CN109363660B - 基于bp神经网络的心率监测方法及服务器 - Google Patents

Abstract

本发明适用于智能监测技术领域，提供了基于BP神经网络的心率监测方法及服务器，所述方法包括：首先基于原始训练数据，对原始的BP网络神经模型进行训练，得到训练好的BP网络神经模型，训练好的BP网络神经模型用于预测多个儿童的心率范围值，然后获取目标区域多个儿童的心率特征数据，最后将目标区域多个儿童的心率特征数据导入至训练好的BP网络神经模型中，确定目标区域内多个儿童的心率范围；获取目标区域内任一目标儿童的监测终端的实际心率；若所述实际心率范围超出心率范围，则发送报警提示到移动终端。由于可以获取多个儿童的心率特征数据，利用BP网络神经模型确定目标区域内多个儿童的心率范围，能够实现对某个区域内的儿童的心率进行监测，监测结果更全面。

Description

基于BP神经网络的心率监测方法及服务器

技术领域

本发明属于智能监测技术领域，尤其涉及基于BP神经网络的心率监测方 法及服务器。

背景技术

心率快慢是人体生命特征参数中的一个重要数据，在我国的幼儿园监测体 系中。为了保护幼儿园小朋友的安全，通常会实时监测幼儿园儿童的心率数据， 当心率出现异常的时候，发送报警提示到监测系统。

目前，传统的检测心率的方法是：将监测到的一个儿童的心率数据与一个 固定的阈值范围进行比较，当监测到的心率数据超出这个阈值范围时，进行报 警提示的发送。但是这种方式仅能检测一个儿童的心率情况，并不能对一个区 域的所有儿童的心率情况进行监测，监测不够全面。

发明内容

有鉴于此，本发明实施例提供了基于BP神经网络的心率监测方法及服务 器，以解决现有技术中将监测到的一个儿童的心率数据与一个固定的阈值范围 进行比较，当监测到的心率数据超出这个阈值范围时，进行报警提示的发送。 但是这种方式仅能检测一个儿童的心率情况，并不能对一个区域的所有儿童的 心率情况进行监测，监测不够全面的问题。

本发明实施例的第一方面提供了一种基于BP神经网络的心率监测方法， 包括：

基于原始训练数据，对原始的BP网络神经模型进行训练，得到训练好的 BP网络神经模型，其中所述原始训练数据为多个区域不同时段的多个儿童的心 率特征数据，所述训练好的BP网络神经模型用于预测多个儿童的心率范围值；

获取目标区域多个儿童的心率特征数据；

将所述目标区域多个儿童的心率特征数据导入至所述训练好的BP网络神 经模型中，确定目标区域内多个儿童的心率范围；

若所述心率范围超出心率范围，则发送报警提示到移动终端。

本发明实施例的第二方面提供了一种基于BP神经网络的心率监测装置， 包括：

模型训练模块，用于基于原始训练数据，对原始的BP网络神经模型进行 训练，得到训练好的BP网络神经模型，其中所述原始训练数据为多个区域不 同时段的多个儿童的心率特征数据，所述训练好的BP网络神经模型用于预测 多个儿童的心率范围值；

数据获取模块，用于获取目标区域多个儿童的心率特征数据；

心率范围确定模块，用于将所述目标区域多个儿童的心率特征数据导入至 所述训练好的BP网络神经模型中，确定目标区域内多个儿童的心率范围；

报警提示模块，用于若所述心率范围超出心率范围，则发送报警提示到移 动终端。

本发明实施例的第三方面提供了一种服务器，包括存储器、处理器以及存 储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述 处理器执行所述计算机程序时实现如第一方面所述方法的步骤。

本发明实施例的第四方面提供了一种计算机可读存储介质，所述计算机可 读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如第一方 面所述方法的步骤。

本发明实施例与现有技术相比存在的有益效果是：本发明实施例首先基于 原始训练数据，对原始的BP网络神经模型进行训练，得到训练好的BP网络神 经模型，其中原始训练数据为多个区域不同时段的多个儿童的心率特征数据， 训练好的BP网络神经模型用于预测多个儿童的心率范围值，然后获取目标区 域多个儿童的心率特征数据，最后将目标区域多个儿童的心率特征数据导入至 训练好的BP网络神经模型中，确定目标区域内多个儿童的心率范围；获取目 标区域内任一目标儿童的监测终端的实际心率，若心率范围超出心率范围，则 发送报警提示到移动终端。由于可以获取多个儿童的心率特征数据，利用BP网络神经模型确定目标区域内多个儿童的心率范围，能够实现对某个区域内的 儿童的心率进行监测，监测结果更全面。

附图说明

为了更清楚地说明本发明实施例中的技术方案，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地介绍，显而易见地，下面描述中的附图仅 仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳 动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一实施例提供的基于BP神经网络的心率监测方法的流程示 意图；

图2为本发明另一实施例提供的基于BP神经网络的心率监测方法的流程 示意图；

图3为本发明再一实施例提供的基于BP神经网络的心率监测方法的流程 示意图；

图4为本申请一实施例提供的基于BP神经网络的心率监测装置的结构框 图；

图5为本发明一实施例提供的服务器的示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术 之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当 清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中， 省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节 妨碍本发明的描述。

为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。

参考图1，图1为本发明一实施例提供的基于BP神经网络的心率监测方法 的流程示意图，所述方法可以应用于服务器端，详述如下：

S101：基于原始训练数据，对原始的BP网络神经模型进行训练，得到训 练好的BP网络神经模型，其中原始训练数据为多个区域不同时段的多个儿童 的心率特征数据，训练好的BP网络神经模型用于预测多个儿童的心率范围值。

在本实施例中，多个区域可以是一个城市内不同的幼儿园。不同时段可以 是幼儿园的不同季度。心率特征数据包括但不限于儿童的年龄、心情状态和心 率等。原始的BP网络神经模型为根据心率特征数据赋予不同的权重系数计算 得到多个儿童的心率范围值的数学模型。

S102：获取目标区域多个儿童的心率特征数据。

在本实施例中，目标区域可以是一个城市内的任一个幼儿园或其中的一个 班级。这里，心率特征数据包括但不限于儿童的年龄、心情状态和心率等。

S103：将目标区域多个儿童的心率特征数据导入至训练好的BP网络神经 模型中，确定目标区域内多个儿童的心率范围。

在本实施例中，将目标区域内多个儿童的年龄、心情状态和心率导入到训 练好的BP网络神经模型。得到目标区域内多个儿童的心率范围。

S104：获取目标区域内任一目标儿童的监测终端的实际心率，若实际心率 范围超出心率范围，则发送报警提示到移动终端。

在本实施例中，心率范围可以根据儿童的年龄、性别和自动采集心率特征 数据综合评定给定。移动终端包括但不限于平板电脑(Personal Digital Assistant， PDA)或手机等。

其中监测终端为智能手环，该智能手环包括集中控制器、心率传感器、增 益放大器、过滤器、GPS模块、GPRS天线、电源系统管理芯片、电磁阀、电 池和微型麦克风，其中所述的集中控制器采用MTK2503的arm7核MCU，是 一款高度集成了GPS、BT、PMIC集成32M的Rom和32M的Ram，心率传感 器通过I2C总线与MCU控制器连接在一起。所述增益放大器通过数据线与 MCU控制器连接在一起。过滤器通过数据线与增益放大器连接在一起。集中控 制器外部设置有GPS模块，模块的外部设有GPIO接口，通过GPIO口连接一 个陶瓷天线，就可以接收GPS信号，电磁阀和电池通过PNP高功率三极管连 接到GPIO接口，从而通过电磁阀的开关控制电源的开关，实现远程开锁的功 能。微型麦克风通过AUDIO接口与MCU控制器连接在一起，进行录音功能。

从上述描述可知，本实施例首先基于原始训练数据，对原始的BP网络神 经模型进行训练，得到训练好的BP网络神经模型，其中原始训练数据为多个 区域不同时段的多个儿童的心率特征数据，训练好的BP网络神经模型用于预 测多个儿童的心率范围值，然后获取目标区域多个儿童的心率特征数据，最后 将目标区域多个儿童的心率特征数据导入至训练好的BP网络神经模型中，确 定目标区域内多个儿童的心率范围；获取目标区域内任一目标儿童的监测终端 的实际心率，若实际心率范围超出心率范围，则发送报警提示到移动终端。由 于可以获取多个儿童的心率特征数据，利用BP网络神经模型确定目标区域内 多个儿童的心率范围，能够实现对某个区域内的儿童的心率进行监测，监测结 果更全面

参考图2，图2为本发明另一实施例提供的基于BP神经网络的心率监测 方法的流程示意图，在上述实施例的基础上，步骤S101基于原始训练数据，对 原始的BP网络神经模型进行训练，得到训练好的BP网络神经模型，包括：

S201：将原始训练数据进行归一化处理，输入至原始的BP网络神经模型 进行训练，其中在训练过程中对原始的BP网络神经模型中的权重系数不断进 行调整。

在本实施例中，归一化处理指的是将有量纲的表达式，经过变换，化为无 量纲的表达式，成为标量。

S202：判断调整后BP网络神经模型的误差是否小于预设误差阈值。

S203：若误差小于或等于预设误差阈值，则将调整后的BP网络神经模型 作为训练好的BP网络神经模型。

S204：若误差大于预设误差阈值，则继续执行对原始的BP网络神经模型 中的系数进行调整，并判断误差是否小于预设误差阈值的步骤。

在本实施例中，预设误差阈值可以根据需求进行设置。

从上述描述可知，通过误差小于或等于预设误差阈值比较，确定训练好的 BP网络神经模型，提高BP网络神经模型的准确性，以得到更准确的预测结果。

参考图3，图3为本发明再一实施例提供的基于BP神经网络的心率监测 方法的流程示意图，在上述实施例的基础上，在步骤S103中将所述目标区域多 个儿童的心率特征数据导入至所述训练好的BP网络神经模型中，确定目标区 域内多个儿童的心率范围，包括：

S301：将训练好的BP网络神经模型保存为Net。

在本实施例中，Net为神经网络。

S302：将目标区域多个儿童的心率特征数据进行归一化处理后，载入所述 Net得到目标区域多个儿童的心率范围。

在本实施例中，儿童的心率范围为一个范围值。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后， 各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施 过程构成任何限定。

对应于上文实施例的BP神经网络的心率监测方法，图4为本申请一实施 例提供的基于BP神经网络的心率监测装置的结构框图。为了便于说明，仅示 出了与本申请实施例相关的部分。参考图4，该装置包括：模型训练模块401、 数据获取模块402、心率范围确定模块403和报警提示模块404。

模型训练模块401，用于基于原始训练数据，对原始的BP网络神经模型进 行训练，得到训练好的BP网络神经模型，其中所述原始训练数据为多个区域 不同时段的多个儿童的心率特征数据，所述训练好的BP网络神经模型用于预 测多个儿童的心率范围值；

数据获取模块402，用于获取目标区域多个儿童的心率特征数据；

心率范围确定模块403，用于将所述目标区域多个儿童的心率特征数据导 入至所述训练好的BP网络神经模型中，确定目标区域内多个儿童的心率范围；

报警提示模块404，用于获取目标区域内任一目标儿童的监测终端的实际 心率，若所述心率范围超出心率范围，则发送报警提示到移动终端。

在本发明的一个实施例中，所述模型训练模块401，具体用于将原始训练 数据进行归一化处理，输入至原始的BP网络神经模型进行训练，其中在训练 过程中对原始的BP网络神经模型中的权重系数不断进行调整；判断调整后BP 网络神经模型的误差是否小于预设误差阈值；若所述误差小于或等于预设误差 阈值，则将调整后的BP网络神经模型作为训练好的BP网络神经模型。

在本发明的一个实施例中，所述模型训练模块401，还用于若所述误差大 于预设误差阈值，则继续执行对原始的BP网络神经模型中的系数进行调整， 并判断误差是否小于预设误差阈值的步骤。

在本发明的一个实施例中，所述心率范围确定模块403，具体用于将训练 好的BP网络神经模型保存为Net；将目标区域多个儿童的心率特征数据进行归 一化处理后，载入所述Net得到目标区域多个儿童的心率范围。

图5为本发明一实施例提供的服务器的示意图。如图5所示，该实施例的 服务器6包括：处理器60、存储器61以及存储在所述存储器61中并可在所述 处理器60上运行的计算机程序62，例如基于BP神经网络的心率监测程序。所 述处理器60执行所述计算机程序62时实现上述各个基于BP神经网络的心率 监测方法实施例中的步骤，例如图1所示的步骤101至104。或者，所述处理 器60执行所述计算机程序62时实现上述各装置实施例中各模块/单元的功能， 例如图4所示模块501至504的功能。

示例性的，所述计算机程序62可以被分割成一个或多个模块/单元，所述 一个或者多个模块/单元被存储在所述存储器61中，并由所述处理器60执行， 以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计 算机程序指令段，该指令段用于描述所述计算机程序62在所述服务器6中的执 行过程。例如，所述计算机程序62可以被分割成模型训练模块401、数据获取 模块402、心率范围确定模块403和报警提示模块404。

所述服务器可包括，但不仅限于，处理器60、存储器61。本领域技术人员 可以理解，图5仅仅是服务器6的示例，并不构成对服务器6的限定，可以包 括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述 服务器还可以包括输入输出设备、网络接入设备、总线等。

所称处理器60可以是中央处理单元(Central Processing Unit，CPU)，还可 以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用 集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列 (Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或 者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理 器也可以是任何常规的处理器等。

所述存储器61可以是所述服务器6的内部存储单元，例如服务器6的硬盘 或内存。所述存储器61也可以是所述服务器6的外部存储设备，例如所述服务 器6上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字 (Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器61 还可以既包括所述服务器6的内部存储单元也包括外部存储设备。所述存储器 61用于存储所述计算机程序以及所述服务器所需的其他程序和数据。所述存储 器61还可以用于暂时地存储已经输出或者将要输出的数据。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上 述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上 述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不 同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功 能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在， 也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬 件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模 块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上 述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程， 在此不再赘述。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详 述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示 例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来 实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用 和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现 所描述的功能，但是这种实现不应认为超出本发明的范围。

在本发明所提供的实施例中，应该理解到，所揭露的服务器和方法，可以 通过其它的方式实现。例如，以上所描述的装置/服务器实施例仅仅是示意性的， 例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有 另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统， 或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或 直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接， 可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为 单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者 也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部 单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中， 也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元 中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的 形式实现。

所述集成的模块/单元如果以软件功能单元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， 本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指 令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中， 该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。。其中， 所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、 对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括： 能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、 磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机 存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软 件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法 管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根 据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。

以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照 前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其 依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特 征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发 明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (7)

1.一种基于BP神经网络的心率监测方法，其特征在于，应用于服务器端，包括：

基于原始训练数据，对原始的BP网络神经模型进行训练，得到训练好的BP网络神经模型，其中所述原始训练数据为多个区域不同时段的多个儿童的心率特征数据，所述训练好的BP网络神经模型用于预测多个儿童的心率范围值；

获取目标区域多个儿童的心率特征数据；

将所述目标区域多个儿童的心率特征数据导入至所述训练好的BP网络神经模型中，确定目标区域内多个儿童的心率范围；

获取目标区域内任一目标儿童的监测终端的实际心率，若所述实际心率范围超出所述心率范围，则发送报警提示到移动终端；

所述基于原始训练数据，对原始的BP网络神经模型进行训练，得到训练好的BP网络神经模型，包括：

将原始训练数据进行归一化处理，输入至原始的BP网络神经模型进行训练，其中在训练过程中对原始的BP网络神经模型中的权重系数不断进行调整；

判断调整后BP网络神经模型的误差是否小于预设误差阈值；

若所述误差小于或等于预设误差阈值，则将调整后的BP网络神经模型作为训练好的BP网络神经模型；

其中，所述心率特征数据包括儿童的年龄、心情状态和心率。

2.如权利要求1所述的基于BP神经网络的心率监测方法，其特征在于，还包括：

若所述误差大于预设误差阈值，则继续执行对原始的BP网络神经模型中的系数进行调整，并判断误差是否小于预设误差阈值的步骤。

3.如权利要求1所述的基于BP神经网络的心率监测方法，其特征在于，所述将所述目标区域多个儿童的心率特征数据导入至所述训练好的BP网络神经模型中，确定目标区域内多个儿童的心率范围，包括：

将训练好的BP网络神经模型保存为Net；

将目标区域多个儿童的心率特征数据进行归一化处理后，载入所述Net得到目标区域多个儿童的心率范围。

4.一种基于BP神经网络的心率监测装置，其特征在于，应用于服务器端，包括：

模型训练模块，用于基于原始训练数据，对原始的BP网络神经模型进行训练，得到训练好的BP网络神经模型，其中所述原始训练数据为多个区域不同时段的多个儿童的心率特征数据，所述训练好的BP网络神经模型用于预测多个儿童的心率范围值；

数据获取模块，用于获取目标区域多个儿童的心率特征数据；

心率范围确定模块，用于将所述目标区域多个儿童的心率特征数据导入至所述训练好的BP网络神经模型中，确定目标区域内多个儿童的心率范围；

报警提示模块，用于获取目标区域内任一目标儿童的监测终端的实际心率，若所述心率范围超出心率范围，则发送报警提示到移动终端；

所述模型训练模块，具体用于将原始训练数据进行归一化处理，输入至原始的BP网络神经模型进行训练，其中在训练过程中对原始的BP网络神经模型中的权重系数不断进行调整；判断调整后BP网络神经模型的误差是否小于预设误差阈值；若所述误差小于或等于预设误差阈值，则将调整后的BP网络神经模型作为训练好的BP网络神经模型；

其中，所述心率特征数据包括儿童的年龄、心情状态和心率。

5.如权利要求4所述的基于BP神经网络的心率监测装置，其特征在于，所述心率范围确定模块，具体用于将训练好的BP网络神经模型保存为Net；将目标区域多个儿童的心率特征数据进行归一化处理后，载入所述Net得到目标区域多个儿童的心率范围。

6.一种服务器，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至3任一项所述方法的步骤。

7.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至3任一项所述方法的步骤。

Images