System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及医疗护理,更具体的说是涉及一种基于人脸识别的医疗护理设备控制方法、系统、设备及存储介质。
技术介绍
1、随着科技的不断发展,通过对医疗护理设备的控制可以提高医疗护理的效率,为患者提供更好的护理服务。
2、在传统的医疗护理设备控制中,通常需要医护人员针对患者病情手动操作各种医疗设备,例如通过按键、触摸屏等方式来控制设备的开关、调节设备的参数等。这种方式不仅操作繁琐,而且容易出错。再例如有些设备的操作复杂度较高,需要医护人员经过专业培训才能熟练使用,比如常用于辅助治疗呼吸道疾病、心脑血管疾病得可调制氧机,通过可调制氧机,可以根据患者的需要调整氧气流量,以达到更好的治疗效果,但是针对不同的患者调节的方式有所不同,哮喘患者需要使用低流量的氧气来缓解症状,而心脏病患者可能需要高流量的氧气来支持心脏功能。
3、此外,传统的医疗护理设备控制方式也无法实现个性化的护理服务,无法满足不同患者的需求,影响术后护理工作的效率。
4、因此,如何提供一种基于人脸识别的医疗护理设备控制方法、系统、设备及存储介质是本领域技术人员亟需解决的问题。
技术实现思路
1、有鉴于此,本专利技术提供了一种基于人脸识别的医疗护理设备控制方法、系统、设备及存储介质。
2、为了实现上述目的,本专利技术提供如下技术方案:
3、一方面,本专利技术提供了一种基于人脸识别的医疗护理设备控制方法,包括:
4、s1:获取网络摄像头下的视频流,定位视频流中的
5、s2:构建人脸识别网络模型,分别提取所述人脸图像的人脸特征,并将所述人脸特征与预设的人脸数据库中人脸图像的真实人脸特征进行对比,得到目标人脸图像并在预设的人脸数据库中获取目标人脸图像对应的身份信息;
6、s3:基于所述身份信息建立医疗护理设备运行优化模型;
7、s4:建立汉密尔顿算子函数,获取医疗护理设备运行优化模型的优化条件;
8、s5:进行医疗护理设备运行模拟,基于模拟结果得到医疗护理设备最优控制方案。
9、优选的,所述人脸识别网络模型为vgg16-net人脸识别网络模型,包括:
10、第一卷积层、第一最大池化层、第二卷积层、第三卷积层、第二最大池化层、第四卷积层、全连接层以及softmax层。
11、其中,通过所述第一卷积层进行两次卷积,经过所述第一最大池化层进行降维后再通过所述第二卷积层以及所述第四卷积层进行两次卷积,然后利用第三卷积层进行三次卷积,在经过第二最大池化层进行降维,利用所述第三卷积层进行三次卷积,利用所述第四卷积层进行三次卷积,至此卷积操作完成利用所述全连接层将特征图进行分类,通过所述softmax层输出人脸识别结果。
12、优选的,将所述人脸特征与预设的人脸数据库中人脸图像的真实人脸特征进行对比的表达式为:
13、
14、式中,ωq为提取的人脸特征,ωp为真是的人脸特征,ε为惩罚因子,ω为对比值。
15、优选的,医疗护理设备运行优化模型的表达式为:
16、v=min{f1(xi),f2(xi),f3(xi),f4(xi),f5(xi)};
17、式中,f1(xi)为制氧机运行效率函数,f2(xi)为负离子发生器运行效率,f3(xi)为臭氧发生器运行效率函数,f4(xi)为加湿器运行效率函数,f5(xi)为空气净化器运行效率函数,xi为进化值。
18、优选的,所述s4:建立汉密尔顿算子函数,获取医疗护理设备运行优化模型的优化条件,包括:
19、s4.1建立汉密尔顿函数:
20、h=f(i,fn(xi),yn(xi))+αig(i,fn(xi),yn(xi));
21、式中,i代表时段,fn(xi)代表制氧机、负离子发生器、臭氧发生器、加湿器、空气净化器任一种设备在i时段的变化值,yn(xi)代表制氧机、负离子发生器、臭氧发生器、加湿器、空气净化器任一种设备的控制量,αig为哈密尔顿乘子;
22、s4.2基于汉密尔顿函数,得到对应的伴随状态方程满足条件,并将所述伴随状态方程满足条件作为医疗护理设备运行优化模型的优化条件。
23、优选的,所述s5:进行医疗护理设备运行模拟,基于模拟结果得到医疗护理设备最优控制方案,包括:
24、s5.1:基于庞特里亚金极大值定理,计算控制量的上下界,模拟医疗护理设备运行;
25、s5.2:对控制量的上下界添加约束条件,并通过预设的迭代次数,得到医疗护理设备最优控制方案。
26、另一方面,本专利技术提供了一种基于人脸识别的医疗护理设备控制系统,包括:
27、获取模块:获取网络摄像头下的视频流,定位视频流中的各人脸图像;
28、识别模块:构建人脸识别网络模型,分别提取所述人脸图像的人脸特征,并将所述人脸特征与预设的人脸数据库中人脸图像的真实人脸特征进行对比,得到目标人脸图像并在预设的人脸数据库中获取目标人脸图像对应的身份信息;
29、建立模块:基于所述身份信息建立医疗护理设备运行优化模型;
30、计算模块:建立汉密尔顿算子函数,获取医疗护理设备运行优化模型的优化条件;
31、模拟并输出模块:进行医疗护理设备运行模拟,基于模拟结果得到医疗护理设备最优控制方案。
32、另一方面,本专利技术提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在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基于人脸识别的医疗护理设备控制方法。
33、另一方面,本专利技术提供了一种计算机存储介质,所述计算机存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至5中任意一项所述基于人脸识别的医疗护理设备控制方法。
34、经由上述的技术方案可知,与现有技术相比,本专利技术公开提供了一种基于人脸识别的医疗护理设备控制方法、系统、设备及存储介质,基于人脸识别技术识别患者身份信息,针对不同的患者建立医疗护理设备运行优化模型,并通过计算及模拟的方式提供长期有效的护理模式,提高术后护理的工作效率,加快患者术后恢复的进展。
本文档来自技高网...【技术保护点】
1.一种基于人脸识别的医疗护理设备控制方法,其特征在于,包括:
2.根据权利要求1所述的一种基于人脸识别的医疗护理设备控制方法,其特征在于,所述人脸识别网络模型为VGG16-Net人脸识别网络模型,包括:
3.根据权利要求1所述的一种基于人脸识别的医疗护理设备控制方法,其特征在于,将所述人脸特征与预设的人脸数据库中人脸图像的真实人脸特征进行对比的表达式为:
4.根据权利要求1所述的一种基于人脸识别的医疗护理设备控制方法,其特征在于,医疗护理设备运行优化模型的表达式为:
5.根据权利要求1所述的一种基于人脸识别的医疗护理设备控制方法,其特征在于,所述S4:建立汉密尔顿算子函数,获取医疗护理设备运行优化模型的优化条件,包括:
6.根据权利要求1所述的一种基于人脸识别的医疗护理设备控制方法,其特征在于,所述S5:进行医疗护理设备运行模拟,基于模拟结果得到医疗护理设备最优控制方案,包括:
7.一种利用权利要求1至6任一项所述的基于人脸识别的医疗护理设备控制方法的控制系统,其特征在于,包括:
8.一种电子设
9.一种计算机存储介质,其特征在于,所述计算机存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至6中任意一项所述的基于人脸识别的医疗护理设备控制方法。
...【技术特征摘要】
1.一种基于人脸识别的医疗护理设备控制方法,其特征在于,包括:
2.根据权利要求1所述的一种基于人脸识别的医疗护理设备控制方法,其特征在于,所述人脸识别网络模型为vgg16-net人脸识别网络模型,包括:
3.根据权利要求1所述的一种基于人脸识别的医疗护理设备控制方法,其特征在于,将所述人脸特征与预设的人脸数据库中人脸图像的真实人脸特征进行对比的表达式为:
4.根据权利要求1所述的一种基于人脸识别的医疗护理设备控制方法,其特征在于,医疗护理设备运行优化模型的表达式为:
5.根据权利要求1所述的一种基于人脸识别的医疗护理设备控制方法,其特征在于,所述s4:建立汉密尔顿算子函数,获取医疗护理设备运行优化模型的优化条件,包括:
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。