CN111933272A - 基于区块链和物联网的智慧医疗养老管理系统 - Google Patents
基于区块链和物联网的智慧医疗养老管理系统 Download PDFInfo
- Publication number
- CN111933272A CN111933272A CN202010805672.5A CN202010805672A CN111933272A CN 111933272 A CN111933272 A CN 111933272A CN 202010805672 A CN202010805672 A CN 202010805672A CN 111933272 A CN111933272 A CN 111933272A
- Authority
- CN
- China
- Prior art keywords
- pixel
- sensor node
- data
- node
- nodes
- 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.)
- Granted
Links
- 230000007613 environmental effect Effects 0.000 claims abstract description 40
- 238000012545 processing Methods 0.000 claims abstract description 33
- 238000004891 communication Methods 0.000 claims abstract description 21
- 238000012544 monitoring process Methods 0.000 claims abstract description 11
- 238000001514 detection method Methods 0.000 claims description 106
- 238000012512 characterization method Methods 0.000 claims description 39
- 238000000034 method Methods 0.000 claims description 13
- 230000001105 regulatory effect Effects 0.000 claims description 8
- 108010046685 Rho Factor Proteins 0.000 claims description 6
- 238000009499 grossing Methods 0.000 claims description 6
- 230000036541 health Effects 0.000 claims description 6
- 238000007726 management method Methods 0.000 abstract description 38
- 238000005516 engineering process Methods 0.000 abstract description 13
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000004458 analytical method Methods 0.000 abstract 1
- 230000006855 networking Effects 0.000 abstract 1
- 238000001914 filtration Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 10
- 230000006870 function Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000474 nursing effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
-
- 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
- G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Pathology (AREA)
- Image Processing (AREA)
Abstract
基于区块链和物联网的智慧医疗养老管理系统，包括第一信息采集模块、第二信息采集模块、视频监控模块、智能家居控制模块、无线通信模块、智能管理终端和区块链存储模块，所述第一信息采集模块、第二信息采集模块和视频监控模块分别用于采集室内环境参数数据、老年人的人体生理参数数据和位置数据以及老年人的视频图像，并将采集的数据和视频图像通过无线通信模块传输至智能管理终端进行处理、分析和显示，并将采集的数据和处理后的视频图像存储在区块链存储模块中。本发明的有益效果：通过传感器技术、图像处理技术和物联网等技术，改造传统的养老服务模式和管理方法。
Description
技术领域
本发明创造涉及养老管理领域，具体涉及基于区块链和物联网的智慧医疗养老管理系统。
背景技术
当今社会，随着大众生活水平的提高、年轻人工作压力加大、生活节奏过快，老年人的照料问题越来越受人关注，养老问题成为社会热点问题。当传统的养老服务越来越难以满足社会需求，智慧养老这一理念逐渐兴起，智慧养老是通过传感器技术、数据处理技术、图像处理技术和移动互联网等技术，改造传统的养老服务模式和管理方法，为老年人提供足够的生活照料和医疗护理的同时，减轻了年轻人的养老负担。
发明内容
针对上述问题，本发明旨在提供基于区块链和物联网的智慧医疗养老管理系统。
本发明创造的目的通过以下技术方案实现：
基于区块链和物联网的智慧医疗养老管理系统，包括第一信息采集模块、第二信息采集模块、视频监控模块、智能家居控制模块、无线通信模块、智能管理终端和区块链存储模块，所述第一信息采集模块用于采集室内环境参数数据，所述第二信息采集模块用于采集老年人的人体生理参数数据，所述视频监控模块用于采集老年人的视频图像，所述第一信息采集模块、第二信息采集模块和视频监控模块将采集到的数据和视频图像通过无线通信模块传输至智能管理终端，所述智能管理终端包括室内环境管理单元、人体健康管理单元、图像处理单元和信息显示单元，所述室内环境管理单元用于对接收到的环境参数数据进行分析，当所述环境参数数据未处于给定的舒适度环境参数数据范围内时，室内环境管理单元通过无线通信模块发送控制指令至智能家居控制模块，所述智能家居控制模块根据接收到的控制指令控制室内电器设备对室内环境进行调节，所述人体健康管理单元用于对接收到的人体生理参数数据进行分析，当所述人体生理参数数据未处于给定的安全人体生理参数数据范围内时进行预警，所述图像处理单元用于对接收到的视频图像进行处理，并将处理后的视频图像在信息显示单元进行显示，所述区块链存储模块用于存储智能管理终端接收到的数据和处理后的视频图像。
优选地，所述第一信息采集模块采用传感器节点采集室内环境参数数据，并在所述传感器节点中选取表征节点将其采集得到的环境参数数据传输至汇聚节点，所述汇聚节点将其接收到的环境参数数据通过无线通信模块传输至智能管理终端。
优选地，设C表示第一信息采集模块中用于采集环境参数c的数据的传感器节点集合，且C＝{ci，i＝1，2，...，M}，其中，ci表示集合C中的第i个传感器节点，M表示集合C中的传感器节点数，定义传感器节点ci在t时刻成为表征节点的概率为Gi(t)，且Gi(t)的表达式为：
式中，αi(t)表示传感器节点ci在t时刻的性能值，且
其中，Ei(t)表示传感器节点ci在t时刻的剩余能量值，Ei(0)表示传感器节点ci的初始能量值，βi(t)表示传感器节点ci在t时刻的邻域检测系数，目
Ni表示在传感器节点ci的通信半径内，且属于集合C的传感器节点组成的邻域集合，cj表示集合C中的第j个传感器节点，且cj∈Ni，cm和cn分别表示集合C中的第m和第n个传感器节点，且cm，cn∈Ni，Mi表示邻域集合Ni中的传感器节点数，d(ci，cj)表示传感器节点ci和传感器节点cj之间的距离，d(cm，cn)表示传感器节点cm和传感器节点cn之间的距离，γi(t)表示传感器节点ci在t时刻的数据检测系数，且
其中，
表示传感器节点ci在t时刻的第一数据检测系数，且
Xi(t)表示传感器节点ci在t时刻采集的环境参数c的数据，Xi(t-1)表示传感器节点ci在(t-1)时刻采集的环境参数c的数据，Xj(t)表示传感器节点cj在t时刻采集的环境参数c的数据，Xj(t-1)表示传感器节点cj在(t-1)时刻采集的环境参数c的数据，
表示传感器节点ci在t时刻的第二数据检测系数，且
Xm(t)和Xn(t)分别表示传感器节点cm和传感器节点cn在t时刻采集的环境参数c的数据，fi(t)表示环境参数数据Xi(t)对应的有效检测系数，当
时，则fi(t)＝1，当
时，则fi(t)＝0，Hi(t)为给定的有效检测阈值，且
表示传感器节点cm在t时刻的第一数据检测系数，
表示传感器节点cn在t时刻的第一数据检测系数，μ表示权重系数，且0≤μ≤1，τi(t)表示传感器节点ci在t时刻的记忆调节系数，且
t′表示传感器节点ci在t时刻之前且距离t时刻最近一次被选为表征节点的时刻；
在集合C中选取具有最大概率值的传感器节点作为第一个表征节点，设传感器节点cv被选取为第一个表征节点，Nv表示在传感器节点cv的通信半径内，且属于集合C的传感器节点组成的邻域集合，对集合Nv中的传感器节点进行检测，设ce表示集合C中的第e个传感器节点，且ce∈Nv，当传感器节点ce满足：{|Xe(t)-Xv(t)|＜0.3*Xv(t)且
时，则传感器节点ce不再参与接下来的表征节点的选取，其中，Xv(t)表示传感器节点cv在t时刻采集到的环境参数c的数据，Xe(t)表示传感器节点ce在t时刻采集到的环境参数c的数据，
表示传感器节点ce在t时刻的第一数据检测系数，
表示传感器节点cv在t时刻的第一数据检测系数；
按照上述方法在集合C中剩余的参与表征节点选取的传感器节点中继续选取表征节点，并对选取的表征节点所对应的传感器节点的邻域集合中的传感器节点进行检测，直到集合C中剩余的参与表征节点选取的传感器节点为0时，停止表征节点的选取。
优选地，所述图像处理单元用于对接收到的视频图像进行去噪处理，设I表示图像处理单元进行去噪的图像，I(x，y)表示图像I中坐标(x，y)处的像素，对像素I(x，y)进行去噪处理，定义ρr(x，y)表示像素I(x，y)对应的灰度检测因子，则ρr(x，y)的表达式为：
式中，Ω(x，y)表示像素I(x，y)的局部邻域，且Ω(x，y)为以像素I(x，y)为中心的(2R+1)×(2R+1)的局部邻域，其中，R为正整数，设C(I)和K(I)分别表示图像I的长和宽，则R＜min{C(I)，K(I)}，h(x，y)表示像素I(x，y)的灰度值，I(a，b)表示图像I中坐标(a，b)处的像素，且I(a，b)∈Ω(x，y)，h(a，b)表示像素I(a，b)的灰度值，M(x，y)表示局部邻域Ω(x，y)中的像素数；
给定灰度检测阈值T(ρr)和调节因了
且
其中，
表示局部邻域Ω(x，y)中像素灰度值之间绝对差值的均值，Δmid(x，y)表示局部邻域Ω(x，y)中像素灰度值之间绝对差值的中值，
当ρr(x，y)＜T(ρr)时，则判定像素I(x，y)为正常像素；当
时，则判定像素I(x，y)为噪声数据；当
时，则判定像素I(x，y)为可疑像素；
设H(x，y)表示像素I(x，y)经图像处理单元处理后的灰度值，当像素I(x，y)被判定为正常像素时，则H(x，y)＝h(x，y)，当像素I(x，y)被判定为噪声像素或可疑像素时，则H(x，y)的值为：
式中，ψ1(a，b)表示灰度检测因子ρr(a，b)的第一统计系数，且
其中，ρr(a，b)表示像素I(a，b)对应的灰度检测因子，ω1(a，b)表示像素I(a，b)对于像素I(x，y)的第一权值系数，且
σr表示灰度平滑因子，ηr(a，b)表示第一权值系数ω1(a，b)的调节因子，且
ω2(a，b)表示像素I(a，b)对于像素I(x，y)的第二权值系数，且
其中，ηs(a，b)表示第二权值系数ω2(a，b)的调节因子，且
ψ2(a，b)表示灰度检测因子ρr(a，b)的第二统计系数，且
σs表示空间平滑因子，ρs(x，y)表示像素I(x，y)的空间检测因子，ρs(max)为图像I中像素的空间检测因子的最大值，ρs(a，b)表示像素I(a，b)的空间检测因子，且ρs(a，b)的值采用下列方式确定：
设Ω(a，b)表示像素I(a，b)的局部邻域，且Ω(a，b)为以像素I(a，b)为中心的(2R+1)×(2R+1)的局部邻域，I(p，q)表示图像I中坐标(p，q)处的像素，且I(p，q)∈Ω(a，b)，h(p，q)表示像素I(p，q)的灰度值，给定差值阈值T(Δ)，且
其中，
表示取中值函数，meanI(p，q)∈Ω(a，b)|h(p，q)-h(a，b)|表示取均值函数；当像素I(p，q)满足|h(a，b)-h(p，q)|≤T(Δ)时，则将像素I(p，q)标记为1，当像素I(p，q)满足|h(a，b)-h(p，q)＞T(Δ)时，则将像素I(p，q)标记为0，设局部邻域Ω(a，b)中标记为1的像素组成集合K1(a，b)，则ρs(a，b)的值为：
其中，I(c1，d1)表示图像I中坐标(c1，d1)处的像素，且I(c1，d1)∈K1(a，b)，I(p′，q′)表示图像I中坐标(p′，q′)处的像素，且I(p′，q′)∈Ω(a，b)，M1(a，b)表示集合K1(a，b)中的像素数。
本发明的有益效果：本发明通过传感器技术、图像处理技术和物联网等技术，改造传统的养老服务模式和管理方法，为老年人提供足够的生活照料和医疗护理的同时，减轻了年轻人的养老负担；在第一信息采集模块采用的传感器节点中选取表征节点将其采集得到的环境参数数据传输至汇聚节点，所述汇聚节点将其接收到的环境参数数据通过无线通信模块传输至智能管理终端，能够有效的减少第一信息采集模块的传感器节点的能量消耗，定义传感器节点成为表征节点的概率，选取具有较大概率值的传感器节点成为表征节点，概率计算公式中的性能值表明选取的表征节点具有较高的当前能量值，概率公式中的邻域检测系数表明选取的表征节点和其通信半径内的传感器节点具有较近的距离，从而保证了选取的表征节点能够覆盖较多的传感器节点，概率公式中的数据检测系数中的第一数据检测系数表明选取的表征节点在当前时刻采集的环境参数数据波动的幅度较大，从而保证了表征节点能够及时将采集到的环境变化较大位置的环境参数数据传输至智能管理终端，第二数据检测系数表明选取的表征节点和其通信半径内的传感器节点采集的环境参数数据较为接近，从而减少了在传感器节点中选取表征节点的数量，数据检测系数还引入了有效检测系数，所述有效检测系数能够有效的避免噪声数据对表征节点选取结果的影响，概率公式中的记忆调节因子用于保证所有传感器节点都有机会成为表征节点，从而保证了智能管理终端接收到的环境参数数据的全面性；设置图像处理单元对接收到的视频图像进行去噪处理，提高信息显示模块显示的视频图像的质量，在去噪过程中，定义像素对应的灰度检测因子，当所述像素为正常像素时，该像素与周围像素的灰度值相近，对应的灰度检测因子值较小，当所述像素为噪声像素或边缘像素时，该像素与其周围像素的灰度值相差较大，对应的灰度检测因子值较大，给定灰度检测阈值和调节因子，当所述像素的灰度检测因子大于给定的灰度检测阈值较多时，即可断定该像素为噪声像素，当所述像素的灰度检测因子小于给定的灰度检测阈值时，即可断定该像素为正常像素，而当所述像素的灰度检测因子在所述灰度检测阈值的一定范围内时，其噪声特性具有不确定性，基于此，本优选实施例将该类像素认定为可疑像素，并对噪声像素和可疑像素的灰度值进行处理，采用所述像素的局部邻域像素灰度值的加权平均结果作为该像素去噪处理后的灰度值，通过局部邻域像素的灰度检测因子对所述局部邻域像素的噪声属性进行判断，当通过灰度检测因子判定所述局部邻域像素为噪声像素时，则令该局部邻域像素的第一统计系数为0，即避免该噪声局部邻域像素对滤波结果的影响，当通过灰度检测因子判定所述局部邻域像素为正常像素或可疑像素时，即通过第一权值系数和第二权值系数确定该局部邻域像素在滤波过程中的比重，在第一权值系数和第二权值系数中不光引入了传统的局部邻域像素和所述像素的灰度值差值和距离差值的因素外，还额外引入了空间检测因子，在所述像素的局部邻域中选取和其灰度值的绝对差值在阈值范围内的像素组成集合K1，当所述像素为边缘像素或正常像素时，其局部邻域中和所述像素灰度值的绝对差值在阈值范围内的像素在所述像素的周围，即空间检测因子的值较小，当所述像素为噪声像素时，其局部邻域中和所述像素灰度值的绝对差值在阈值范围内的像素分散的较为随机，即所述空间检测因子的值较大；当所述像素和其局部邻域像素为正常像素或边缘像素时，所述像素和其局部邻域像素的空间检测因子的值都较小，此时，第一权值系数的调节因子的值较大，即主要通过衡量局部邻域像素和所述像素之间灰度值的相似性来确定所述局部邻域像素在滤波过程中的比重，从而起到了保护边缘像素的作用，当所述像素和局部邻域像素的空间检测因子中存在较大的空间检测因子值时，即所述像素和局部邻域像素中存在噪声像素，通过衡量所述像素和局部邻域像素之间灰度值相似性的第一权值系数将不再适应，因此，为了避免噪声像素对滤波结果的影响，减小第一权值系数的比重，并增加第二权值系数的比重，即通过衡量所述像素和局部邻域像素的距离来确定所述局部邻域像素在滤波过程中的比重，第二权值系数的值除了受局部邻域像素和所述像素的距离的影响外，还受所述像素和局部邻域像素的空间检测因子以及第二统计系数的值的影响，当所述局部邻域像素为正常像素而所述像素为噪声像素时，则通过第二统计系数控制所述第二权值系数的值由所述局部邻域像素到所述像素的距离值的大小决定，当所述局部邻域像素的空间检测因子的值较大时，减小第二权值系数的值，即减小噪声局部邻域像素对滤波结果的影响，当所述局部邻域像素的空间检测因子的值较小而所述像素的空间检测因子的值较大时，即所述局部邻域像素可能为边缘像素而所述像素为噪声像素，此时，所述局部邻域像素和所述像素之间具有较大不确定性，因此，减小第二权值系数的值，即减小滤波结果的不确定性；综上所述，本优选实施例通过定义的灰度检测因子实现了对图像中正常数据和噪声数据的有效检测，在对检测所得的噪声像素和可疑像素进行处理时，通过定义的空间检测因子有效的实现了对边缘像素的保护以及减少了噪声局部邻域像素和边缘局部邻域像素对去噪结果的影响。
附图说明
利用附图对发明创造作进一步说明，但附图中的实施例不构成对本发明创造的任何限制，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是本发明结构示意图。
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，本实施例的基于区块链和物联网的智慧医疗养老管理系统，包括第一信息采集模块、第二信息采集模块、视频监控模块、智能家居控制模块、无线通信模块、智能管理终端和区块链存储模块，所述第一信息采集模块用于采集室内环境参数数据，所述第二信息采集模块用于采集老年人的人体生理参数数据，所述视频监控模块用于采集老年人的视频图像，所述第一信息采集模块、第二信息采集模块和视频监控模块将采集到的数据和视频图像通过无线通信模块传输至智能管理终端，所述智能管理终端包括室内环境管理单元、人体健康管理单元、图像处理单元和信息显示单元，所述室内环境管理单元用于对接收到的环境参数数据进行分析，当所述环境参数数据未处于给定的舒适度环境参数数据范围内时，室内环境管理单元通过无线通信模块发送控制指令至智能家居控制模块，所述智能家居控制模块根据接收到的控制指令控制室内电器设备对室内环境进行调节，所述人体健康管理单元用于对接收到的人体生理参数数据进行分析，当所述人体生理参数数据未处于给定的安全人体生理参数数据范围内时进行预警，所述图像处理单元用于对接收到的视频图像进行去噪处理，并将去噪处理后的视频图像在信息显示单元进行显示，所述区块链存储模块用于存储智能管理终端接收到的数据和处理后的视频图像。
本优选实施例通过传感器技术、图像处理技术和物联网等技术，改造传统的养老服务模式和管理方法，为老年人提供足够的生活照料和医疗护理的同时，减轻了年轻人的养老负担。
优选地，所述第一信息采集模块采用传感器节点采集室内环境参数数据，并在所述传感器节点中选取表征节点将其采集得到的环境参数数据传输至汇聚节点，所述汇聚节点将其接收到的环境参数数据通过无线通信模块传输至智能管理终端。
优选地，所述第一信息采集模块采集的传感器节点的初始能量值均相同。
优选地，设C表示第一信息采集模块中用于采集环境参数c的数据的传感器节点集合，且C＝{ci，i＝1，2，...，M}，其中，ci表示集合C中的第i个传感器节点，M表示集合C中的传感器节点数，定义传感器节点ci在t时刻成为表征节点的概率为Gi(t)，且Gi(t)的表达式为：
式中，αi(t)表示传感器节点ci在t时刻的性能值，且
其中，Ei(t)表示传感器节点ci在t时刻的剩余能量值，Ei(0)表示传感器节点ci的初始能量值，βi(t)表示传感器节点ci在t时刻的邻域检测系数，且
Ni表示在传感器节点ci的通信半径内，且属于集合C的传感器节点组成的邻域集合，cj表示集合C中的第j个传感器节点，且cj∈Ni，cm和cn分别表示集合C中的第m和第n个传感器节点，且cm，cn∈Ni，Mi表示邻域集合Ni中的传感器节点数，d(ci，cj)表示传感器节点ci和传感器节点cj之间的距离，d(cm，cn)表示传感器节点cm和传感器节点cn之间的距离，γi(t)表示传感器节点ci在t时刻的数据检测系数，且
其中，
表示传感器节点ci在t时刻的第一数据检测系数，且
Xi(t)表示传感器节点ci在t时刻采集的环境参数c的数据，Xi(t-1)表示传感器节点ci在(t-1)时刻采集的环境参数c的数据，Xj(t)表示传感器节点cj在t时刻采集的环境参数c的数据，Xj(t-1)表示传感器节点cj在(t-1)时刻采集的环境参数c的数据，
表示传感器节点ci在t时刻的第二数据检测系数，且
Xm(t)和Xn(t)分别表示传感器节点cm和传感器节点cn在t时刻采集的环境参数c的数据，fi(t)表示环境参数数据Xi(t)对应的有效检测系数，当
时，则
时，则fi(t)＝0，Hi(t)为给定的有效检测阈值，且
表示传感器节点cm在t时刻的第一数据检测系数，
表示传感器节点cn在t时刻的第一数据检测系数，μ表示权重系数，且0≤μ≤1，τi(t)表示传感器节点ci在t时刻的记忆调节系数，且
t′表示传感器节点ci在t时刻之前且距离t时刻最近一次被选为表征节点的时刻；
在集合C中选取具有最大概率值的传感器节点作为第一个表征节点，设传感器节点cv被选取为第一个表征节点，Nv表示在传感器节点cv的通信半径内，且属于集合C的传感器节点组成的邻域集合，对集合Nv中的传感器节点进行检测，设ce表示集合C中的第e个传感器节点，且ce∈Nv，当传感器节点ce满足：{|Xe(t)-Xv(t)|＜0.3*Xv(t)且
时，则传感器节点ce不再参与接下来的表征节点的选取，其中，Xv(t)表示传感器节点cv在t时刻采集到的环境参数c的数据，Xe(t)表示传感器节点ce在t时刻采集到的环境参数c的数据，
表示传感器节点ce在t时刻的第一数据检测系数，
表示传感器节点cv在t时刻的第一数据检测系数；
按照上述方法在集合C中剩余的参与表征节点选取的传感器节点中继续选取表征节点，并对选取的表征节点所对应的传感器节点的邻域集合中的传感器节点进行检测，直到集合C中剩余的参与表征节点选取的传感器节点为0时，停止表征节点的选取。
本优选实施例在第一信息采集模块采用的传感器节点中选取表征节点将其采集得到的环境参数数据传输至汇聚节点，所述汇聚节点将其接收到的环境参数数据通过无线通信模块传输至智能管理终端，能够有效的减少第一信息采集模块的传感器节点的能量消耗，定义传感器节点成为表征节点的概率，选取具有较大概率值的传感器节点成为表征节点，概率计算公式中的性能值表明选取的表征节点具有较高的当前能量值，概率公式中的邻域检测系数表明选取的表征节点和其通信半径内的传感器节点具有较近的距离，从而保证了选取的表征节点能够覆盖较多的传感器节点，概率公式中的数据检测系数中的第一数据检测系数表明选取的表征节点在当前时刻采集的环境参数数据波动的幅度较大，从而保证了表征节点能够及时将采集到的环境变化较大位置的环境参数数据传输至智能管理终端，第二数据检测系数表明选取的表征节点和其通信半径内的传感器节点采集的环境参数数据较为接近，从而减少了在传感器节点中选取表征节点的数量，数据检测系数还引入了有效检测系数，所述有效检测系数能够有效的避免噪声数据对表征节点选取结果的影响，概率公式中的记忆调节因子用于保证所有传感器节点都有机会成为表征节点，从而保证了智能管理终端接收到的环境参数数据的全面性。
优选地，所述图像处理单元用于对接收到的视频图像进行去噪处理，设I表示图像处理单元进行去噪的图像，I(x，y)表示图像I中坐标(x，y)处的像素，对像素I(x，y)进行去噪处理，定义ρs(x，y)表示像素I(x，y)对应的灰度检测因子，则ρr(x，y)的表达式为：
式中，Ω(x，y)表示像素I(x，y)的局部邻域，且Ω(x，y)为以像素I(x，y)为中心的(2R+1)×(2R+1)的局部邻域，其中，R为正整数，设C(I)和K(I)分别表示图像I的长和宽，则R＜min{C(I)，K(I)}，h(x，y)表示像素I(x，y)的灰度值，I(a，b)表示图像I中坐标(a，b)处的像素，且I(a，b)∈Ω(x，y)，h(a，b)表示像素I(a，b)的灰度值，M(x，y)表示局部邻域Ω(x，y)中的像素数；
给定灰度检测阈值T(ρr)和调节因子
且
其中，
表示局部邻域Ω(x，y)中像素灰度值之间绝对差值的均值，Δmid(x，y)表示局部邻域Ω(x，y)中像素灰度值之间绝对差值的中值，
当ρr(x，y)＜T(ρr)时，则判定像素I(x，y)为正常像素；当
时，则判定像素I(x，y)为噪声数据；当
时，则判定像素I(x，y)为可疑像素；
设H(x，y)表示像素I(x，y)经图像处理单元处理后的灰度值，当像素I(x，y)被判定为正常像素时，则H(x，y)＝h(x，y)，当像素I(x，y)被判定为噪声像素或可疑像素时，则H(x，y)的值为：
式中，ψ1(a，b)表示灰度检测因子ρr(a，b)的第一统计系数，且
其中，ρr(a，b)表示像素I(a，b)对应的灰度检测因子，ω1(a，b)表示像素I(a，b)对于像素I(x，y)的第一权值系数，且
σr表示灰度平滑因子，σr的值可以取0.2，ηr(a，b)表示第一权值系数ω1(a，b)的调节因子，且
ω2(a，b)表示像素I(a，b)对于像素I(x，y)的第二权值系数，且
其中，ηs(a，b)表示第二权值系数ω2(a，b)的调节因子，且
ψ2(a，b)表示灰度检测因子ρr(a，b)的第二统计系数，且
σs表示空间平滑因子，σs的值可以取4，ρs(x，y)表示像素I(x，y)的空间检测因子，ρs(max)为图像I中像素的空间检测因子的最大值，ρs(a，b)表示像素I(a，b)的空间检测因子，且ρs(a，b)的值采用下列方式确定：
设Ω(a，b)表示像素I(a，b)的局部邻域，且Ω(a，b)为以像素I(a，b)为中心的(2R+1)×(2R+1)的局部邻域，I(p，q)表示图像I中坐标(p，q)处的像素，且I(p，q)∈Ω(a，b)，h(p，q)表示像素I(p，q)的灰度值，给定差值阈值T(Δ)，且
其中，
表示取中值函数，meanI(p，q)∈Ω(a，b)|h(p，q)-h(a，b)|表示取均值函数；当像素I(p，q)满足|h(a，b)-h(p，q)|≤T(Δ)时，则将像素I(p，q)标记为1，当像素I(p，q)满足|h(a，b)-h(p，q)|＞T(Δ)时，则将像素I(p，q)标记为0，设局部邻域Ω(a，b)中标记为1的像素组成集合K1(a，b)，则ρs(a，b)的值为：
其中，I(c1，d1)表示图像I中坐标(c1，d1)处的像素，且I(c1，d1)∈K1(a，b)，I(p′，q′)表示图像I中坐标(p′，q′)处的像素，且I(p′，q′)∈Ω(a，b)，M1(a，b)表示集合K1(a，b)中的像素数；像素I(x，y)的空间检测因子ρs(x，y)同样采用上述方式计算所得。
本优选实施例用于对接收到的视频图像进行去噪处理，在去噪过程中，定义像素对应的灰度检测因子，当所述像素为正常像素时，该像素与周围像素的灰度值相近，对应的灰度检测因子值较小，当所述像素为噪声像素或边缘像素时，该像素与其周围像素的灰度值相差较大，对应的灰度检测因子值较大，给定灰度检测阈值和调节因子，当所述像素的灰度检测因子大于给定的灰度检测阈值较多时，即可断定该像素为噪声像素，当所述像素的灰度检测因子小于给定的灰度检测阈值时，即可断定该像素为正常像素，而当所述像素的灰度检测因子在所述灰度检测阈值的一定范围内时，其噪声特性具有不确定性，基于此，本优选实施例将该类像素认定为可疑像素，并对噪声像素和可疑像素的灰度值进行处理，采用所述像素的局部邻域像素灰度值的加权平均结果作为该像素去噪处理后的灰度值，通过局部邻域像素的灰度检测因子对所述局部邻域像素的噪声属性进行判断，当通过灰度检测因子判定所述局部邻域像素为噪声像素时，则令该局部邻域像素的第一统计系数为0，即避免该噪声局部邻域像素对滤波结果的影响，当通过灰度检测因子判定所述局部邻域像素为正常像素或可疑像素时，即通过第一权值系数和第二权值系数确定该局部邻域像素在滤波过程中的比重，在第一权值系数和第二权值系数中不光引入了传统的局部邻域像素和所述像素的灰度值差值和距离差值的因素外，还额外引入了空间检测因子，在所述像素的局部邻域中选取和其灰度值的绝对差值在阈值范围内的像素组成集合K1，当所述像素为边缘像素或正常像素时，其局部邻域中和所述像素灰度值的绝对差值在阈值范围内的像素在所述像素的周围，即空间检测因子的值较小，当所述像素为噪声像素时，其局部邻域中和所述像素灰度值的绝对差值在阈值范围内的像素分散的较为随机，即所述空间检测因子的值较大；当所述像素和其局部邻域像素为正常像素或边缘像素时，所述像素和其局部邻域像素的空间检测因子的值都较小，此时，第一权值系数的调节因子的值较大，即主要通过衡量局部邻域像素和所述像素之间灰度值的相似性来确定所述局部邻域像素在滤波过程中的比重，从而起到了保护边缘像素的作用，当所述像素和局部邻域像素的空间检测因子中存在较大的空间检测因子值时，即所述像素和局部邻域像素中存在噪声像素，通过衡量所述像素和局部邻域像素之间灰度值相似性的第一权值系数将不再适应，因此，为了避免噪声像素对滤波结果的影响，减小第一权值系数的比重，并增加第二权值系数的比重，即通过衡量所述像素和局部邻域像素的距离来确定所述局部邻域像素在滤波过程中的比重，第二权值系数的值除了受局部邻域像素和所述像素的距离的影响外，还受所述像素和局部邻域像素的空间检测因子以及第二统计系数的值的影响，当所述局部邻域像素为正常像素而所述像素为噪声像素时，则通过第二统计系数控制所述第二权值系数的值由所述局部邻域像素到所述像素的距离值的大小决定，当所述局部邻域像素的空间检测因子的值较大时，减小第二权值系数的值，即减小噪声局部邻域像素对滤波结果的影响，当所述局部邻域像素的空间检测因子的值较小而所述像素的空间检测因子的值较大时，即所述局部邻域像素可能为边缘像素而所述像素为噪声像素，此时，所述局部邻域像素和所述像素之间具有较大不确定性，因此，减小第二权值系数的值，即减小滤波结果的不确定性；综上所述，本优选实施例通过定义的灰度检测因子实现了对图像中正常数据和噪声数据的有效检测，在对检测所得的噪声像素和可疑像素进行处理时，通过定义的空间检测因子有效的实现了对边缘像素的保护以及减少了噪声局部邻域像素和边缘局部邻域像素对去噪结果的影响。
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 (4)
1.基于区块链和物联网的智慧医疗养老管理系统，其特征是，包括第一信息采集模块、第二信息采集模块、视频监控模块、智能家居控制模块、无线通信模块、智能管理终端和区块链存储模块，所述第一信息采集模块用于采集室内环境参数数据，所述第二信息采集模块用于采集老年人的人体生理参数数据，所述视频监控模块用于采集老年人的视频图像，所述第一信息采集模块、第二信息采集模块和视频监控模块将采集到的数据和视频图像通过无线通信模块传输至智能管理终端，所述智能管理终端包括室内环境管理单元、人体健康管理单元、图像处理单元和信息显示单元，所述室内环境管理单元用于对接收到的环境参数数据进行分析，当所述环境参数数据未处于给定的舒适度环境参数数据范围内时，室内环境管理单元通过无线通信模块发送控制指令至智能家居控制模块，所述智能家居控制模块根据接收到的控制指令控制室内电器设备对室内环境进行调节，所述人体健康管理单元用于对接收到的人体生理参数数据进行分析，当所述人体生理参数数据未处于给定的安全人体生理参数数据范围内时进行预警，所述图像处理单元用于对接收到的视频图像进行处理，并将处理后的视频图像在信息显示单元进行显示，所述区块链存储模块用于存储智能管理终端接收到的数据和处理后的视频图像。
2.根据权利要求1所述的基于区块链和物联网的智慧医疗养老管理系统，其特征是，第一信息采集模块采用传感器节点采集室内环境参数数据，并在所述传感器节点中选取表征节点将其采集得到的环境参数数据传输至汇聚节点，所述汇聚节点将其接收到的环境参数数据通过无线通信模块传输至智能管理终端。
3.根据权利要求2所述的基于区块链和物联网的智慧医疗养老管理系统，其特征是，设C表示第一信息采集模块中用于采集环境参数c的数据的传感器节点集合，且C＝{ci，i＝1，2，...，M}，其中，ci表示集合C中的第i个传感器节点，M表示集合C中的传感器节点数，定义传感器节点ci在t时刻成为表征节点的概率为Gi(t)，且Gi(t)的表达式为：
式中，αi(t)表示传感器节点ci在t时刻的性能值，且
其中，Ei(t)表示传感器节点ci在t时刻的剩余能量值，Ei(0)表示传感器节点ci的初始能量值，βi(t)表示传感器节点ci在t时刻的邻域检测系数，且
Ni表示在传感器节点ci的通信半径内，且属于集合C的传感器节点组成的邻域集合，cj表示集合C中的第j个传感器节点，且cj∈Ni，cm和cn分别表示集合C中的第m和第n个传感器节点，且cm，cn∈Ni，Mi表示邻域集合Ni中的传感器节点数，d(ci，cj)表示传感器节点ci和传感器节点cj之间的距离，d(cm，cn)表示传感器节点cm和传感器节点cn之间的距离，γi(t)表示传感器节点ci在t时刻的数据检测系数，且
其中，
表示传感器节点ci在t时刻的第一数据检测系数，且
Xi(t)表示传感器节点ci在t时刻采集的环境参数c的数据，Xi(t-1)表示传感器节点ci在(t-1)时刻采集的环境参数c的数据，Xj(t)表示传感器节点cj在t时刻采集的环境参数c的数据，Xj(t-1)表示传感器节点cj在(t-1)时刻采集的环境参数c的数据，
表示传感器节点ci在t时刻的第二数据检测系数，且
Xm(t)和Xn(t)分别表示传感器节点cm和传感器节点cn在t时刻采集的环境参数c的数据，fi(t)表示环境参数数据Xi(t)对应的有效检测系数，当
时，则
时，则fi(t)＝0，Hi(t)为给定的有效检测阈值，且
表示传感器节点cm在t时刻的第一数据检测系数，
表示传感器节点cn在t时刻的第一数据检测系数，μ表示权重系数，且0≤μ≤1，τi(t)表示传感器节点ci在t时刻的记忆调节系数，且
t′表示传感器节点ci在t时刻之前且距离t时刻最近一次被选为表征节点的时刻；
在集合C中选取具有最大概率值的传感器节点作为第一个表征节点，设传感器节点cv被选取为第一个表征节点，Nv表示在传感器节点cv的通信半径内，且属于集合C的传感器节点组成的邻域集合，对邻域集合Nv中的传感器节点进行检测，设ce表示集合C中的第e个传感器节点，且ce∈Nv，当传感器节点ce满足：{|Xe(t)-Xv(t)|＜0.3*Xv(t)且
时，则传感器节点ce不再参与接下来的表征节点的选取，其中，Xv(t)表示传感器节点cv在t时刻采集到的环境参数c的数据，Xe(t)表示传感器节点ce在t时刻采集到的环境参数c的数据，
表示传感器节点ce在t时刻的第一数据检测系数，
表示传感器节点cv在t时刻的第一数据检测系数；
按照上述方法在集合C中剩余的参与表征节点选取的传感器节点中继续选取表征节点，并对选取的表征节点所对应的传感器节点的邻域集合中的传感器节点进行检测，直到集合C中剩余的参与表征节点选取的传感器节点为0时，停止表征节点的选取。
4.根据权利要求3所述的基于区块链和物联网的智慧医疗养老管理系统，其特征是，所述图像处理单元用于对接收到的视频图像进行去噪处理，设I表示图像处理单元进行去噪的图像，I(x，y)表示图像I中坐标(x，y)处的像素，对像素I(x，y)进行去噪处理，定义ρr(x，y)表示像素I(x，y)对应的灰度检测因子，则ρr(x，y)的表达式为：
式中，Ω(x，y)表示像素I(x，y)的局部邻域，且Ω(x，y)为以像素I(x，y)为中心的(2R+1)×(2R+1)的局部邻域，其中，R为正整数，设C(I)和K(I)分别表示图像I的长和宽，则R＜min{C(I)，K(I)}，h(x，y)表示像素I(x，y)的灰度值，I(a，b)表示图像I中坐标(a，b)处的像素，且I(a，b)∈Ω(x，y)，h(a，b)表示像素I(a，b)的灰度值，M(x，y)表示局部邻域Ω(x，y)中的像素数；
给定灰度检测阈值T(ρr)和调节因子
且
其中，
表示局部邻域Ω(x，y)中像素灰度值之间绝对差值的均值，Δmid(x，y)表示局部邻域Ω(x，y)中像素灰度值之间绝对差值的中值，
当ρr(x，y)＜T(ρr)时，则判定像素I(x，y)为正常像素；当
时，则判定像素I(x，y)为噪声数据；当
时，则判定像素I(x，y)为可疑像素；
设H(x，y)表示像素I(x，y)经图像处理单元处理后的灰度值，当像素I(x，y)被判定为正常像素时，则H(x，y)＝h(x，y)，当像素I(x，y)被判定为噪声像素或可疑像素时，则H(x，y)的值为：
式中，ψ1(a，b)表示灰度检测因子ρr(a，b)的第一统计系数，且
其中，ρr(a，b)表示像素I(a，b)对应的灰度检测因子，ω1(a，b)表示像素I(a，b)对于像素I(x，y)的第一权值系数，且
σr表示灰度平滑因子，ηr(a，b)表示第一权值系数ω1(a，b)的调节因子，且
ω2(a，b)表示像素I(a，b)对于像素I(x，y)的第二权值系数，且
其中，ηs(a，b)表示第二权值系数ω2(a，b)的调节因子，且
ψ2(a，b)表示灰度检测因子ρr(a，b)的第二统计系数，且
σs表示空间平滑因子，ρs(x，y)表示像素I(x，y)的空间检测因子，ρs(max)为图像I中像素的空间检测因子的最大值，ρs(a，b)表示像素I(a，b)的空间检测因子，且ρs(a，b)的值采用下列方式确定：
设Ω(a，b)表示像素I(a，b)的局部邻域，且Ω(a，b)为以像素I(a，b)为中心的(2R+1)×(2R+1)的局部邻域，I(p，q)表示图像I中坐标(p，q)处的像素，且I(p，q)∈Ω(a，b)，h(p，q)表示像素I(p，q)的灰度值，给定差值阈值T(Δ)，且
其中，
表示取中值函数，meanI(p，q)∈Ω(a，b)|h(p，q)-h(a，b)|表示取均值函数；当像素I(p，q)满足|h(a，b)-h(p，q)|≤T(Δ)时，则将像素I(p，q)标记为1，当像素I(p，q)满足|h(a，b)-h(p，q)＞T(Δ)时，则将像素I(p，q)标记为0，设局部邻域Ω(a，b)中标记为1的像素组成集合K1(a，b)，则ρs(a，b)的值为：
其中，I(c1，d1)表示图像I中坐标(c1，d1)处的像素，且I(c1，d1)∈K1(a，b)，I(p′，q′)表示图像I中坐标(p′，q′)处的像素，且I(p′，q′)∈Ω(a，b)，M1(a，b)表示集合K1(a，b)中的像素数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010805672.5A CN111933272B (zh) | 2020-08-11 | 2020-08-11 | 基于区块链和物联网的智慧医疗养老管理系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010805672.5A CN111933272B (zh) | 2020-08-11 | 2020-08-11 | 基于区块链和物联网的智慧医疗养老管理系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111933272A true CN111933272A (zh) | 2020-11-13 |
| CN111933272B CN111933272B (zh) | 2021-06-04 |
Family
ID=73311030
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010805672.5A Active CN111933272B (zh) | 2020-08-11 | 2020-08-11 | 基于区块链和物联网的智慧医疗养老管理系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111933272B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113422835A (zh) * | 2021-07-01 | 2021-09-21 | 河南医学高等专科学校 | 居家养老环境中的多维数据监测、评估与预警系统 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101557636A (zh) * | 2009-05-15 | 2009-10-14 | 广东工业大学 | 一种无线传感器网络路由方法 |
| US20090318779A1 (en) * | 2006-05-24 | 2009-12-24 | Bao Tran | Mesh network stroke monitoring appliance |
| KR20100070737A (ko) * | 2008-12-18 | 2010-06-28 | 한국전자통신연구원 | 예측 기반 목표물 추적 센서 네트워크에서의 에너지 효율 증대 방법 |
| CN102665171A (zh) * | 2012-05-25 | 2012-09-12 | 重庆大学 | 基于大规模wsn突发事件监测的路由控制方法 |
| KR20130116696A (ko) * | 2012-04-16 | 2013-10-24 | 경희대학교 산학협력단 | 무선 센서 네트워크에서의 지능형 및 로드 밸런싱 라우팅 방법 |
| CN103414632A (zh) * | 2013-07-11 | 2013-11-27 | 广东工业大学 | 一种带状无线传感器网络数据路由方法 |
| CN107395714A (zh) * | 2017-07-18 | 2017-11-24 | 陈剑桃 | 一种智能化生理参数监护平台 |
| CN111092927A (zh) * | 2019-11-01 | 2020-05-01 | 广东炬海科技股份有限公司 | 一种护理信息远程监测系统 |
| CN111227798A (zh) * | 2020-01-17 | 2020-06-05 | 江苏海事职业技术学院 | 一种基于大数据管理的老年人智能监护系统 |
| CN210743156U (zh) * | 2019-08-28 | 2020-06-12 | 重庆铜鹰商贸有限公司 | 一种用于老人的智能监控系统 |
-
2020
- 2020-08-11 CN CN202010805672.5A patent/CN111933272B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090318779A1 (en) * | 2006-05-24 | 2009-12-24 | Bao Tran | Mesh network stroke monitoring appliance |
| KR20100070737A (ko) * | 2008-12-18 | 2010-06-28 | 한국전자통신연구원 | 예측 기반 목표물 추적 센서 네트워크에서의 에너지 효율 증대 방법 |
| CN101557636A (zh) * | 2009-05-15 | 2009-10-14 | 广东工业大学 | 一种无线传感器网络路由方法 |
| KR20130116696A (ko) * | 2012-04-16 | 2013-10-24 | 경희대학교 산학협력단 | 무선 센서 네트워크에서의 지능형 및 로드 밸런싱 라우팅 방법 |
| CN102665171A (zh) * | 2012-05-25 | 2012-09-12 | 重庆大学 | 基于大规模wsn突发事件监测的路由控制方法 |
| CN103414632A (zh) * | 2013-07-11 | 2013-11-27 | 广东工业大学 | 一种带状无线传感器网络数据路由方法 |
| CN107395714A (zh) * | 2017-07-18 | 2017-11-24 | 陈剑桃 | 一种智能化生理参数监护平台 |
| CN210743156U (zh) * | 2019-08-28 | 2020-06-12 | 重庆铜鹰商贸有限公司 | 一种用于老人的智能监控系统 |
| CN111092927A (zh) * | 2019-11-01 | 2020-05-01 | 广东炬海科技股份有限公司 | 一种护理信息远程监测系统 |
| CN111227798A (zh) * | 2020-01-17 | 2020-06-05 | 江苏海事职业技术学院 | 一种基于大数据管理的老年人智能监护系统 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113422835A (zh) * | 2021-07-01 | 2021-09-21 | 河南医学高等专科学校 | 居家养老环境中的多维数据监测、评估与预警系统 |
| CN113422835B (zh) * | 2021-07-01 | 2023-10-13 | 河南医学高等专科学校 | 居家养老环境中的多维数据监测、评估与预警系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111933272B (zh) | 2021-06-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110477925B (zh) | 一种针对敬老院老人的跌倒检测与预警方法及系统 | |
| US10080513B2 (en) | Activity analysis, fall detection and risk assessment systems and methods | |
| CN111863232B (zh) | 基于区块链和医学影像的远程疾病智能诊断系统 | |
| US8139819B2 (en) | Eye open/close recognizing apparatus and recording medium | |
| CN110163825B (zh) | 一种人类胚胎心脏超声图像去噪和增强方法 | |
| CN113052844B (zh) | 肠道内窥镜观察视频中图像的处理方法、装置及存储介质 | |
| CN111505632A (zh) | 基于功率谱和多普勒特征的超宽带雷达动作姿态识别方法 | |
| CN111933272B (zh) | 基于区块链和物联网的智慧医疗养老管理系统 | |
| CN112949417A (zh) | 一种摔倒行为识别方法、设备及系统 | |
| CN116363021A (zh) | 一种创伤患者护理评估智能采集系统 | |
| GB2571265A (en) | Method for detecting and classifying a motor seizure | |
| CN112396588A (zh) | 一种基于对抗网络的眼底图像识别方法、系统及可读介质 | |
| CN110623631A (zh) | 一种基于近视眼镜的学习监护系统 | |
| CN109522865A (zh) | 一种基于深度神经网络的特征加权融合人脸识别方法 | |
| CN111476196A (zh) | 一种基于面部动作的老年残障人士护理需求识别方法 | |
| CN114999643A (zh) | 一种基于WiFi的老人智能监护方法 | |
| CN111950450A (zh) | 基于区块链和图像处理的智慧医疗养老管理系统 | |
| CN114008692A (zh) | 用于确定图像内部的对象执行的动作的系统和方法 | |
| CN115346272A (zh) | 基于深度图像序列的实时摔倒检测方法 | |
| JP4947216B2 (ja) | 画像処理装置および画像処理方法 | |
| CN116524493A (zh) | 一种米粉霉变检测方法和装置 | |
| CN111898464A (zh) | 一种基于5g网络的人脸识别方法 | |
| CN115886800A (zh) | 基于wifi信号的跌倒检测方法、装置、电子设备和存储介质 | |
| CN116486480A (zh) | 一种基于点云的人体跌倒检测方法及装置 | |
| CN115760637A (zh) | 基于养老机器人的老年人体征健康监测方法、系统及设备 |
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 | ||
| CB03 | Change of inventor or designer information | ||
| CB03 | Change of inventor or designer information |
Inventor after: Zhao Fenghao Inventor after: Li Guoan Inventor before: Li Guoan |
|
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20210519 Address after: 050000 18 / F, block a, star center, No. 155, Changjiang Avenue, Shijiazhuang hi tech Zone, Shijiazhuang, Hebei Province Applicant after: Xikang Software Co.,Ltd. Address before: 343400 Huangmen village, Lianzhou Township, Yongxin County, Ji'an City, Jiangxi Province Applicant before: Li Guoan |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP03 | Change of name, title or address | ||
| CP03 | Change of name, title or address |
Address after: 050000 Floor 18, Block A, Star Center, No. 311, Yuhua East Road, High tech Zone, Shijiazhuang City, Hebei Province Patentee after: Xikang Software Co.,Ltd. Address before: 050000 18 / F, block a, star center, No. 155, Changjiang Avenue, Shijiazhuang hi tech Zone, Shijiazhuang, Hebei Province Patentee before: Xikang Software Co.,Ltd. |