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】
本专利技术涉及视频图像编码,具体涉及一种呼吸重症患者远程监控方法及系统。
技术介绍
1、在呼吸重症患者病房中,通常会对患者进行全天健康监控,这类监控系统通常集成了多种传感器和图像采集对患者进行全方位的实时检测,传感器检测数据主要包括呼吸频率、心率、血氧饱和度和血压等,图像采集主要采集实时监控图像,这些数据与实时监控图像通过仪器传输至数据管理系统,通过管理系统医护人员可以实时对患者情况进行远程监控。
2、由于图像数据内容较大,在图像传输过程中会对图像进行压缩编码,而对于医疗监控这类对精确性存在高要求的图像而言,需要一种无损压缩编码方法进行压缩,因此常使用霍夫曼编码对其进行压缩加密。但如果传输网络出现波动等异常情况,监控数据传输过程会出现丢包,将导致监控画面出现缺失的情况,由于在霍夫曼编码时并未对监控图像中观测患者发生变化的重要部分进行优先分析并编码,导致图像中需要观测的重要部分的编码丢失率较高,进而使传输后的监控图像中重要部分缺失严重,将无法对重症患者进行有效的监控管理。
技术实现思路
1、为了解决现有技术中导致图像中需要观测的重要部分的编码丢失率较高,进而使传输后的监控图像中重要部分缺失严重,将无法对重症患者进行有效的监控管理的技术问题,本专利技术的目的在于提供一种呼吸重症患者远程监控方法及系统,所采用的技术方案具体如下:
2、本专利技术提供了一种呼吸重症患者远程监控方法,所述方法包括:
3、根据呼吸重症患者监控视频获取当前图像帧前预设时间段上的
4、根据当前图像帧中变化像素点的位置分布情况,以及每个变化像素点与其他变化像素点之间的分布差异情况,获得每个变化像素点的局部估计范围;在每个变化像素点的局部估计范围内,根据其他变化像素点的位置分布密度以及灰度分布的整体偏差情况,获得每个变化像素点的第一优选参数;
5、在每个变化像素点的局部估计范围内,根据对应变化像素点与其他变化像素点在相邻历史图像帧之间的变化差异情况,获得每个变化像素点的移动指标;根据每个变化像素点在所有历史图像帧中的变化数量和移动指标,获得每个变化像素点的第二优选参数;
6、根据灰度级对应所有变化像素点的第一优选参数和第二优选参数,以及灰度级分布概率,获得每个灰度级的优先级参数;根据当前图像帧中每个灰度级的优先级参数和灰度级分布概率,获得当前图像帧的图像编码进行传输监控。
7、进一步地,所述变化像素点的获取方法包括:
8、将当前图像帧与每个历史图像帧采用帧差法,获得当前图像帧与每个历史图像帧之间的变化点;将当前图像帧中对应的所有变化点作为变化像素点。
9、进一步地,所述局部估计范围的获取方法包括:
10、计算当前图像帧中所有变化像素点的坐标方差,进行负相关映射并归一化处理,获得当前图像帧的变化分布混乱值;
11、对于任意一个变化像素点,计算该变化像素点与每个其他变化像素点之间的距离,获得该变化像素点的分布差异;将该变化像素点的所有分布差异按照从小到大的顺序排列,获得该变化像素点的分布差异序列;
12、将该变化像素点的分布差异序列中每个分布差异的序号进行负相关映射并归一化处理,获得每个分布差异的调节系数;将分布差异序列中每个分布差异与对应的调节系数相乘,获得该变化像素点的距离序列;
13、计算距离序列中每相邻两个元素值的差异,作为距离差异值;在距离差异值最大时对应的两个元素值中,将最小的元素值对应的分布差异作为该变化像素点的距离分布指标;
14、计算当前图像帧中所有变化像素点的距离分布指标的平均值,获得每个变化像素点的距离阈值;将每个变化像素点的距离阈值与变化分布混乱值的乘积,作为每个变化像素点的局部范围值;以每个变化像素点为中心,以局部范围值为半径,获得每个变化像素点对应的圆形范围作为每个变化像素点的局部估计范围。
15、进一步地,所述第一优选参数的获取方法包括:
16、对于任意一个变化像素点,将在该变化像素点的局部估计范围内的其他变化像素点作为该变化像素点的局部点;统计每个局部点的局部估计范围内变化像素点的数量,作为每个局部点的局部数量;将局部数量最大时对应的局部点作为该变化像素点的聚集点;
17、根据当前图像帧中灰度级对应的像素点的分布情况,获得当前图像帧的高灰度级均值;
18、在每个聚集点的局部估计范围内,计算每个变化像素点的灰度值与高灰度级均值之间的差异,获得每个变化像素点的灰度差异;计算每个聚集点的局部估计范围内所有变化像素点的灰度差异的平均值并进行归一化处理,获得每个聚集点的局部灰度分布指标;
19、将每个聚集点的局部灰度分布指标与局部数量的乘积进行归一化处理,获得每个聚集点的优选值;将所有聚集点的优选值的平均值作为该变化像素点的第一优选参数。
20、进一步地,所述移动指标的获取方法包括:
21、在时序顺序上对每个历史图像帧与前一个历史图像帧进行帧差法计算后,获得每个历史图像帧中的差异点;
22、依次将每个变化像素点作为参考点;当历史图像帧中的差异点的位置与参考点存在相同时,将对应历史图像帧作为参考点的参考帧;计算每个参考帧在参考点的局部估计范围内的差异点与参考点之间的距离的平均值,获得参考点在每个参考帧下的移动变化值;计算参考点在对应所有参考帧下的移动变化值的平均值,进行负相关映射并归一化处理,获得参考点的移动指标。
23、进一步地,所述第二优选参数的获取方法包括:
24、对于任意一个变化像素点,统计当前图像帧与每个历史图像帧之间的变化点的位置与该变化像素点相同的次数,获得该变化像素点的变化数量;
25、将该变化像素点的变化数量与移动指标的乘积进行归一化处理,获得该变化像素点的第二优选参数。
26、进一步地,所述优先级参数的获取方法包括:
27、将每个变化像素点的第一优选参数和第二优选参数的和值,作为每个变化像素点的总优选参数;将每个灰度级对应的所有变化像素点的总优选参数的平均值,作为每个灰度级的优选指标;将当前图像帧中每个灰度级的出现概率作为每个灰度级的灰度级分布概率;
28、将每个灰度级的优选指标和灰度级分布概率的乘积,作为每个灰度级的优先级参数。
29、进一步地,所述根据当前图像帧中每个灰度级的优先级参数和灰度分布,获得当前图像帧的图像编码进行传输监控,包括:
30、结合每个灰度级的优先级参数和灰度级分布概率,获取当前图像帧中灰度级的霍夫曼树;霍夫曼树的左子树为每个非零优先级参数对应的灰度级根据优先级参数构建,霍夫曼树的右子树为每个优先级参数为零的灰度级根据灰度级分布概率构建;
31、根据当前图像帧中灰度级的霍夫曼树对当前图像帧进行霍夫曼编码,获得当前图像帧的图像编码以及每个灰度级本文档来自技高网...
【技术保护点】
1.一种呼吸重症患者远程监控方法,其特征在于,所述方法包括:
2.根据权利要求1所述一种呼吸重症患者远程监控方法,其特征在于,所述变化像素点的获取方法包括:
3.根据权利要求1所述一种呼吸重症患者远程监控方法,其特征在于,所述局部估计范围的获取方法包括:
4.根据权利要求1所述一种呼吸重症患者远程监控方法,其特征在于,所述第一优选参数的获取方法包括:
5.根据权利要求1所述一种呼吸重症患者远程监控方法,其特征在于,所述移动指标的获取方法包括:
6.根据权利要求2所述一种呼吸重症患者远程监控方法,其特征在于,所述第二优选参数的获取方法包括:
7.根据权利要求1所述一种呼吸重症患者远程监控方法,其特征在于,所述优先级参数的获取方法包括:
8.根据权利要求7所述一种呼吸重症患者远程监控方法,其特征在于,所述根据当前图像帧中每个灰度级的优先级参数和灰度分布,获得当前图像帧的图像编码进行传输监控,包括:
9.根据权利要求4所述一种呼吸重症患者远程监控方法,其特征在于,所述高灰度级均值的获取方法包
10.一种呼吸重症患者远程监控系统,包括存储器和处理器,其特征在于,所述处理器执行所述存储器存储的计算程序,以实现如权利要求1-9任一项所述一种呼吸重症患者远程监控方法。
...【技术特征摘要】
1.一种呼吸重症患者远程监控方法,其特征在于,所述方法包括:
2.根据权利要求1所述一种呼吸重症患者远程监控方法,其特征在于,所述变化像素点的获取方法包括:
3.根据权利要求1所述一种呼吸重症患者远程监控方法,其特征在于,所述局部估计范围的获取方法包括:
4.根据权利要求1所述一种呼吸重症患者远程监控方法,其特征在于,所述第一优选参数的获取方法包括:
5.根据权利要求1所述一种呼吸重症患者远程监控方法,其特征在于,所述移动指标的获取方法包括:
6.根据权利要求2所述一种呼吸重症患者远程监控方法,其特征在于,所述第二优选参数的获...
【专利技术属性】
技术研发人员:韩磊,蔡菊,赵丽,
申请(专利权)人:大连云间来客科技有限公司,
类型:发明
国别省市:
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。