一步计算心率h和呼吸率b，即所述步骤S3中以窗口Wn＝5帧的时间为滑动窗口计算数据集合S中的心率h和呼吸率b，得到的心率集合为H＝[hr1，hr2，...，hrn]，呼吸率集合为B＝[br1，br2，...，brn]；其中，hr1是第一次计算的心率，hr2是第二次计算的心率，hrn是第n次计算的心率；br1是第一次计算的呼吸率，br2是第二次计算的呼吸率，brn是第n次计算的呼吸率。进一步对心率集合H和呼吸率集合为B进行处理，即将心率集合H通过时间排序定义为：H′＝[hr′1，hr′2，hr′3，...，hr′n]，将呼吸率集合为B通过时间排序定义为：B′＝[br′1，br′2，br′3，...，br′n]；通过Meanshift聚类算法对心率h与呼吸率b进行聚簇，定义公式如下所示：hb_s＝F(H′)hb_l＝F(B′)其中，H′为通过时间排序后的心率集合，hr′1为通过时间排序后的第一个心率，hr′n为通过时间排序后的第n个心率，B′为通过时间排序后的呼吸率集合，br′1为通过时间排序后的第一个呼吸率，br′n为通过时间排序后的第n个呼吸率，函数F定义为Meanshift聚类。具体使用Meanshift聚类得到F(H′)的方法如下：定义Mh(hr′1)＝F(H′)，则心率的漂移向量为：以半径为d的圆形领域内的心率，定义为：Sd(hr′1)＝{hr′i|(hr′i-hr′1)2＜d2}，通过迭代计算心率的均值漂移向量寻找圆形区域内的心率，当满足连续两次漂移后的两个心率间的距离小于阈值δ时，停止迭代，将此时计算的心率值作为心率有效值输出；其中，公式中Sd为以半径为d的圆形领域内的心率集合，k为圆形领域内心率的数量。具体使用Meanshift聚类得到F(B′)的方法如下：定义Mb(br′1)＝F(B′)，则呼吸率的均值漂移向量为：以半径为d的圆形领域内的呼吸率，定义为：Sd(br′1)＝{br′本文档来自技高网...

【技术保护点】
1.基于心率估计和呼吸估计的人体体温变化预测方法，其特征在于：包括以下步骤：/n步骤S1：计算心率h和呼吸率b；/n步骤S2：将心率h、呼吸率b与分别对应的时间t推入堆栈p中；/n步骤S3：从堆栈P中找到最近时间内的数据集合S，通过Meanshift算法计算S中心率数据集最集中的心率值hb_s，作为测量的心率有效值，通过Meanshift算法计算S中呼吸率数据集最集中的呼吸率值hb_I，作为测量的呼吸率有效值；/n步骤S4：通过公式dT＝f(hb_s，hb_l，age，t)计算体温偏移量，其中age是年龄，f是由大量数据创建的数据模型；/n步骤S5：将体温偏移量dT与基础体温T0相加，得到最终体温T，即T＝T0+dT。/n

【技术特征摘要】
1.基于心率估计和呼吸估计的人体体温变化预测方法，其特征在于：包括以下步骤：
步骤S1：计算心率h和呼吸率b；
步骤S2：将心率h、呼吸率b与分别对应的时间t推入堆栈p中；
步骤S3：从堆栈P中找到最近时间内的数据集合S，通过Meanshift算法计算S中心率数据集最集中的心率值hb_s，作为测量的心率有效值，通过Meanshift算法计算S中呼吸率数据集最集中的呼吸率值hb_I，作为测量的呼吸率有效值；
步骤S4：通过公式dT＝f(hb_s，hb_l，age，t)计算体温偏移量，其中age是年龄，f是由大量数据创建的数据模型；
步骤S5：将体温偏移量dT与基础体温T0相加，得到最终体温T，即T＝T0+dT。


2.根据权利要求1所述的基于心率估计和呼吸估计的人体体温变化预测方法，其特征在于：所述步骤S3中以窗口Wn＝5帧的时间为滑动窗口计算数据集合S中的心率h和呼吸率b，得到的心率集合为H＝[hr1，hr2，...，hrn]，呼吸率集合为B＝[br1，br2，...，brn]；其中，hr1是第一次计算的心率，hr2是第二次计算的心率，hrn是第n次计算的心率；br1是第一次计算的呼吸率，br2是第二次计算的呼吸率，brn是第n次计算的呼吸率。


3.根据权利要求2所述的基于心率估计和呼吸估计的人体体温变化预测方法，其特征在于：将心率集合H通过时间排序定义为：H′＝[hr′1，hr′2，hr′3，...，hr′n]，将呼吸率集合为B通过时间排序定义为：B′＝[br′1，br′2，br′3，...，br′n]；通过Meanshift聚类算法对心率h与呼吸率b进行聚簇，定义公式如下所示：
hb_s＝F(H′)
hb_I＝F(B′)
其中，H′为通过时间排序后的心率集合，h...

【专利技术属性】
技术研发人员：李丹疆，金德新，刘萍，黎平，
申请(专利权)人：贵阳像树岭科技有限公司，
类型：发明
国别省市：贵州;52