CN110866450B - 一种帕金森病监测方法、装置及存储介质 - Google Patents

Abstract

本发明提供一种帕金森病监测方法、装置及存储介质，方法包括：从预先安装的采集设备中获取视频画面；根据视频画面得到监测用户画面；对监测用户画面进行人体轮廓的识别，得到多个监测用户人体轮廓，根据多个监测用户人体轮廓得到动作行为信息，动作行为信息包括静止状态下的状态参数和运动状态下的状态参数；将静止状态下的状态参数和运动状态下的状态参数分别与对应的预设动作阈值进行对比，根据比对结果判断用户是否处于疑似病发状态，若是，则将判断结果发送至指定终端中。上述方法降低了技术难点，同时能够达到实时地对用户进行监测，并可以自动分析得到是否疑似病发的信息，及时通知相关人员进行预防和关注。

Description

一种帕金森病监测方法、装置及存储介质

技术领域

本发明主要涉及医疗监测技术领域，具体涉及一种帕金森病监测方法、装置及存储介质。

背景技术

现今,随着世界老龄化人口的加剧，越来越多的人将会遭受神经变性退化性运动障碍疾病的困扰，其运动障碍的高致残率给家庭和社会带来了巨大的负担。不幸的是到目前为止对于该病症并没有有效的治疗手段。但是对于该病症的早期诊断早期干预对于延缓该病进展有着极其重要的意义。现今临床上对该类疾病的诊断主要依赖一些主观的方法,比如UPDRS量表调查,其调查过程繁琐耗时，浪费大量的人力资源，并且结果仍然具有极大的主观性。因此,许多的研究人员都致力于通过对惯性传感器等设备收集到的信号进行结构化分析来创造一种可以准确诊断该类疾病的方法，但是，采用惯性传感器设备的方式不仅使用不方便而且成本极高。因此，使用智能手机安装软件的方式来监测帕金森病是适合技术发展和市场需求的。

发明内容

本发明所要解决的技术问题是针对现有技术的不足，提供一种帕金森病监测方法、装置及存储介质。

本发明解决上述技术问题的技术方案如下：一种帕金森病监测方法，包括如下步骤：

从预先安装的采集设备中获取视频画面；

根据所述视频画面得到监测用户画面；

对所述监测用户画面进行人体轮廓的识别，得到多个监测用户人体轮廓，根据所述多个监测用户人体轮廓得到动作行为信息，所述动作行为信息包括静止状态下的状态参数和运动状态下的状态参数；

将所述静止状态下的状态参数和所述运动状态下的状态参数分别与对应的预设动作阈值进行对比，根据比对结果判断用户是否处于疑似病发状态，若是，则将判断结果发送至指定终端中。

本发明解决上述技术问题的另一技术方案如下：一种帕金森病监测装置，包括：

用户信息采集模块，用于从预先安装的采集设备中获取视频画面；

用户识别模块，用于根据所述视频画面得到监测用户画面；

轮廓分析模块，用于对所述监测用户画面进行人体轮廓的识别，得到多个监测用户人体轮廓，根据所述多个监测用户人体轮廓得到动作行为信息，所述动作行为信息包括静止状态下的状态参数和运动状态下的状态参数

判断模块，用于将所述静止状态下的状态参数和所述运动状态下的状态参数分别与对应的预设动作阈值进行对比，根据比对结果判断用户是否处于疑似病发状态，若是，则将判断结果发送至指定终端中。

本发明解决上述技术问题的另一技术方案如下：一种帕金森病监测装置，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，当所述处理器执行所述计算机程序时，实现如上所述的帕金森病监测方法。

本发明解决上述技术问题的另一技术方案如下：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，当所述计算机程序被处理器执行时，实现如上所述的帕金森病监测方法。

本发明的有益效果是：通过预先安装的采集设备获取视频画面，对监测用户进行识别，并且通过用户人体的轮廓得到动作行为信息，将得到的动作行为信息与对应的预设动作阈值进行对比，降低了技术难点，同时能够达到实时地对用户进行监测，并自动分析得到是否疑似病发的信息，同时能够及时通知相关人员进行预防和关注。

附图说明

图1为本发明一实施例提供的帕金森病监测方法的流程示意图；

图2为本发明一实施例提供的帕金森病监测装置的模块框图。

具体实施方式

以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。

图1为本发明一实施例提供的帕金森病监测方法的流程示意图。

如图1所示，一种帕金森病监测方法，包括如下步骤：

从预先安装的采集设备中获取视频画面；

根据所述视频画面得到监测用户画面；

对所述监测用户画面进行人体轮廓的识别，得到多个监测用户人体轮廓，根据所述多个监测用户人体轮廓得到动作行为信息，所述动作行为信息包括静止状态下的状态参数和运动状态下的状态参数；

将所述静止状态下的状态参数和所述运动状态下的状态参数分别与对应的预设动作阈值进行对比，根据比对结果判断用户是否处于疑似病发状态，若是，则将判断结果发送至指定终端中。

应理解地，从预先安装的采集设备获取视频画面，在所述视频画面内识别监测的用户，通过所述视频画面用户的身体轮廓和手部轮廓得到多个动作行为信息，将得到的动作行为信息与对应的预设动作阈值进行对比，获得比对结果判断用户是否处于疑似病发状态。

上述实施例中，通过预先安装的采集设备获取视频画面，对监测用户进行识别，并且通过用户人体的轮廓得到动作行为信息，将得到的动作行为信息与对应的预设动作阈值进行对比，降低了技术难点，同时能够达到实时地对用户进行监测，并自动分析得到是否疑似病发的信息，同时能够及时通知相关人员进行预防和关注。

可选地，作为本发明的一个实施例，所述采集设备包括摄像头，通过所述摄像头获取所述视频画面；

所述根据视频画面得到监测用户画面的过程包括：

在所述视频画面中进行人脸识别，得到脸部特征信息，将所述脸部特征信息与预设患者库中脸部特征信息进行匹配，得到监测用户画面。

具体地，预设患者库中保存了监测用户的历史信息，并且为每个监测用户建立独立的数据存储中心。

上述实施例中，通过视频画面对监测用户进行识别，达到对监测用户进行针对性的追踪。

可选地，作为本发明的一个实施例，所述对所述监测用户画面进行人体轮廓的识别，得到多个监测用户人体轮廓，根据所述多个监测用户人体轮廓得到动作行为信息的过程包括：

将所述监测用户画面分解得到多个视频帧图像，对各个所述视频帧图像进行人脸识别，得到各个所述视频帧图像中的监测用户人体轮廓，所述监测用户人体轮廓包括身体轮廓和手部轮廓；

以所述视频帧图像的四角为基准点建立坐标轴；

根据所述坐标轴将各个所述视频帧图像中的身体轮廓和手部轮廓进行坐标标注，根据坐标标注后的各个身体轮廓得到身体位移变化信息，根据所述身体位移变化信息得到身体运动轨迹，并根据坐标标注后的各个手部轮廓得到手部位移变化信息，根据所述手部位移变化信息得到手部运动轨迹；

根据身体运动轨迹确定监测用户处于身体静止状态或身体运动状态，并根据手部运动轨迹确定监测用户处于手部静止状态或手部抖动状态，若监测用户处于身体静止状态且手部抖动状态，则为第一状态，对所述第一状态进行监测，得到监测总时长t1、用户手部每秒抖动的次数n1和手部连续发生抖动行为的时长ct1，通过n1/t1得到监测用户的手部抖动频率f1；若监测用户处于身体运动状态且手部抖动状态，则为第二状态，对所述第二状态进行监测，得到监测总时长t2、用户手部每秒抖动的次数n2和手部连续发生抖动行为的时长ct2，通过n2/t2得到监测用户的手部抖动频率f2；若监测用户处于身体运动状态且手部静止状态，则为第三状态，对所述第三状态进行监测，得到监测总时长t3、身体运动总时长ts和身体运动速率r。

上述实施例中，可以在监测用户使用不同的轮廓时进行判断，并得出相应的数值，可以多方位的对监测用户进行分析。

可选地，作为本发明的一个实施例，将所述监测用户画面分解得到多个视频帧图像后，还包括步骤：对各个所述视频帧图像进行手臂动作识别，得到手臂动作特征信息，将所述手臂动作特征信息与预存的多个动作特征信息进行匹配，得到监测用户的接听电话动作信息，根据所述接听电话动作信息确定监测用户的接听电话手部轮廓。

应理解地，当用户为接听电话的状态时，上述步骤中“手部抖动状态”指的是，得到接听电话的手部抖动状态。

上述实施例中，可以对监测用户特定姿态进行判断评估，不仅仅局限于一种姿态。

可选地，作为本发明的一个实施例，所述根据比对结果判断用户是否处于疑似病发状态的过程包括：

当监测用户处于所述第一状态时，根据所述监测用户手部抖动的频率f1和所述手部连续发生抖动行为的时长ct1均达到预设频率阈值tf1和预设连续抖动时长阈值tct1时，判定为一次有效的数据，统计得到有效数据总时长it1，若所述监测总时长t1大于预设监测阈值m1且it1/t1大于设定动作阈值n’1，则判定为监测用户处于疑似病发的状态；

当监测用户处于所述第二状态时，根据所述监测用户手部抖动的频率f2和所述手部连续发生抖动行为的时长ct2均达到预设频率阈值tf2和预设连续抖动时长阈值tct2时，判定为一次有效的数据，统计得到有效数据总时长it2，若所述监测总时长t2大于预设监测阈值m2且it2/t2大于设定动作阈值n’2，则判定为用户处于疑似病发的状态；

当监测用户处于所述第三状态时，根据监测用户所述身体运动总时长ts和所述身体运动速率r均达到预设运动时长阈值tsn和预设运动速率时长阈值rn时，判定为一次有效的数据，统计得到有效数据总时长it3，若所述监测总时长t3大于设定监测阈值m3并且同时it3/t3大于设定动作阈值n3时，则判定为疑似病发的状态。

上述实施例中，通过与各状态相应的预设阈值进行比较，得出疑似病发的结果，方法简单实用，且多种状态进行比较提高了结果的准确率。

可选地，作为本发明的一个实施例，判断监测用户是否处于疑似病发状态后，还包括步骤：

将疑似病发的状态的参数进行计算，得到最终判断值，其过程包括：

根据所述第一状态的所述有效数据总时长it1与所述监测总时长t1、所述第二状态的所述有效数据总时长it2与所述监测总时长t2和所述第三状态的有效数据总时长it3与所述监测总时长t3进行计算，公式为：

value＝it1*it1/t1*weight1+it2*it2/t2*weight2+it3*it3/t3*weight3，

其中，value为最终判断值，weight1为所述第一状态的权重，weight2为所述第二状态的权重，weight3为所述第三状态的权重；

当最终判断值大于或等于预设综合阈值时，则得到用户震颤发作的结果，并将结果发送至指定终端中。

上述实施例中，通过计算得到最终判断值，与预设综合阈值对比得到最终结果，得出的最终结果进行判断用户震颤发作更为精准，提高了判断结果的准确性。

图2为本发明一实施例提供的帕金森病监测装置的模块框图。

可选地，作为本发明的另一个实施例，如图2所示，一种帕金森病监测装置，包括：

用户信息采集模块，用于从预先安装的采集设备中获取视频画面；

用户识别模块，用于根据所述视频画面得到监测用户画面；

轮廓分析模块，用于对所述监测用户画面进行人体轮廓的识别，得到多个监测用户人体轮廓，根据所述多个监测用户人体轮廓得到动作行为信息，所述动作行为信息包括静止状态下的状态参数和运动状态下的状态参数

判断模块，用于将所述静止状态下的状态参数和所述运动状态下的状态参数分别与对应的预设动作阈值进行对比，根据比对结果判断用户是否处于疑似病发状态，若是，则将判断结果发送至指定终端中。

可选地，作为本发明的一个实施例，所述采集设备包括摄像头，通过所述摄像头获取所述视频画面；

所述用户识别模块具体用于：

在所述视频画面中进行人脸识别，得到脸部特征信息，将所述脸部特征信息与预设患者库中脸部特征信息进行匹配，得到监测用户画面。

可选地，本发明的另一个实施例提供一种帕金森病监测装置，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，当所述处理器执行所述计算机程序时，实现如上所述的帕金森病监测方法。该装置可为计算机等装置。

具体地，本装置还可以集成在智能手机或智能手环上，在智能手机或智能手环连接采集设备，将用户信息采集模块、行为识别模块、分析模块、计算模块和预警模块集成芯片安装在智能手机或智能手环上，并通过智能手机或智能手环的显示屏显示用户病发或者疑似病发的信息。

可选地，本发明的另一个实施例提供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，当所述计算机程序被处理器执行时，实现如上所述的帕金森病监测方法。

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，上述描述的装置和单元的具体工作过程，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，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，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。

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发明实施例方案的目的。

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，也可以是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。

集成的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，或者该技术方案的全部或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)执行本发明各个实施例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。

以上，仅为本发明的具体实施方式，但本发明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发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (8)

1.一种帕金森病监测方法，其特征在于，包括如下步骤：

从预先安装的采集设备中获取视频画面；

根据所述视频画面得到监测用户画面；

对所述监测用户画面进行人体轮廓的识别，得到多个监测用户人体轮廓，根据所述多个监测用户人体轮廓得到动作行为信息，所述动作行为信息包括静止状态下的状态参数和运动状态下的状态参数；

将所述静止状态下的状态参数和所述运动状态下的状态参数分别与对应的预设动作阈值进行对比，根据比对结果判断用户是否处于疑似病发状态，若是，则将判断结果发送至指定终端中；

所述对所述监测用户画面进行人体轮廓的识别，得到多个监测用户人体轮廓，根据所述多个监测用户人体轮廓得到动作行为信息的过程包括：

将所述监测用户画面分解得到多个视频帧图像，对各个所述视频帧图像进行人脸识别，得到各个所述视频帧图像中的监测用户人体轮廓，所述监测用户人体轮廓包括身体轮廓和手部轮廓；

以所述视频帧图像的四角为基准点建立坐标轴；

根据所述坐标轴将各个所述视频帧图像中的身体轮廓和手部轮廓进行坐标标注，根据坐标标注后的各个身体轮廓得到身体位移变化信息，根据所述身体位移变化信息得到身体运动轨迹，并根据坐标标注后的各个手部轮廓得到手部位移变化信息，根据所述手部位移变化信息得到手部运动轨迹；

根据身体运动轨迹确定监测用户处于身体静止状态或身体运动状态，并根据手部运动轨迹确定监测用户处于手部静止状态或手部抖动状态，若监测用户处于身体静止状态且手部抖动状态，则为第一状态，对所述第一状态进行监测，得到监测总时长t1、用户手部每秒抖动的次数n1和手部连续发生抖动行为的时长ct1，通过n1/t1得到监测用户的手部抖动频率f1；若监测用户处于身体运动状态且手部抖动状态，则为第二状态，对所述第二状态进行监测，得到监测总时长t2、用户手部每秒抖动的次数n2和手部连续发生抖动行为的时长ct2，通过n2/t2得到监测用户的手部抖动频率f2；若监测用户处于身体运动状态且手部静止状态，则为第三状态，对所述第三状态进行监测，得到监测总时长t3、身体运动总时长ts和身体运动速率r；

所述根据比对结果判断用户是否处于疑似病发状态的过程包括：

当监测用户处于所述第一状态时，根据所述监测用户手部抖动的频率f1和所述手部连续发生抖动行为的时长ct1均达到预设频率阈值tf1和预设连续抖动时长阈值tct1时，判定为一次有效的数据，统计得到有效数据总时长it1，若所述监测总时长t1大于预设监测阈值m1且it1/t1大于设定动作阈值n’1，则判定为监测用户处于疑似病发的状态；

当监测用户处于所述第二状态时，根据所述监测用户手部抖动的频率f2和所述手部连续发生抖动行为的时长ct2均达到预设频率阈值tf2和预设连续抖动时长阈值tct2时，判定为一次有效的数据，统计得到有效数据总时长it2，若所述监测总时长t2大于预设监测阈值m2且it2/t2大于设定动作阈值n’2，则判定为用户处于疑似病发的状态；

当监测用户处于所述第三状态时，根据监测用户所述身体运动总时长ts和所述身体运动速率r均达到预设运动时长阈值tsn和预设运动速率时长阈值rn时，判定为一次有效的数据，统计得到有效数据总时长it3，若所述监测总时长t3大于设定监测阈值m3并且同时it3/t3大于设定动作阈值n3时，则判定为疑似病发的状态。

2.根据权利要求1所述的帕金森病监测方法，其特征在于，所述采集设备包括摄像头，通过所述摄像头获取所述视频画面；

所述根据视频画面得到监测用户画面的过程包括：

在所述视频画面中进行人脸识别，得到脸部特征信息，将所述脸部特征信息与预设患者库中脸部特征信息进行匹配，得到监测用户画面。

3.根据权利要求1所述的帕金森病监测方法，其特征在于，将所述监测用户画面分解得到多个视频帧图像后，还包括步骤：对各个所述视频帧图像进行手臂动作识别，得到手臂动作特征信息，将所述手臂动作特征信息与预存的多个动作特征信息进行匹配，得到监测用户的接听电话动作信息，根据所述接听电话动作信息确定监测用户的接听电话手部轮廓。

4.根据权利要求1所述的帕金森病监测方法，其特征在于，判断监测用户是否处于疑似病发状态后，还包括步骤：

将疑似病发的状态的参数进行计算，得到最终判断值，其过程包括：

根据所述第一状态的所述有效数据总时长it1与所述监测总时长t1、所述第二状态的所述有效数据总时长it2与所述监测总时长t2和所述第三状态的有效数据总时长it3与所述监测总时长t3进行计算，公式为：

value＝it1*it1/t1*weight1+it2*it2/t2*weight2+it3*it3/t3*weight3，

其中，value为最终判断值，weight1为所述第一状态的权重，weight2为所述第二状态的权重，weight3为所述第三状态的权重；

当最终判断值大于或等于预设综合阈值时，则得到用户震颤发作的结果，并将结果发送至指定终端中。

5.一种帕金森病监测装置，其特征在于，包括：

用户信息采集模块，用于从预先安装的采集设备中获取视频画面；

用户识别模块，用于根据所述视频画面得到监测用户画面；

轮廓分析模块，用于对所述监测用户画面进行人体轮廓的识别，得到多个监测用户人体轮廓，根据所述多个监测用户人体轮廓得到动作行为信息，所述动作行为信息包括静止状态下的状态参数和运动状态下的状态参数；

判断模块，用于将所述静止状态下的状态参数和所述运动状态下的状态参数分别与对应的预设动作阈值进行对比，根据比对结果判断用户是否处于疑似病发状态，若是，则将判断结果发送至指定终端中；

所述轮廓分析模块具体用于：

将所述监测用户画面分解得到多个视频帧图像，对各个所述视频帧图像进行人脸识别，得到各个所述视频帧图像中的监测用户人体轮廓，所述监测用户人体轮廓包括身体轮廓和手部轮廓；

以所述视频帧图像的四角为基准点建立坐标轴；

根据所述坐标轴将各个所述视频帧图像中的身体轮廓和手部轮廓进行坐标标注，根据坐标标注后的各个身体轮廓得到身体位移变化信息，根据所述身体位移变化信息得到身体运动轨迹，并根据坐标标注后的各个手部轮廓得到手部位移变化信息，根据所述手部位移变化信息得到手部运动轨迹；

根据身体运动轨迹确定监测用户处于身体静止状态或身体运动状态，并根据手部运动轨迹确定监测用户处于手部静止状态或手部抖动状态，若监测用户处于身体静止状态且手部抖动状态，则为第一状态，对所述第一状态进行监测，得到监测总时长t1、用户手部每秒抖动的次数n1和手部连续发生抖动行为的时长ct1，通过n1/t1得到监测用户的手部抖动频率f1；若监测用户处于身体运动状态且手部抖动状态，则为第二状态，对所述第二状态进行监测，得到监测总时长t2、用户手部每秒抖动的次数n2和手部连续发生抖动行为的时长ct2，通过n2/t2得到监测用户的手部抖动频率f2；若监测用户处于身体运动状态且手部静止状态，则为第三状态，对所述第三状态进行监测，得到监测总时长t3、身体运动总时长ts和身体运动速率r；

所述判断模块具体用于：

当监测用户处于所述第一状态时，根据所述监测用户手部抖动的频率f1和所述手部连续发生抖动行为的时长ct1均达到预设频率阈值tf1和预设连续抖动时长阈值tct1时，判定为一次有效的数据，统计得到有效数据总时长it1，若所述监测总时长t1大于预设监测阈值m1且it1/t1大于设定动作阈值n’1，则判定为监测用户处于疑似病发的状态；

当监测用户处于所述第二状态时，根据所述监测用户手部抖动的频率f2和所述手部连续发生抖动行为的时长ct2均达到预设频率阈值tf2和预设连续抖动时长阈值tct2时，判定为一次有效的数据，统计得到有效数据总时长it2，若所述监测总时长t2大于预设监测阈值m2且it2/t2大于设定动作阈值n’2，则判定为用户处于疑似病发的状态；

当监测用户处于所述第三状态时，根据监测用户所述身体运动总时长ts和所述身体运动速率r均达到预设运动时长阈值tsn和预设运动速率时长阈值rn时，判定为一次有效的数据，统计得到有效数据总时长it3，若所述监测总时长t3大于设定监测阈值m3并且同时it3/t3大于设定动作阈值n3时，则判定为疑似病发的状态。

6.根据权利要求5所述的帕金森病监测装置，其特征在于，所述采集设备包括摄像头，通过所述摄像头获取所述视频画面；

所述用户识别模块具体用于：

在所述视频画面中进行人脸识别，得到脸部特征信息，将所述脸部特征信息与预设患者库中脸部特征信息进行匹配，得到监测用户画面。

7.一种帕金森病监测装置，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，当所述处理器执行所述计算机程序时，实现如权利要求1至4任一项所述的帕金森病监测方法。

8.一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，当所述计算机程序被处理器执行时，实现如权利要求1至4任一项所述的帕金森病监测方法。

Images