使用混合感测系统的生物测定数据捕获和分析技术方案

设备和方法检测用户的健康状况，所述健康状况可以根据热传感器信号和/或雷达传感器信号进行评估。可以基于所述热和雷达信号从生物测定向量中生成一个或多个合成生物测定向量，其中所述合成生物测定向量含有关于用户的一个或多个生物测定特征的合成信息。从所述一个或多个合成生物测定向量中获得关于所述用户的危害信息，其中所述危害信息指示所述用户的健康事件。因此，可以代表所述用户执行适当的动作以改善所述健康状况。所述一个或多个合成生物测定向量可以包括附加生物测定特征和/或所述合成生物测定向量的时间序列以增强危害预测。此外，所述设备和方法可以在包括家庭、企业或车辆的不同环境中支持所述用户。业或车辆的不同环境中支持所述用户。业或车辆的不同环境中支持所述用户。

【技术实现步骤摘要】
【国外来华专利技术】使用混合感测系统的生物测定数据捕获和分析
[0001]相关申请的交叉引用
[0002]本专利申请要求2020年2月21日提交的题为“使用混合感测系统的生物测定数据捕获和分析(Biometric Data Capturing and Analysis Using a Hybrid Sensing Systems)”的美国非临时申请第16/797,071号的优先权，所述申请是2019年9月4日提交的题为“生物测定数据捕获和分析(Biometric Data Capturing and Analysis)”的美国非临时申请第16/559,814号的部分继续申请，其内容明确地以全文引用的方式并入本文中。


[0003]本公开的各方面涉及从热和射频(RF)传感器中提取生物测定数据并涉及执行适当的动作。

技术介绍

[0004]图像传感器普遍用于家庭应用。实例包括用于婴儿监控器、因特网协议(IP)摄像机、安全摄像机等的那些。其它图像传感器包括热感摄像机以及热传感器阵列。扩大图像传感器的有效应用将提高其普及率。
[0005]2019年5月，《芝加哥太阳报(Chicago Sun Times)》报道了一篇关于伊利诺伊州一名男子在驾车期间发生心脏相关事件并撞车死亡的文章，这篇文章强调了扩大传感器(例如，热传感器)应用的必要性。这名男子驾车时遭遇“心脏相关事件”，失去意识，并将其车辆撞到电线杆上。在撞到电线杆后，他的车撞上了另一辆车。应对此类恐怖事件的预防性措施肯定对广大人民有益。

技术实现思路

[0006]设备检测用户的健康状况，该健康状况可以根据热传感器信号和/或雷达传感器信号进行评估。可以基于热和雷达信号，从生物测定向量中生成一个或多个合成生物测定向量，其中合成生物测定向量含有关于与用户相关联的一个或多个生物测定特征的合成信息。
[0007]另一方面，从一个或多个合成生物测定向量中获得关于用户的危害信息，其中危险信息指示与用户相关联的健康事件。因此，可以代表用户执行适当的动作以改善健康状况。一个或多个合成生物测定向量可以包括附加生物测定特征和/或合成生物测定向量的时间序列以增强危害预测。
[0008]另一方面，当热信号不可用时，仅从含有来自雷达信号的第二生物测定向量的第二信息中提取关于第一生物测定特征的第一合成信息。
[0009]另一方面，从热信号中提取识别用户的热特征。当检测到健康事件时，设备将指示关于用户的危害等级的消息发送到医疗机构。
[0010]另一方面，设备下载用户的健康记录。可以基于健康记录，对生物测定特征进行不同地加权。
[0011]另一方面，第一和第二经过训练的机器学习模型可以分别转换热信号和雷达信号。然后使用转换后的信号来获得生物测定向量。此外，由第一机器学习模型提供给第二机器学习模型的热特征和/或运动向量可以帮助转换雷达信号。
[0012]另一方面，可以通过设备从云服务器下载机器学习模型。模型可以在云服务器处更新，使得设备可以接收更新后的模型信息，以便更新下载的模型。
[0013]另一方面，设备提供对车辆驾驶员的评估。设备分别从热传感器和雷达传感器获得关于车辆驾驶员的热信号和雷达信号。设备从热信号和雷达信号中生成生物测定向量，提取关于一个或多个生物测定特征的合成信息，并从合成信息中生成合成生物测定向量。然后，当健康事件发生时，设备从合成生物测定向量中确定危害信息。基于危害信息，设备识别适当的动作并代表车辆驾驶员执行适当的动作。
[0014]另一方面，设备下载车辆驾驶员的大事记健康记录和行为记录，并基于大事记健康和行为记录，识别适当的动作。
[0015]另一方面，设备基于车辆驾驶员的大事记健康和行为记录，将第一权重应用于关于第一生物测定特征的第一合成信息，并将第二权重应用于关于第二生物测定特征的第二合成信息。
[0016]另一方面，当检测到关于车辆驾驶员的健康事件时，设备将大事记健康和行为记录发送到紧急服务部门，以为车辆驾驶员的到来做准备。
[0017]另一方面，设备使用热传感器用于智能家居应用的生物测定数据提取和跟踪。应用如健康状况分析、运动估计(例如，跌倒估计或运动轨迹)、随意预测(例如，心跳正在减慢到危险等级)、危害检测(例如，如长时间躺倒在地板上、侧躺在沙发上或头向下的异常体位承受能力)、学习个人档案以及根据个人偏好的系统适应。
[0018]另一方面，可以增强热传感器的参数以允许提取尽可能多的数据。实例包括但不限于：增加感测元件的数量(即，分辨率)、帧速率、灵敏度和/或信噪比水平。
[0019]另一方面，信号处理技术从热图像中提取生物测定数据。
[0020]另一方面，分析模型用于危害预测和随后采取的相关联动作。
[0021]另一方面，通过深度学习模型进行危害分析。基于危害系数和从模型估计的相关联置信水平采取动作。
[0022]另一方面，该模型将建议基于输入数据序列以相关联的置信水平采取动作。
[0023]另一方面，可以训练该模型以基于先前发生的事件以相应的置信水平预测危害系数和必要时的对应动作。
[0024]另一方面，对于时间紧迫性较小的应用，该模型可以驻留在云服务器中，而不是本地处理单元中。
[0025]另一方面，智能装置的参数基于被检测人员的热特征被不同地配置。
[0026]另一方面，基于由第一应用检测到的检测到的状况，将所执行的应用从第一应用改变为第二应用。
附图说明
[0027]当结合附图阅读时，将更好地理解本专利技术的上述概述以及本专利技术的示例性实施例的以下详细描述，这些附图是作为实例而非作为对所要求保护的本专利技术的限制而包括的。
[0028]图1示出了根据实施例的位于房间中的热传感器。
[0029]图2示出了根据实施例的与一个或多个热传感器和一个或多个相关联的智能装置接口的设备。
[0030]图3a示出了根据实施例的处理来自一个或多个热传感器的信息的设备。
[0031]图3b示出了根据另一实施例的使用深度学习模型以估计危害系数来处理来自一个或多个热传感器的信息的设备。
[0032]图3c示出了根据另一实施例的使用深度学习模型以建议动作来处理来自一个或多个热传感器的信息的设备。
[0033]图4示出了根据实施例的从热传感器信息识别用户并应用对应档案的过程。
[0034]图5示出了根据实施例的用于执行多个应用的流程图。
[0035]图6示出了根据实施例的用于基于检测到的热特征的多个参数组中的一个来配置智能装置的流程图。
[0036]图7示出了根据实施例的用于连续监测车辆操作者的身体健康的车辆系统。
[0037]图8示出了根据实施例的基于检测到的车辆驾驶员的身体状况执行一个或多个动作的过程。
[0038]图9示出了根据实施例的与雷达传感器和热传感器接口的设备。
[0039]图10示出了根据实施例的处理热信号和雷达信号的计算系统。
...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种支持关于用户的生物测定数据的设备，所述设备包含：热传感器接口，其被配置成从热传感器获得热信号；雷达传感器(RF)接口，其被配置成从雷达传感器获得雷达信号；处理器，其用于执行计算机可执行指令；存储器，其存储所述计算机可执行指令，所述计算机可执行指令在由所述处理器执行时使所述设备执行：从所述热信号中生成第一生物测定向量，其中所述第一生物测定向量含有关于第一生物测定特征的第一信息；从所述雷达信号中生成第二生物测定向量，其中所述第二生物测定向量含有关于所述第一生物测定特征的第二信息；从所述第一和第二信息中提取关于所述第一生物测定特征的第一合成信息；生成含有关于所述第一生物测定特征的所述第一合成信息的第一合成生物测定向量；和从所述第一合成生物测定向量中确定危害信息，其中所述危害信息包括危害等级和置信水平，并且其中所述危害等级指示所述用户的健康事件的发生并且所述置信水平指示所述危害等级的确定性程度。2.根据权利要求1所述的设备，其中所述存储器存储计算机可执行指令，所述计算机可执行指令在由所述处理器执行时进一步使所述设备执行：当所述热信号不可用时，仅从含有来自所述雷达信号的所述第二生物测定向量的所述第二信息中提取关于所述第一生物测定特征的所述第一合成信息。3.根据权利要求1所述的设备，其包含：通信接口，其中所述存储器存储计算机可执行指令，所述计算机可执行指令在由所述处理器执行时进一步使所述设备执行：从所述热信号中提取热特征，其中所述热特征识别所述用户；和当检测到所述健康事件时，通过所述通信接口发送指示关于所述用户的所述危害等级的消息。4.根据权利要求3所述的设备，其中所述危害信息包括危害类型，并且其中所述存储器存储计算机可执行指令，所述计算机可执行指令在由所述处理器执行时进一步使所述设备执行：下载和存储所述用户的健康记录；将所述健康记录的至少一部分包括在所述消息中；识别映射到所述危害类型的动作；和代表所述用户执行识别的动作。5.根据权利要求4所述的设备，其中所述第一生物测定向量含有关于第二生物测定特征的第三信息，并且所述第二生物测定向量含有关于所述第二生物测定特征的第四信息，并且其中所述存储器存储计算机可执行指令，所述计算机可执行指令在由所述处理器执行时进一步使所述设备执行：生成含有关于所述第二生物测定特征的第二合成信息的所述第一合成生物测定向量；
和基于所述用户的所述健康记录，将第一权重应用于关于所述第一生物测定特征的所述第一合成信息，并将第二权重应用于关于所述第二生物测定特征的所述第二合成信息，其中所述第一权重和所述第二权重不同。6.根据权利要求1所述的设备，其中所述存储器存储计算机可执行指令，所述计算机可执行指令在由所述处理器执行时进一步使所述设备执行：从所述第一合成生物测定向量中确定危害类型；识别映射到所述危害类型的动作；和代表所述用户执行识别的动作。7.根据权利要求6所述的设备，其中所述危害类型是多种危害类型中的一种，并且其中所述存储器存储计算机可执行指令，所述计算机可执行指令在由所述处理器执行时进一步使所述设备执行：对具有不同重要性等级的所述多种危害类型进行分组；和基于所述不同重要性等级，生成警报警告。8.根据权利要求6所述的设备，其中所述存储器存储计算机可执行指令，所述计算机可执行指令在由所述处理器执行时进一步使所述设备执行：生成合成生物测定向量的时间序列，其中所述时间序列包含分别对应于第一和第二时间实例的所述第一合成生物测定向量和第二合成生物测定向量；和从合成生物测定向量的所述时间序列中确定所述危害等级。9.根据权利要求1所述的设备，其中所述存储器存储计算机可执行指令，所述计算机可执行指令在由所述处理器执行时进一步使所述设备执行：基于先前出现的热信号，训练第一模型；根据所述第一模型，转换所述热信号；从转换后的热信号中获得所述第一生物测定向量；基于先前出现的雷达信号，训练第二模型；将来自所述第一模型的热特征和运动向量提供到所述第二模型；根据所述第二模型、所述热特征和所述运动向量，转换所述雷达信号；和从转换后的雷达信号中获得所述第二生物测定向量。10.根据权利要求9所述的设备，其中所述第一模型包含第一神经网络模型，其中所述第二模型包含第二神经网络模型，并且其中所述存储器存储计算机可执行指令，所述计算机可执行指令在由所述处理器执行时进一步使所述设备执行：使用预处理图像和第一合成特征向量，预训练所述第一神经网络模型；和使用预处理RF信号和第二合成特征向量，预训练所述第二神经网络模型。11.根据权利要求10所述的设备，其中组合神经网络模型包含第一神经级和第二神经级，并且其中所述存储器存储计算机可执行指令，所述计算机可执行指令在由所述处理器执行时进一步使所述设备执行：将所述第一神经网络模型和所述第二神经网络模型应用于所述第一神经级；和以所述合成特征向量作为输入并以合成危害和置信水平作为输出来训练所述第二神经级。
12.根据权利要求1所述的设备，其中所述存储器存储计算机可执行指令，所述计算机可执行指令在由所述处理器执行时进一步使所述设备执行：从云服务器下载所述第一和第二模型；...

【专利技术属性】
技术研发人员：蔡鸿彬，朱俊杰，夏炜樑，陈良贤，
申请(专利权)人：金宝通有限公司，
类型：发明
国别省市：