CN113161008A - 一种校园传染病智能通行防控方法及系统 - Google Patents
一种校园传染病智能通行防控方法及系统 Download PDFInfo
- Publication number
- CN113161008A CN113161008A CN202110343880.2A CN202110343880A CN113161008A CN 113161008 A CN113161008 A CN 113161008A CN 202110343880 A CN202110343880 A CN 202110343880A CN 113161008 A CN113161008 A CN 113161008A
- Authority
- CN
- China
- Prior art keywords
- infectious disease
- campus
- prevention
- students
- infectious
- 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.)
- Pending
Links
- 208000035473 Communicable disease Diseases 0.000 title claims abstract description 137
- 208000015181 infectious disease Diseases 0.000 title claims abstract description 134
- 230000002265 prevention Effects 0.000 title claims abstract description 62
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000012545 processing Methods 0.000 claims abstract description 21
- 230000014509 gene expression Effects 0.000 claims description 27
- 238000012795 verification Methods 0.000 claims description 16
- 239000013598 vector Substances 0.000 claims description 13
- 238000012544 monitoring process Methods 0.000 claims description 12
- 230000008921 facial expression Effects 0.000 claims description 9
- 238000010195 expression analysis Methods 0.000 claims description 6
- 230000002458 infectious effect Effects 0.000 claims description 6
- 238000011835 investigation Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 4
- 230000036541 health Effects 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 3
- 238000012806 monitoring device Methods 0.000 claims description 2
- 206010063385 Intellectualisation Diseases 0.000 abstract description 4
- 239000002699 waste material Substances 0.000 abstract description 4
- 230000004044 response Effects 0.000 description 6
- 238000002955 isolation Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 3
- 230000036760 body temperature Effects 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 230000006806 disease prevention Effects 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 238000009529 body temperature measurement Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 241000894007 species Species 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000012300 Sequence Analysis Methods 0.000 description 1
- 208000003443 Unconsciousness Diseases 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 239000012678 infectious agent Substances 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 244000052769 pathogen Species 0.000 description 1
- 230000001717 pathogenic effect Effects 0.000 description 1
- 230000002629 repopulating effect Effects 0.000 description 1
- 230000000192 social effect Effects 0.000 description 1
- 230000003068 static 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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/80—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for detecting, monitoring or modelling epidemics or pandemics, e.g. flu
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/174—Facial expression recognition
-
- 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires
-
- 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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Human Computer Interaction (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明提供一种校园传染病智能通行防控方法，包括以下步骤：采集校园师生的相关传染病数据；将所述传染病数据通过互联网传输至云端处理平台，对所述传染病数据进行整合和存储；通过所述云端处理平台对所述传染病数据进行传染病判断；根据传染病判断结果，对校园通行系统、传染病决策系统和传染病预警系统输出相应指令。本发明提供一种校园传染病智能通行防控系统，包括信息采集模块、信息归集模块、云端处理平台和结果输出模块。本发明具有智能化和处理及时性的特点，避免了人力资源的浪费和人为判断的不确定性，同时对传染病的及时处理规避了传染病的进一步扩大而带来的更大的经济损失和人员伤亡。
Description
技术领域
本发明属于传染病防控技术领域，尤其涉及一种校园传染病智能通行防控方法及系统。
背景技术
传染病是感染性疾病的一种特殊类型，归类于感染病。是由传染源携带的病原体，通过一定的传播途径进行播散的疾病。校园常见传染病具有以下特点： (1)病种相对集中，绝大多数流行规律比较清晰，可防可控；(2)自身免疫力较弱，一旦控制不好容易播散蔓延，形成暴发或连绵不绝；(3)传染病爆发会影响正常教学，引起恐慌、造成不良的社会影响。校园作为一个人群相对集中密集的有机整体，易出现大规模传染病感染的情况，因此，如何能尽快有效的针对校园师生进行传染病的防控十分重要。
发明内容
本发明的目的在于克服上述现有技术存在的不足，提供一种校园传染病智能通行防控方法及系统，解决了校园传染病防控力度不足、防控信息采集不及时、隔离措施迟钝等问题。
为了实现上述目的，第一方面，本发明提供一种校园传染病智能通行防控方法，包括以下步骤：
步骤S1：采集校园师生的相关传染病数据；
步骤S2：将所述传染病数据通过互联网传输至云端处理平台，对所述传染病数据进行整合和存储；
步骤S3：通过所述云端处理平台对所述传染病数据进行传染病判断；
步骤S4：根据传染病判断结果，对校园通行系统、传染病决策系统和传染病预警系统输出相应指令。
进一步地，在步骤S1中，通过包括线上信息采集方式和线下信息采集方式，所述线上信息采集方式为师生通过防控信息填报平台进行自身信息的填报，所述线下信息采集方式为利用体征监测设备对师生在校园或者家庭进行体征监测，其中体征监测设备将所获得的各师生相关传染病数据上传至所述防控信息填报平台。
进一步地，在线上信息采集方式中，包括以下步骤：
步骤S101：采用在线问卷调查的方式对师生进行传染病调查，分别记录师生每道题的填写时间；
步骤S102：在线采集学生在每道题的填写时间内的面部表情图像序列；
步骤S103：对所述面部表情图像序列进行特征提取，提取出面部表情图像序列中的关键帧，将关键帧特征向量按照时间序列组成表情特征序列；根据所述表情特征序列进行表情变化分析，识别出表情，判断是否疑似隐瞒；
步骤S104：筛选出师生第一次作答时填写时间超过设定时间或通过表情分析判定为疑似隐瞒的题目，将对应的题目推送给学生进行第二次作答；
步骤S105：将第二次作答结果与第一次作答结果比对，如果结果不一致，判定存在隐瞒情况；如果结果一致，对于第一次作答时通过表情分析判定为疑似隐瞒的题目，计算第一次作答时的表情特征序列和第二次作答时的表情特征序列的运动矢量之间的相似度，若所述相似度高于设定阈值，判定存在隐瞒情况。
进一步地，在所述防控信息填报平台中，绑定每一位师生对应的身份信息，所述身份信息包括姓名、性别、身份ID、年龄、年级、班级和家庭情况。
进一步地，在步骤S4中，若传染病判断结果为达到感染标准，将对应的身份信息通过微信消息和/或手机短信通知疑似感染人员和/或管理人员，并发送相应关闭指令至校园通行系统，关闭校园通道；并发送相应提醒指令至与所述疑似感染人员有密切接触的人群；
若传染病判断结果为未达到感染标准，发送相应开启指令至校园通行系统，开启校园通道。
进一步地，通过防控信息填报平台向基站发送定位信号，判断位于两个不同终端的防控信息填报平台之间的防控距离，若所述防控距离小于设定距离，则判定所述两个不同终端为密切接触关系。
进一步地，若传染病判断结果为达到感染标准，同时发送对应的疑似感染人员身份信息至外部计算机系统。
第二方面，本发明提供一种应用于上述校园传染病智能通行防控方法的系统，包括：
信息采集模块，所述信息采集模块被配置为采集校园师生的相关传染病数据；
信息归集模块，所述信息归集模块被配置为将所述传染病数据通过互联网传输至云端处理平台，对所述传染病数据进行整合和存储；
云端处理平台，所述云端处理平台被配置为对所述传染病数据进行传染病判断；
结果输出模块，所述结果输出模块被配置为根据传染病判断结果，对校园通行系统、传染病决策系统和传染病预警系统输出相应指令。
进一步地，所述信息采集模块包括线上信息采集单元和线下信息采集单元，所述线上信息采集单元包括防控信息填报平台，所述线下信息采集单元包括体征监测设备。
进一步地，所述防控信息填报平台包括身份验证单元和定位单元，所述身份验证单元用于对参与在线问卷调查的用户进行身份ID验证、人脸验证和健康码验证，所述定位单元用于向基站发送定位信号。
本发明的有益效果：
本发明提供一种校园传染病智能通行防控方法及系统，通过互联网将信息采集模块所采集的师生的相关传染病数据进行上传，并通过云端处理平台对数据进行存储和判断，当传染病信息未达到感染标准时，校园通道将自动打开以满足校园师生的通行需求；当传染病信息达到感染标准时，将对应的身份信息通过微信消息和/或手机短信通知疑似感染人员和/或管理人员，同时通过传染病预警系统寻求医护人员的帮助，并发送相应关闭指令至校园通行系统，关闭校园通道。具有智能化和处理及时性的特点，避免了人力资源的浪费和人为判断的不确定性，同时对传染病的及时处理规避了传染病的进一步扩大而带来的更大的经济损失和人员伤亡。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，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是本实施例1提供的一种校园传染病智能通行防控方法的流程框架示意图。
图2是本实施例2提供的一种校园传染病智能通行防控系统的框架示意图。
具体实施方式
下面将结合附图对本发明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做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。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
实施例1：
参照图1，本实施例提供一种校园传染病智能通行防控方法，包括以下步骤：
步骤S1：采集校园师生的相关传染病数据；
步骤S2：将所述传染病数据通过互联网传输至云端处理平台，对所述传染病数据进行整合和存储；
步骤S3：通过所述云端处理平台对所述传染病数据进行传染病判断；
步骤S4：根据传染病判断结果，对校园通行系统、传染病决策系统和传染病预警系统输出相应指令。
需要说明的是，采集每一位校园师生的相关传染病数据，包括其体温、出行踪迹、出席活动等，将每位师生对应的传染病数据通过互联网传输至云端处理平台，每个人细分一个小型数据库，在此小型数据库中对传染病数据进行整合和存储，按照日期归纳存储好每位师生的传染病数据；然后实时地对传染病数据进行传染病判断，这种判断为多维度的判断，首先从个人数据出发，如个人体温超过规定的温度，即判断为达到感染标准；其次，从其是否接触过确诊人员或者疑似感染人员，如判断为接触过，即判断为达到隔离标准；然后，从其是否去过中高风险地区，如判断为去过，即判断为达到隔离标准。经过多维度的传染病判断，根据传染病判断结果，对校园通行系统、传染病决策系统和传染病预警系统输出相应指令，具体为根据传染病判断结果，通过校园通行系统确定其是否可以通行进入校园，然后通过传染病决策系统通知相关单位接其去医院治疗，再者通过传染病预警系统通知相关班级、人员、家庭等可能与其有密切接触的人要注意测量体温、戴口罩甚至自我隔离，构建一个多维的防控系统。本方法具有智能化和处理及时性的特点，避免了人力资源的浪费和人为判断的不确定性，同时对传染病的及时处理规避了传染病的进一步扩大而带来的更大的经济损失和人员伤亡。
在本实施例中，在步骤S1中，通过包括线上信息采集方式和线下信息采集方式，所述线上信息采集方式为师生通过防控信息填报平台进行自身信息的填报，填写内容包括每天的行踪和体温；所述线下信息采集方式为利用体征监测设备对师生在校园或者家庭进行体征监测，其中体征监测设备将所获得的各师生相关传染病数据上传至所述防控信息填报平台，更具体地，在师生进入校园的时候，使用体征监测设备对其进行体温测量，将测量数据上传至防控信息填报平台，无论是线上还是线下的信息采集方式，最终数据都需要归口至防控信息填报平台，此防控信息填报平台通过互联网与云端处理平台实现信息连通，实现传染病数据的上传。
作为一种实施方式，在线上信息采集方式中，包括以下步骤：
步骤S101：采用在线问卷调查的方式对师生进行传染病调查，分别记录师生每道题的填写时间；
步骤S102：在线采集学生在每道题的填写时间内的面部表情图像序列；
步骤S103：对所述面部表情图像序列进行特征提取，提取出面部表情图像序列中的关键帧，将关键帧特征向量按照时间序列组成表情特征序列；根据所述表情特征序列进行表情变化分析，识别出表情，判断是否疑似隐瞒；
步骤S104：筛选出师生第一次作答时填写时间超过设定时间或通过表情分析判定为疑似隐瞒的题目，将对应的题目推送给学生进行第二次作答；
步骤S105：将第二次作答结果与第一次作答结果比对，如果结果不一致，判定存在隐瞒情况；如果结果一致，对于第一次作答时通过表情分析判定为疑似隐瞒的题目，计算第一次作答时的表情特征序列和第二次作答时的表情特征序列的运动矢量之间的相似度，若所述相似度高于设定阈值，判定存在隐瞒情况。
需要说明的是，为了解决师生在防控信息填报平台上虚假填报、刻意隐瞒，进而影响线上信息采集的准确率问题，在本实施方式中，对师生填报时的时间和表情进行检测和分析，如果填报时间过长，证明可能存在疑似隐瞒情况；如果通过表情特征序列分析后确定为疑似隐瞒情况；以上两种情况均可能是存在隐瞒情况，因此让对应的师生进行第二次作答；但是如果在第二次作答的结果也是一致的，则需进一步分析计算第一次作答时的表情特征序列和第二次作答时的表情特征序列的运动矢量之间的相似度，更具体的是采用光流法跟踪表情特征序列的特征点，计算第一次作答时的表情特征序列中相邻两张表情特征图之间的运动矢量，生成第一运动矢量图；计算同一道题第二次作答时的表情特征序列中相邻两张表情特征图之间的运动矢量，生成第二运动矢量图；计算第一运动矢量图和第二运动矢量图之间的相似度。若所述相似度高于设定阈值，判定存在隐瞒情况。
另外地，在可操作地耦合到用于捕获视频的硬件的主要用户设备处执行防控信息填报程序的实例；其中防控信息填报程序的实例与特定用户相关联；通过防控信息填报程序的实例显示特定内容，所述特定内容：与防控信息填报平台相关，并且对于防控信息填报程序的多个其他管理者可用；在防控信息填报程序的实例中提供一个或多个控件，以对所述特定内容进行响应；其中所述一个或多个控件中的至少一个控件允许对所述特定内容进行录像响应；其中所述一个或多个控件中的允许对所述特定内容进行录像响应的每个控件仅允许以下方式捕获的实况录像记录响应：(a)作为对所述特定内容的响应捕获，(b)通过防控信息填报程序的实例捕获，(c)使用可操作地耦合到主要用户设备的硬件捕获；其中对于特定内容的任何录像响应通过使用一个或多个控件能够被发送到防控信息填报平台；在主要用户设备已经接收到所述特定内容之后，从特定用户接收激活一个或多个控件中的特定控件以创建对所述特定内容的实况录像记录响应的输入；响应于所述输入，防控信息填报程序的实例使得可操作地耦合到主要用户设备的硬件捕获特定实况录像记录；以及防控信息填报程序的实例使得所述特定实况录像记录经网络发送到防控信息填报平台。
作为一种实施方式，在所述防控信息填报平台中，绑定每一位师生对应的身份信息，所述身份信息包括姓名、性别、身份ID、年龄、年级、班级和家庭情况，使得每位师生的关系网都确定下来，如确诊，能实现快速定位，并找到同一班级或者同一家庭的密切接触者。
在本实施例中，在步骤S4中，若传染病判断结果为达到感染标准，将对应的身份信息通过微信消息和/或手机短信通知疑似感染人员和/或管理人员，并发送相应关闭指令至校园通行系统，关闭校园通道；并发送相应提醒指令至与所述疑似感染人员有密切接触的人群；
若传染病判断结果为未达到感染标准，发送相应开启指令至校园通行系统，开启校园通道。
优选地，通过防控信息填报平台向基站发送定位信号，判断位于两个不同终端的防控信息填报平台之间的防控距离，若所述防控距离小于设定距离，则判定所述两个不同终端为密切接触关系。
需要说明的是，为了防止师生在填报传染病数据时不及时，特别是有些无症状患者，在其未确诊时，会接触很大一部分人，但由于在这个时候大家都没意识，所以需要通过防控信息填报平台主动向基站发送定位信号，即使是平时，也实时记录着不同终端的防控距离，一旦有人确诊，则依次为基准点，判断防控距离小于设定距离的，定义与确诊患者有密切接触史的另一方。
优选地，若传染病判断结果为达到感染标准，同时发送对应的疑似感染人员身份信息至外部计算机系统，外部计算机系统包括多个跟人民生活密切相关的信息处理系统，从多个维度实现传染病防控。
实施例2：
参照图2，本实施例2提供一种应用于上述校园传染病智能通行防控方法的系统，包括：
信息采集模块，所述信息采集模块被配置为采集校园师生的相关传染病数据；
信息归集模块，所述信息归集模块被配置为将所述传染病数据通过互联网传输至云端处理平台，对所述传染病数据进行整合和存储；
云端处理平台，所述云端处理平台被配置为对所述传染病数据进行传染病判断；
结果输出模块，所述结果输出模块被配置为根据传染病判断结果，对校园通行系统、传染病决策系统和传染病预警系统输出相应指令。
作为一种实施方式，所述信息采集模块包括线上信息采集单元和线下信息采集单元，所述线上信息采集单元包括防控信息填报平台，所述线下信息采集单元包括体征监测设备。利用防控信息填报平台或者体征监测设备采集到校园师生的相关传染病数据，并将相关传染病数据传输至云端处理平台，由信息归集模块实现传染病数据的整合和存储，根据每个人的具体数据情况，及其去过的地方、接触过的人等，云端处理平台对上述传染病数据进行传染病判断，如判断出对应的某位师生达到感染标准或者达到隔离标准，则不允许其进入校园，保证校园的安全。
作为一种实施方式，所述防控信息填报平台包括身份验证单元和定位单元，所述身份验证单元用于对参与在线问卷调查的用户进行身份ID验证、人脸验证和健康码验证，所述定位单元用于向基站发送定位信号。在防控信息填报平台中，进行实名制登记验证，每个人对应一个账号，也对应一个数据库，将多维的一些信息进行综合管理，例如身份ID信息、人脸信息和健康码信息等；而且还实时对防控信息填报平台的位置进行定位，方便查询多个使用者之间的距离，以便判断其是否为密切接触者。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机，计算机的具体形式可以是个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件收发设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任意几种设备的组合。
在一个典型的配置中，计算机包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM) 和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘 (DVD)或其他光学存储、磁盒式磁带、磁盘存储、量子存储器、基于石墨烯的存储介质或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体 (transitorymedia)，如调制的数据信号和载波。
相对于现有技术，本发明提供一种校园传染病智能通行防控方法及系统，通过互联网将信息采集模块所采集的师生的相关传染病数据进行上传，并通过云端处理平台对数据进行存储和判断，当传染病信息未达到感染标准时，校园通道将自动打开以满足校园师生的通行需求；当传染病信息达到感染标准时，将对应的身份信息通过微信消息和/或手机短信通知疑似感染人员和/或管理人员，同时通过传染病预警系统寻求医护人员的帮助，并发送相应关闭指令至校园通行系统，关闭校园通道。具有智能化和处理及时性的特点，避免了人力资源的浪费和人为判断的不确定性，同时对传染病的及时处理规避了传染病的进一步扩大而带来的更大的经济损失和人员伤亡。
最后需要强调的是，本发明不限于上述实施方式，以上仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种校园传染病智能通行防控方法，其特征在于，包括以下步骤：
步骤S1：采集校园师生的相关传染病数据；
步骤S2：将所述传染病数据通过互联网传输至云端处理平台，对所述传染病数据进行整合和存储；
步骤S3：通过所述云端处理平台对所述传染病数据进行传染病判断；
步骤S4：根据传染病判断结果，对校园通行系统、传染病决策系统和传染病预警系统输出相应指令。
2.如权利要求1所述的校园传染病智能通行防控方法，其特征在于，在步骤S1中，通过包括线上信息采集方式和线下信息采集方式，所述线上信息采集方式为师生通过防控信息填报平台进行自身信息的填报，所述线下信息采集方式为利用体征监测设备对师生在校园或者家庭进行体征监测，其中体征监测设备将所获得的各师生相关传染病数据上传至所述防控信息填报平台。
3.如权利要求2所述的校园传染病智能通行防控方法，其特征在于，在线上信息采集方式中，包括以下步骤：
步骤S101：采用在线问卷调查的方式对师生进行传染病调查，分别记录师生每道题的填写时间；
步骤S102：在线采集学生在每道题的填写时间内的面部表情图像序列；
步骤S103：对所述面部表情图像序列进行特征提取，提取出面部表情图像序列中的关键帧，将关键帧特征向量按照时间序列组成表情特征序列；根据所述表情特征序列进行表情变化分析，识别出表情，判断是否疑似隐瞒；
步骤S104：筛选出师生第一次作答时填写时间超过设定时间或通过表情分析判定为疑似隐瞒的题目，将对应的题目推送给学生进行第二次作答；
步骤S105：将第二次作答结果与第一次作答结果比对，如果结果不一致，判定存在隐瞒情况；如果结果一致，对于第一次作答时通过表情分析判定为疑似隐瞒的题目，计算第一次作答时的表情特征序列和第二次作答时的表情特征序列的运动矢量之间的相似度，若所述相似度高于设定阈值，判定存在隐瞒情况。
4.如权利要求3所述的校园传染病智能通行防控方法，其特征在于，在所述防控信息填报平台中，绑定每一位师生对应的身份信息，所述身份信息包括姓名、性别、身份ID、年龄、年级、班级和家庭情况。
5.如权利要求1至4任一项所述的校园传染病智能通行防控方法，其特征在于，在步骤S4中，若传染病判断结果为达到感染标准，将对应的身份信息通过微信消息和/或手机短信通知疑似感染人员和/或管理人员，并发送相应关闭指令至校园通行系统，关闭校园通道；并发送相应提醒指令至与所述疑似感染人员有密切接触的人群；
若传染病判断结果为未达到感染标准，发送相应开启指令至校园通行系统，开启校园通道。
6.如权利要求5所述的校园传染病智能通行防控方法，其特征在于，通过防控信息填报平台向基站发送定位信号，判断位于两个不同终端的防控信息填报平台之间的防控距离，若所述防控距离小于设定距离，则判定所述两个不同终端为密切接触关系。
7.如权利要求6所述的校园传染病智能通行防控方法，其特征在于，若传染病判断结果为达到感染标准，同时发送对应的疑似感染人员身份信息至外部计算机系统。
8.一种应用于如权利要求1至7任一项所述的校园传染病智能通行防控方法的系统，其特征在于，包括：
信息采集模块，所述信息采集模块被配置为采集校园师生的相关传染病数据；
信息归集模块，所述信息归集模块被配置为将所述传染病数据通过互联网传输至云端处理平台，对所述传染病数据进行整合和存储；
云端处理平台，所述云端处理平台被配置为对所述传染病数据进行传染病判断；
结果输出模块，所述结果输出模块被配置为根据传染病判断结果，对校园通行系统、传染病决策系统和传染病预警系统输出相应指令。
9.如权利要求8所述的一种校园传染病智能通行防控系统，其特征在于，所述信息采集模块包括线上信息采集单元和线下信息采集单元，所述线上信息采集单元包括防控信息填报平台，所述线下信息采集单元包括体征监测设备。
10.如权利要求9所述的一种校园传染病智能通行防控系统，其特征在于，所述防控信息填报平台包括身份验证单元和定位单元，所述身份验证单元用于对参与在线问卷调查的用户进行身份ID验证、人脸验证和健康码验证，所述定位单元用于向基站发送定位信号。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110343880.2A CN113161008A (zh) | 2021-03-30 | 2021-03-30 | 一种校园传染病智能通行防控方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110343880.2A CN113161008A (zh) | 2021-03-30 | 2021-03-30 | 一种校园传染病智能通行防控方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113161008A true CN113161008A (zh) | 2021-07-23 |
Family
ID=76885519
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110343880.2A Pending CN113161008A (zh) | 2021-03-30 | 2021-03-30 | 一种校园传染病智能通行防控方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113161008A (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111261301A (zh) * | 2020-02-13 | 2020-06-09 | 姜通渊 | 一种大数据传染病防控方法及系统 |
| CN111276256A (zh) * | 2020-02-28 | 2020-06-12 | 苏州浪潮智能科技有限公司 | 一种疫情预警及处理的方法、系统、设备及介质 |
| CN111933296A (zh) * | 2020-07-20 | 2020-11-13 | 湖北美和易思教育科技有限公司 | 一种校园疫情在线监测系统 |
| CN111968016A (zh) * | 2020-08-20 | 2020-11-20 | 合肥智圣新创信息技术有限公司 | 高校疫情协同管控平台平台及管控方法 |
-
2021
- 2021-03-30 CN CN202110343880.2A patent/CN113161008A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111261301A (zh) * | 2020-02-13 | 2020-06-09 | 姜通渊 | 一种大数据传染病防控方法及系统 |
| CN111276256A (zh) * | 2020-02-28 | 2020-06-12 | 苏州浪潮智能科技有限公司 | 一种疫情预警及处理的方法、系统、设备及介质 |
| CN111933296A (zh) * | 2020-07-20 | 2020-11-13 | 湖北美和易思教育科技有限公司 | 一种校园疫情在线监测系统 |
| CN111968016A (zh) * | 2020-08-20 | 2020-11-20 | 合肥智圣新创信息技术有限公司 | 高校疫情协同管控平台平台及管控方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109492595B (zh) | 适用于固定群体的行为预测方法和系统 | |
| Ren et al. | Deep video anomaly detection: Opportunities and challenges | |
| CN104464406A (zh) | 一种实时互动的在线学习平台 | |
| CN102013176A (zh) | 在线学习系统 | |
| CN113506624B (zh) | 基于逐层泛化推送逻辑的孤独症儿童认知能力评估干预系统 | |
| CN114693488B (zh) | 一种基于5g网络的智慧校园管理方法及系统 | |
| CN110349372B (zh) | 居家养老人员活动异常预警方法和装置 | |
| CN111429321A (zh) | 一种基于物联网的智慧校园管理系统 | |
| Bang et al. | AR/VR based smart policing for fast response to crimes in safe city | |
| CN111227789A (zh) | 人体健康监护方法和装置 | |
| CN113971868A (zh) | 一种基于幼儿行为统计的报警方法及系统 | |
| Zahry et al. | Risk governance during the COVID‐19 pandemic: A quantitative content analysis of governors' narratives on twitter | |
| Raza | Participatory action research: working beyond disaster toward prevention | |
| CN112488888A (zh) | 一种基于物联网和大数据技术的智慧校园安全预警系统 | |
| CN113161008A (zh) | 一种校园传染病智能通行防控方法及系统 | |
| CN109660765A (zh) | 社区监控系统及社区监控方法 | |
| US20210192417A1 (en) | Method for calculating activity duration and efficiency | |
| CN114067436B (zh) | 一种基于可穿戴式传感器及视频监控的跌倒检测方法及系统 | |
| KR20210079772A (ko) | 기계학습을 이용한 치매검사 관리 서버 및 이를 이용한 치매검사 방법 | |
| Fischer-Preßler | Towards Effective Use of Technology-Enabled Systems in Emergency Management and Crisis Situations | |
| US11410759B2 (en) | Method and system for capturing healthcare data, using a buffer to temporarily store the data for analysis, and storing proof of service delivery data without deletion, including time, date, and location of service | |
| KR102662251B1 (ko) | 인공지능 기반의 치매 환자 추적 방법 | |
| US11728016B2 (en) | Method and system for capturing person centered healthcare data, using a buffer to temporarily store the data for analysis, and storing the data without deletion, including goal, outcome, and medication error data | |
| Rees et al. | Findings from a thematic analysis of Child Practice Reviews in Wales | |
| Canyon | The state of systemic threat surveillance in some Australian health organisations |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210723 |