CN109172333B - 一种数据处理方法及装置 - Google Patents
一种数据处理方法及装置 Download PDFInfo
- Publication number
- CN109172333B CN109172333B CN201811191718.8A CN201811191718A CN109172333B CN 109172333 B CN109172333 B CN 109172333B CN 201811191718 A CN201811191718 A CN 201811191718A CN 109172333 B CN109172333 B CN 109172333B
- Authority
- CN
- China
- Prior art keywords
- pulse
- acceleration
- primary selection
- selection data
- data
- 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.)
- Active
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
- A61H31/00—Artificial respiration or heart stimulation, e.g. heart massage
- A61H31/004—Heart stimulation
- A61H31/007—Manual driven
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1118—Determining activity level
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6802—Sensor mounted on worn items
- A61B5/681—Wristwatch-type devices
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
- A61H2201/00—Characteristics of apparatus not provided for in the preceding codes
- A61H2201/12—Driving means
- A61H2201/1253—Driving means driven by a human being, e.g. hand driven
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
- A61H2205/00—Devices for specific parts of the body
- A61H2205/08—Trunk
- A61H2205/084—Chest
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Molecular Biology (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Surgery (AREA)
- Signal Processing (AREA)
- Physiology (AREA)
- Cardiology (AREA)
- Psychiatry (AREA)
- Artificial Intelligence (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Emergency Medicine (AREA)
- Pulmonology (AREA)
- Epidemiology (AREA)
- Pain & Pain Management (AREA)
- Physical Education & Sports Medicine (AREA)
- Rehabilitation Therapy (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本申请实施例提供的数据处理方法及装置中,获取执行胸外按压过程中操作者手的多个加速度原始数据;对所述多个加速度原始数据进行预处理,获得多个加速度初选数据;将所述多个加速度原始数据存入第一滑动窗口,将所述多个加速度初选数据存入第二滑动窗口;对所述第二滑动窗口进行突变阈值监测,根据所述突变阈值监测的结果,在所述第二滑动窗口切割出一个完整的胸外按压过程对应的初选脉冲,并根据所述初选脉冲在所述第一滑动窗口切割出脉冲过程;对所述脉冲过程的多个脉冲参数进行标准判断,若所述多个脉冲参数均满足所述标准判断,则判定该胸外按压过程操作正确。
Description
技术领域
本申请涉及数据处理技术领域,具体而言,涉及一种数据处理方法及装置。
背景技术
现有技术中,在遇到突发情况时,往往需要施展胸外按压术来对发生意外的人员进行施救,然而,由于生活中的大多数人并没有受过相应的施救课程,缺乏施救经验,往往很难进行标准的胸外按压动作。
申请内容
有鉴于此,本申请实施例提供了一种数据处理方法及装置,该方法可以被设置于智能穿戴设备如智能手表或智能手环中,可以对胸外按压过程进行判断,以规范操作者的动作。
第一方面,本申请实施例提供了一种数据处理方法,所述方法包括:获取执行胸外按压过程中操作者手的多个加速度原始数据;对所述多个加速度原始数据进行预处理,获得多个加速度初选数据;将所述多个加速度原始数据存入第一滑动窗口,将所述多个加速度初选数据存入第二滑动窗口;对所述第二滑动窗口进行突变阈值监测,根据所述突变阈值监测的结果,在所述第二滑动窗口切割出一个完整的胸外按压过程对应的初选脉冲,并根据所述初选脉冲在所述第一滑动窗口切割出脉冲过程;对所述脉冲过程的多个脉冲参数进行标准判断,若所述多个脉冲参数均满足所述标准判断,则判定该胸外按压过程操作正确。
在一个可能的设计中,所述对所述第二滑动窗口进行突变阈值监测,根据所述突变阈值监测的结果,在所述第二滑动窗口切割出一个完整的胸外按压过程对应的初选脉冲,包括:判断所述多个加速度初选数据中,是否存在相邻两个加速度初选数据,其中后一个加速度初选数据与前一个加速度初选数据相比变化量超过预设阈值;若是,获取该相邻两个加速度初选数据中的后一个加速度初选数据,计做第一加速度初选数据;以所述第一加速度初选数据开始向前遍历,将加速度为零的加速度初选数据作为该初选脉冲的起点;以所述第一加速度初选数据开始向后遍历,将加速度为零或加速度初选数据对应的位置点的速度为零的加速度初选数据作为该初选脉冲的终点。
在一个可能的设计中,对所述脉冲过程的多个脉冲参数进行标准判断,包括:对所述脉冲过程的脉冲幅宽进行标准判断;对所述脉冲过程的脉冲幅高进行标准判断;对所述脉冲过程的梯度进行标准判断。
在一个可能的设计中,所述对所述脉冲过程的脉冲幅宽进行标准判断,包括:获得所述脉冲过程的起点和终点之间的时间间隔,将所述时间间隔计做脉冲幅宽;判断所述脉冲幅宽是否在预设采样时间范围内;若是,则判定所述脉冲幅宽满足所述标准判断。
在一个可能的设计中,所述对所述脉冲过程的脉冲幅高进行标准判断,包括:判断是否满足预设按压距离范围,其中,a为该脉冲过程中的加速度原始数据的数据值,t为该脉冲过程的采样周期,n为该脉冲过程中的加速度原始数据的个数;若满足预设按压距离范围,从该脉冲过程的加速度原始数据中,获得最大值和最小值,分别作为该脉冲过程的极大值点和极小值点;若所述极大值点满足极大值范围且极小值点满足极小值范围,则判定所述脉冲幅高满足标准判断。
在一个可能的设计中,所述对所述脉冲过程的梯度进行标准判断,包括:对所述第二滑动窗口中多个加速度初选数据的相邻两个加速度初选数据进行斜率计算,获得斜率计算结果;获得所述斜率计算结果的正值和负值,若负值的个数多于正值的个数,则进行梯度值特征判断;所述梯度值特征判断包括:获取所述第二滑动窗口中多个加速度初选数据的极大值、极小值以及标准值,分别判断极大值与标准值的斜率是否满足第一斜率范围、极小值与标准值的斜率是否满足第二斜率范围、极大值与极小值的斜率是否满足第三斜率范围;若均是,则判定所述梯度满足标准判断。
第二方面,本申请实施例提供了一种数据处理装置,所述装置包括:原始数据获取模块,用于获取执行胸外按压过程中操作者手的多个加速度原始数据;预处理模块,用于对所述多个加速度原始数据进行预处理,获得多个加速度初选数据;数据存储模块,用于将所述多个加速度原始数据存入第一滑动窗口,将所述多个加速度初选数据存入第二滑动窗口;脉冲获取模块,用于对所述第二滑动窗口进行突变阈值监测,根据所述突变阈值监测的结果,在所述第二滑动窗口切割出一个完整的胸外按压过程对应的初选脉冲,并根据所述初选脉冲在所述第一滑动窗口切割出脉冲过程;参数判定模块,用于对所述脉冲过程的多个脉冲参数进行标准判断,若所述多个脉冲参数均满足所述标准判断,则判定该胸外按压过程操作正确。
在一个可能的设计中,所述脉冲获取模块包括:初选数据判断模块,用于判断所述多个加速度初选数据中,是否存在相邻两个加速度初选数据,其中后一个加速度初选数据与前一个加速度初选数据相比变化量超过预设阈值;阈值点选取模块,获取该相邻两个加速度初选数据中的后一个加速度初选数据,计做第一加速度初选数据;起点获取模块,用于以所述第一加速度初选数据开始向前遍历,将加速度为零的加速度初选数据作为该初选脉冲的起点;终点获取模块,用于以所述第一加速度初选数据开始向后遍历,将加速度为零或加速度初选数据对应的位置点的速度为零的加速度初选数据作为该初选脉冲的终点。
在一个可能的设计中,所述参数判定模块包括:幅宽判断模块,用于对所述脉冲过程的脉冲幅宽进行标准判断;幅高判断模块,用于对所述脉冲过程的脉冲幅高进行标准判断;梯度判断模块,用于对所述脉冲过程的梯度进行标准判断。
在一个可能的设计中,所述幅宽判断模块包括:时间间隔获得子模块,用于获得所述脉冲过程的起点和终点之间的时间间隔,将所述时间间隔计做脉冲幅宽;采样时间判断子模块,用于判断所述脉冲幅宽是否在预设采样时间范围内;幅宽判定子模块,用于判定所述脉冲幅宽满足所述标准判断。
本申请实施例提供的数据处理方法及装置中,获取执行胸外按压过程中操作者手的多个加速度原始数据;对所述多个加速度原始数据进行预处理,获得多个加速度初选数据;将所述多个加速度原始数据存入第一滑动窗口,将所述多个加速度初选数据存入第二滑动窗口;对所述第二滑动窗口进行突变阈值监测,根据所述突变阈值监测的结果,在所述第二滑动窗口切割出一个完整的胸外按压过程对应的初选脉冲,并根据所述初选脉冲在所述第一滑动窗口切割出脉冲过程;对所述脉冲过程的多个脉冲参数进行标准判断,若所述多个脉冲参数均满足所述标准判断,则判定该胸外按压过程操作正确。本申请实施例可以获取操作者的手的加速度原始数据,并对其进行预处理,获得加速度初选数据,然后根据加速度初选数据获得一个胸外按压过程对应的脉冲,然后对该脉冲进行多种参数的判断,从而尽可能保证该操作者动作的规范性。
为使本申请实施例所要实现的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚的说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请第一实施例提供的数据处理方法的流程示意图;
图2是步骤S140的具体步骤流程示意图;
图3是步骤S150的具体步骤流程示意图;
图4是本申请第二实施例提供的数据处理装置的结构框图。
具体实施方式
第一实施例
请参见图1,图1示出了本申请第一实施例提供的数据处理方法的流程示意图,具体包括如下步骤:
步骤S110,获取执行胸外按压过程中操作者手的多个加速度原始数据。
可以通过佩戴在操作者手腕的智能穿戴设备来采集多个加速度原始数据,该智能穿戴设备可以是智能手表、智能手环等。通常,一个完整的胸外按压过程的周期为400ms至700ms,为了较好的还原采样波形,可以将采样频率设计为100Hz至500Hz,即每秒采集100个加速度原始数据,采样间隔为10ms;或每秒采集500个加速度原始数据,采样间隔为2ms。加速度传感器的灵敏度应在5mg/LBS或更高。由于采样点过多,会造成误差累计,累计误差会直接影响最终结果,可以采用公式:采样周期=修正系数r*采样周期进行消除,其中,修正系数r的范围在0.9到1.2之间。
步骤S120,对所述多个加速度原始数据进行预处理,获得多个加速度初选数据。
噪声属于白噪声,按时间点受电磁和电压影响。滤波方法经测试,单维卡尔曼效果较好,但运算时间和复杂度较高,单片机运算延迟较高;在损失不大的情况下,可以使用中值滤波和低通控幅滤波。具体地,可以先使用低通控幅滤波,过滤不合适的白噪声和锤击异常,再使用中值滤波。在使用中值滤波过程中,对大于突变结果的噪声使用前后四点中值方法进行处理。防止二点中值存在的过采样或噪声结果。本次计算使用前后二点共5点的中值计算和20点的中值计算。
步骤S130,将所述多个加速度原始数据存入第一滑动窗口,将所述多个加速度初选数据存入第二滑动窗口。
第一滑动窗口存放原始的采样值,第二滑动窗口存储经预处理之后的采样值。对于采样获得的数据,可以通过滑动窗口的方式进行存储,数据存储的长度在50至500个样本,可以包含1至5个胸外按压过程。使用队列结构实现滑动窗口,采用尾端判断,头端删除的方法处理数据。
步骤S140,对所述第二滑动窗口进行突变阈值监测,根据所述突变阈值监测的结果,在所述第二滑动窗口切割出一个完整的胸外按压过程对应的初选脉冲,并根据所述初选脉冲在所述第一滑动窗口切割出脉冲过程。
对于加速度数值传感器而言,在静止重力值出现15%至20%的变化时,可以判定为突变阈值;对于加速度模拟传感器而言,在静止重力值出现10%至25%之间,可以判定为突变阈值。突变阈值具体可以在15%至30%的范围内选择。
请参见图2,图2示出了步骤S140的具体步骤示意图,具体包括如下步骤:
步骤S141,判断所述多个加速度初选数据中,是否存在相邻两个加速度初选数据,其中后一个加速度初选数据与前一个加速度初选数据相比变化量超过预设阈值,若是,执行步骤S142。
具体地,当后一个加速度初选数据与前一个加速度初选数据相比,变化量超过一个预设的突变阈值时,可以认为该阈值确实对应有一个脉冲,且该脉冲并非晃动导致的杂波脉冲,而确实是操作者施展胸外按压产生的脉冲,执行步骤S142。
步骤S142,获取该相邻两个加速度初选数据中的后一个加速度初选数据,计做第一加速度初选数据。
将超过预设阈值的采样点作为一个基准点,从而向前遍历、向后遍历,来寻找该脉冲过程的起点和终点。
步骤S143,以所述第一加速度初选数据开始向前遍历,将加速度为零的加速度初选数据作为该初选脉冲的起点。
从检测到的第一滑动窗口和第二滑动窗口中选取优化点作为起点,即可以从第一加速度初选数据向前遍历,获得最近的一个加速度为零的加速度初选数据,作为该初选脉冲的起点。
步骤S144,以所述第一加速度初选数据开始向后遍历,将加速度为零或加速度初选数据对应的位置点的速度为零的加速度初选数据作为该初选脉冲的终点。
从第一加速度初选数据开始向后遍历,可以将加速度为零的加速度初选数据作为该初选脉冲的终端;也可以将加速度初选数据对应的位置点的速度为零的加速度初选数据作为该初选脉冲的终点,即结束胸外按压时,操作者的手要么加速度为零,要么速度为零,也可以加速度和速度均为零。
步骤S150,对所述脉冲过程的多个脉冲参数进行标准判断,若所述多个脉冲参数均满足所述标准判断,则判定该胸外按压过程操作正确。
请参见图3,图3示出了步骤S150的具体步骤流程图,具体包括如下步骤:
步骤S151,对所述脉冲过程的脉冲幅宽进行标准判断。
该步骤具体包括:获得所述脉冲过程的起点和终点之间的时间间隔,将所述时间间隔计做脉冲幅宽;判断所述脉冲幅宽是否在预设采样时间范围内;若是,则判定所述脉冲幅宽满足所述标准判断。
具体地,判断该脉冲幅宽是否在区间[150ms,420ms]中,若是,则满足标准判断,若低于150ms或高于420ms,可判定为按压过缓或锤击。
步骤S152,对所述脉冲过程的脉冲幅高进行标准判断。
该步骤具体包括:判断是否满足预设按压距离范围,其中,a为该脉冲过程中的加速度原始数据的数据值,t为该脉冲过程的采样周期,n为该脉冲过程中的加速度原始数据的个数;若满足预设按压距离范围,从该脉冲过程的加速度原始数据中,获得最大值和最小值,分别作为该脉冲过程的极大值点和极小值点;若所述极大值点满足极大值范围且极小值点满足极小值范围,则判定所述脉冲幅高满足标准判断。
可以先对一个脉冲过程中的多个加速度原始数据进行位移的累加,从而判断该脉冲过程的位移总量是否满足预设按压距离范围。具体的可以根据公式进行计算。其中,a为该脉冲过程中的加速度原始数据的数据值,t为该脉冲过程的采样周期,t的选取值为300-450ms,n为该脉冲过程中的加速度原始数据的个数。判断计算获得的结果是否在距离范围[5cm,6cm]内,若是则表明按压距离符合要求。若位移低于5cm或超过6cm,可判定为按压不足或按压过深。
在本申请的一种具体实施方式中,还可以根据公式1/2(a1+a2)*t2来计算两个相邻的加速度原始数据之间位移,即可以根据该两个相邻的加速度原始数据的加速度平均值来作为这两个相邻的加速度原始数据的加速度值。
在满足上述范围的情况下,从该脉冲过程对应的加速度原始数据中,获得最大值和最小值,分别作为该脉冲过程的极大值点和极小值点。极大值点以及极小值点在一个较为固定的范围。
步骤S153,对所述脉冲过程的梯度进行标准判断。
该步骤具体包括:对所述第二滑动窗口中多个加速度初选数据的相邻两个加速度初选数据进行斜率计算,获得斜率计算结果;获得所述斜率计算结果的正值和负值,若负值的个数多于正值的个数,则进行梯度值特征判断;所述梯度值特征判断包括:获取所述第二滑动窗口中多个加速度初选数据的极大值、极小值以及标准值,分别判断极大值与标准值的斜率是否满足第一斜率范围、极小值与标准值的斜率是否满足第二斜率范围、极大值与极小值的斜率是否满足第三斜率范围;若均是,则判定所述梯度满足标准判断。
具体地,可以根据Ci=(Bi+d-Bi)/d来进行斜率计算,其中,Bi为第二滑动窗口中的多个加速度初选数据中的一个,Bi+d为Bi后面相邻的加速度初选数据,d为Bi与Bi+d之间的间隔距离,d的取值范围为1至50。一个脉冲过程中,斜率(梯度)变化通常为反向(手向下加速运动)—正向(手向下减速运动)—反向(手由最大速度较快变为零),通常反向移动的长度长于正向,即手的按压过程比手的释放过程耗时更长。
斜率计算结果可以存入第三滑动窗口,还可以建立一个第四滑动窗口,其中,第四滑动窗口与第三滑动窗口存在如下映射关系:若斜率计算结果小于零,则在第四滑动窗口记录为-1;若斜率计算结果大于零,则在第四滑动窗口记录为1。若sum(-1)>sum(1),进行梯度值特征判断。
判断极大值与标准值的斜率是否满足第一斜率范围、极小值与标准值的斜率是否满足第二斜率范围、极大值与极小值的斜率是否满足第三斜率范围,即:
判断(max1-stdval)/(maxt-stdvalt)∈[-6,-1.5]是否成立,
判断(min1-stdval)/(min1t-stdvalt)∈[-3,-1.3]是否成立,
以及判断(max1-min1)/(max1t-min1t)∈[1.5,8]是否成立,其中,max1为极大值点、min1为极小值点、stdval为标准值点,maxt-stdvalt为极大值点与标准值点之间的间距,min1t-stdvalt为极小值点与标准值点之间的间距,max1t-min1t为极大值点与极小值点之间的间距。
本申请第一实施例可以获取操作者的手的加速度原始数据,并对其进行预处理,获得加速度初选数据,然后根据加速度初选数据获得一个胸外按压过程对应的脉冲,然后对该脉冲进行多种参数的判断,从而尽可能保证该操作者动作的规范性,还可以根据具体的错误类型对错误进行分类,包括距离不足、距离过大、按压抖动、按压过缓等类型。
在本申请第一实施例提供的数据处理方法中,据前期研究的实验数据观察,按压标准时,波形相似度较高;按压距离差距超过5mm时,波形与标准距离波形显示具有明显差异;按压中间出现较大抖动时,按压间歇过长时,其波形显示与标准波形也存在明显差异。因此,该方法可以利用人工智能方法进行识别。机器学习将通过半监督学习,认识相似的标准波形,排查差异波形后,对错误类型进行标注。
第二实施例
请参见图4,图4示出了第二实施例提供的数据处理装置,该装置300包括:
原始数据获取模块310,用于获取执行胸外按压过程中操作者手的多个加速度原始数据。
预处理模块320,用于对所述多个加速度原始数据进行预处理,获得多个加速度初选数据。
数据存储模块330,用于将所述多个加速度原始数据存入第一滑动窗口,将所述多个加速度初选数据存入第二滑动窗口。
脉冲获取模块340,用于对所述第二滑动窗口进行突变阈值监测,根据所述突变阈值监测的结果,在所述第二滑动窗口切割出一个完整的胸外按压过程对应的初选脉冲,并根据所述初选脉冲在所述第一滑动窗口切割出脉冲过程。
所述脉冲获取模块340包括:初选数据判断模块,用于判断所述多个加速度初选数据中,是否存在相邻两个加速度初选数据,其中后一个加速度初选数据与前一个加速度初选数据相比变化量超过预设阈值;阈值点选取模块,获取该相邻两个加速度初选数据中的后一个加速度初选数据,计做第一加速度初选数据;起点获取模块,用于以所述第一加速度初选数据开始向前遍历,将加速度为零的加速度初选数据作为该初选脉冲的起点;终点获取模块,用于以所述第一加速度初选数据开始向后遍历,将加速度为零或加速度初选数据对应的位置点的速度为零的加速度初选数据作为该初选脉冲的终点。
参数判定模块350,用于对所述脉冲过程的多个脉冲参数进行标准判断,若所述多个脉冲参数均满足所述标准判断,则判定该胸外按压过程操作正确。
所述参数判定模块350包括:幅宽判断模块,用于对所述脉冲过程的脉冲幅宽进行标准判断;幅高判断模块,用于对所述脉冲过程的脉冲幅高进行标准判断;梯度判断模块,用于对所述脉冲过程的梯度进行标准判断。
所述幅宽判断模块包括:时间间隔获得子模块,用于获得所述脉冲过程的起点和终点之间的时间间隔,将所述时间间隔计做脉冲幅宽;采样时间判断子模块,用于判断所述脉冲幅宽是否在预设采样时间范围内;幅宽判定子模块,用于判定所述脉冲幅宽满足所述标准判断。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置的具体工作过程,可以参考前述方法中的对应过程,在此不再过多赘述。
本申请还提供一种电子设备,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当所述电子设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行第一实施例所述的方法。
本申请还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行第一实施例所述的方法。
本申请还提供一种计算机程序产品,所述计算机程序产品在计算机上运行时,使得计算机执行第一实施例所述的方法。
本申请实施例提供的数据处理方法及装置中,获取执行胸外按压过程中操作者手的多个加速度原始数据;对所述多个加速度原始数据进行预处理,获得多个加速度初选数据;将所述多个加速度原始数据存入第一滑动窗口,将所述多个加速度初选数据存入第二滑动窗口;对所述第二滑动窗口进行突变阈值监测,根据所述突变阈值监测的结果,在所述第二滑动窗口切割出一个完整的胸外按压过程对应的初选脉冲,并根据所述初选脉冲在所述第一滑动窗口切割出脉冲过程;对所述脉冲过程的多个脉冲参数进行标准判断,若所述多个脉冲参数均满足所述标准判断,则判定该胸外按压过程操作正确。本申请实施例可以获取操作者的手的加速度原始数据,并对其进行预处理,获得加速度初选数据,然后根据加速度初选数据获得一个胸外按压过程对应的脉冲,然后对该脉冲进行多种参数的判断,从而尽可能保证该操作者动作的规范性。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应所述以权利要求的保护范围为准。
Claims (6)
1.一种数据处理方法,其特征在于,所述方法包括:
获取执行胸外按压过程中操作者手的多个加速度原始数据;
对所述多个加速度原始数据进行预处理,获得多个加速度初选数据;
将所述多个加速度原始数据存入第一滑动窗口,将所述多个加速度初选数据存入第二滑动窗口;
对所述第二滑动窗口进行突变阈值监测,根据所述突变阈值监测的结果,在所述第二滑动窗口切割出一个完整的胸外按压过程对应的初选脉冲,并根据所述初选脉冲在所述第一滑动窗口切割出脉冲过程;其中,所述对所述第二滑动窗口进行突变阈值监测,根据所述突变阈值监测的结果,在所述第二滑动窗口切割出一个完整的胸外按压过程对应的初选脉冲,包括:判断所述多个加速度初选数据中,是否存在相邻两个加速度初选数据,其中后一个加速度初选数据与前一个加速度初选数据相比变化量超过预设阈值;若是,获取该相邻两个加速度初选数据中的后一个加速度初选数据,计做第一加速度初选数据;
对所述脉冲过程的多个脉冲参数进行标准判断,若所述多个脉冲参数均满足所述标准判断,则判定该胸外按压过程操作正确,其中,包括:对所述脉冲过程的脉冲幅宽进行标准判断;对所述脉冲过程的脉冲幅高进行标准判断;对所述脉冲过程的梯度进行标准判断;
所述对所述脉冲过程的脉冲幅高进行标准判断,具体包括:判断是否满足预设按压距离范围,其中,a为该脉冲过程中的加速度原始数据的数据值,t为该脉冲过程的采样周期,n为该脉冲过程中的加速度原始数据的个数;若满足预设按压距离范围,从该脉冲过程的加速度原始数据中,获得最大值和最小值,分别作为该脉冲过程的极大值点和极小值点;若所述极大值点满足极大值范围且极小值点满足极小值范围,则判定所述脉冲幅高满足标准判断;
所述对所述脉冲过程的梯度进行标准判断,具体包括:对所述第二滑动窗口中多个加速度初选数据的相邻两个加速度初选数据进行斜率计算,获得斜率计算结果;获得所述斜率计算结果的正值和负值,若负值的个数多于正值的个数,则进行梯度值特征判断;其中,所述梯度值特征判断包括:获取所述第二滑动窗口中多个加速度初选数据的极大值、极小值以及标准值,分别判断极大值与标准值的斜率是否满足第一斜率范围、极小值与标准值的斜率是否满足第二斜率范围、极大值与极小值的斜率是否满足第三斜率范围;若均是,则判定所述梯度满足标准判断。
2.根据权利要求1所述的方法,其特征在于,所述对所述第二滑动窗口进行突变阈值监测,根据所述突变阈值监测的结果,在所述第二滑动窗口切割出一个完整的胸外按压过程对应的初选脉冲,还包括:
以所述第一加速度初选数据开始向前遍历,将加速度为零的加速度初选数据作为该初选脉冲的起点;
以所述第一加速度初选数据开始向后遍历,将加速度为零或加速度初选数据对应的位置点的速度为零的加速度初选数据作为该初选脉冲的终点。
3.根据权利要求2所述的方法,其特征在于,所述对所述脉冲过程的脉冲幅宽进行标准判断,包括:
获得所述脉冲过程的起点和终点之间的时间间隔,将所述时间间隔计做脉冲幅宽;
判断所述脉冲幅宽是否在预设采样时间范围内;
若是,则判定所述脉冲幅宽满足所述标准判断。
4.一种数据处理装置,其特征在于,所述装置包括:
原始数据获取模块,用于获取执行胸外按压过程中操作者手的多个加速度原始数据;
预处理模块,用于对所述多个加速度原始数据进行预处理,获得多个加速度初选数据;
数据存储模块,用于将所述多个加速度原始数据存入第一滑动窗口,将所述多个加速度初选数据存入第二滑动窗口;
脉冲获取模块,用于对所述第二滑动窗口进行突变阈值监测,根据所述突变阈值监测的结果,在所述第二滑动窗口切割出一个完整的胸外按压过程对应的初选脉冲,并根据所述初选脉冲在所述第一滑动窗口切割出脉冲过程;所述脉冲获取模块具体还包括:初选数据判断模块,用于判断所述多个加速度初选数据中,是否存在相邻两个加速度初选数据,其中后一个加速度初选数据与前一个加速度初选数据相比变化量超过预设阈值;阈值点选取模块,获取该相邻两个加速度初选数据中的后一个加速度初选数据,计做第一加速度初选数据;参数判定模块,用于对所述脉冲过程的多个脉冲参数进行标准判断,若所述多个脉冲参数均满足所述标准判断,则判定该胸外按压过程操作正确;
其中,所述参数判定模块包括:幅高判断模块,用于对所述脉冲过程的脉冲幅高进行标准判断;具体包括:判断是否满足预设按压距离范围,其中,a为该脉冲过程中的加速度原始数据的数据值,t为该脉冲过程的采样周期,n为该脉冲过程中的加速度原始数据的个数;若满足预设按压距离范围,从该脉冲过程的加速度原始数据中,获得最大值和最小值,分别作为该脉冲过程的极大值点和极小值点;若所述极大值点满足极大值范围且极小值点满足极小值范围,则判定所述脉冲幅高满足标准判断;
其中,所述参数判定模块还包括:梯度判断模块,用于对所述脉冲过程的梯度进行标准判断;具体包括:对所述第二滑动窗口中多个加速度初选数据的相邻两个加速度初选数据进行斜率计算,获得斜率计算结果;获得所述斜率计算结果的正值和负值,若负值的个数多于正值的个数,则进行梯度值特征判断;所述梯度值特征判断包括:获取所述第二滑动窗口中多个加速度初选数据的极大值、极小值以及标准值,分别判断极大值与标准值的斜率是否满足第一斜率范围、极小值与标准值的斜率是否满足第二斜率范围、极大值与极小值的斜率是否满足第三斜率范围;若均是,则判定所述梯度满足标准判断;
其中,所述参数判定模块还包括:幅宽判断模块,用于对所述脉冲过程的脉冲幅宽进行标准判断。
5.根据权利要求4所述的装置,其特征在于,所述脉冲获取模块包括:
起点获取模块,用于以所述第一加速度初选数据开始向前遍历,将加速度为零的加速度初选数据作为该初选脉冲的起点;
终点获取模块,用于以所述第一加速度初选数据开始向后遍历,将加速度为零或加速度初选数据对应的位置点的速度为零的加速度初选数据作为该初选脉冲的终点。
6.根据权利要求5所述的装置,其特征在于,所述幅宽判断模块包括:
时间间隔获得子模块,用于获得所述脉冲过程的起点和终点之间的时间间隔,将所述时间间隔计做脉冲幅宽;
采样时间判断子模块,用于判断所述脉冲幅宽是否在预设采样时间范围内;
幅宽判定子模块,用于判定所述脉冲幅宽满足所述标准判断。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811191718.8A CN109172333B (zh) | 2018-10-12 | 2018-10-12 | 一种数据处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811191718.8A CN109172333B (zh) | 2018-10-12 | 2018-10-12 | 一种数据处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109172333A CN109172333A (zh) | 2019-01-11 |
CN109172333B true CN109172333B (zh) | 2021-04-13 |
Family
ID=64948389
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811191718.8A Active CN109172333B (zh) | 2018-10-12 | 2018-10-12 | 一种数据处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109172333B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111353208A (zh) * | 2019-05-14 | 2020-06-30 | 中国矿业大学 | 一种基于深度学习的物体往复运动距离评估方法 |
CN113273980A (zh) * | 2021-06-07 | 2021-08-20 | 深圳麦格米特电气股份有限公司 | 一种获取生命体征数据的方法、光纤传感器及智能床垫 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7220235B2 (en) * | 2003-06-27 | 2007-05-22 | Zoll Medical Corporation | Method and apparatus for enhancement of chest compressions during CPR |
CN104840350A (zh) * | 2015-05-22 | 2015-08-19 | 京东方科技集团股份有限公司 | 心肺复苏辅助装置、智能终端和心肺复苏辅助系统 |
CN105877990A (zh) * | 2016-05-26 | 2016-08-24 | 上海金怡医疗科技有限公司 | 一种用于机械按压设备的可变胸围的心脏按压效果检测系统 |
TWI623923B (zh) * | 2017-05-23 | 2018-05-11 | 國立臺灣大學 | 一種穿戴式裝置及其方法 |
-
2018
- 2018-10-12 CN CN201811191718.8A patent/CN109172333B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7220235B2 (en) * | 2003-06-27 | 2007-05-22 | Zoll Medical Corporation | Method and apparatus for enhancement of chest compressions during CPR |
CN104840350A (zh) * | 2015-05-22 | 2015-08-19 | 京东方科技集团股份有限公司 | 心肺复苏辅助装置、智能终端和心肺复苏辅助系统 |
CN105877990A (zh) * | 2016-05-26 | 2016-08-24 | 上海金怡医疗科技有限公司 | 一种用于机械按压设备的可变胸围的心脏按压效果检测系统 |
TWI623923B (zh) * | 2017-05-23 | 2018-05-11 | 國立臺灣大學 | 一種穿戴式裝置及其方法 |
Non-Patent Citations (1)
Title |
---|
基于加速度波形形态分析的胸外按压深度检测研究;吴豪杰等;《中国医疗设备》;20180310;第6-10页,图1-6 * |
Also Published As
Publication number | Publication date |
---|---|
CN109172333A (zh) | 2019-01-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109172333B (zh) | 一种数据处理方法及装置 | |
CN108392208B (zh) | 一种基于多阶段模型的跌倒判断方法 | |
EP3099229B1 (en) | Improvements in the detection of walking in measurements of the movement of a user | |
EP2985572B1 (en) | Step counting method and apparatus | |
US8346352B2 (en) | Sleepiness judging device | |
US9176932B2 (en) | Method for detecting falls and a fall detector | |
US9402568B2 (en) | Method and system for detecting a fall based on comparing data to criteria derived from multiple fall data sets | |
JP6567658B2 (ja) | ユーザーの活動を分類し及び/又はユーザーの歩数をカウントするデバイス及び方法 | |
US20140142460A1 (en) | Method for detecting potential falls and a fall detector | |
EP0984413A3 (de) | Verfahren und Vorrichtung zur automatischen Waldbranderkennung | |
CN107277222B (zh) | 基于手机内置传感器的用户行为状态判断方法 | |
JP2016508039A (ja) | 水平方向または垂直方向におけるデバイスの位置変化の検出 | |
CN103903281A (zh) | 一种基于多特征分析和场景学习的老人摔倒检测方法 | |
JP2012510309A (ja) | 転倒を検出する方法及び装置 | |
CN113065474A (zh) | 行为识别方法、装置及计算机设备 | |
JP4431163B2 (ja) | 移動体の異常検出システム、及び移動体の異常検出方法 | |
Mandal et al. | A framework for human activity recognition based on accelerometer data | |
CN106227355A (zh) | 一种可实现抬手亮屏的智能手环 | |
KR101883008B1 (ko) | 낙상 예측 또는 감지 장치 및 그를 위한 방법 | |
CN110737201A (zh) | 一种监护方法、装置、存储介质及空调 | |
JP2009146377A (ja) | ドライバ状態推定装置及びプログラム | |
CN109620241B (zh) | 一种可穿戴设备及基于其的动作监测方法 | |
JP6458387B2 (ja) | 生体電気ノイズ同定システム及び生体電気ノイズ除去システム | |
CN108932465B (zh) | 降低人脸检测误检率的方法、装置及电子设备 | |
JP4044837B2 (ja) | 移動体の異常検出システム、及び移動体の異常検出方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |