一种基于云计算的健康数据监测系统及方法技术方案

本发明专利技术公开了一种基于云计算的健康数据监测系统及方法，属于健康数据监测领域，该数据监测系统包括信息监测模块

【技术实现步骤摘要】
一种基于云计算的健康数据监测系统及方法


[0001]本专利技术涉及健康数据监测领域，具体为一种基于云计算的健康数据监测系统及方法
。

技术介绍

[0002]随着科技的发展，智能设备为人们的生活提供的便利逐渐增加，智能手表是一种结合了多种智能功能的佩戴在手腕上的小型电子设备，不仅能够轻松接收消息
、
查看天气和遥控拍照等，方便用户的日常生活，还能够监测用户的身体健康状况，如心率
、
血压
、
睡眠质量等，帮助用户更好地管理自己的健康
。
[0003]在智能手表的使用过程中，老年人和青少年利用智能手表进行信息共享，无需使用手机
。
然而，智能手表存在他人使用的情况，并且在进行信息共享的过程中，常常会存在负面信息，由于保障信息的隐私性，监护人员常常无法得知，这些负面信息存在影响老年人和青少年身心健康，甚至造成经济损失的情况出现，并且有的负面信息使用其他词语进行替换，避开敏感词语，导致老年人和青少年难以分辨
。
[0004]由此看来，如何保证智能手表使用者为绑定用户，如何对共享信息进行筛选显示，减少信息对用户的负面影响是十分有必要的
。
因此，需要一种基于云计算的健康数据监测系统及方法
。

技术实现思路

[0005]本专利技术的目的在于提供一种基于云计算的健康数据监测系统及方法，以解决上述
技术介绍
中提出的问题
。
[0006]为了解决上述技术问题，本专利技术提供如下技术方案：一种基于云计算的健康数据监测方法，包括下列步骤：
[0007]S1、
获取手表信息，手表在开机使用时，对目标用户的面部信息进行录入，将手表与目标用户进行绑定；
[0008]S2、
当手表处于佩戴且使用状态时，实时获取用户的手腕静脉信息，对相邻两次的用户手腕静脉图像信息进行比较分析，确定使用手表的用户身份信息；
[0009]S3、
根据步骤
S2
中分析的用户身份情况，分析用户通过手表进行传输共享的信息内容，屏蔽负面信息，同时监测分析用户查看信息时的人体健康状况，对引起心率变化的信息进行分析，筛选关联信息进行暂时屏蔽；
[0010]S4、
根据步骤
S3
中的分析结果，对信息进行屏蔽处理，并对相关用户进行提醒通知
。
[0011]进一步的，在步骤
S1
中，当手表开机时，通过手表上的摄像头对目标用户的面部信息进行录入，同时录入目标用户的数据信息，将手表信息
、
目标用户信息和监护人信息相互关联
。
[0012]进一步的，在步骤
S2
中，包括下列步骤：
[0013]S201、
对手表的状态进行监测，当手表处于佩戴且使用状态时，利用云计算对采集的数据进行分析；云计算是一种分布式计算技术，通过在网络上分布大量的计算资源，如服务器
、
存储设备和应用程序，将巨大的数据计算和分析程序分解成无数个小程序，然后通过多部服务器组成的系统进行处理和分析这些小程序，最后将结果返回给用户；云计算使得用户无需在本地设备上安装应用程序，只需通过网络访问云端服务器即可实现计算任务，这使得用户可以随时随地使用任何设备来访问云端服务
。
[0014]通过超声波传感器对目标用户的手腕静脉进行识别，超声波传感器是将超声波信号转换成其他能量信号的传感器，通常是电信号，超声波是振动频率高于
20kHz
的机械波，具有频率高
、
波长短
、
绕射现象小，特别是方向性好
、
能够成为射线而定向传播等特点
。
超声波对液体
、
固体的穿透本领很大，尤其是在阳光不透明的固体中，超声波碰到杂质或分界面会产生显著反射形成反射回波，碰到活动物体能产生多普勒效应，超声波传感器广泛应用在工业
、
国防
、
生物医学等方面；当目标用户开始使用手表时，通过超声波实时获取手腕静脉的图像信息，获取用户手腕静脉特征点，预先设置时间间隔为
t
，形成向量集合
A
＝
{a1，
a2，
...
，
a
m
}
，其中，
m
表示为采集手腕静脉图像形成的向量集数量，
a
m
表示为第
m
次采集的手腕静脉图像形成的向量集；通过超声波监测手腕静脉图像，与普遍使用的红外监测相比，受到光线的影响更小，监测结果更加准确
。
[0015]S202、
通过下列公式对向量集之间的相似度
k
进行计算：
[0016][0017]其中，
i∈(1
，
m]，
a
i
‑1表示为第
i
‑1次采集的手腕静脉图像形成的向量集，表示为向量集
a
i
‑1中的第个元素，
a
i
表示为第
i
次采集的手腕静脉图像形成的向量集，表示为向量集
a
i
中的第个元素，表示为向量集
a
i
‑1中第个元素的模，表示为向量集
a
i
中第个元素的模，
δ
表示为向量集
a
i
中的元素数量，向量集
a
i
‑1与向量集
a
i
中的元素数量相等，等，
[0018]对相似度设置阈值
k
阈
，当
k≥k
阈
时，表示相邻两次采集的目标用户的手腕静脉图像相似，则开启手表的正常使用模式；当
k<k
阈
时，表示相邻两次采集的目标用户的手腕静脉图像不相似，则对手表进行锁定；
[0019]当目标用户在手表开机时，将用户的面部信息与手腕静脉信息相互关联，能够有效确定使用手表的用户是否为目标用户本人，同时在用户佩戴手表进行使用时采集手腕静脉信息，避免出现他人手持手表，面对目标用户面部识别打开手表操作界面的情况出现，避免出现监测到他人的健康数据，影响目标用户健康数据分析的情况出现，保证了只有目标用户能够对手表进行使用，保障了目标用户的数据安全和财产安全
。
[0020]进一步的，在步骤
S2
中，
[0021]S203、
通过超声波传感器获取使用手表的用户手形，置于坐标系中，该坐标系由相关技术人员预先进行设置，得到中指与手掌连接的掌指关节位置点实时坐标为
Φ
(x
，
y)
，手腕处桡骨与尺骨连接位置点坐标为
Ω
(x'
，...

【技术保护点】

【技术特征摘要】
1.
一种基于云计算的健康数据监测方法，其特征在于：包括下列步骤：
S1、
获取手表信息，手表在开机使用时，对目标用户的面部信息进行录入，将手表与目标用户进行绑定；
S2、
当手表处于佩戴且使用状态时，实时获取用户的手腕静脉信息，对相邻两次的用户手腕静脉图像信息进行比较分析，确定使用手表的用户身份信息；
S3、
根据步骤
S2
中分析的用户身份情况，分析用户通过手表进行传输共享的信息内容，屏蔽负面信息，同时监测分析用户查看信息时的人体健康状况，对引起心率变化的信息进行分析，筛选关联信息进行暂时屏蔽；
S4、
根据步骤
S3
中的分析结果，对信息进行屏蔽处理，并对相关用户进行提醒通知
。2.
根据权利要求1所述的一种基于云计算的健康数据监测方法，其特征在于：在步骤
S1
中，当手表开机时，通过手表上的摄像头对目标用户的面部信息进行录入，同时录入目标用户的数据信息
。3.
根据权利要求2所述的一种基于云计算的健康数据监测方法，其特征在于：在步骤
S2
中，包括下列步骤：
S201、
对手表的状态进行监测，当手表处于佩戴且使用状态时，利用云计算对采集的数据进行分析；通过超声波传感器对目标用户的手腕静脉进行识别，当目标用户开始使用手表时，通过超声波实时获取手腕静脉的图像信息，获取用户手腕静脉特征点，预先设置时间间隔为
t
，形成向量集合
A
＝
{a1，
a2，
...
，
a
m
}
，其中，
m
表示为采集手腕静脉图像形成的向量集数量，
a
m
表示为第
m
次采集的手腕静脉图像形成的向量集；
S202、
通过下列公式对向量集之间的相似度
k
进行计算：其中，
a
i
‑1表示为第
i
‑1次采集的手腕静脉图像形成的向量集，表示为向量集
a
i
‑1中的第个元素，
a
i
表示为第
i
次采集的手腕静脉图像形成的向量集，表示为向量集
a
i
中的第个元素，表示为向量集
a
i
‑1中第个元素的模，表示为向量集
a
i
中第个元素的模，
δ
表示为向量集
a
i
中的元素数量；对相似度设置阈值
k
阈
，当
k≥k
阈
时，则开启手表的正常使用模式；当
k<k
阈
时，则对手表进行锁定
。4.
根据权利要求3所述的一种基于云计算的健康数据监测方法，其特征在于：在步骤
S2
中，
S203、
通过超声波传感器获取使用手表的用户手形，置于坐标系中，得到中指与手掌连接的掌指关节位置点实时坐标为
Φ
(x
，
y)
，手腕处桡骨与尺骨连接位置点坐标为
Ω
(x'
，
y')
，预先录入中指与手掌连接的掌指关节位置点标准坐标为
Φ
'(x
标
，
y
标
)
，则转动夹角
θ
转
为：
对监测到的手腕静脉图的手腕至手指部分以点
Ω
(x'
，
y')
为圆心，角度为
θ
转
进行旋转处理；通过特征点匹配算法对相邻手腕静脉图像进行对应匹配，得到同一特征的变化向量，形成集合其中，表示为第
m
次采集的手腕静脉图像与第
m
‑1次采集的手腕静脉图像的同一个特征点位置之间形成的向量，夹角集合为
θ
＝
{
θ1，
θ2，
…
，
θ
m
‑1}
，其中，
θ
m
‑1表示为与之间的夹角，在第
i
‑2次采集的手腕静脉图像时，得到特征点变化向量为夹角为
θ
i
‑3，在第
i
‑1次采集的手腕静脉图像时，得到特征点变化向量为夹角为
θ
i
‑2，在第
i
次采集的手腕静脉图像时，特征点变化向量为则通过下列公式对第
i
‑1次采集的手腕静脉图像的关联距离
L
’
进行计算：其中，
L”表示为第
i
‑2次采集的手腕静脉图像的关联距离，
θ
**
表示为在第
i
‑1次采集的手腕静脉图像特征点处的关联角度，根据第一次
、
第二次和第三次采集的手腕静脉图像，可以得出，第三次采集的手腕静脉图像的关联距离和关联角度，依次迭代运算得出手腕静脉图像的关联距离；则关联角度关联夹角为第
i
‑1次采集的手腕静脉图像与第一次采集的手腕静脉图像中同一特征点的连线和第
i
‑1次采集的手腕静脉图像与第
i
‑2次采集的手腕静脉图像中同一特征点的连线的夹角；
S204、
通过下列公式对第
i
次采集的手腕静脉图像时的关联距离
L
进行计算：采集第一张手腕静脉图像特征点位置为
(x1，
y1)
，以该点为圆心，半径为
r
设置误差范围为：
(x
‑
x1)2+(y
‑
y1)2＝
r2，当限制距离
L≤r
时，表示手腕静脉的特征点符合要求，则开启手表的正常使用模式；当限制距离
L>r
时，表示手腕静脉图像异常，则对手表进行锁定；
S205、
对手腕静脉图像上采集的所有特征点重复步骤
S203
‑
S204
，对用户进行身份判定，判断使用手表的用户与面部识别绑定用户不一致时，系统进行锁定，并对此次采集的数据进行删除
。5.
根据权利要求4所述的一种基于云计算的健康数据监测方法，其特征在于：在步骤
S3
中，包括下列步骤：
S301、
根据步骤
S2
中的分析结果，当判断当前手表的使用者为目标用户时，利用
word embedding
算法，对监测到目标用户通过手表进行传输共享的文字信息映射到一个数值向量空间中，将监测到的词语信息与预先录入的敏感词数据库中的信息进行识别筛选，对包含敏感词的负面信息进行屏蔽，对用户显示不包含敏感词的信息；
S302、
当目标用户在查看共享信息时，通过手表对目标用户的人体健康数据进行监...

【专利技术属性】
技术研发人员：罗衍秋，罗兆元，
申请(专利权)人：珠海市超网智能科技有限公司，
类型：发明
国别省市：