一种生命体征测量方法、设备及存储介质技术

本申请提供一种生命体征测量方法、设备及存储介质，涉及医疗技术领域。方法包括：通过FMCW雷达确定目标区域内的M个振动目标在三维雷达坐标系中的位置坐标，M≥1，并通过相机获取目标区域的图像；针对每个振动目标，利用已训练的MLP模型对振动目标的位置坐标进行映射处理，得到振动目标在图像中的二维坐标；根据FMCW雷达检测到的每个振动目标的第一运动值和每个振动目标在图像中的第二运动值从M个振动目标中筛选出待测目标；通过FMCW雷达获取待测目标的回波信号，分离回波信号中的呼吸信号和心跳信号，根据呼吸信号和心跳信号分别确定待测目标的呼吸频率和心跳频率，该方法能解决现有的生命体征测量方法的准确度较低的问题。现有的生命体征测量方法的准确度较低的问题。现有的生命体征测量方法的准确度较低的问题。

A method, equipment and storage medium for measuring vital signs

【技术实现步骤摘要】
一种生命体征测量方法、设备及存储介质


[0001]本申请涉及医疗
，尤其涉及一种生命体征测量方法、设备及存储介质。

技术介绍

[0002]随着社会的进步和发展，人们越来越注重健康管理。对人体的心肺功能、呼吸功能等生命体征进行实时监测，可以及时发现生命体征的异常状况，从而有效的进行疾病的预警。现有技术中，主要利用单一的传感器采集人体的生命体征信号，并基于生命体征信号确定生命体征参数，从而监测人体的健康状态。但是人体的呼吸、心跳等信号比较微弱，单一的传感器获取到的生命体征信号易受到环境中的其他震动信号的干扰，导致测量的准确度较低。

技术实现思路

[0003]本申请实施例提供了一种生命体征测量方法、设备和存储介质，可以解决现有的生命体征测量方法的准确度较低的技术问题。
[0004]第一方面，本申请实施例提供了一种生命体征测量方法，该方法应用于生命体征测量设备，设备包括相机和FMCW雷达，方法包括：
[0005]通过FMCW雷达获取目标区域内的M个振动目标在三维雷达坐标系中的位置坐标，M≥1，并通过相机获取目标区域的图像；针对M个振动目标中的每个振动目标，利用已训练的多层感知网络模型对振动目标的位置坐标进行处理，得到振动目标在图像中的二维坐标，多层感知网络模型用于指示三维雷达坐标系和与图像对应的二维图像坐标系之间的映射关系；根据FMCW雷达检测到的M个振动目标中每个振动目标的第一运动值以及每个振动目标在图像中的第二运动值，从M个振动目标中筛选出待测目标；通过FMCW雷达获取待测目标的回波信号，分离回波信号中的呼吸信号和心跳信号，根据呼吸信号确定待测目标的呼吸频率，根据心跳信号确定待测目标的心跳频率。
[0006]基于本申请提供的生命体征测量方法，通过FMCW雷达确定目标区域内的M个振动目标在三维雷达坐标系中的位置坐标后，通过已训练的多层感知网络模型对每个振动目标的位置坐标进行处理可以确定每个振动目标在相机获取到的图像中的二维坐标。对同一振动目标，根据FMCW雷达检测到的第一运动值以及该振动目标在图像中的第二运动值可以从M个振动目标中筛选出待测目标，从而根据FMCW雷达确定待测目标的回波信号。从回波信号中可以分离出待测目标的呼吸信号和心跳信号，进而分别根据呼吸信号和心跳信号确定出待测目标的呼吸频率和心跳频率。本申请基于多传感器确定目标区域中待测目标的回波信号，排除了干扰目标对待测目标的回波信号产生的干扰，提高了对生命体征进行测量的准确度。
[0007]可选地，通过FMCW雷达获取目标区域内的M个振动目标在三维雷达坐标系中的位置坐标，包括：
[0008]通过FMCW雷达接收目标区域反射的回波，得到初始信号；
[0009]去除初始信号中的背景信号，得到振动信号；
[0010]根据振动信号确定目标区域内的M个振动目标在三维雷达坐标系中的位置坐标，每个振动目标在三维雷达坐标系中的位置坐标包括振动目标相对于FMCW雷达的水平距离、水平方位角和俯仰角；
[0011]通过FMCW雷达获取待测目标的回波信号，包括：
[0012]根据待测目标的位置坐标对振动信号进行信号分析，得到待测目标的回波信号。
[0013]可选地，利用已训练的多层感知网络模型对振动目标的位置坐标进行处理，得到振动目标在图像中的二维坐标，包括：
[0014]将振动目标相对于FMCW雷达的水平距离、水平方位角和俯仰角输入到输入层；通过第一隐藏层和第二隐藏层对水平距离、水平方位角和俯仰角分别进行特征提取，得到与水平距离对应的第一特征、与水平方位角对应的第二特征以及与俯仰角对应的第三特征；通过第三隐藏层对第一特征、第二特征和第三特征进行融合处理，得到融合特征；通过输出层对融合特征进行处理，得到振动目标在图像中的二维坐标。
[0015]可选地，根据FMCW雷达检测到的M个振动目标中每个振动目标的第一运动值以及每个振动目标在图像中的第二运动值，从M个振动目标中筛选出待测目标，包括：
[0016]针对M个振动目标中的每个振动目标，通过已训练的第一神经网络模型对图像进行处理，确定振动目标在图像中的第二运动值，通过FMCW雷达检测到的振动目标的回波信号确定振动目标的第一运动值，若第一运动值小于预设的第一运动阈值且第二运动值小于预设的第二运动阈值，则确定振动目标为待测目标。
[0017]可选地，通过已训练的第一神经网络模型对图像进行处理，确定振动目标的第二运动值，包括：
[0018]利用已训练的检测模型确定振动目标在图像中所处的区域；将区域输入到已训练的光流网络模型中进行处理，确定振动目标的第二运动值。
[0019]可选地，分离回波信号中的呼吸信号和心跳信号，包括：通过带通滤波器对待测目标的回波信号进行滤波处理，得到呼吸初始信号；确定呼吸初始信号的同相分量和正交分量；将呼吸初始信号、同相分量和正交分量输入到已训练的第二神经网络模型中进行处理，得到呼吸信号；回波信号与呼吸信号之间的差值信号为心跳信号。
[0020]可选地，第二神经网络模型包括：门控循环模块和融合模块；将呼吸初始信号、同相分量和正交分量输入到已训练的第二神经网络模型中进行处理，得到呼吸信号，包括：
[0021]将呼吸初始信号中的第i
‑
2个时刻对应的频率、第i
‑
1个时刻对应的频率和第i个时刻对应的频率输入到门控循环模块中进行处理，得到第i个时刻对应的第一参数和第二参数，呼吸初始信号包括n个时刻，1≤i≤n，n为大于2的正整数；
[0022]通过融合模块对n个时刻的第一参数、n个时刻的第二参数、同相分量和正交分量进行融合处理，得到呼吸信号。
[0023]可选地，根据呼吸信号确定待测目标的呼吸频率，包括：基于预设时长对呼吸信号进行分割，得到多个子序列信号；对多个子序列信号进行快速傅里叶变换，得到二维频谱图；利用已训练的第三神经网络模型确定二维频谱图的主频率值，主频率值为待测目标的呼吸频率。
[0024]第二方面，本申请实施例提供了一种生命体征测量设备，该设备包括相机、FMCW雷
达、存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，相机和FMCW雷达分别与处理器连接，处理器执行计算机程序时实现如上述第一方面中任一项所述的方法。
[0025]第三方面，本申请实施例提供了一种生命体征测量装置，该装置包括：
[0026]获取单元，用于通过FMCW雷达获取目标区域内的M个振动目标在三维雷达坐标系中的位置坐标，M≥1，并通过相机获取目标区域的图像；
[0027]映射单元，用于针对M个振动目标中的每个振动目标，利用已训练的多层感知网络模型对振动目标的位置坐标进行处理，得到振动目标在图像中的二维坐标，多层感知网络模型用于指示三维雷达坐标系和与图像对应的二维图像坐标系之间的映射关系；
[0028]筛选单元，用于根据FMCW雷达检测到的M个振动目标中每个振动目标的第一运动值以及每个振动目标在图像中的第二运本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种生命体征测量方法，其特征在于，所述方法应用于生命体征测量设备，所述设备包括相机和FMCW雷达，所述方法包括：通过所述FMCW雷达获取目标区域内的M个振动目标在三维雷达坐标系中的位置坐标，M≥1，并通过所述相机获取所述目标区域的图像；针对所述M个振动目标中的每个所述振动目标，利用已训练的多层感知网络模型对所述振动目标的位置坐标进行处理，得到所述振动目标在所述图像中的二维坐标，所述多层感知网络模型用于指示所述三维雷达坐标系和与所述图像对应的二维图像坐标系之间的映射关系；根据所述FMCW雷达检测到的所述M个振动目标中每个所述振动目标的第一运动值以及每个所述振动目标在所述图像中的第二运动值，从所述M个振动目标中筛选出待测目标；通过所述FMCW雷达获取所述待测目标的回波信号，分离所述回波信号中的呼吸信号和心跳信号，根据所述呼吸信号确定所述待测目标的呼吸频率，根据所述心跳信号确定所述待测目标的心跳频率。2.根据权利要求1所述的方法，其特征在于，所述通过所述FMCW雷达获取目标区域内的M个振动目标在三维雷达坐标系中的位置坐标，包括：通过所述FMCW雷达接收所述目标区域反射的回波，得到初始信号；去除所述初始信号中的背景信号，得到振动信号；根据所述振动信号确定所述目标区域内的M个振动目标中的每个所述振动目标在三维雷达坐标系中的位置坐标，每个所述振动目标在三维雷达坐标系中的位置坐标包括所述振动目标相对于所述FMCW雷达的水平距离、水平方位角和俯仰角；所述通过所述FMCW雷达获取所述待测目标的回波信号，包括：根据所述待测目标在所述三维雷达坐标系中的位置坐标对所述振动信号进行信号分析，得到所述待测目标的回波信号。3.根据权利要求2所述的方法，其特征在于，所述多层感知网络模型包括：依次连接的输入层、第一隐藏层、第二隐藏层、第三隐藏层和输出层；所述利用已训练的多层感知网络模型对所述振动目标的位置坐标进行处理，得到所述振动目标在所述图像中的二维坐标，包括：将所述振动目标相对于所述FMCW雷达的水平距离、水平方位角和俯仰角输入到所述输入层；通过所述第一隐藏层和第二隐藏层对所述水平距离、所述水平方位角和所述俯仰角分别进行特征提取，得到与所述水平距离对应的第一特征、与所述水平方位角对应的第二特征以及与所述俯仰角对应的第三特征；通过所述第三隐藏层对所述第一特征、第二特征和第三特征进行融合处理，得到融合特征；通过所述输出层对所述融合特征进行处理，得到所述振动目标在所述图像中的二维坐标。4.根据权利要求1所述的方法，其特征在于，所述根据所述FMCW雷达检测到的所述M个振动目标中每个所述振动目标的第一运动值以及每个所述振动目标在所述图像中的第二运动值，从所述M个振动目标中筛选出待测目标，包括：
...

【专利技术属性】
技术研发人员：韩晶，蔡珍妮，童志军，丁小羽，
申请(专利权)人：南京阅面科技有限公司，
类型：发明
国别省市：