【技术实现步骤摘要】
基于视觉和语音融合技术的抽动障碍症病情监测方法及其系统
本专利技术涉及大数据分析领域，尤其涉及医疗监测领域，具体是指一种基于视觉和语音融合技术的抽动障碍症病情监测方法及其系统。
技术介绍
人体动作识别是人工智能领域的一个研究方向，在抽动障碍被监测人病情长期监测和辅助治疗方面有长远的应用前景。该技术被广泛应用在交通、医疗和公共安全等方面。随着机器视觉技术的深度发展，融合视觉和语音的人体动作识别技术更加成熟可靠，使得视觉监测抽动障碍被监测人病情识别和监测成为可能。大数据技术可以应用于非结构化数据的分析、挖掘、大量实时监测数据分析等，在医疗领域有着十分重要的应用价值，为医疗卫生管理系统、综合信息平台等建设提供技术支持。对于抽动障碍症被监测人，其病情的主要表现即为一组神经精神障碍，如运动抽动或者发声抽动。症状以不自主、突发、重复、非节律性、刻板、单一或者多部位肌肉运动抽动或者发生抽动为特点。正是由于有些特征是不自主的、突发的、快速重复的肌肉抽动，靠人工是极难精确捕捉的，然而通过全天实时收集被监测人动作或者发声...
【技术保护点】
1.一种基于视觉和语音融合技术的抽动障碍症病情监测方法，其特征在于，所述的监测方法包括以下步骤：/n(1)持续获取被监测人的图像和声音信息并对被监测人发生运动和发声抽动进行实时判断；/n(2)根据步骤(1)中的被监测人发生运动和发声抽动的实时判断结果，将获得的抽动信息保存至数据库中；/n(3)根据被监测人数据库信息诊断病情，将诊断依据和诊断结果及时向相关人员反馈，并持续监测。/n
【技术特征摘要】
1.一种基于视觉和语音融合技术的抽动障碍症病情监测方法，其特征在于，所述的监测方法包括以下步骤：
(1)持续获取被监测人的图像和声音信息并对被监测人发生运动和发声抽动进行实时判断；
(2)根据步骤(1)中的被监测人发生运动和发声抽动的实时判断结果，将获得的抽动信息保存至数据库中；
(3)根据被监测人数据库信息诊断病情，将诊断依据和诊断结果及时向相关人员反馈，并持续监测。
2.根据权利要求1所述的基于视觉和语音融合技术的抽动障碍症病情监测方法，其特征在于，所述的步骤(1)具体包括以下步骤：
(1.1)通过图像和声音传感器实时获取被监测人的图像信息和声音信息；
(1.2)制作被监测人运动抽动和发声抽动匹配模板；
(1.3)实时匹配并判断被监测人是否发生运动抽动和发声抽动，若是，判定发生抽动并继续步骤(2)，若否，则返回步骤(1.1)继续监测。
3.根据权利要求2所述的基于视觉和语音融合技术的抽动障碍症病情监测方法，其特征在于，所述的步骤(1.1)，具体为：
通过图像传感器实时获取被监测人的肢体、面部动作等图像信息，通过声音传感器实时获取被监测人的发声信息。
4.根据权利要求2所述的基于视觉和语音融合技术的抽动障碍症病情监测方法，其特征在于，所述的步骤(1.2)，具体为：
人工选择含有被监测人明确的神经性肢体、面部抽动信息和神经性发声信息作为匹配模板，每段模板大小及格式属性可为适应不同的被监测人而灵活调整，每段模板信息会被添加到不同的动作分类标签，每类动作标签对应不止一个具有该动作特征的图像模板，且该类标签的不同的图像信息具有不同的抽动强度和单次抽动频次的相关信息。
5.根据权利要求2所述的基于视觉和语音融合技术的抽动障碍症病情监测方法，其特征在于，所述的实时匹配并判断被监测人是否发生运动抽动和发声抽动，具体为：
对由图像和声音传感器实时获得的图像信息和声音进行特征提取筛选，处理后的信息与所述的匹配模板进行学习匹配，若匹配相似度达到预设的阈值，则判定当前动作为该类模板所对应的动作抽动或者发声抽动，并返回发生运动抽动和发声抽动的判断结果；若无合适匹配结果则返回未发生运动抽动和发声抽动的判断结果。
6.根据权利要求1所述的基于视觉和语音融合技术的抽动障碍症病情监测方法，其特征在于，所述的将获得的抽动信息保存至数据库中，具体为：
将被监测人判定为神经性运动抽动和发声性抽动的图像信息和声音信息保存至被监测人数据库中。
7.根据...
【专利技术属性】
技术研发人员：周文举，韩小飞，费敏锐，王海宽，何钰，
申请(专利权)人：上海大学，
类型：发明
国别省市：上海;31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。