CN110638460B - 一种相对于床的对象的状态检测方法、装置和设备 - Google Patents
一种相对于床的对象的状态检测方法、装置和设备 Download PDFInfo
- Publication number
- CN110638460B CN110638460B CN201910871897.8A CN201910871897A CN110638460B CN 110638460 B CN110638460 B CN 110638460B CN 201910871897 A CN201910871897 A CN 201910871897A CN 110638460 B CN110638460 B CN 110638460B
- Authority
- CN
- China
- Prior art keywords
- micro
- human body
- motion
- sensor
- bed
- 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
- 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
- A61B5/1113—Local tracking of patients, e.g. in a hospital or private home
- A61B5/1115—Monitoring leaving of a patient support, e.g. a bed or a wheelchair
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
-
- 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
- A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
- A61B5/6891—Furniture
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Physiology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Cardiology (AREA)
- Pulmonology (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明实施例涉及一种相对于床的对象的状态检测方法、装置和设备,所述方法包括:基于压力检测传感器检测的压力电信号获得压力信息;基于微动信号传感器检测的微动电信号获得数字化的微动采样信号;结合所述压力信息和所述微动采样信号确定相对于所述目标床的对象的状态,所述对象包括人体或物体。本发明实施例,通过结合压力检测传感器和微动信号传感器的检测结果判断人体或物体相对于目标床的状态,可以检测出人体是否处于意外离床状态。结合两种传感器进行综合判断,可以避免因物体在床上而判定人在床上或因人未在压力传感器上而判定人离床的误判情况出现,检测准确性较好。
Description
技术领域
本发明实施例涉及智能监测技术领域,特别涉及一种相对于床的对象的状态检测方法、装置和设备。
背景技术
在对老年人的护理中,监测老年人是否意外离床是老年人护理工作的一个重要方面,传统的监测方法需人力每隔一段时间进行查看,监测效率非常低下。
目前,出现了一些对老年人意外离床进行监测的设备,能利用机器自动对老年人是否离床进行监测,然而,目前的监测设备监测准确性较低,常发生对老年人离床状态的误判。
发明内容
本发明实施例的目的是提供一种监测准确性好的相对于床的对象的状态检测方法、装置和设备,能准确的判断人体是否意外离床。
第一方面,本发明实施例提供了一种相对于床的对象的状态检测方法,所述方法应用于检测设备,所述检测设备安装于目标床上,所述检测设备包括压力检测传感器和微动信号传感器,所述方法包括:
基于所述压力检测传感器检测的压力电信号获得压力信息;
基于所述微动信号传感器检测的微动电信号获得数字化的微动采样信号;
结合所述压力信息和所述微动采样信号确定相对于所述目标床的对象的状态,所述对象包括人体或物体。
在其中一些实施例中,所述结合所述压力信息和所述微动采样信号确定相对于所述目标床的对象的状态,包括:
根据所述压力信息确定所述对象相对于所述压力检测传感器的位置;
根据所述微动采样信号确定所述对象相对于所述微动信号传感器的位置;
根据所述对象相对于所述压力检测传感器的位置和所述对象相对于所述微动信号传感器的位置,确定所述对象相对于所述目标床的状态。
在其中一些实施例中,所述根据所述压力信息确定所述对象相对于所述压力检测传感器的位置,包括:
基于所述压力信息,确定是否有人体或物体位于所述压力检测传感器上;
所述根据所述微动采样信号确定所述对象相对于所述微动信号传感器的位置,包括:
基于所述微动采样信号,确定是否有人体位于所述微动信号传感器旁;
所述根据所述对象相对于所述压力检测传感器的位置和所述对象相对于所述微动信号传感器的位置,确定所述对象相对于所述目标床的状态,包括:
如果没有人体或物体位于所述压力检测传感器上、且没有人体位于所述微动信号传感器旁,则,确定所述人体处于意外离床状态;
如果有人体或物体位于所述压力检测传感器上、但没有人体位于所述微动信号传感器旁,则,确定物体位于所述压力检测传感器上;
如果有人体或物体位于所述压力检测传感器上、且有人体位于所述微动信号传感器旁,则,确定所述人体处于正常在床状态;
如果没有人体或物体位于所述压力检测传感器上、但有人体位于所述微动信号传感器旁,则,确定所述人体位于所述微动信号传感器旁。
在其中一些实施例中,所述压力信息包括压力值;
所述基于所述压力信息,确定是否有人体或物体位于所述压力检测传感器上,包括:
如果所述压力值大于或者等于预设压力阈值,则确定有人体或物体位于所述压力检测传感器上;
如果所述压力值小于预设压力阈值,则确定没有人体或物体位于所述压力检测传感器上。
在其中一些实施例中,所述基于所述微动采样信号,确定是否有人体位于所述微动信号传感器旁,包括:
基于所述微动采样信号获得至少两个预设时间内的微动采样信号;
基于各个预设时间内的微动采样信号获得各个预设时间对应的识别特征,所述识别特征用以表征所述微动采样信号的特征;
将所述识别特征输入预先获取的识别模型,获得所述识别特征对应的预设时间内有人体位于所述微动信号传感器旁的概率;
根据各预设时间内的所述概率,确定是否有人体位于所述微动信号传感器旁。
在其中一些实施例中,所述微动采样信号包括心跳呼吸采样信号,所述识别特征包括心跳能量;则,
所述基于各个预设时间内的微动采样信号获得各个预设时间对应的识别特征,包括:
对所述心跳呼吸采样信号进行滤波处理获得心跳信号;
在其中一些实施例中,所述识别特征包括心跳信号质量;则,
所述基于各个预设时间内的微动采样信号获得各个预设时间对应的识别特征,包括:
检测所述预设时间内所述心跳信号的波峰;
获取各个波峰中相邻波峰之间的心跳间隔;
获取各个心跳间隔的平均值;
确定各心跳间隔中、与所述平均值之差小于预设差值阈值的心跳间隔的数量;
根据所述数量确定所述预设时间内的所述心跳信号质量。
在其中一些实施例中,所述识别特征包括呼吸能量;则,
所述基于各个预设时间内的微动采样信号获得各个预设时间对应的识别特征,包括:
对所述心跳呼吸采样信号进行滤波处理获得呼吸信号;
在其中一些实施例中,所述根据各预设时间内的所述概率,确定是否有人体位于所述微动信号传感器旁,包括:
各预设时间内,如果存在连续预设个数以上的预设时间内的所述概率均大于或者等于预设概率阈值,则确定有人体位于所述微动信号传感器旁;
如果存在连续预设个数以上的预设时间内的所述概率均小于预设概率阈值,则确定没有人体位于所述微动信号传感器旁。
第二方面,本发明实施例提供了一种相对于床的对象的状态检测装置,所述装置应用于检测设备,所述检测设备安装于目标床上,所述检测设备包括压力检测传感器和微动信号传感器,所述装置包括:
压力信息获取模块,用于基于所述压力检测传感器检测的压力电信号获得压力信息;
微动采样信号获取模块,用于基于所述微动信号传感器检测的微动电信号获得数字化的微动采样信号;
状态确定模块,用于结合所述压力信息和所述微动采样信号确定相对于所述目标床的对象的状态,所述对象包括人体或物体。
第三方面,本发明实施例提供了一种相对于床的对象的状态检测设备,所述设备包括:
压力检测传感器,用于检测所述压力检测传感器所受压力情况,获得压力电信号;
微动信号传感器,用于检测人体产生的微动信号,获得微动电信号;
控制器,与所述压力检测传感器和所述微动信号传感器电性连接,所述控制器包括:至少一个处理器与存储器,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如上所述的方法。
在一些实施例中,所述检测设备包括带状本体,所述压力检测传感器和所述微动信号传感器设置于所述带状本体内:
所述带状本体包括第一端和第二端,所述控制器设置于所述第一端或者第二端。
第四方面,本发明实施例提供了一种非易失性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可执行指令,当所述计算机可执行指令被相对于床的对象的状态检测设备执行时,使所述相对于床的对象的状态检测设备执行如上所述的方法。
本发明实施例的相对于床的对象的状态检测方法、装置和设备,分别利用压力检测传感器检测目标床所受的压力,利用微动信号传感器检测人体产生的微动信号,并结合压力检测传感器和微动信号传感器的检测结果判断人体或物体相对于目标床的状态,从而检测出人体是否处于意外离床状态。结合两种传感器综合判断,可以避免因物体在床上而判定人在床上或因人未在压力传感器上而判定人离床的误判情况出现,检测准确性较好。
附图说明
一个或多个实施例通过与之对应的附图中的图片进行示例性说明,这些示例性说明并不构成对实施例的限定,附图中具有相同参考数字标号的元件表示为类似的元件,除非有特别申明,附图中的图不构成比例限制。
图1是本发明实施例相对于床的对象的状态检测设备的结构示意图;
图2是本发明相对于床的对象的状态检测设备的一个实施例的外形结构示意图;
图3是本发明相对于床的对象的状态检测方法的一个实施例的流程示意图;
图4是本发明相对于床的对象的状态检测方法的一个实施例中、利用微动采样信号判断是否有人体位于微动信号传感器旁的流程示意图;
图5是本发明相对于床的对象的状态检测方法的一个实施例中获得多段微动采样信号的示意图;
图6是本发明相对于床的对象的状态检测装置的一个实施例的结构示意图;
图7是本发明相对于床的对象的状态检测设备的一个实施例中控制器的硬件结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例的相对于床的对象的状态检测方法和装置可以用于相对于床的对象的状态检测设备。其中,相对于床的对象包括人体或者物体,本发明实施例能检测出人体或物体相对于目标床的状态,从而能准确的检测目标人体是否处于意外离床状态。图1示出了相对于床的对象的状态检测设备10的一种结构,如图1所示,相对于床的对象的状态检测设备10包括压力检测传感器11、控制器12和微动信号传感器13,控制器12分别与压力检测传感器11和微动信号传感器13电性连接。
其中,压力检测传感器11用于检测压力,可以是能检测压力的任何合适的传感器,例如压电电阻传感器、压电陶瓷传感器等。微动信号传感器13用于检测人体的微动信号(例如呼吸信号、心跳信号和体动信号等),可以是能检测微动信号的任何合适的传感器,例如压电薄膜传感器、加速度传感器和压电电缆等。控制器12是电子计算核心,用于根据压力检测传感器11和微动信号传感器13采集的数据,执行预设的算法对人体的状态进行监测,以确定人体是否处于意外离床状态,控制器12可以是任何具有控制和计算功能的芯片或器件,例如单片机等。
在另一些实施例中,相对于床的对象的状态检测设备10还可以包括对压力电信号和微动信号进行放大、滤波等处理的至少一个模拟信号处理电路,该模拟信号处理电路可以分别连接于压力检测传感器11和控制器12之间,以及控制器12和微动信号传感器13之间。
相对于床的对象的状态检测设备10可以以任何合适的产品形式存在,例如,相对于床的对象的状态检测设备10可以是具有相对于床的对象的状态检测功能的带状结构。请参照图2,呈带状结构的相对于床的对象的状态检测设备10包括带状本体14,其中,压力检测传感器11和微动信号传感器13均可以设置在带状本体14中。在实际应用中,在利用相对于床的对象的状态检测设备10检测人体是否意外离床时,可以将该相对于床的对象的状态检测设备10放置于床上与人体胸腔大致对应的位置。
当人体位于床上时,人体将位于该带状本体14上,此时,压力检测传感器11能检测其受人体的压力情况,微动信号传感器13可以检测人体的呼吸、心跳和体动等微动信号。当人体意外离床时,压力检测传感器11将检测不到其受人体的压力,微动信号传感器13也无法检测到人体的呼吸、心跳和体动等微动信号。通过压力检测传感器11检测人体压力,以及通过微动信号传感器13检测人体产生的微动信号,并依据二者的检测结果来判断人体状态,检测的准确性高。
在图2所示的实施例中,带状本体14包括第一端14a和第二端,为避免对人体产生不适,控制器12可以设置在带状本体14的任一端(例如第一端或者第二端)。在图2所示的实施例中,控制器12设置在带状本体14的第一端14a。
在另一些实施例中,相对于床的对象的状态检测设备10也可以以其他产品形式存在,例如具有相对于床的对象的状态检测功能的垫子。当然,相对于床的对象的状态检测设备10也可以不依附于带状结构或者垫子,而以单独的产品形式存在,在这种情况下,在用于检测人体的意外离床状态时,只需将其放置于床单或者床垫下即可。
需要说明的是,相对于床的对象的状态检测设备10不限于监测老年人的在、离床情况,对于其他如婴儿、病人等需要监控的人群同样适用。
图3为本发明实施例提供的相对于床的对象的状态检测方法的流程示意图,所述方法可以由图1或图2所示的相对于床的对象的状态检测设备10执行(具体的,在其中一些实施例中,由相对于床的对象的状态检测设备10中的控制器12执行),如图3所示,所述方法包括:
101:基于所述压力检测传感器检测的压力电信号获得压力信息。
102:基于微动信号传感器检测的微动电信号获得数字化的微动采样信号。
本发明实施例的相对于床的对象的状态检测方法除用于图1或图2所示的相对于床的对象的状态检测设备10外,也可以用于其他检测设备。在用于相对于床的对象的状态检测设备10时,当压力检测传感器获得压力电信号后,将其传送给控制器,控制器基于该压力电信号获得压力信息。当微动信号传感器获得微动电信号后,将其传送给控制器,控制器基于该微动电信号获得数字化的微动采样信号。
其中,压力信息例如压力值,具体的,控制器可以基于该压力电信号进行采样获得若干采样点,然后基于该若干采样点的值进行平均处理获得压力值。当然,也可以通过其他方法获得压力值,获得压力值的技术属于现有技术,在此仅作简要说明,不做过多赘述。
人体由于心跳、呼吸和体动等会处于微动状态,则微动信号可以为例如心跳呼吸信号、心跳信号、呼吸信号或体动信号等。则微动采样信号可以为心跳呼吸采样信号、心跳采样信号、呼吸采样信号或体动采样信号等。微动采样信号可以为若干离散的采样点,每一采样点具有对应的采样时间和采样值。
103:结合所述压力信息和所述微动采样信号确定相对于所述目标床的对象的状态,所述对象包括人体或物体。
如果人体位于压力检测传感器上,压力检测传感器可以检测到人体对压力检测传感器的压力,否则,将检测不到人体压力。当人体位于微动信号传感器旁时,微动信号传感器将感受到人体呼吸、心跳和体动等对其产生的机械振动压力信号,并将该机械振动压力信号转换成微动电信号。如果人体不位于微动信号传感器旁,则微动信号传感器将感受不到人体的呼吸、心跳和体动等微动信号。因此,检测人体离床状态时,可以将压力检测传感器和微动信号传感器放置于床上,并结合二者的检测结果判断所述对象相对于目标床的状态,进而判断人体状态。其中,人体位于微动信号传感器旁,是指人体位于微动信号传感器上或者人体接近微动信号传感器,达到微动信号传感器能检测到人体微动信号的程度。
结合压力检测传感器和微动信号传感器的检测结果判断所述对象相对于目标床的状态,进而判断人体状态,可以避免单独采用压力检测传感器检测人体状态产生的检测错误。例如,单独采用压力检测传感器检测人体状态时,虽然人体位于床上,但当人体位于压力检测传感器边缘时,压力检测传感器可能检测不到人体对其的压力,此时可能发出误判“人体处于意外离床状态”。再比如,人体已经处于意外离床状态,但压力检测传感器上放置了其他物体,此时,因为压力检测传感器检测到压力可能误判“人体处于正常在床状态”。
如果同时考虑微动信号传感器的检测结果就可以避免这种误判,针对第一种误判情况,因为此时微动信号传感器检测到人体产生的微动信号,即使压力检测传感器未检测到压力,仍然可以判断出“人体位于微动信号传感器旁、人体处于正常在床状态”。针对第二种误判情况,因为此时微动信号传感器无法检测到人体的微动信号,即使此时压力检测传感器检测到压力,仍然可以判断出“物体位于压力检测传感器上、人体处于意外离床状态”。
具体的,可以先根据压力信息确定所述对象相对于所述压力检测传感器的位置,根据所述微动采样信号确定所述对象相对于所述微动信号传感器的位置,然后根据所述对象相对于所述压力检测传感器的位置和所述对象相对于所述微动信号传感器的位置,确定所述对象相对于所述目标床的状态。
具体的,在本发明的其中一些实施例中,根据压力信息确定是否有人体或物体位于压力检测传感器上,根据微动采样信号确定是否有人体位于微动信号传感器旁,并结合“是否有人体或物体位于压力检测传感器上”以及“是否有人体位于微动信号传感器旁”来综合判断人体状态。如果“没有人体或物体位于压力检测传感器上”,同时“没有人体位于微动信号传感器旁”,则确定人体处于意外离床状态。如果“有人体或物体位于压力检测传感器上”、但“没有人体位于微动信号传感器旁”,则确定物体在压力检测传感器上(实际亦为人体处于意外离床状态)。
同样的,如果“有人体位于压力检测传感器上”,同时“有人体位于微动信号传感器旁”,则确定人体处于正常在床状态。如果虽然“没有人体或物体位于压力检测传感器上”,但“有人体位于微动信号传感器旁”,则确定人体在微动信号传感器旁(实际亦为人体处于正常在床状态)。
通过上述方法可以确定出四种人体状态,分别为:意外离床状态、物体在压力检测传感器上(实际亦为意外离床状态)、正常在床状态和人体在微动信号传感器旁(实际亦为正常在床状态)。其中,前两种可以统称为“意外离床状态”,后两种可以统称为“正常在床状态”。通过确定出的四种人体状态,能更加直观准确的反映人体的实际状态,增加检测的准确性。
在实际应用中,如果将“有人体或物体位于压力检测传感器上”用1表示、“没有人体或物体位于压力检测传感器上”用0表示;将“有人体位于微动信号传感器旁”用1表示、“没有人体位于微动信号传感器旁”用0表示,则对上述四种状态的确定请参照表1。
表1
压力检测传感器 | 微动信号传感器 | 在离床状态 |
0 | 0 | 离床 |
0 | 1 | 人在微动信号传感器旁(实际为在床) |
1 | 0 | 物在压力检测传感器上(实际为离床) |
1 | 1 | 在床 |
其中,在一些实施例中,可以将通过压力检测传感器检测的压力值与预设压力阈值比较、来确定是否有人体或物体位于压力检测传感器上。如果压力值大于或者等于预设压力阈值,则确定有人体或物体位于压力检测传感器上;如果压力值小于预设压力阈值,则确定没有人体或物体位于压力检测传感器上。其中,预设压力阈值可以结合检测对象(人体)的一般体重并考虑误差进行设定,例如,用该检测设备监测老年人的离床状态时,可以设定预设压力阈值为20kg。
其中,在一些实施例中,为进一步提高检测准确性,可以基于微动采样信号获得识别特征,并利用预先训练的识别模型对该识别特征进行识别,以确定该微动信号是否为人体产生的微动信号,即确定是否有人体位于微动信号传感器旁。人体产生的微动信号包括多种种类,例如心跳、呼吸和体动等。在其中一些实施例中,利用人体的心跳信号和呼吸信号来进行判断。则识别特征可以采用例如心跳能量、心跳信号质量和呼吸能量等。
其中,可以基于微动采样信号中的一段信号进行判断,也可以依据微动采样信号的多段信号进行综合判断,综合判断的方法准确性更高。
以下以微动采样信号为心跳呼吸采样信号、基于多段微动采样信号进行判断为例来说明具体判断步骤,请参照图4,其步骤包括:
1031:基于所述微动采样信号获得至少两个预设时间内的微动采样信号。
获得微动采样信号的多段信号可以将该微动采样信号按时间平均分成多段,也可以将微动采样信号进行滑动窗处理,获得多段信号。图5示出了对心跳呼吸信号进行滑动窗处理,获得多个预设时间内的心跳呼吸信号的示例。在图5所示的实施例中,预设时间为5秒,则获得了多段长度为5s的心跳呼吸信号S1、S2、S3…。
1032:基于各个预设时间内的微动采样信号获得各个预设时间对应的识别特征,所述识别特征用以表征所述微动采样信号的特征。
微动采样信号可以为心跳呼吸采样信号,则识别特征可以为心跳能量、心跳信号质量和呼吸能量中的一种或者多种。具体的,在其中一些实施例中,心跳能量、心跳信号质量和呼吸能量可以通过以下方法获得:
心跳能量:由于心跳和呼吸频率不同,可以对心跳呼吸采样信号进行滤波处理获得心跳信号,再基于心跳信号获得心跳能量,每个预设时间内的心跳能量可以通过如下公式获得:
其中,En为心跳能量,n为预设时间内的采样点数,X(i)为心跳信号值。在图5所示的实施例中,可以获得S1、S2、S3…分别对应的心跳能量E1、E2、E3…。
心跳信号质量:在本实施例中,可以以心跳信号的稳定性表征心跳信号质量。首先检测预设时间内心跳信号的波峰,获取各个波峰中相邻波峰之间的心跳间隔,如果各心跳间隔彼此相差较小,则说明心跳信号较稳定,否则,说明心跳信号不稳定。
具体的,获取各个心跳间隔的平均值,然后确定各心跳间隔中、与所述平均值之差小于预设差值阈值的心跳间隔的数量,并根据所述数量确定每个预设时间内的心跳信号质量。可以设预设差值阈值为一较小值,如果心跳间隔与所述平均值之差小于预设差值阈值,则说明该心跳间隔与平均值差别较小。则与所述平均值之差小于预设差值阈值的心跳间隔的数量越多,则心跳信号质量越好,否则,心跳信号质量越差。
例如,获得5个心跳间隔Y1、Y2、Y3、Y4和Y5,平均值为Y=(Y1+Y2+Y3+Y4+Y5)/5,假设预设差值阈值为Y*0.2,则获得各心跳间隔中,|Yi-Y|<Y*0.2的心跳间隔的数量,并根据该数量获得心跳信号质量。在其中一些实施例中,可以根据满足上述条件的心跳间隔的数量与心跳间隔总数的比值、来确定心跳信号质量。例如如果五个心跳间隔均满足上述条件,则心跳信号质量为1,如果有一个心跳间隔不满足上述条件,则心跳信号质量为0.8,以此类推。在图5所示的实施例中,可以获得S1、S2、S3…分别对应的心跳信号质量。
呼吸能量:可以对心跳呼吸采样信号进行滤波处理获得呼吸信号,再基于呼吸信号获得呼吸能量,每个预设时间内的呼吸能量可以通过如下公式获得:
其中,E1m为呼吸能量,m为所述预设时间内的采样点数,X1(i)为呼吸信号值。在图5所示的实施例中,可以获得S1、S2、S3…分别对应的心跳能量E11、E12、E13…。
1033:将所述识别特征输入预先获取的识别模型,获得该识别特征对应的预设时间内人体位于所述微动信号传感器旁的概率。
其中,在一些实施例中,识别模型可以采用逻辑回归模型,逻辑回归模型可以采用sigmoid函数,函数定义如下:
其中,识别模型可以采用其他机器训练获得,然后将训练成功的识别模型加载在相对于床的对象的状态检测设备10上。也可以采用相对于床的对象的状态检测设备10自身训练获得识别模型。具体的,训练该识别模型,可以获得大量的样本,例如,获得人体以各种睡眠姿势(例如平躺、左侧躺、右侧躺等)在各种材质的床垫上(例如弹簧床垫、充气床垫、海绵床垫、棕榈床垫、乳胶床垫等)的微动采样信号,并基于该微动采样信号获得识别特征(例如心跳能量、心跳信号质量和呼吸能量),其对应标签可以为1(表示在床)。同时获得离床时的微动采样信号,并基于该微动采样信号获得识别特征,其对应的标签为0(表示离床)。将该大量样本及其对应的标签输入逻辑回归模型,即可获得该模型的各个参数。
此后,将测量获得的识别特征输入该训练成功的逻辑回归模型,即可获得有人体位于微动信号传感器旁的概率g(z)。在图5所示的实施例中,将S1、S2、S3…对应的各识别特征输入逻辑回归模型,获得S1、S2、S3…对应的概率g1、g2、g3…。
以逻辑回归模型判断人体是否位于微动传感器旁,可以避免个体差异或者床垫类型造成的影响,提高识别准确率。
1034:根据各预设时间内的所述概率,确定是否有人体位于所述微动信号传感器旁。
其中,可以根据概率g1、g2、g3…中的任一值确定人体是否位于微动信号传感器旁。在另一些实施例中,为了提高识别准确率,当各预设时间内,存在连续预设个数以上的预设时间内的概率均大于或者等于预设概率阈值时,才确定所述人体位于所述微动信号传感器旁,如果存在连续预设个数以上的预设时间内的所述概率均小于预设概率阈值,则确定所述人体未位于所述微动信号传感器旁。
例如,假设预设概率阈值为0.5,预设个数为3个,则如果g1、g2、g3…中,g1、g2、g3均大于0.5,则存在连续3个以上预设时间内的概率均大于0.5,确定有人体位于微动信号传感器旁。如果g1、g2、g3…中,g1、g2、g3均小于0.5,则存在连续3个以上预设时间内的概率均小于0.5,确定没有人体位于微动信号传感器旁。
本发明实施例分别利用压力检测传感器检测目标床所受的压力,利用微动信号传感器检测人体产生的微动信号,并结合压力检测传感器和微动信号传感器的检测结果判断人体或物体相对于目标床的状态,从而检测出人体是否处于意外离床状态。结合两种传感器综合判断,可以避免因物体在床上而判定人在床上或因人未在压力传感器上而判定人离床的误判情况出现,检测准确性较好。
相应的,如图6所示,本发明实施例还提供了一种相对于床的对象的状态检测装置,可以用于图1或图2所示的相对于床的对象的状态检测设备10,相对于床的对象的状态检测装置600包括:
压力信息获取模块601,用于基于压力检测传感器检测的压力电信号获得压力信息;
微动采样信号获取模块602,用于基于微动信号传感器检测的微动电信号获得数字化的微动采样信号;
状态确定模块603,用于结合所述压力信息和所述微动采样信号确定相对于所述目标床的对象的状态,所述对象包括人体或物体。
本发明实施例分别利用压力检测传感器检测目标床所受的压力,利用微动信号传感器检测人体产生的微动信号,并结合压力检测传感器和微动信号传感器的检测结果判断人体或物体相对于目标床的状态,从而检测出人体是否处于意外离床状态。结合两种传感器综合判断,检测准确性较好。
在一些实施例中,状态确定模块603具体用于:
根据所述压力信息确定所述对象相对于所述压力检测传感器的位置;
根据所述微动采样信号确定所述对象相对于所述微动信号传感器的位置;
根据所述对象相对于所述压力检测传感器的位置和所述对象相对于所述微动信号传感器的位置,确定所述对象相对于所述目标床的状态。
在一些实施例中,状态确定模块603具体用于:
基于所述压力信息,确定是否有人体或物体位于所述压力检测传感器上;
基于所述微动采样信号,确定是否有人体位于所述微动信号传感器旁;
如果没有人体或物体位于所述压力检测传感器上、且没有人体位于所述微动信号传感器旁,则,确定所述人体处于意外离床状态;
如果有人体或物体位于所述压力检测传感器上、但没有人体位于所述微动信号传感器旁,则,
确定物体位于所述压力检测传感器上、所述人体处于意外离床状态。
在一些实施例中,所述人体状态还包括正常在床状态;则,
状态确定模块603还具体用于:
如果有人体或物体位于所述压力检测传感器上、且有人体位于所述微动信号传感器旁,则,确定所述人体处于正常在床状态;
如果没有人体或物体位于所述压力检测传感器上、但有人体位于所述微动信号传感器旁,则,
确定所述人体位于所述微动信号传感器旁、所述人体处于正常在床状态。
在一些实施例中,所述压力信息包括压力值;则,
状态确定模块603还具体用于:
如果所述压力值大于或者等于预设压力阈值,则确定有人体或物体位于所述压力检测传感器上,如果所述压力值小于预设压力阈值,则确定没有人体或物体位于所述压力检测传感器上。
在一些实施例中,状态确定模块603还具体用于:
基于所述微动采样信号获得至少两个预设时间内的微动采样信号;
基于各个预设时间内的微动采样信号获得各个预设时间对应的识别特征,所述识别特征用以表征所述微动采样信号的特征;
将所述识别特征输入预先获取的识别模型,获得该识别特征对应的预设时间内有人体位于所述微动信号传感器旁的概率;
根据各预设时间内的所述概率,确定是否有人体位于所述微动信号传感器旁。
在一些实施例中,所述微动采样信号包括心跳呼吸采样信号,所述识别特征包括心跳能量;则,状态确定模块603还具体用于:
对所述心跳呼吸采样信号进行滤波处理获得心跳信号;
在一些实施例中,所述识别特征还包括心跳信号质量;
则,状态确定模块603还具体用于:
所述基于每个预设时间内的微动采样信号获得该预设时间内的识别特征,还包括:
检测所述预设时间内所述心跳信号的波峰;
获取各个波峰中相邻波峰之间的心跳间隔;
获取各个心跳间隔的平均值;
确定各心跳间隔中、与所述平均值之差小于预设差值阈值的心跳间隔的数量;
根据所述数量确定所述预设时间内的所述心跳信号质量。
在一些实施例中,所述识别特征还包括呼吸能量;
则,状态确定模块603还具体用于:
对所述心跳呼吸采样信号进行滤波处理获得呼吸信号;
在一些实施例中,状态确定模块603还具体用于:
各预设时间内,如果存在连续预设个数以上的预设时间内的所述概率均大于或者等于预设概率阈值,则确定有人体位于所述微动信号传感器旁,如果存在连续预设个数以上的预设时间内的所述概率均小于预设概率阈值,则确定没有人体位于所述微动信号传感器旁。
在一些实施例中,所述识别模型为逻辑回归模型。
需要说明的是,上述装置可执行本申请实施例所提供的方法,具备执行方法相应的功能模块和有益效果。未在装置实施例中详尽描述的技术细节,可参见本申请实施例所提供的方法。
图7为相对于床的对象的状态检测设备10的一个实施例中控制器12的硬件结构示意图,如图7所示,控制器12包括:
一个或多个处理器121以及处理器122,图7中以一个处理器121为例。
处理器121和处理器122可以通过总线或者其他方式连接,图7中以通过总线连接为例。
处理器122作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块,如本申请实施例中的相对于床的对象的状态检测方法对应的程序指令/模块(例如,附图6所示的压力信息获取模块601)。处理器121通过运行存储在处理器122中的非易失性软件程序、指令以及模块,从而执行控制器的各种功能应用以及数据处理,即实现上述方法实施例的相对于床的对象的状态检测方法。
处理器122可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据控制器的使用所创建的数据等。此外,处理器122可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中,处理器122可选包括相对于处理器121远程设置的存储器,这些远程存储器可以通过网络连接至控制器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述一个或者多个模块存储在所述处理器122中,当被所述一个或者多个处理器121执行时,执行上述任意方法实施例中的相对于床的对象的状态检测方法,例如,执行以上描述的图3中的方法步骤101至步骤103、图4中的方法步骤1031-1034;实现图6中的模块601-603的功能。
上述产品可执行本申请实施例所提供的方法,具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本申请实施例所提供的方法。
本申请实施例提供了一种非易失性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可执行指令,该计算机可执行指令被一个或多个处理器执行,例如图7中的一个处理器121,可使得上述一个或多个处理器可执行上述任意方法实施例中的相对于床的对象的状态检测方法,例如,执行以上描述的图3中的方法步骤101至步骤103、图4中的方法步骤1031-1034;实现图6中的模块601-603的功能。
以上所描述的装置实施例仅仅是示意性的,其中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模块来实现本实施例方案的目的。
通过以上的实施例的描述,本领域普通技术人员可以清楚地了解到各实施例可借助软件加通用硬件平台的方式来实现,当然也可以通过硬件。本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory,ROM)或随机存储记忆体(RandomAccessMemory,RAM)等。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;在本发明的思路下,以上实施例或者不同实施例中的技术特征之间也可以进行组合,步骤可以以任意顺序实现,并存在如上所述的本发明的不同方面的许多其它变化,为了简明,它们没有在细节中提供;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范围。
Claims (9)
1.一种相对于床的对象的状态检测方法,其特征在于,所述方法应用于检测设备,所述检测设备安装于目标床上,所述检测设备包括压力检测传感器和微动信号传感器,所述方法包括:
基于所述压力检测传感器检测的压力电信号获得压力信息;
基于所述微动信号传感器检测的微动电信号获得数字化的微动采样信号;
根据所述压力信息确定对象相对于所述压力检测传感器的位置;
根据所述微动采样信号确定所述对象相对于所述微动信号传感器的位置;
根据所述对象相对于所述压力检测传感器的位置和所述对象相对于所述微动信号传感器的位置,确定所述对象相对于所述目标床的状态,所述对象包括人体或物体;
其中,所述根据所述压力信息确定所述对象相对于所述压力检测传感器的位置,包括:
基于所述压力信息,确定是否有人体或物体位于所述压力检测传感器上;
所述根据所述对象相对于所述压力检测传感器的位置和所述对象相对于所述微动信号传感器的位置,确定所述对象相对于所述目标床的状态,包括:
如果没有人体或物体位于所述压力检测传感器上、且没有人体位于所述微动信号传感器旁,则,确定所述人体处于意外离床状态;
如果有人体或物体位于所述压力检测传感器上、但没有人体位于所述微动信号传感器旁,则,确定物体位于所述压力检测传感器上;
如果有人体或物体位于所述压力检测传感器上、且有人体位于所述微动信号传感器旁,则,确定所述人体处于正常在床状态;
如果没有人体或物体位于所述压力检测传感器上、但有人体位于所述微动信号传感器旁,则,确定所述人体位于所述微动信号传感器旁;
所述根据所述微动采样信号确定所述对象相对于所述微动信号传感器的位置,包括:
基于所述微动采样信号获得至少两个预设时间内的微动采样信号;
基于各个预设时间内的微动采样信号获得各个预设时间对应的识别特征,所述识别特征用以表征所述微动采样信号的特征;
将所述识别特征输入预先获取的识别模型,获得所述识别特征对应的预设时间内有人体位于所述微动信号传感器旁的概率;其中,所述识别模型为逻辑回归模型,所述逻辑回归模型采用sigmoid函数,所述sigmoid函数定义为在训练所述识别模型的时候,获取样本包括:获取人体以各种睡眠姿势在各种材质的床垫上的微动采样信号,并基于所述微动采样信号获得识别特征对应标签为1,表示在床;获得离床时的微动采样信号,并基于所述微动采样信号获得识别特征对应标签为0,表示离床;将所述样本及对应标签输入所述逻辑回归模型,获得模型参数;将所述识别特征输入训练成功的逻辑回归模型,获得人体位于微动信号传感器旁的概率;
根据各预设时间内的所述概率,确定是否有人体位于所述微动信号传感器旁;
所述根据各预设时间内的所述概率,确定是否有人体位于所述微动信号传感器旁,包括:
各预设时间内,如果存在连续预设个数以上的预设时间内的所述概率均大于或者等于预设概率阈值,则确定有人体位于所述微动信号传感器旁;
如果存在连续预设个数以上的预设时间内的所述概率均小于预设概率阈值,则确定没有人体位于所述微动信号传感器旁。
2.根据权利要求1所述的方法,其特征在于,所述压力信息包括压力值;
所述基于所述压力信息,确定是否有人体或物体位于所述压力检测传感器上,包括:
如果所述压力值大于或者等于预设压力阈值,则确定有人体或物体位于所述压力检测传感器上;
如果所述压力值小于预设压力阈值,则确定没有人体或物体位于所述压力检测传感器上。
4.根据权利要求1所述的方法,其特征在于,所述识别特征包括心跳信号质量;则,
所述基于各个预设时间内的微动采样信号获得各个预设时间对应的识别特征,包括:
检测所述预设时间内所述心跳信号的波峰;
获取各个波峰中相邻波峰之间的心跳间隔;
获取各个心跳间隔的平均值;
确定各心跳间隔中、与所述平均值之差小于预设差值阈值的心跳间隔的数量;
根据所述数量确定所述预设时间内的所述心跳信号质量。
6.一种相对于床的对象的状态检测装置,其特征在于,所述装置应用于检测设备,所述检测设备安装于目标床上,所述检测设备包括压力检测传感器和微动信号传感器,所述装置包括:
压力信息获取模块,用于基于所述压力检测传感器检测的压力电信号获得压力信息;
微动采样信号获取模块,用于基于所述微动信号传感器检测的微动电信号获得数字化的微动采样信号;
状态确定模块,用于根据所述压力信息确定对象相对于所述压力检测传感器的位置;
根据所述微动采样信号确定所述对象相对于所述微动信号传感器的位置;
根据所述对象相对于所述压力检测传感器的位置和所述对象相对于所述微动信号传感器的位置,确定所述对象相对于所述目标床的状态,所述对象包括人体或物体;
其中,所述根据所述压力信息确定所述对象相对于所述压力检测传感器的位置,包括:
基于所述压力信息,确定是否有人体或物体位于所述压力检测传感器上;
所述根据所述对象相对于所述压力检测传感器的位置和所述对象相对于所述微动信号传感器的位置,确定所述对象相对于所述目标床的状态,包括:
如果没有人体或物体位于所述压力检测传感器上、且没有人体位于所述微动信号传感器旁,则,确定所述人体处于意外离床状态;
如果有人体或物体位于所述压力检测传感器上、但没有人体位于所述微动信号传感器旁,则,确定物体位于所述压力检测传感器上;
如果有人体或物体位于所述压力检测传感器上、且有人体位于所述微动信号传感器旁,则,确定所述人体处于正常在床状态;
如果没有人体或物体位于所述压力检测传感器上、但有人体位于所述微动信号传感器旁,则,确定所述人体位于所述微动信号传感器旁;
所述根据所述微动采样信号确定所述对象相对于所述微动信号传感器的位置,包括:
基于所述微动采样信号获得至少两个预设时间内的微动采样信号;
基于各个预设时间内的微动采样信号获得各个预设时间对应的识别特征,所述识别特征用以表征所述微动采样信号的特征;
将所述识别特征输入预先获取的识别模型,获得所述识别特征对应的预设时间内有人体位于所述微动信号传感器旁的概率;其中,所述识别模型为逻辑回归模型,所述逻辑回归模型采用sigmoid函数,所述sigmoid函数定义为在训练所述识别模型的时候,获取样本包括:获取人体以各种睡眠姿势在各种材质的床垫上的微动采样信号,并基于所述微动采样信号获得识别特征对应标签为1,表示在床;获得离床时的微动采样信号,并基于所述微动采样信号获得识别特征对应标签为0,表示离床;将所述样本及对应标签输入所述逻辑回归模型,获得模型参数;将所述识别特征输入训练成功的逻辑回归模型,获得人体位于微动信号传感器旁的概率;
根据各预设时间内的所述概率,确定是否有人体位于所述微动信号传感器旁;
所述根据各预设时间内的所述概率,确定是否有人体位于所述微动信号传感器旁,包括:
各预设时间内,如果存在连续预设个数以上的预设时间内的所述概率均大于或者等于预设概率阈值,则确定有人体位于所述微动信号传感器旁;
如果存在连续预设个数以上的预设时间内的所述概率均小于预设概率阈值,则确定没有人体位于所述微动信号传感器旁。
7.一种相对于床的对象的状态检测设备,其特征在于,所述设备包括:
压力检测传感器,用于检测所述压力检测传感器所受压力情况,获得压力电信号;
微动信号传感器,用于检测人体产生的微动信号,获得微动电信号;
控制器,与所述压力检测传感器和所述微动信号传感器电性连接,所述控制器包括:至少一个处理器与存储器,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-5任意一项所述的方法。
8.根据权利要求7所述的检测设备,其特征在于,所述检测设备包括带状本体,所述压力检测传感器和所述微动信号传感器设置于所述带状本体内:
所述带状本体包括第一端和第二端,所述控制器设置于所述第一端或者第二端。
9.一种非易失性计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机可执行指令,当所述计算机可执行指令被相对于床的对象的状态检测设备执行时,使所述相对于床的对象的状态检测设备执行如权利要求1-5任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910871897.8A CN110638460B (zh) | 2019-09-16 | 2019-09-16 | 一种相对于床的对象的状态检测方法、装置和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910871897.8A CN110638460B (zh) | 2019-09-16 | 2019-09-16 | 一种相对于床的对象的状态检测方法、装置和设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110638460A CN110638460A (zh) | 2020-01-03 |
CN110638460B true CN110638460B (zh) | 2022-07-15 |
Family
ID=68991899
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910871897.8A Active CN110638460B (zh) | 2019-09-16 | 2019-09-16 | 一种相对于床的对象的状态检测方法、装置和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110638460B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112190419A (zh) * | 2020-09-11 | 2021-01-08 | 深圳数联天下智能科技有限公司 | 一种睡眠管理的方法及装置 |
CN114754905B (zh) * | 2021-01-08 | 2023-10-31 | 深圳爱根斯通科技有限公司 | 对象状态检测方法、装置、智能终端及存储介质 |
CN113671489B (zh) * | 2021-08-09 | 2023-10-17 | 珠海格力电器股份有限公司 | 状态提醒方法及装置、电子设备和计算机可读存储介质 |
CN115024615B (zh) * | 2022-06-29 | 2023-08-15 | 慕思健康睡眠股份有限公司 | 一种用户状态感知方法、装置、智能床垫和存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104127185A (zh) * | 2013-05-03 | 2014-11-05 | 上海宽带技术及应用工程研究中心 | 一种上下床行为监控方法及系统 |
CN104622476A (zh) * | 2015-01-28 | 2015-05-20 | 杨松 | 检测人体生理信号的床垫、分析器、方法和系统 |
CN104994786A (zh) * | 2013-11-28 | 2015-10-21 | 皇家飞利浦有限公司 | 用于睡眠监视的设备和方法 |
EP3015098A2 (en) * | 2014-10-31 | 2016-05-04 | Hill-Rom Services, Inc. | Equipment, dressing and garment wireless connectiviity to a patient bed |
CN205411149U (zh) * | 2015-12-16 | 2016-08-03 | 成都大学 | 一种睡眠监测床垫 |
CN106419869A (zh) * | 2016-08-24 | 2017-02-22 | 电子科技大学 | 一种基于压电传感器的实时睡眠分期检测方法及其装置 |
CN108577830A (zh) * | 2018-03-15 | 2018-09-28 | 乐普(北京)医疗器械股份有限公司 | 一种面向用户的体征信息动态监护方法和动态监护系统 |
CN108920993A (zh) * | 2018-03-23 | 2018-11-30 | 武汉雷博合创电子科技有限公司 | 一种基于雷达及多网络融合的行人姿态识别方法及系统 |
CN208876548U (zh) * | 2018-03-22 | 2019-05-21 | 深圳和而泰数据资源与云技术有限公司 | 一种看护系统 |
CN110051337A (zh) * | 2018-12-21 | 2019-07-26 | 上海泓邃生物科技有限公司 | 一种离床状态智能监测床垫及监测方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002186597A (ja) * | 2000-12-20 | 2002-07-02 | Matsushita Electric Ind Co Ltd | 在床モニタ装置 |
US10758162B2 (en) * | 2010-04-22 | 2020-09-01 | Leaf Healthcare, Inc. | Systems, devices and methods for analyzing a person status based at least on a detected orientation of the person |
JP5482597B2 (ja) * | 2010-09-16 | 2014-05-07 | ダイキン工業株式会社 | 離床判定装置 |
JP6134214B2 (ja) * | 2013-06-28 | 2017-05-24 | 住友理工株式会社 | 離床センサおよび離床検出方法 |
CN204071330U (zh) * | 2014-09-24 | 2015-01-07 | 中国人民解放军第三军医大学 | 防坠床医护床垫 |
RU2017125198A (ru) * | 2014-12-16 | 2019-01-17 | Конинклейке Филипс Н.В. | Монитор сна младенца |
CN109350075B (zh) * | 2018-09-18 | 2022-02-01 | 深圳和而泰数据资源与云技术有限公司 | 一种鼾声检测方法、装置及可读存储介质 |
CN109393813A (zh) * | 2018-11-29 | 2019-03-01 | 杨松 | 智能电动床及其控制方法 |
-
2019
- 2019-09-16 CN CN201910871897.8A patent/CN110638460B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104127185A (zh) * | 2013-05-03 | 2014-11-05 | 上海宽带技术及应用工程研究中心 | 一种上下床行为监控方法及系统 |
CN104994786A (zh) * | 2013-11-28 | 2015-10-21 | 皇家飞利浦有限公司 | 用于睡眠监视的设备和方法 |
EP3015098A2 (en) * | 2014-10-31 | 2016-05-04 | Hill-Rom Services, Inc. | Equipment, dressing and garment wireless connectiviity to a patient bed |
CN104622476A (zh) * | 2015-01-28 | 2015-05-20 | 杨松 | 检测人体生理信号的床垫、分析器、方法和系统 |
CN205411149U (zh) * | 2015-12-16 | 2016-08-03 | 成都大学 | 一种睡眠监测床垫 |
CN106419869A (zh) * | 2016-08-24 | 2017-02-22 | 电子科技大学 | 一种基于压电传感器的实时睡眠分期检测方法及其装置 |
CN108577830A (zh) * | 2018-03-15 | 2018-09-28 | 乐普(北京)医疗器械股份有限公司 | 一种面向用户的体征信息动态监护方法和动态监护系统 |
CN208876548U (zh) * | 2018-03-22 | 2019-05-21 | 深圳和而泰数据资源与云技术有限公司 | 一种看护系统 |
CN108920993A (zh) * | 2018-03-23 | 2018-11-30 | 武汉雷博合创电子科技有限公司 | 一种基于雷达及多网络融合的行人姿态识别方法及系统 |
CN110051337A (zh) * | 2018-12-21 | 2019-07-26 | 上海泓邃生物科技有限公司 | 一种离床状态智能监测床垫及监测方法 |
Non-Patent Citations (2)
Title |
---|
Sleeping patterns observation for bedsores and bed-side falls prevention;A. A. P. Wai, K. Yuan-Wei, F. S. Fook;《IEEE》;20091113;第6087-6090页 * |
基于陶瓷压电传感器的智能床垫系统设计;彭昊;《中国优秀硕士学位论文全文数据库》;20190315;第B024-223页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110638460A (zh) | 2020-01-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110638460B (zh) | 一种相对于床的对象的状态检测方法、装置和设备 | |
CN101563028B (zh) | 患者监测系统和方法 | |
JP6594399B2 (ja) | 生体情報モニタリングシステム | |
CN107137071B (zh) | 一种分析心冲击信号用来计算短期心率值的方法 | |
JP3976752B2 (ja) | 睡眠状態推定装置及びプログラム | |
Heise et al. | Monitoring pulse and respiration with a non-invasive hydraulic bed sensor | |
US9357953B2 (en) | System and method for diagnosing sleep apnea | |
JP5070701B2 (ja) | 寝具に加わる被験者の荷重変化により得られる呼吸信号の解析方法および装置 | |
US9173613B2 (en) | Method of autonomously monitoring the movement activity of a fetus | |
Waltisberg et al. | Detecting disordered breathing and limb movement using in-bed force sensors | |
US20180303366A1 (en) | Method for Detecting Seizures | |
US11172844B2 (en) | Apparatus and method for detection of dysfunctional breathing | |
JP2019098069A (ja) | 姿勢判定装置 | |
CN112754443B (zh) | 睡眠质量检测方法、系统、可读存储介质及床垫 | |
CN107949315B (zh) | 异常通知系统、异常通知方法以及程序 | |
US20140230818A1 (en) | Methods for prediction of ventilation treatment inadequacy | |
US20120271182A1 (en) | Identifying Seizures Using Heart Data from Two of More Windows | |
CN109846470B (zh) | 异常判定装置、电子设备及计算机可读存储介质 | |
CN110996791B (zh) | 身体活动判定系统以及生物体状态监测系统 | |
JP4345489B2 (ja) | 呼吸モニタ装置 | |
JP5652764B2 (ja) | 睡眠状態判定装置及び睡眠状態判定プログラム | |
JP6905920B2 (ja) | 生体情報検出装置、及び生体情報検出装置の制御方法 | |
KR20230081154A (ko) | 심박주기 감지를 위한 데이터 처리 장치 및 그 동작 방법 | |
CN111436939B (zh) | 基于深度学习的识别体征信号的方法、系统、设备及介质 | |
CN113633280B (zh) | 在床离床检测方法、检测系统、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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20200409 Address after: 1706, Fangda building, No. 011, Keji South 12th Road, high tech Zone, Yuehai street, Nanshan District, Shenzhen City, Guangdong Province Applicant after: Shenzhen shuliantianxia Intelligent Technology Co.,Ltd. Address before: 518000, building 10, building ten, building D, Shenzhen Institute of Aerospace Science and technology, 6 hi tech Southern District, Nanshan District, Shenzhen, Guangdong 1003, China Applicant before: SHENZHEN H & T HOME ONLINE NETWORK TECHNOLOGY Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |