CN113440122A - 一种基于生命体征的情绪波动监测识别大数据预警系统 - Google Patents
一种基于生命体征的情绪波动监测识别大数据预警系统 Download PDFInfo
- Publication number
- CN113440122A CN113440122A CN202110883032.0A CN202110883032A CN113440122A CN 113440122 A CN113440122 A CN 113440122A CN 202110883032 A CN202110883032 A CN 202110883032A CN 113440122 A CN113440122 A CN 113440122A
- Authority
- CN
- China
- Prior art keywords
- emotion
- vital sign
- module
- fluctuation
- emotional
- 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
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—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
- A61B5/02055—Simultaneously evaluating both cardiovascular condition and temperature
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
-
- 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
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6802—Sensor mounted on worn items
- A61B5/681—Wristwatch-type devices
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
-
- 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
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
- G16H10/65—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records stored on portable record carriers, e.g. on smartcards, RFID tags or CD
-
- 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
-
- 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
-
- 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
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
- A61B5/0816—Measuring devices for examining respiratory frequency
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Physics & Mathematics (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Physiology (AREA)
- Cardiology (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Psychiatry (AREA)
- Child & Adolescent Psychology (AREA)
- Educational Technology (AREA)
- Hospice & Palliative Care (AREA)
- Psychology (AREA)
- Social Psychology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pulmonology (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Developmental Disabilities (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本发明提供了一种基于生命体征的情绪波动监测识别大数据预警系统和方法,在用户的各生命体征数据与各情绪状态之间分别建立了联系,通过终端设备能够对生命体征阈值与情绪状态之间的关系进行调整,满足了情绪监测中的不同年龄、性别等造成的个体差异要求。情绪识别中先后基于单生命体征决策到多体征联合决策的递进方式,有效保证了结果的精确度,本发明所提供的离线长期趋势监测手段,也有助于在特定场景下对重点目标人群的监控预警。本发明的情绪监测过程运算较为简单,有利于节约大数据处理的成本。
Description
技术领域
本发明属于情绪监测识别技术领域,尤其涉及一种基于生命体征的情绪波动监测识别大数据预警系统。
背景技术
当前,随着人类生活方式的改变以及生活节奏的加快,越来越容易诱发较高的心理压力以及负面情绪,由此也导致了诸多社会问题,如何对人类情绪进行监测逐渐受到重视。现有技术中,对人的情绪波动主要集中在对较为单一的某几种情绪进行监测,尚未出现针对各种情绪全面监测果并提供相应预警的方案。在一些基于生命体征预测情绪的方案中,大多是利用将目标体征参数与固定阈值进行比较的手段,但这种方式对于不同年龄、性别的用户以及不同的环境所识别的情绪状态可能存在极大的差异,导致识别的结果不准确。而对于基于人脸识别和微表情分析来实现情绪识别的现有技术中,由于个体表达情绪时所做出的表情千差万别,也存在识别精确度差强人意的问题。
发明内容
针对上述本领域中所存在的技术问题,本发明提供了一种基于生命体征的情绪波动监测识别大数据预警系统,具体包括:
智能穿戴设备、终端设备、数据存储模块、用户体征数学建模模块、用户情绪波动识别模块;
其中,智能穿戴设备用于对人体生命体征数据进行采集,并传输至所述终端设备;
所述终端设备用于将所述智能穿戴设备传来的生命体征数据上传至数据存储模块,供后续用户体征数学建模模块的建模以及用户情绪波动识别模块的情绪波动状态识别;
所述用户体征数学建模模块用于对每种生命体征数据分别设置与相应情绪状态对应的一组阈值,并基于不同生命体征的所述阈值的组合建立生命体征i:心率、体温、脉搏、呼吸频率、舒张压、收缩压与情绪状态值j:1-常规、2-悦、3-乐、4-惊、5-惧、6-哀、7-怒之间的对应关系模型;由于实际检测过程中,常会发生心率与脉搏数据表现不一致的情况,因此本发明中对于这两个体征数据均进行采集;
用户情绪波动识别模块基于所述生命体征与情绪状态的对应关系模型,对在线实时采集的生命体征数据进行以下情绪波动状态识别过程:
a.将单生命体征数据与设置的阈值相比较;根据对应关系模型判断当前各生命体征数据与情绪状态值对应的关系列表;
b.在一段短期时间内统计所述关系列表中,各情绪状态值j在每个单生命体征i下出现的次数xij,将单生命体征i下出现总次数最多的情绪状态值j作为情绪波动识别结果θ;
如果在不止一个单生命体征下出现了总次数最多的情绪状态值,则执行步骤c;
c.计算该短期时间内单生命体征i下情绪状态值j出现的权重Wij,将不同生命体征下所述权重最大的情绪状态值j作为情绪波动识别结果θ;
如果不止一个单生命体征下出现了所述权重最大的情绪状态值,则执行步骤d;
d.对该短期时间内的情绪状态值按照升序执行冒泡排序,排序后取第一个值作为最终的情绪波动识别结果;
e.如果执行上述步骤仍得不到情绪波动识别结果,则以情绪状态值=1即常规状态作为情绪波动识别结果。
进一步地,所述系统还包括大数据处理分析模块、用户情绪异常预警模块和用户情绪变化趋势可视化模块;
所述用户情绪波动识别模块在一段长期时间内,通过执行上述情绪波动状态识别过程所得到的情绪波动识别结果,在4-7范围的对应短期时间段数大于告警阈值时,向所述用户情绪异常预警模块发送指令,由所述用户情绪异常预警模块控制终端设备提供情绪异常预警;
所述大数据处理分析模块用于针对多段长期时间中的各情绪波动识别结果进行离线分析,并通过用户情绪变化趋势可视化模块控制终端设备提供情绪波动趋势显示以及情绪异常预警。
进一步地,所述数据存储模块用于在建模和情绪波动状态识别之前,将生命体征数据存入消息队列Kafka和分布式文件夹系统HDFS,分别用于所述用户情绪波动识别模块进行后续实时处理与离线大数据分析。
进一步地,所述数据存储模块在在建模和情绪波动状态识别之前,对终端设备上传的生命体征数据依次执行以下处理:基于格拉布斯(Grubbs)检验法剔除数据异常值;消费并解析消息队列Kafka中的数据,解析出心率、体温、脉搏、呼吸、舒张压、收缩压等各项指标的值。
进一步地,所述大数据处理分析模块用于在一段长期时间内离线计算不同单生命体征下在取值4-7范围内的情绪状态值出现的次数总和与全部情绪状态值总和的比值,若比值满足大数定律则以包含不同短期时间的时间段为间隔,执行情绪状态波动识别以及长期情绪异常预警。
进一步地,所述每种生命体征数据与相应情绪状态对应的一组阈值可通过所述终端设备进行调整。
相应地,本发明还提供了一种基于生命体征的情绪波动监测识别大数据预警方法,具体包括:
步骤1、智能穿戴设备对人体生命体征数据进行采集,并传输至所述终端设备;
步骤2、所述终端设备将所述智能穿戴设备传来的生命体征数据上传至数据存储模块,供后续用户体征数学建模模块的建模以及用户情绪波动识别模块的情绪波动状态识别;
步骤3、所述用户体征数学建模模块对每种生命体征数据分别设置与相应情绪状态对应的一组阈值,并基于不同生命体征的所述阈值的组合建立生命体征i:心率、体温、脉搏、呼吸频率、舒张压、收缩压与情绪状态值j:1-常规、2-悦、3-乐、4-惊、5-惧、6-哀、7-怒之间的对应关系模型;
步骤4、用户情绪波动识别模块基于所述生命体征与情绪状态的对应关系模型,将在线实时采集的单生命体征数据与设置的阈值相比较,根据对应关系模型判断当前各生命体征数据与情绪状态值对应的关系列表;
步骤5、在一段短期时间内统计所述关系列表中,各情绪状态值j在每个单生命体征i下出现的次数xij,将单生命体征i下出现总次数最多的情绪状态值j作为情绪波动识别结果θ;
如果在不止一个单生命体征下出现了总次数最多的情绪状态值,则执行步骤6;
步骤6、计算该短期时间内单生命体征i下情绪状态值j出现的权重Wij,将不同生命体征下所述权重最大的情绪状态值j作为情绪波动识别结果θ;
如果不止一个单生命体征下出现了所述权重最大的情绪状态值,则执行步骤7;
步骤7、对该短期时间内的情绪状态值按照升序执行冒泡排序,排序后取第一个值作为最终的情绪波动识别结果;
步骤8、如果执行上述步骤仍得不到情绪波动识别结果,则以情绪状态值=1即常规状态作为情绪波动识别结果。
上述本发明所提供的基于生命体征的情绪波动监测识别大数据预警系统和方法,在用户的各生命体征数据与各情绪状态之间分别建立了联系,通过终端设备能够对生命体征阈值与情绪状态之间的关系进行调整,满足了情绪监测中的不同年龄、性别等造成的个体差异要求。情绪识别中先后基于单生命体征决策到多体征联合决策的递进方式,有效保证了结果的精确度,而本发明所提供的离线长期趋势监测手段,也有助于在特定场景下对重点目标人群的监控预警。本发明的情绪监测过程运算较为简单,有利于节约大数据处理的成本。
附图说明
图1为基于本发明进行单生命体征情绪状态识别的流程图。
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。
本发明提供了一种基于生命体征的情绪波动监测识别大数据预警系统,具体包括:
智能穿戴设备、终端设备、数据存储模块、用户体征数学建模模块、用户情绪波动识别模块;
其中,智能穿戴设备用于对人体生命体征数据进行采集,并传输至所述终端设备;
所述终端设备用于将所述智能穿戴设备传来的生命体征数据上传至数据存储模块,供后续用户体征数学建模模块的建模以及用户情绪波动识别模块的情绪波动状态识别;为保证结果的准确,可以对单生命体征数据在比如1分钟之内采集的5改结果先进行均值处理。
所述智能穿戴设备与终端设备可以采用分离的如智能手环与手机的形式,也可以采用一体化的集成设备,如集成了体征检测功能的智能手表等。
所述用户体征数学建模模块用于对每种生命体征数据分别设置与相应情绪状态对应的一组阈值,各阈值之间所划定的每种生命体征数据的不同范围,均限定出对应的不同情绪状态;同时基于不同生命体征的所述阈值的组合建立生命体征i:心率、体温、脉搏、呼吸频率、舒张压、收缩压与情绪状态值j:1-常规、2-悦、3-乐、4-惊、5-惧、6-哀、7-怒之间的对应关系模型;比如,对于“悦”这一状态可根据实际情况确定体温阈值36.8℃与37.0℃之间的范围,对于“怒”则确定为体温阈值37.0℃与37.2℃之间的范围。其他体征数据与情绪状态之间均采用同样的这种方式建立联系,具体对应关系如表1和表2所示:
表1生命体征与情绪状态对应关系
生命体征 | 情绪状态 |
呼吸频率(次/min) | 常规、悦、乐、惊、惧、哀、怒等其中某一种 |
心率(次/min) | 常规、悦、乐、惊、惧、哀、怒等其中某一种 |
脉搏 | 常规、悦、乐、惊、惧、哀、怒等其中某一种 |
收缩压(mmHg) | 常规、悦、乐、惊、惧、哀、怒等其中某一种 |
舒张压(mmHg) | 常规、悦、乐、惊、惧、哀、怒等其中某一种 |
体温(℃) | 常规、悦、乐、惊、惧、哀、怒等其中某一种 |
表2情绪状态和情绪状态值对应关系
用户也可以利用终端设备或者由大数据分析处理模块基于其他的依据,根据用户自身的实际情况调整各阈值与情绪状态值的对应关系。
用户情绪波动识别模块基于所述生命体征与情绪状态的对应关系模型,对在线实时采集的生命体征数据进行以下情绪波动状态识别过程:
a.将单生命体征数据与设置的阈值相比较,如图1所示;根据对应关系模型判断当前各生命体征数据与情绪状态值对应的关系列表,如表3所示,第一行加黑部分表示在某个采集时间点,各生命体征所对应的情绪状态值:
表3当前生命体征与情绪状态值对应关系列表
b.在一段短期时间比如15分钟内,统计所述关系列表中,各情绪状态值j在每个单生命体征i下出现的次数xij,将单生命体征i下出现总次数最多的情绪状态值j作为情绪波动识别结果θ,比如表4中呈现的情况,即以心率这一单一生命体征下出现最多的情绪状态值6-怒作为识别结果;
表4某单生命体征下的同一情绪值告警示意表
心率 | 收缩压 | 舒张压 | 体温 | 呼吸 | 脉搏 |
6 | 1 | 7 | 4 | 1 | 3 |
6 | 6 | 4 | 2 | 2 | 2 |
1 | 2 | 1 | 4 | 3 | 1 |
6 | 6 | 6 | 6 | 6 | 6 |
如果在不止一个单生命体征下出现了总次数最多的情绪状态值,比如表5的情况,则执行步骤c;
表5多个单生命体征下的情绪状态值均满足告警条件示意表
c.计算该短期时间内单生命体征i下情绪状态值j出现的权重Wij,将不同生命体征下所述权重最大的情绪状态值j作为情绪波动识别结果θ;各情绪状态值的权重如表6所示:
表6各情绪状态值权重
情绪状态值 | 权重值 |
常规 | 50% |
悦 | 15% |
乐 | 15% |
惊 | 6% |
惧 | 6% |
哀 | 4% |
怒 | 4% |
如果不止一个单生命体征下出现了所述权重最大的情绪状态值,则执行步骤d;
d.对该短期时间内的情绪状态值按照升序执行冒泡排序,排序后取第一个值作为最终的情绪波动识别结果;
e.如果执行上述步骤仍得不到情绪波动识别结果,则以情绪状态值=1即常规状态作为情绪波动识别结果。
所述系统还包括大数据处理分析模块、用户情绪异常预警模块和用户情绪变化趋势可视化模块;
所述用户情绪波动识别模块在一段长期时间内,通过执行上述情绪波动状态识别过程所得到的情绪波动识别结果,在4-7范围的对应短期时间段数大于告警阈值时,向所述用户情绪异常预警模块发送指令,由所述用户情绪异常预警模块控制终端设备提供情绪异常预警。
所述大数据处理分析模块用于针对多段长期时间中的各情绪波动识别结果进行离线分析,并通过用户情绪变化趋势可视化模块控制终端设备提供情绪波动趋势显示以及情绪异常预警。譬如,以最近一个小时为单位执行情绪状态波动识别,如果达到同一情绪状态值的15分钟短期时间段为3段以上,则进行情绪异常告警。
所述数据存储模块用于在建模和情绪波动状态识别之前,将生命体征数据存入消息队列Kafka和分布式文件夹系统HDFS,分别用于所述用户情绪波动识别模块进行后续实时处理与离线大数据分析。
在本发明的一个优选实施方式中,所述数据存储模块在在建模和情绪波动状态识别之前,对终端设备上传的生命体征数据依次执行以下处理:基于格拉布斯(Grubbs)检验法剔除数据异常值;消费并解析消息队列Kafka中的数据,解析出心率、体温、脉搏、呼吸、舒张压、收缩压等各项指标的值。
所述大数据处理分析模块用于在一段长期时间内离线计算不同单生命体征下在4-7范围内的情绪状态值出现的次数总和与全部情绪状态值总和的比值,若比值满足大数定律则以包含不同短期时间的时间段为间隔,执行情绪状态波动识别以及长期情绪异常预警。譬如,可提供最近四小时、最近一天以及最近三天的情绪异常告警和长期趋势显示。
本发明提供的一种基于生命体征的情绪波动监测识别大数据预警方法,具体包括:
步骤1、智能穿戴设备对人体生命体征数据进行采集,并传输至所述终端设备;
步骤2、所述终端设备将所述智能穿戴设备传来的生命体征数据上传至数据存储模块,供后续用户体征数学建模模块的建模以及用户情绪波动识别模块的情绪波动状态识别;
步骤3、所述用户体征数学建模模块对每种生命体征数据分别设置与相应情绪状态对应的一组阈值,并基于不同生命体征的所述阈值的组合建立生命体征i:心率、体温、脉搏、呼吸频率、舒张压、收缩压与情绪状态值j:1-常规、2-悦、3-乐、4-惊、5-惧、6-哀、7-怒之间的对应关系模型;
步骤4、用户情绪波动识别模块基于所述生命体征与情绪状态的对应关系模型,将在线实时采集的单生命体征数据与设置的阈值相比较,根据对应关系模型判断当前各生命体征数据与情绪状态值对应的关系列表;
步骤5、在一段短期时间内统计所述关系列表中,各情绪状态值j在每个单生命体征i下出现的次数xij,将单生命体征i下出现总次数最多的情绪状态值j作为情绪波动识别结果θ;
如果在不止一个单生命体征下出现了总次数最多的情绪状态值,则执行步骤6;
步骤6、计算该短期时间内单生命体征i下情绪状态值j出现的权重Wij,将不同生命体征下所述权重最大的情绪状态值j作为情绪波动识别结果θ;
如果不止一个单生命体征下出现了所述权重最大的情绪状态值,则执行步骤7;
步骤7、对该短期时间内的情绪状态值按照升序执行冒泡排序,排序后取第一个值作为最终的情绪波动识别结果;
步骤8、如果执行上述步骤仍得不到情绪波动识别结果,则以情绪状态值=1即常规状态作为情绪波动识别结果。
应理解,本发明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。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (7)
1.一种基于生命体征的情绪波动监测识别大数据预警系统,其特征在于:具体包括:
智能穿戴设备、终端设备、数据存储模块、用户体征数学建模模块、用户情绪波动识别模块;
其中,智能穿戴设备用于对人体生命体征数据进行采集,并传输至所述终端设备;
所述终端设备用于将所述智能穿戴设备传来的生命体征数据上传至数据存储模块,供后续用户体征数学建模模块的建模以及用户情绪波动识别模块的情绪波动状态识别;
所述用户体征数学建模模块用于对每种生命体征数据分别设置与相应情绪状态对应的一组阈值,并基于不同生命体征的所述阈值的组合建立生命体征i:心率、体温、脉搏、呼吸频率、舒张压、收缩压与情绪状态值j:1-常规、2-悦、3-乐、4-惊、5-惧、6-哀、7-怒之间的对应关系模型;
用户情绪波动识别模块基于所述生命体征与情绪状态的对应关系模型,对在线实时采集的生命体征数据进行以下情绪波动状态识别过程:
a.将单生命体征数据与设置的阈值相比较;根据对应关系模型判断当前各生命体征数据与情绪状态值对应的关系列表;
b.在一段短期时间内统计所述关系列表中,各情绪状态值j在每个单生命体征i下出现的次数xij,将单生命体征i下出现总次数最多的情绪状态值j作为情绪波动识别结果θ;
如果在不止一个单生命体征下出现了总次数最多的情绪状态值,则执行步骤c;
c.计算该短期时间内单生命体征i下情绪状态值j出现的权重Wij,将不同生命体征下所述权重最大的情绪状态值j作为情绪波动识别结果θ;
如果不止一个单生命体征下出现了所述权重最大的情绪状态值,则执行步骤d;
d.对该短期时间内的情绪状态值按照升序执行冒泡排序,排序后取第一个值作为最终的情绪波动识别结果;
e.如果执行上述步骤仍得不到情绪波动识别结果,则以情绪状态值=1即常规状态作为情绪波动识别结果。
2.如权利要求1所述的系统,其特征在于:所述系统还包括大数据处理分析模块、用户情绪异常预警模块和用户情绪变化趋势可视化模块;
所述用户情绪波动识别模块在一段长期时间内,通过执行上述情绪波动状态识别过程所得到的情绪波动识别结果,在取值4-7范围的对应短期时间段数大于告警阈值时,向所述用户情绪异常预警模块发送指令,由所述用户情绪异常预警模块控制终端设备提供情绪异常预警;
所述大数据处理分析模块用于针对多段长期时间中的各情绪波动识别结果进行离线分析,并通过用户情绪变化趋势可视化模块控制终端设备提供情绪波动趋势显示以及情绪异常预警。
3.如权利要求1所述的系统,其特征在于:所述数据存储模块用于在建模和情绪波动状态识别之前,将生命体征数据存入消息队列Kafka和分布式文件夹系统HDFS,分别用于所述用户情绪波动识别模块进行后续实时处理与离线大数据分析。
4.如权利要求1所述的系统,其特征在于:所述数据存储模块在在建模和情绪波动状态识别之前,对终端设备上传的生命体征数据依次执行以下处理:基于格拉布斯(Grubbs)检验法剔除数据异常值;消费并解析消息队列Kafka中的数据,解析出心率、体温、脉搏、呼吸、舒张压、收缩压等各项指标的值。
5.如权利要求1所述的系统,其特征在于:所述大数据处理分析模块用于在一段长期时间内离线计算不同单生命体征下在4-7范围内的情绪状态值出现的次数总和与全部情绪状态值总和的比值,若比值满足大数定律则以包含不同短期时间的时间段为间隔,执行情绪状态波动识别以及长期情绪异常预警。
6.如权利要求1所述的系统,其特征在于:所述每种生命体征数据与相应情绪状态对应的一组阈值可通过所述终端设备进行调整。
7.一种基于生命体征的情绪波动监测识别大数据预警方法,其特征在于:利用如权利要求1-6任一项所述的系统;所述方法具体包括:
步骤1、智能穿戴设备对人体生命体征数据进行采集,并传输至所述终端设备;
步骤2、所述终端设备将所述智能穿戴设备传来的生命体征数据上传至数据存储模块,供后续用户体征数学建模模块的建模以及用户情绪波动识别模块的情绪波动状态识别;
步骤3、所述用户体征数学建模模块对每种生命体征数据分别设置与相应情绪状态对应的一组阈值,并基于不同生命体征的所述阈值的组合建立生命体征i:心率、体温、脉搏、呼吸频率、舒张压、收缩压与情绪状态值j:1-常规、2-悦、3-乐、4-惊、5-惧、6-哀、7-怒之间的对应关系模型;
步骤4、用户情绪波动识别模块基于所述生命体征与情绪状态的对应关系模型,将在线实时采集的单生命体征数据与设置的阈值相比较,根据对应关系模型判断当前各生命体征数据与情绪状态值对应的关系列表;
步骤5、在一段短期时间内统计所述关系列表中,各情绪状态值j在每个单生命体征i下出现的次数xij,将单生命体征i下出现总次数最多的情绪状态值j作为情绪波动识别结果θ;
如果在不止一个单生命体征下出现了总次数最多的情绪状态值,则执行步骤6;
步骤6、计算该短期时间内单生命体征i下情绪状态值j出现的权重Wij,将不同生命体征下所述权重最大的情绪状态值j作为情绪波动识别结果θ;
如果不止一个单生命体征下出现了所述权重最大的情绪状态值,则执行步骤7;
步骤7、对该短期时间内的情绪状态值按照升序执行冒泡排序,排序后取第一个值作为最终的情绪波动识别结果;
步骤8、如果执行上述步骤仍得不到情绪波动识别结果,则以情绪状态值=1即常规状态作为情绪波动识别结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110883032.0A CN113440122B (zh) | 2021-08-02 | 2021-08-02 | 一种基于生命体征的情绪波动监测识别大数据预警系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110883032.0A CN113440122B (zh) | 2021-08-02 | 2021-08-02 | 一种基于生命体征的情绪波动监测识别大数据预警系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113440122A true CN113440122A (zh) | 2021-09-28 |
CN113440122B CN113440122B (zh) | 2023-08-22 |
Family
ID=77818084
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110883032.0A Active CN113440122B (zh) | 2021-08-02 | 2021-08-02 | 一种基于生命体征的情绪波动监测识别大数据预警系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113440122B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113793072A (zh) * | 2021-10-22 | 2021-12-14 | 北京理工新源信息科技有限公司 | 一种基于移动端疫情防控监测信息综合管理系统 |
CN114515149A (zh) * | 2022-03-17 | 2022-05-20 | 天津大学 | 一种基于多模态情感模型的情感识别装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030139654A1 (en) * | 2002-01-23 | 2003-07-24 | Samsung Electronics Co., Ltd. | System and method for recognizing user's emotional state using short-time monitoring of physiological signals |
CN108564007A (zh) * | 2018-03-27 | 2018-09-21 | 深圳市智能机器人研究院 | 一种基于表情识别的情绪识别方法和装置 |
CN109620262A (zh) * | 2018-12-12 | 2019-04-16 | 华南理工大学 | 一种基于可穿戴手环的情绪识别系统及方法 |
CN109730699A (zh) * | 2018-12-28 | 2019-05-10 | 苏州泓邃生物科技有限公司 | 一种基于生命体征数据的情绪预测方法 |
CN111068159A (zh) * | 2019-12-27 | 2020-04-28 | 兰州大学 | 一种基于脑电信号的音乐反馈抑郁情绪调节系统 |
-
2021
- 2021-08-02 CN CN202110883032.0A patent/CN113440122B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030139654A1 (en) * | 2002-01-23 | 2003-07-24 | Samsung Electronics Co., Ltd. | System and method for recognizing user's emotional state using short-time monitoring of physiological signals |
CN108564007A (zh) * | 2018-03-27 | 2018-09-21 | 深圳市智能机器人研究院 | 一种基于表情识别的情绪识别方法和装置 |
CN109620262A (zh) * | 2018-12-12 | 2019-04-16 | 华南理工大学 | 一种基于可穿戴手环的情绪识别系统及方法 |
CN109730699A (zh) * | 2018-12-28 | 2019-05-10 | 苏州泓邃生物科技有限公司 | 一种基于生命体征数据的情绪预测方法 |
CN111068159A (zh) * | 2019-12-27 | 2020-04-28 | 兰州大学 | 一种基于脑电信号的音乐反馈抑郁情绪调节系统 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113793072A (zh) * | 2021-10-22 | 2021-12-14 | 北京理工新源信息科技有限公司 | 一种基于移动端疫情防控监测信息综合管理系统 |
CN113793072B (zh) * | 2021-10-22 | 2024-03-22 | 北京理工新源信息科技有限公司 | 一种基于移动端疫情防控监测信息综合管理系统 |
CN114515149A (zh) * | 2022-03-17 | 2022-05-20 | 天津大学 | 一种基于多模态情感模型的情感识别装置 |
CN114515149B (zh) * | 2022-03-17 | 2023-07-18 | 天津大学 | 一种基于多模态情感模型的情感识别装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113440122B (zh) | 2023-08-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113440122B (zh) | 一种基于生命体征的情绪波动监测识别大数据预警系统 | |
CN109009017B (zh) | 一种智能健康监测系统及其数据处理方法 | |
KR102276415B1 (ko) | 개인 관심상황 발생 예측/인지 장치 및 방법 | |
CN111899861A (zh) | 一种重症病房智能护理方法及系统 | |
CN113297994B (zh) | 一种飞行员行为分析方法及系统 | |
CN111798982A (zh) | 警用健康管理系统及健康管理方法 | |
CN113288062A (zh) | 一种多维度人员情绪分析方法及系统 | |
CN109620263B (zh) | 一种企事业单位上岗人员体征安全分析方法 | |
Sharma et al. | Quantification of Mental Workload Using a Cascaded Deep One-dimensional Convolution Neural Network and Bi-directional Long Short-Term Memory Model | |
CN116048250A (zh) | 基于可穿戴设备的睡眠管理方法与装置 | |
CN114847949A (zh) | 一种基于脑电特征及放松度指标的认知疲劳康复方法 | |
Pantelopoulos et al. | Design of the new prognosis wearable system-prototype for health monitoring of people at risk | |
WO2022115387A1 (en) | System for the detection and management of mental, emotional, and behavioral disorders | |
Lian et al. | An Ear Wearable Device System for Facial Emotion Recognition Disorders | |
CN113349746A (zh) | 一种生命体征监测报警系统 | |
CN113208575A (zh) | 利用物联网可穿戴装置检测冠状病毒感染的方法和系统 | |
CN112998717A (zh) | 一种量化人体生理状态的分析方法和设备 | |
Charbonnier | On-line extraction of successive temporal sequences from ICU high-frequency data for decision support information | |
CN113052199A (zh) | 病情检测模型的训练方法、装置、设备及计算机存储介质 | |
US20230190203A1 (en) | Human health risk assessment method | |
CN112957017B (zh) | 一种昏迷患者的实时体征监测方法及系统 | |
CN112971792B (zh) | 一种基于连续生理数据的个体化状态监测分析方法和设备 | |
Rani et al. | Health care monitoring for the CVD detection using soft computing techniques | |
CN114822847A (zh) | 一种身心健康评测系统、方法、设备及存储介质 | |
US20230309884A1 (en) | Physiological measurement data processing device and physiological measurement data processing method using same |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |