CN108833230A - 一种智能家居系统 - Google Patents
一种智能家居系统 Download PDFInfo
- Publication number
- CN108833230A CN108833230A CN201810676286.3A CN201810676286A CN108833230A CN 108833230 A CN108833230 A CN 108833230A CN 201810676286 A CN201810676286 A CN 201810676286A CN 108833230 A CN108833230 A CN 108833230A
- Authority
- CN
- China
- Prior art keywords
- pixel
- image
- indicate
- segmentation
- evaluation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L12/00—Data switching networks
- H04L12/28—Data switching networks characterised by path configuration, e.g. LAN [Local Area Networks] or WAN [Wide Area Networks]
- H04L12/2803—Home automation networks
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L12/00—Data switching networks
- H04L12/28—Data switching networks characterised by path configuration, e.g. LAN [Local Area Networks] or WAN [Wide Area Networks]
- H04L12/2803—Home automation networks
- H04L12/2816—Controlling appliance services of a home automation network by calling their functionalities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Automation & Control Theory (AREA)
- Epidemiology (AREA)
- Biomedical Technology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Pathology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明提供了一种智能家居系统,包括温度检测器、湿度检测器、健康检测器、信息处理设备和控制器,所述温度检测器用于测量室内温度并发送给信息处理设备,所述湿度检测器用于测量室内湿度并发送给信息处理设备,所述健康检测器用于获取人体的健康状况并发送给信息处理设备,所述信息处理设备根据室内温度、湿度和人体健康状况向控制器发送控制信号,所述控制器根据控制信号对室内温度湿度进行调节。本发明的有益效果为:提供了一种智能家居系统,根据人体健康状况,实现了室内温度湿度的自动调节。
Description
技术领域
本发明涉及智能家居技术领域,具体涉及一种智能家居系统。
背景技术
现代人群的生活水平较以往有所提高,但是人们往往会忽略居住环境对自己身体的影响,尤其是春秋两季,人们在室内等到自己感觉所处环境温度较低或者过于潮湿时,很可能已经生病。
信息技术的飞速发展和计算机应用水平的不断提高,促进了医疗影像仪器的快速发展,充分利用这些影像信息和计算机超常的处理能力,可以实现人体从宏观到微观结构的数字化,进一步对人体器官进行精确模拟和三维重建,可以有效帮助医生进行计算机辅助诊断、制定内外科手术规划、对相应组织或器官进行动态模拟并分析病变部位的结构和发生过程,提高疾病诊断的准确性。利用医学影像对器官或病灶组织进行模拟的关键问题是对医疗影像的正确和快速分割。从本质上讲,医学影像分割就是将给定的医学影像划分为不同的组织或器官的过程。然而,先进的影像仪器提供的医学影像中包含着数以千万的像素,运用传统方法进行分割时,算法的效率将是巨大的挑战。靠手工或半自动方式对大量的医学影像数据进行分割显然是不现实的,因此,研究医学影像的分割技术具有非常重要理论价值和现实意义。
发明内容
针对上述问题,本发明旨在提供一种智能家居系统。
本发明的目的采用以下技术方案来实现:
提供了一种智能家居系统,包括温度检测器、湿度检测器、健康检测器、信息处理设备和控制器,所述温度检测器用于测量室内温度并发送给信息处理设备,所述湿度检测器用于测量室内湿度并发送给信息处理设备,所述健康检测器用于获取人体的健康状况并发送给信息处理设备,所述信息处理设备根据室内温度、湿度和人体健康状况向控制器发送控制信号,所述控制器根据控制信号对室内温度湿度进行调节。
本发明的有益效果为:提供了一种智能家居系统,根据人体健康状况,实现了室内温度湿度的自动调节。
可选的,所述健康检测器包括影像获取子系统、影像分割子系统、影像识别子系统和健康子系统,所述影像获取子系统用于采集医学影像,所述影像分割子系统包括影像分割单元和影像评价单元,所述影像分割单元用于对医学影像进行分割,所述影像评价单元用于对所述影像分割单元的分割效果进行评价,所述影像识别子系统根据医学影像分割结果对影像进行识别,所述健康子系统根据医学影像识别结果分析人体健康状况。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1是本发明的结构示意图;
附图标记:
温度检测器1、湿度检测器2、健康检测器3、信息处理设备4、控制器5。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1,本实施例的一种智能家居系统,包括温度检测器1、湿度检测器2、健康检测器3、信息处理设备4和控制器5,所述温度检测器1用于测量室内温度并发送给信息处理设备4,所述湿度检测器2用于测量室内湿度并发送给信息处理设备4,所述健康检测器3用于获取人体的健康状况并发送给信息处理设备4,所述信息处理设备4根据室内温度、湿度和人体健康状况向控制器5发送控制信号,所述控制器5根据控制信号对室内温度湿度进行调节。
本实施例提供了一种智能家居系统,根据人体健康状况,实现了室内温度湿度的自动调节。
可选的,所述健康检测器3包括影像获取子系统、影像分割子系统、影像识别子系统和健康子系统,所述影像获取子系统用于采集医学影像,所述影像分割子系统包括影像分割单元和影像评价单元,所述影像分割单元用于对医学影像进行分割,所述影像评价单元用于对所述影像分割单元的分割效果进行评价,所述影像识别子系统根据医学影像分割结果对影像进行识别,所述健康子系统根据医学影像识别结果分析人体健康状况。
本优选实施例健康检测器实现了医学影像的准确分割和健康状况获取。
优选的,所述影像分割单元用于对医学影像进行分割:
对采集的医学影像,分割函数采用下式确定:在式子里,EH表示分割函数,C表示预设的聚类数目,n表示影像中像素的数目,uij表示第j个像素隶属于第i类的隶属度,0≤uij≤1且dij表示第j个像素到第i个聚类中心的欧式距离,m表示预设的模糊因子,m>1,LGkj表示邻域像素k与中心像素j的相关系数,Nj表示第j个像素的邻域像素组成的集合,k为Nj中的像素,uik表示第k个像素隶属于第i类的隶属度,0≤uik≤1且dik表示第k个像素到第i个聚类中心的欧式距离;
通过下式确定所述相关系数:在式子里,像素j是7×7邻域窗口的中心像素,像素k是像素j邻域窗口内的像素,xj和xk分别表示像素j和像素k的位置,h(j)和h(k)分别表示像素j和像素k的灰度值;
对分割函数进行最小化,得到第j个像素隶属于不同聚类的隶属度uij(i=1,2,…,C),对影像分割时,像素j被划分为第f类:f=argmaxi{uij,i=1,2,…,C};对影像中的每一个像素进行分类,得到影像分割结果;
本优选实施例影像分割单元采用分割函数对医学影像进行分割,获取了准确的影像分割结果,为后续健康分析奠定了基础,具体的,相关系数充分考虑了像素之间的空间距离和灰度距离,提升了影像分割的准确性。
优选的,所述影像评价单元用于包括一次评价单元、二次评价单元和三次评价单元,所述一次评价单元用于获取分割效果的第一评价因子,所述二次评价单元用于获取分割效果的第二评价因子,所述三次评价单元根据第一评价因子和第二评价因子对分割效果进行综合评价;
所述一次评价单元用于获取分割效果的第一评价因子:
采用下式确定第一评价因子:在式子里,ZC1表示第一评价因子,C表示预设的聚类数目,n表示影像中像素的数目,uij表示第j个像素隶属于第i类的隶属度,0≤uij≤1且zi表示第i个聚类中心,xj表示像素j的位置;所述第一评价因子越小,表示聚类内部的分割越好;
所述二次评价单元用于获取分割效果的第二评价因子:
采用下式确定第二评价因子:在式子里,ZC2表示第二评价因子,C表示预设的聚类数目,n表示影像中像素的数目,uij表示第j个像素隶属于第i类的隶属度,0≤uij≤1且zi表示第i个聚类中心,xj表示像素j的位置,h(j)和h′(j)分别表示分割后与分割前的像素灰度值;所述第二评价因子越小,表示影像分割后与原影像的差别越小;
所述三次评价单元根据第一评价因子和第二评价因子对分割效果进行综合评价:
采用综合评价因子对分割效果进行综合评价,综合评价因子采用下式确定: 在式子里,ZC表示综合评价因子;综合评价因子越小,表示医学影像分割效果越好。
本优选实施例影像评价单元实现了对影像分割效果的准确评价,便于根据最终分割结果随时对分割函数进行调整,从而保证了分割的准确性,具体的,通过确定第一评价因子和第二评价因子对分割效果进行评价,根据第一评价因子和第二评价因子确定综合评价因子,实现了分割效果的综合评价。
采用本发明智能家居系统进行温度湿度控制,选取5个家庭进行实验,分别为家庭1、家庭2、家庭3、家庭4、家庭5,对温度湿度调节速度和用户满意度进行统计,同现有智能家居系统相比,产生的有益效果如下表所示:
温度湿度调节速度提高 | 用户满意度提高 | |
家庭1 | 29% | 27% |
家庭2 | 27% | 26% |
家庭3 | 26% | 26% |
家庭4 | 25% | 24% |
家庭5 | 24% | 22% |
最后应当说明的是,以上实施例仅用以说明本发明的技术方案,而非对本发明保护范围的限制,尽管参照较佳实施例对本发明作了详细地说明,本领域的普通技术待看护人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。
Claims (7)
1.一种智能家居系统,其特征在于,包括温度检测器、湿度检测器、健康检测器、信息处理设备和控制器,所述温度检测器用于测量室内温度并发送给信息处理设备,所述湿度检测器用于测量室内湿度并发送给信息处理设备,所述健康检测器用于获取人体的健康状况并发送给信息处理设备,所述信息处理设备根据室内温度、湿度和人体健康状况向控制器发送控制信号,所述控制器根据控制信号对室内温度湿度进行调节。
2.根据权利要求1所述的智能家居系统,其特征在于,所述健康检测器包括影像获取子系统、影像分割子系统、影像识别子系统和健康子系统,所述影像获取子系统用于采集医学影像,所述影像分割子系统包括影像分割单元和影像评价单元,所述影像分割单元用于对医学影像进行分割,所述影像评价单元用于对所述影像分割单元的分割效果进行评价,所述影像识别子系统根据医学影像分割结果对影像进行识别,所述健康子系统根据医学影像识别结果分析人体健康状况。
3.根据权利要求2所述的智能家居系统,其特征在于,所述影像分割单元用于对医学影像进行分割:
对采集的医学影像,分割函数采用下式确定:在式子里,EH表示分割函数,C表示预设的聚类数目,n表示影像中像素的数目,uij表示第j个像素隶属于第i类的隶属度,0≤uij≤1且dij表示第j个像素到第i个聚类中心的欧式距离,m表示预设的模糊因子,m>1,LGkj表示邻域像素k与中心像素j的相关系数,Nj表示第j个像素的邻域像素组成的集合,k为Nj中的像素,uik表示第k个像素隶属于第i类的隶属度,0≤uik≤1且dik表示第k个像素到第i个聚类中心的欧式距离;
通过下式确定所述相关系数:在式子里,像素j是7×7邻域窗口的中心像素,像素k是像素j邻域窗口内的像素,xj和xk分别表示像素j和像素k的位置,h(j)和h(k)分别表示像素j和像素k的灰度值;
对分割函数进行最小化,得到第j个像素隶属于不同聚类的隶属度uij(i=1,2,…,C),对影像分割时,像素j被划分为第f类:f=arg maxi{uij,i=1,2,…,C};对影像中的每一个像素进行分类,得到影像分割结果。
4.根据权利要求3所述的智能家居系统,其特征在于,所述影像评价单元用于包括一次评价单元、二次评价单元和三次评价单元,所述一次评价单元用于获取分割效果的第一评价因子,所述二次评价单元用于获取分割效果的第二评价因子,所述三次评价单元根据第一评价因子和第二评价因子对分割效果进行综合评价。
5.根据权利要求4所述的智能家居系统,其特征在于,所述一次评价单元用于获取分割效果的第一评价因子:
采用下式确定第一评价因子:在式子里,ZC1表示第一评价因子,C表示预设的聚类数目,n表示影像中像素的数目,uij表示第j个像素隶属于第i类的隶属度,0≤uij≤1且zi表示第i个聚类中心,xj表示像素j的位置;所述第一评价因子越小,表示聚类内部的分割越好。
6.根据权利要求5所述的智能家居系统,其特征在于,所述二次评价单元用于获取分割效果的第二评价因子:
采用下式确定第二评价因子:在式子里,ZC2表示第二评价因子,C表示预设的聚类数目,n表示影像中像素的数目,uij表示第j个像素隶属于第i类的隶属度,0≤uij≤1且zi表示第i个聚类中心,xj表示像素j的位置,h(j)和h′(j)分别表示分割后与分割前的像素灰度值;所述第二评价因子越小,表示影像分割后与原影像的差别越小。
7.根据权利要求6所述的智能家居系统,其特征在于,所述三次评价单元根据第一评价因子和第二评价因子对分割效果进行综合评价:
采用综合评价因子对分割效果进行综合评价,综合评价因子采用下式确定: 在式子里,ZC表示综合评价因子;综合评价因子越小,表示医学影像分割效果越好。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810676286.3A CN108833230A (zh) | 2018-06-27 | 2018-06-27 | 一种智能家居系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810676286.3A CN108833230A (zh) | 2018-06-27 | 2018-06-27 | 一种智能家居系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108833230A true CN108833230A (zh) | 2018-11-16 |
Family
ID=64138811
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810676286.3A Pending CN108833230A (zh) | 2018-06-27 | 2018-06-27 | 一种智能家居系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108833230A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113362345A (zh) * | 2021-06-30 | 2021-09-07 | 武汉中科医疗科技工业技术研究院有限公司 | 图像分割方法、装置、计算机设备和存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105700368A (zh) * | 2016-01-29 | 2016-06-22 | 宇龙计算机通信科技(深圳)有限公司 | 一种智能家居控制方法及装置 |
CN106687048A (zh) * | 2014-09-08 | 2017-05-17 | 皇家飞利浦有限公司 | 医学成像装置 |
CN107748621A (zh) * | 2017-11-06 | 2018-03-02 | 潘柏霖 | 一种智能交互机器人 |
-
2018
- 2018-06-27 CN CN201810676286.3A patent/CN108833230A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106687048A (zh) * | 2014-09-08 | 2017-05-17 | 皇家飞利浦有限公司 | 医学成像装置 |
CN105700368A (zh) * | 2016-01-29 | 2016-06-22 | 宇龙计算机通信科技(深圳)有限公司 | 一种智能家居控制方法及装置 |
CN107748621A (zh) * | 2017-11-06 | 2018-03-02 | 潘柏霖 | 一种智能交互机器人 |
Non-Patent Citations (1)
Title |
---|
张小峰: "基于模糊聚类算法的医学图像分割技术研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113362345A (zh) * | 2021-06-30 | 2021-09-07 | 武汉中科医疗科技工业技术研究院有限公司 | 图像分割方法、装置、计算机设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110326024B (zh) | 用于处理由医学成像装置捕获的组织学图像的方法和装置 | |
CN109938764A (zh) | 一种基于深度学习的自适应多部位扫描成像方法及其系统 | |
DE102008025151A1 (de) | Bilderzeugungsapparat und -methode zur Nuklearbildgebung | |
CN111932559A (zh) | 基于深度学习的新冠肺炎肺部病灶区域分割系统 | |
CN1663530A (zh) | 用于处理图像数据以帮助检测疾病的方法和装置 | |
CN101615224A (zh) | 一种计算机辅助识别装置和系统 | |
CN110120045A (zh) | 一种基于回归模型的x光成像曝光参数确定方法 | |
CN105828875A (zh) | 利用生物机械模型估计器官的位置 | |
CN109741316A (zh) | 医学影像智能评片系统 | |
CN107049345A (zh) | 数字x射线乳腺摄影系统中曝光指数及偏差指数计算方法 | |
CN106419938A (zh) | 一种基于运动能量释放估算的注意缺陷多动障碍(adhd)检测方法及其检测系统 | |
CN108833230A (zh) | 一种智能家居系统 | |
CN105551042B (zh) | 一种扫描床标记点位置的确定方法和装置 | |
CN106557767A (zh) | 一种确定介入影像中roi区域的方法 | |
DE102021102158A1 (de) | Ultraschallbilderfassungsoptimierung gemäss verschiedenen atmungsmodi | |
WO2023036243A1 (en) | Medical devices, methods and systems for monitoring the medical devices | |
CN105578958B (zh) | 用于背景感知成像的系统和方法 | |
Sha et al. | Detection of Spinal Fracture Lesions Based on Improved YOLO-tiny | |
CN108961228A (zh) | 一种远程医疗诊断系统 | |
Maddah et al. | Modeling of anatomical information in clustering of white matter fiber trajectories using dirichlet distribution | |
CN108922613A (zh) | 一种远程看护系统 | |
Senthil et al. | Predicting lung cancer using datamining techniques with the AID of SVM classifier | |
JP2022153142A (ja) | 情報処理システム、生体試料処理装置及びプログラム | |
CN108839032A (zh) | 一种智能机器人 | |
CN117954050B (zh) | 电极片贴敷方案确定方法及装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181116 |
|
RJ01 | Rejection of invention patent application after publication |