智能穿戴设备的监控方法、系统及存储介质技术方案

本发明专利技术公开了一种智能穿戴设备的监控方法、系统及存储介质，其中方法包括：获取智能穿戴设备上的生理数据采集装置采集待测人员的生理检测数据；其中，智能穿戴设备佩戴于待测人员身上，智能穿戴设备上的生理数据采集装置包括体温传感器、心电图检测传感器、声音传感器和光电容积脉搏波传感器中的至少两种；对生理检测数据进行预处理，得到生理特征数据；基于生理特征数据，生成针对待测人员的生理数据分析结果。本发明专利技术提出的方案可以有效提高进行生理特征检测的及时性和便利性。生理特征检测的及时性和便利性。生理特征检测的及时性和便利性。

【技术实现步骤摘要】
智能穿戴设备的监控方法、系统及存储介质


[0001]本专利技术涉及智能设备
，具体涉及一种智能穿戴设备的监控方法、系统及存储介质。

技术介绍

[0002]随着社会的发展，在疾病发生的早期对相关生理参数的进行及时地检测成为当前比较急迫的需求，如通过一些医疗设备对某些生理特征进行检测，在生理参数出现异常时，及时地进行预警显得十分有必要。现在的生理特征的检测方式主要通过比较专业的医疗设备来实现，但是在传染病防治等不方便随时使用比较专业的医疗设备来进行生理特征检测的场景中，存在及时性和便利性较差的问题。

技术实现思路

[0003]本专利技术的主要目的为提供一种智能穿戴设备的监控方法、系统以及存储介质，旨在克服进行生理特征检测的及时性和便利性较差的缺陷。
[0004]第一方面，本专利技术的主要目的是提供一种智能穿戴设备的监控方法，包括：获取智能穿戴设备上的生理数据采集装置采集待测人员的生理检测数据；其中，所述智能穿戴设备佩戴于待测人员身上，所述智能穿戴设备上的生理数据采集装置包括体温传感器、心电图检测传感器、声音传感器和光电容积脉搏波传感器中的至少两种；对所述生理检测数据进行预处理，得到生理特征数据，所述生理数据采集装置采集的生理检测数据包括所述体温传感器采集的体温检测数据、所述心电图检测传感器采集的心电检测数据、所述声音传感器采集的音频检测数据和所述光电容积脉搏波传感器采集的脉搏波检测数据中的至少两种；基于所述生理特征数据，生成针对所述待测人员的生理数据分析结果。
[0005]可选地，所述智能穿戴设备为智能手环。
[0006]可选地，若所述生理数据采集装置为体温传感器，所述体温检测数据包括在采集周期内采集的多个体温检测参数，则所述对所述生理检测数据进行预处理，得到生理特征数据，包括：计算所述多个体温检测参数中，最大的体温检测参数与最小的体温检测参数之间的差值；若所述差值小于预定阈值，则根据所述多个体温检测参数的平均值，生成体温特征数据；若所述差值大于或者等于预定阈值，则根据所述多个体温检测参数中除去最大的体温检测参数和最小的体温检测参数之后所剩余的所有体温检测参数的平均值，生成体温特征数据。
[0007]可选地，若所述生理数据采集装置为心电图检测传感器，则所述对所述生理检测数据进行预处理，得到生理特征数据，包括：
将心电检测数据转换成数字信号；基于所述数字信号，生成心电图特征数据。
[0008]可选地，若所述生理数据采集装置为声音传感器，则所述对所述生理检测数据进行预处理，得到生理特征数据，包括：基于咳嗽识别分类模型对所述音频检测数据中的非咳嗽信号进行剔除，得到咳嗽音频信号；将所述咳嗽音频信号输入至咳嗽检测模型中进行检测，得到对应的咳嗽类型特征数据。
[0009]可选地，所述咳嗽识别分类模型的训练方式，包括：采集多个包含有非咳嗽信号和咳嗽信号的音频样本数据；采集样本噪声数据；其中，所述样本噪声数据为包括非咳嗽信号的音频数据；将音频样本数据和样本噪声数据输入至待训练的去噪模型；通过所述去噪模型的第一分支生成样本噪声数据的第一子预测噪声数据，并通过所述去噪模型的第二分支得到音频样本数据对应的去噪数据以及第二子预测噪声数据；将所述第一子预测噪声数据以及第二子预测噪声数据合并，得到预测噪声数据；基于去噪数据与预测噪声数据，得到音频样本数据的预测数据；利用第一子预测噪声数据和样本噪声数据，计算得到第一损失值；利用音频样本数据的预测数据和音频样本数据，计算得到第二损失值；利用第一损失值和第二损失值对待训练的去噪模型进行训练，得到训练完成的去噪模型，作为所述咳嗽识别分类模型；所述咳嗽检测模型的训练方式，包括：通过多通道信号采集设备获取用户的咳嗽样本信号，并对所述咳嗽样本信号标记对应的信号标签；其中，所述多通道信号采集设备可以分别采集人声信号、环境信号以及其它噪声信号，并将其整合为一个多通道信号；对所述咳嗽样本信号进行有效咳嗽样本提取，得到与所述咳嗽样本信号对应的有效咳嗽样本信号；其中，所述有效咳嗽样本信号是通过对多通道咳嗽样本信号进行时域上的信号分离而得到的；对所述有效咳嗽样本信号进行特征提取，得到与所述咳嗽样本信号对应的高维特征向量；其中，所述高维特征向量包括时域特征、频域特征和能量特征；将所述高维特征向量以及所述对应的信号标签输入至人工智能模型中进行迭代训练，直至模型收敛之后，得到咳嗽检测模型；其中，所述咳嗽检测模型可以实现对不同严重类型的咳嗽进行识别，包括轻微咳嗽等级、一般咳嗽等级和严重咳嗽等级。
[0010]可选地，若所述生理数据采集装置为光电容积脉搏波传感器，所述对所述生理检测数据进行预处理，得到生理特征数据，包括：对所述脉搏波检测数据进行时频分析处理，生成所述脉搏波检测数据对应的时频谱数据；对所述脉搏波检测数据进行特征提取，生成所述脉搏波检测数据对应的第一特征，以及对所述时频谱数据进行特征提取，生成所述时频谱数据对应的第二特征；将所述第一特征以及所述第二特征输入至预训练的血压检测模型，得到血压检测
参数。
[0011]可选地，所述对所述脉搏波检测数据进行时频分析处理，生成所述脉搏波检测数据对应的时频谱数据，包括：基于预设的高斯窗函数，选择对所述脉搏波检测数据进行变换处理的时间窗口，所述时间窗口的宽度与所述脉搏波检测数据对应的频率为负相关关系；对处于不同时间窗口内的所述脉搏波检测数据分别进行傅里叶变换，生成所述脉搏波检测数据对应的时频谱数据。
[0012]第二方面，本专利技术实施例提供了一种智能穿戴设备的监控系统，包括：获取模块，用于获取智能穿戴设备上的生理数据采集装置采集待测人员的生理检测数据；其中，所述智能穿戴设备佩戴于待测人员身上，所述智能穿戴设备上的生理数据采集装置包括体温传感器、心电图检测传感器、声音传感器和光电容积脉搏波传感器中的至少两种；预处理模块，用于对所述生理检测数据进行预处理，得到生理特征数据，所述生理数据采集装置采集的生理检测数据包括所述体温传感器采集的体温检测数据、所述心电图检测传感器采集的心电检测数据、所述声音传感器采集的音频检测数据和所述光电容积脉搏波传感器采集的脉搏波检测数据中的至少两种；分析模块，用于基于所述生理特征数据，生成针对所述待测人员的生理数据分析结果。
[0013]第三方面，本专利技术实施例提供了一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。
[0014]第四方面，本专利技术实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述方法的步骤。
[0015]本专利技术的上述方案至少包括以下有益效果：本专利技术提供的方案中，通过智能穿戴设备上的生理数据采集装置采集待测人员的生理检测数据，并对采集的生理检测数据进行预处理，得到生理特征数据，生理数据采集装置采集的生理检测数据包括体温传感器采集的体温检测数据、心电图检测传感器采集的心电信号检测数据、声音传感器采本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能穿戴设备的监控方法，其特征在于，包括：获取智能穿戴设备上的生理数据采集装置采集待测人员的生理检测数据；其中，所述智能穿戴设备佩戴于待测人员身上，所述智能穿戴设备上的生理数据采集装置包括体温传感器、心电图检测传感器、声音传感器和光电容积脉搏波传感器中的至少两种；对所述生理检测数据进行预处理，得到生理特征数据，所述生理数据采集装置采集的生理检测数据包括所述体温传感器采集的体温检测数据、所述心电图检测传感器采集的心电检测数据、所述声音传感器采集的音频检测数据和所述光电容积脉搏波传感器采集的脉搏波检测数据中的至少两种；基于所述生理特征数据，生成针对所述待测人员的生理数据分析结果。2.根据权利要求1所述的智能穿戴设备的监控方法，其特征在于，所述智能穿戴设备为智能手环。3.根据权利要求1所述的智能穿戴设备的监控方法，其特征在于，若所述生理数据采集装置为体温传感器，所述体温检测数据包括在采集周期内采集的多个体温检测参数，则所述对所述生理检测数据进行预处理，得到生理特征数据，包括：计算所述多个体温检测参数中，最大的体温检测参数与最小的体温检测参数之间的差值；若所述差值小于预定阈值，则根据所述多个体温检测参数的平均值，生成体温特征数据；若所述差值大于或者等于预定阈值，则根据所述多个体温检测参数中除去最大的体温检测参数和最小的体温检测参数之后所剩余的所有体温检测参数的平均值，生成体温特征数据。4.根据权利要求3所述的智能穿戴设备的监控方法，其特征在于，若所述生理数据采集装置为心电图检测传感器，则所述对所述生理检测数据进行预处理，得到生理特征数据，包括：将心电检测数据转换成数字信号；基于所述数字信号，生成心电图特征数据。5.根据权利要求1所述的智能穿戴设备的监控方法，其特征在于，若所述生理数据采集装置为声音传感器，则所述对所述生理检测数据进行预处理，得到生理特征数据，包括：基于咳嗽识别分类模型对所述音频检测数据中的非咳嗽信号进行剔除，得到咳嗽音频信号；将所述咳嗽音频信号输入至咳嗽检测模型中进行检测，得到对应的咳嗽类型特征数据。6.根据权利要求5所述的智能穿戴设备的监控方法，其特征在于，所述咳嗽识别分类模型的训练方式，包括：采集多个包含有非咳嗽信号和咳嗽信号的音频样本数据；采集样本噪声数据；其中，所述样本噪声数据为包括非咳嗽信号的音频数据；将音频样本数据和样本噪声数据输入至待训练的去噪模型；通过所述去噪模型的第一分支生成样本噪声数据的第一子预测噪声数据，并通过所述去噪模型的第二分支得到音频样本数据对应的去噪数据以及第二子预测噪声数据；
将所述第一子预测噪声数据以及第二子预测噪声数据合并，得到预测噪声数据；基于去噪数据与预测噪声数据，得到音频样本数据的预测数据；利用第一子预测噪声数据和样本噪声数据，计算得到第一损失值；利用音频样本数据的预测数据和音频样本数据，计算得到第二损失值；利用第一损失值和第二损失值对待训练的去噪模型进行...

【专利技术属性】
技术研发人员：李天鹏，张连红，熊翠菊，孟庆君，郑林云，陈清武，
申请(专利权)人：深圳市联新移动医疗科技有限公司，
类型：发明
国别省市：