CN114569132A - 一种基于示教的婴儿训练系统 - Google Patents

一种基于示教的婴儿训练系统 Download PDF

Info

Publication number
CN114569132A
CN114569132A CN202210218119.0A CN202210218119A CN114569132A CN 114569132 A CN114569132 A CN 114569132A CN 202210218119 A CN202210218119 A CN 202210218119A CN 114569132 A CN114569132 A CN 114569132A
Authority
CN
China
Prior art keywords
information
training
infant
module
emotional state
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
Application number
CN202210218119.0A
Other languages
English (en)
Inventor
不公告发明人
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chengdu Zhongji Smart Enterprise Management Consulting Co ltd
Original Assignee
Chengdu Zhongji Smart Enterprise Management Consulting Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chengdu Zhongji Smart Enterprise Management Consulting Co ltd filed Critical Chengdu Zhongji Smart Enterprise Management Consulting Co ltd
Priority to CN202210218119.0A priority Critical patent/CN114569132A/zh
Publication of CN114569132A publication Critical patent/CN114569132A/zh
Pending legal-status Critical Current

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
    • A61B5/16—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
    • A61B5/103—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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4803—Speech analysis specially adapted for diagnostic purposes
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Psychiatry (AREA)
  • Artificial Intelligence (AREA)
  • Physiology (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mathematical Physics (AREA)
  • Fuzzy Systems (AREA)
  • Evolutionary Computation (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Child & Adolescent Psychology (AREA)
  • Developmental Disabilities (AREA)
  • Educational Technology (AREA)
  • Hospice & Palliative Care (AREA)
  • Psychology (AREA)
  • Social Psychology (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本发明涉及一种基于示教的婴儿训练系统，至少包括云服务器，所述云服务器至少包括行为特征提取模块和深度学习训练模块，所述云服务器还包括行为特征提取模块，所述特征提取模块基于所述深度学习训练模块建立的特定模式提取婴儿的行为特征参数，并且基于所述行为特征参数匹配相应的动作训练单元、思维训练单元和/情绪训练单元，所述深度学习训练模块基于婴儿的特定模式选择协调性在设定阈值范围的所述动作训练单元、思维训练单元和/情绪训练单元来形成婴儿训练方案。本发明能够向监护人提供帮助婴儿进行个性化训练的训练方案，帮助婴儿健康的成长，养成良好的思维习惯和性格，能够有效控制情绪。

Description

一种基于示教的婴儿训练系统
本发明是申请号为201811306109.2，申请日为2018年11月2日，发明名称为一种智能婴儿监护系统的发明专利的分案申请。
技术领域
本发明涉及婴儿训练技术领域，尤其涉及一种基于示教的婴儿训练系统。
背景技术
目前国内的婴幼儿在母乳喂养之外，主要以喂食配方奶为主。配方奶的摄入量直接决定了婴幼儿每日所吸收的热量、蛋白质、脂肪、碳水化合物、矿物质、维生素等各种营养要素。婴幼儿体内营养要素的储备量相对较小，适应能力也较成人差，一旦某些营养要素摄入量不足或消化功能紊乱，短时间内就可明显影响发育的进程，因而，配方奶的摄入量与摄入节奏会对婴幼儿生长发育产生直接的影响。
由于不同月龄的婴幼儿对配方奶摄入量的需求是不同的，同时不同品牌的奶粉因为所含的营养成分和微量元素不同，对孩子的生长发育所造成的影响也不同，因此，正确选择配方奶粉及衡量其摄入量也是一项非常重要的工作。初为父母，孩子的双亲对于每目的奶摄入量以及喂奶时间点的把握尚缺乏经验，需要专业人士给予一定的指导和帮助。而专业人士在进行上述指导时，往往需要全面了解孩子在过去一定时间长度内的饮食、睡眠和生长发育情况，才能充分了解孩子的个体差异和现状，进而给出适宜的意见。
在记录孩子每目的配方奶摄入量时，父母通常依赖于奶瓶上的刻度来衡量孩子的奶摄入量，但由于奶瓶外形的不规则以及产品质量检测方面的不足，某些奶瓶的刻度不够精确，对父母正确把握孩子的配方奶摄入情况有一定影响。此外，由于日常生活的各种现实因素的制约，父母很难保证每一次都能及时且准确地记录孩子的奶摄入量，从而难以提供一个完整的配方奶摄入历史记录。而且，新生儿父母经常会忘记孩子的喝奶时间，单独记录又太繁琐，有时候照顾孩子顾不上记录，有时候在外面又不方便。
目前，市场上存在一些用于监测婴儿照顾情况的装置。中国专利(CN 105708468A)公开了了一种母子手环，该母子手环包括子环和母环，其中，子环，用于检测子环佩戴者的行为状态信息，根据行为状态信息生成异常提示信息，并将异常提示信息发送至所述母环；母环与子环进行通信，母环根据异常提示信息对母环佩戴者进行提示。该专利可以使得监护者及时地了解被照顾者的异常情况，更好地监护被照顾者。但是，该专利仅用于监控婴儿的异常状态，仅在异常时提前母环端的监护人，不能够为婴儿的饮奶时间、尿床时间进行记录并进行分析。特别的，不能够基于婴儿啼哭的声音判断婴儿的需求来方便监护人对婴儿的照顾。
因此，目前市场上迫切需要一种既能够记录婴儿的照顾信息又能够分析婴儿需求的智能监护系统。
在母案的实质性审查过程中，没有任何现有技术公开本发明的特征提取模块的匹配原理。本发明是具有新颖性和创造性的。
此外，一方面由于对本领域技术人员的理解存在差异；另一方面由于申请人做出本发明时研究了大量文献和专利，但篇幅所限并未详细罗列所有的细节与内容，然而这绝非本发明不具备这些现有技术的特征，相反本发明已经具备现有技术的所有特征，而且申请人保留在背景技术中增加相关现有技术之权利。
发明内容
针对现有技术之不足，本发明提供一种智能婴儿监护系统，至少包括第一智能端、第二智能端和云服务器，所述第一智能端，用于自动采集婴儿的生理信息、声音信息和/或行为信息，所述第二智能端，用于人工输入婴儿的生活记录信息和/或实际情绪状态信息，所述云服务器至少包括示教模块和基于婴儿的所述生理信息、所述声音信息和/或所述行为信息利用情绪状态分析算法进行理论情绪状态分析的情绪状态分析模块，其中，
所述云服务器还包括行为特征提取模块，所述特征提取模块基于婴儿的所述生理信息、所述声音信息和/或所述行为信息提取婴儿的行为特征参数，并且基于所述行为特征参数的分析来选择匹配的身体锻炼方案。
根据一个优选实施方式，所述云服务器还包括深度学习训练模块，所述深度学习训练模块基于婴儿的行为特征参数学习和掌握婴儿肢体行为的特定模式，并且所述深度学习训练模块基于所述特定模式来生成至少包括动作训练、思维训练和/或情绪训练的婴儿训练方案。
根据一个优选实施方式，所述特征提取模块基于所述深度学习训练模块建立的特定模式提取婴儿的行为特征参数，并且基于所述行为特征参数匹配相应的动作训练单元、思维训练单元和情绪训练单元，所述深度学习训练模块基于婴儿的特定模式选择协调性在设定阈值范围的所述动作训练单元、思维训练单元和情绪训练单元来形成婴儿训练方案。
根据一个优选实施方式，所述示教模块基于所述第二智能端输入的实际情绪状态信息来完成预设数据库存储的理论情绪状态的示教过程，所述情绪状态分析模块基于与婴儿的所述实际情绪状态对应的需求信息指示所述第二智能端向当前用户发出需求提示和/或预警提示。
根据一个优选实施方式，所述云服务器中的示教模块基于所述第二智能端输入的生活记录信息和/或实际情绪状态信息分析并完成示教过程，其中，所述示教模块基于至少两种异常情绪状态信息来预先配置所述状态分析算法的参数。
根据一个优选实施方式，所述情绪状态分析模块将由用户向所述第二智能端以文本、语音、视频和/或图形的方式输入的婴儿的生活记录信息和/或实际情绪状态信息和所述第一智能端自动采集的外界条件、生理信息、声音信息和/或行为信息以关联的方式存储至预设数据库，或者，所述第一智能端记录引发婴儿的实际情绪状态的外界条件并以与对应的实际情绪状态关联的形式存储或提供至所述预设数据库，所述情绪状态分析模块基于婴儿的特定情绪状态和所述外界条件之间的相关性进行分析，并且基于所述相关性对所述特定情绪状态的引发指示所述第二智能端进行预警。
根据一个优选实施方式，所述云服务器还包括校正模块，所述校正模块基于婴儿的实际情绪状态信息来校正基于所述第一智能端采集的外界条件、生理信息、声音信息和/或行为信息分析确定的理论情绪状态信息，由校正后的理论情绪状态信息构成以可根据婴儿的生活记录信息、生理信息和/或外界条件进行检索的预设数据库。
根据一个优选实施方式，所述云服务器设置有与第三方医疗机构进行医疗信息关联的护理建议模块，所述护理建议模块基于婴儿的实际情绪状态检索对应的医疗护理信息并通过所述第二智能端发出提示信息，和/或所述护理建议模块基于所述第二智能端确定的地理位置将所述第三方医疗机构发布的附近区域和/或特定时间段的婴儿疾病警示信息通过所述第二智能端进行提示，并且将基于所述第一智能端采集的婴儿生理信息评估的婴儿患病率通过所述第二智能端进行提示。
根据一个优选实施方式，所述护理建议模块基于第三方医疗机构提供的附近区域和/或特定时间段的婴儿疾病警示信息通过所述第二智能端发出婴儿护理建议。
根据一个优选实施方式，所述云服务器还包括与婴儿个性匹配的婴儿配置文件，所述婴儿配置文件基于所述婴儿的生活记录信息以及实际情绪状态变化趋势信息来创建并适应性调整初始配置信息以形成婴儿情绪参数，所述婴儿配置文件基于所述婴儿情绪参数的分析选择对应的育儿方案并发送至第二智能端；其中，所述初始配置信息至少包括婴儿的出生日期、血型和/或性别。
本发明还提供一种基于示教的婴儿训练系统，至少包括云服务器，所述云服务器至少包括行为特征提取模块和深度学习训练模块，所述云服务器还包括行为特征提取模块，所述特征提取模块基于所述深度学习训练模块建立的特定模式提取婴儿的行为特征参数，并且基于所述行为特征参数匹配相应的动作训练单元、思维训练单元和/情绪训练单元，所述深度学习训练模块基于婴儿的特定模式选择协调性在设定阈值范围的所述动作训练单元、思维训练单元和/情绪训练单元来形成婴儿训练方案。
优选地，所述特征提取模块基于CNN模型提取行为特征参数，至少一种行为特征参数对应婴儿的特定模式；所述特征提取模块采用余弦相似度将行为特征参数与行为模型匹配，并且将与最大的相似度值对应的至少一个动作训练单元、至少一个思维训练单元和/或至少一个情绪训练单元作为训练方案构成元素。
优选地，所述特征提取模块中的匹配识别模块将动作训练单元对应的生理信息与思维训练单元对应的生理信息进行匹配，若匹配度介于60％至80％之间，则该动作训练单元与该思维训练单元是协调的，若匹配度小于60％，则该动作训练单元与该思维训练单元是不协调的。
优选地，所述特征提取模块中的匹配识别模块将动作训练单元对应的生理信息与情绪训练单元对应的生理信息进行匹配，思维训练单元对应的生理信息与情绪训练单元对应的生理信息进行匹配的匹配度符合预设阈值的范围。
优选地，本发明还包括第一智能端，所述第一智能端为可穿戴的设备，所述生理信息、声音信息和/或行为信息由第一智能端自动采集，云服务器中的情绪状态分析模块基于婴儿的生理信息、声音信息和/或行为信息利用情绪状态分析算法进行理论情绪状态分析。
优选地，云服务器中的情绪状态分析模块至少包括声音分析模块和情绪分析模块，所述声音分析模块基于婴儿的声音的节奏、频率、亮度和/或响度进行第一次情绪状态分析；所述情绪分析模块基于生理信息、行为信息、生活记录信息和/或第一次情绪状态分析信息进行分析并获得第二次情绪状态分析信息。
优选地，所述云服务器还包括示教模块，示教模块基于所述第二智能端输入的生活记录信息和/或实际情绪状态信息来完成预设数据库存储的理论情绪状态的示教过程，其中，所述示教模块基于至少两种异常情绪状态信息来预先配置所述状态分析算法的参数。
优选地，所述云服务器还包括校正模块，所述校正模块基于婴儿的实际情绪状态信息来校正基于所述第一智能端采集的外界条件、生理信息、声音信息和/或行为信息分析确定的理论情绪状态信息，由校正后的理论情绪状态信息构成可根据婴儿的生活记录信息、生理信息和/或外界条件进行检索的预设数据库。
优选地，所述深度学习训练模块采用CNN算法训练得到CNN模型；所述深度学习训练模块传递训练完成的CNN模型至特征提取模块；所述特征提取模块采用CNN模型对婴儿的所述生理信息、所述声音信息和/或所述行为信息提取得到特征矢量或行为模型。
优选地，所述第一智能端记录引发婴儿的实际情绪状态的外界条件并以与对应的实际情绪状态关联的形式存储或提供至所述预设数据库，所述情绪状态分析模块基于婴儿的特定情绪状态和所述外界条件之间的相关性进行分析，并且基于所述相关性对所述特定情绪状态的引发指示所述第二智能端进行预警。
本发明的有益技术效果：
(1)本发明通过监护婴儿的生理信息、声音以及行为信息，能够准确分析婴儿的情绪表达以及需求，有利于监护人及时照顾婴儿；
(2)不同的婴儿，具体表达情绪的方式不完全相同，本发明能够针对不同的婴儿通过示教过程形成符合婴儿个性的分析过程，从而更准确的分析每一个婴儿的具体情绪；
(3)本发明将外界条件作为分析要素，能够准确确定外界变化对婴儿的影响，从而使监护人能够及时针对外界条件的变化改善婴儿的生活条件，避免婴儿由于外界条件而进行啼哭；
(4)本发明根据附近区域的婴儿医疗信息对监护人发出合理的护理建议，避免监护人带婴儿患病高发地域活动，从而保证婴儿的健康。
附图说明
图1是本发明的逻辑模块示意图；和
图2是本发明的情绪状态分析模块的方法步骤示意图。
附图标记列表
10：第一智能端 20：第二智能端
30：云端服务器 31：数据库
32：示教模块 33：情绪状态分析模块
34：校正模块 331：声音分析模块
332：情绪分析模块
具体实施方式
下面结合附图进行详细说明。
本发明提供一种智能婴儿监护系统，至少包括第一智能端10、第二智能端20和云服务器30。如图1所示，第一智能端10、第二智能端20分别与云服务器30通过有线或无线的方式连接。第一智能端10和第二智能端20通过有线或无线的方式连接。
第一智能端10设置在婴儿的身上。第一智能端为可穿戴的设备，例如智能环、智能衣物和智能贴。第一智能端用于自动采集婴儿的生理信息、声音信息和/或行为信息。婴儿的生理信息包括体温、脉搏、心跳、汗液湿度等信息。汗液湿度是指婴儿出汗的程度。声音信息包括婴儿发出的声音的节奏、频率、亮度和/或响度，具体包括笑声的节奏、频率、亮度和/或响度，啼哭的节奏、频率、亮度和/或响度。婴儿的行为信息至少包括手臂摆动频率和摆动幅度、躯体扭动、腿部的摆动频率和摆动幅度等行为信息。
优选的，第一智能端10还采集婴儿所处环境的外界条件信息。外界条件信息至少包括外界温度、湿度、噪音、含氧量、光线亮度、天气阴晴等信息。
第二智能端20，用于人工输入婴儿的生活记录信息和/或实际情绪状态信息。生活记录信息至少包括婴儿每次喂奶的时间、饮奶量、换尿布的时间、排便的时间、清醒时间和/或睡眠时间。
实际情绪状态信息为婴儿的实际情绪状态。由于婴儿的个性存在差异，即使相同的行为动作和啼哭节奏，其表达的情绪也会有差异，不尽相同。因此，在本发明的系统使用的初期，需要经过示教过程，纠正系统中理论情绪状态与实际情绪状态的误差。监护人是婴儿的实际情绪状态最直接的观察者，其可以通过手动输入婴儿的实际情绪状态来反映真实情况。或者监护人通过婴儿对喂奶、换尿布等行为的反应来确定婴儿啼哭所表达的实际情绪状态。通过多次示教过程，系统内的情绪状态分析算法的参数就会得到纠正，形成与婴儿个性匹配的、分析准确的监测系统。因此，婴儿的实际情绪状态信息需要人工输入。
优选的，婴儿的实际情绪状态信息与成人的实际情绪状态信息有差别。
婴儿的实际情绪状态信息比较简单，不仅包括真实情绪信息，例如开心、难受、烦躁、困倦、害怕、紧张等，还包括需求性情绪，例如，饥饿、口渴、疼痛、尿湿不适、过饱、排便、求抱等。因此，分析婴儿的情绪状态有利于监护人采取相应的手段照顾婴儿，既能够满足婴儿的需求，也避免监护人由于猜测婴儿的需求产生的疲倦感。
优选的，云服务器30至少包括示教模块32和基于婴儿的生理信息、声音信息和/或行为信息利用情绪状态分析算法进行理论情绪状态分析的情绪状态分析模块33。其中，示教模块基于第二智能端输入的实际情绪状态信息来完成预设数据库31存储的理论情绪状态的示教过程。
本发明中的示教过程是指基于实际情绪状态与计算分析得到的理论情绪状态之间的偏差来纠正情绪状态分析算法中的参数，从而使得计算分析得到的理论情绪状态与婴儿的实际情绪状态相吻合。
优选的，情绪状态分析模块33基于与婴儿的实际情绪状态对应的需求信息指示第二智能端向当前用户发出需求提示和/或预警提示。
在情绪状态分析模块33获得婴儿的实际情绪状态后，会将婴儿的需求或对应措施发送至监护人的第二智能端。第二智能端向当前用户发出需求提示或预警提示。
优选的，情绪状态分析模块基于婴儿的实际情绪状态变化分析其变化趋势，并且在实际情绪状态变化的变化趋势在可预见的时间点超出临界值的情况下，指示第二智能端向监护人发出预警提示。
优选的，云服务器中的示教模块基于第二智能端输入的生活记录信息和/或实际情绪状态信息分析并完成示教过程。本发明中的示教是指示范性的人工智能的编程。其中，示教模块基于至少两种异常情绪状态信息来预先配置情绪状态分析算法的参数。优选的，情绪状态分析算法包括贝叶斯分类算法、神经网络、支持向量机、决策树、基于事例推理的学习、关联规则学习等机器学习算法。
优选的，情绪状态分析模块至少包括声音分析模块331和情绪分析模块332。声音分析模块基于婴儿的声音的节奏、频率、亮度和/或响度进行第一次情绪状态分析。情绪分析模块基于生理信息、行为信息、生活记录信息和/或第一次情绪状态分析信息进行分析并获得第二次情绪状态分析信息。
例如，情绪状态分析算法包括婴儿啼哭的情绪状态分析。预设数据库预存储的其中一种情绪状态分析算法及其示教过程如下所示。
S1：获取婴儿哭声音频的多段训练数据，每个训练数据对应二个已知啼哭原因；
S2：对每一段训练数据进行特征提取，得到每一段训练数据的特征参数向量；优选的，进行特征提取后，对训练数据中的哭声信号进行降噪，检测并剔取噪声大于预定门限的数据段；
S3：对多段训练数据的特征参数向量进行主成分分析，得到多个主成分；
S4：计算每一种啼哭原因对应的训练数据在各主成分上投影分值的均值和方差，根据该方差在多个主成分中选择P个主成分，P为大于1的整数；
S5：获取婴儿哭声音频的待辩识数据，并在P个主成分上计算该待辩识数据的投影分值；
S6：根据该待辩识数据的投影分值和均值和方差计算该待辩识数据对应于各个理论情绪状态的概率；
S7：基于第二智能端反馈的婴儿实际情绪状态来纠正投影分值。若第二智能端反馈的实际情绪状态与其中一种理论情绪状态相同，则通过纠正正投影分值来进一步增大该理论情绪状态的概率。经过多次反复的示教过程，则理论情绪状态就会与实际情绪状态更吻合。
优选的，多段训练数据包括N个哭声信号样本，对该N个哭声信号样本分别提取K个特征参数，其中，第n个哭声信号提取出的K个特征参数记为特征参数向量Sn＝[Sn1，Sn2，…，Snk]T。对N个哭声信号样本，计算K个特征参数所对应的协方差矩阵，记为C。其中，C为K乘K的矩阵。对协方差阵进行特征值分解，得到K个特征值和相应于该K个特征值的特征向量。
对协方差矩阵C进行特征值分解，把特征值按从大到小进行排列，得到{λ1，λ2，...，λk}时，从中取特征值最大的Q个特征值及其对应的特征向量，构成二个Q维的特征子空间，其中Q的值取
Figure BDA0003533274110000091
的解，g为0.9至0.99之间的任一个预设值。在这Q个主成分中，取其中的第k个主成分，该主成分的特征值记为λk，λk对应的特征向量记为uk，计算第n个哭声信号的特征参数向量Sn在第k个特征向量上的投影分值。求N个哭声信号中属于第j类哭声原因的哭声信号，记为Nj，则K个特征参数向量在第k个特征向量上投影分值的均值
Figure BDA0003533274110000092
和方差σjk，然后计算
Figure BDA0003533274110000093
其中，
Figure BDA0003533274110000094
上述各式中，J表示哭声原因的总类型个数，Xk表示哭声信号的特征参数向量在第k个主成分的投影分值的分离度。Yk表示哭声信号的特征参数向量在第k个主成分的投影分值的集中度。Lk代表各个主成分在对哭声原因的辨别能力。Lk越大意味着其辨别能力越强。
按顺序对Q个主成分进行排列，选取Lk值最大的P个主成分用于后续的哭声原因辨识，其中P取Q和M中较小的值。
Figure BDA0003533274110000101
h为取值在2％-0.5％之间的一个预设值。
本情绪状态分析算法中，第j种原因的概率
Figure BDA0003533274110000102
根据所得的P个主成分，对该组训练数据中的每一个训练数据，分别执行步骤S5和S6以得到该训练数据对应于各个原因的概率，并计算该训练数据所对应的概率最大原因，并将该概率最大原因与该训练数据所对应的已知啼哭原因进行比较。将概率最大原因与己知啼哭原因不相同的训练数据从选定的二组训练数据中剔除，将剩余的训练数据作为新选定的一组训练数据再次执行上述各步骤，如此循环直至满足预定的退出条件。
优选的，本情绪状态分析算法中，提取的特征包括以下特征的任意两种或更多种。如：平均哭声持续时间、哭声持续时间方差、平均哭声能量、哭声能量方差、基音频率、基音频率的平均值、基音频率的最大值、基音频率的最小值、基音频率的动态范围、基音频率的平均变化率、第二共振峰频率、第二共振峰频率平均变化率、第一共振峰频率平均值、第一共振峰频率的最大值、第一共振峰频率的最小值、第一共振峰频率的动态范围、第二共振峰频率、第二共振峰频率平均变化率、第二共振峰频率平均值、第二共振峰频率的最大值、第二共振峰频率的最小值、第二共振峰频率的动态范围、Mel频率倒谱参数、翻转的Mel频率倒谱参数。
优选的，情绪状态分析模块基于婴儿的最近一次的喂奶时间、婴儿四肢的摆动频率、婴儿的声音特征确定婴儿的啼哭是因为饥饿。
优选的，情绪状态分析模块基于婴儿的生理信息、声音信息以及行为信息分析实际情绪状态的变化趋势，判断婴儿即将发生的代表饥饿的啼哭概率。在啼饥饿哭概率超出预设的临界值时指示第二智能端发出喂奶提示信息。
优选的，情绪状态分析模块将由用户向第二智能端以文本、语音、视频和/或图形的方式输入的婴儿的生活记录信息和/或实际情绪状态信息和第一智能端自动采集的外界条件、生理信息、声音信息和/或行为信息以关联的方式存储至预设数据库。
优选的，第二智能端由用户输入生活记录信息或实际情绪状态信息的步骤包括：用户以点选的方式选择当前婴儿的生活记录信息、情绪类型以及级别，和/或用户以文本、语音、视频或图形的方式输入婴儿的生活记录信息和/或实际情绪状态。
具体地，第二智能端以文本、语音、视频和/或图形的方式输入的婴儿的生活记录信息和/或实际情绪状态信息。例如，第二智能端设置有选择键，选择键显示文本和/或图形。监护人只需要触发选择键就可以手动输入对应的信息。或者，第二智能端设置有与语音识别模块连接的麦克风和摄像头。监护人通过语音输入或拍摄视频并输入的方式记录婴儿的生活信息。
例如，第二智能端设置有触摸屏，触摸屏显示有各个功能的模块。监护人通过点选的方式选择当前婴儿的生活记录信息、情绪类型以及级别。监护人也可以通过编辑文本信息、输入语音记录、拍摄图片或录入视频来记录婴儿的生活信息以及自己的感受。
第一智能端和第二智能端分别将采集的信息发送至云服务器。优选的，第一智能端和第二智能端分别设置有闪存存储器。在与云服务器连接的情况下，第一智能端和第二智能端将采集的数据信息实时发送至云服务器的预设数据库。在与云服务器连接有障碍的情况下，第一智能端和第二智能端将采集的数据信息以闪存的方式存放在闪存存储器中。在后续与云服务器连接良好的情况下，第一智能端和第二智能端再将闪存的数据信息发送至云服务器的预设数据库。这样的设置，能够保证本系统的数据不会由于信号传输障碍而丢失，保证数据的真实性和有效性。
优选的，第一智能端记录引发婴儿的实际情绪状态的外界条件并以与对应的实际情绪状态关联的形式存储或提供至预设数据库。情绪状态分析模块基于婴儿的特定情绪状态和外界条件之间的相关性进行分析，并且基于相关性对特定情绪状态的引发指示第二智能端进行预警。
例如，对于敏感的婴儿，其遇到不喜欢的外界条件就会发出啼哭或者行为上的抗拒，从而引发啼哭等实际情绪信息。因此，将外界条件信息与实际情绪状态信息进行关联，能够有效使监护人改变不好的外界条件，或者带离婴儿离开不好的外界条件，从而使婴儿停止啼哭，获得舒适的体验。当婴儿的特定情绪状态和某个外界条件，例如噪音强度之间的相关性很高的时候，将该噪音强度值列为警示外界条件。情绪状态分析模块在第一智能端采集到该噪音强度值处于警示外界条件范围时，提示第二智能端改变婴儿所处的噪音环境，或者带婴儿远离该噪音环境。
优选的，第二智能端设置为由用户按照与婴儿的生活记录信息和/或外界条件相关的方式检索存储在预设数据库和/或第二智能端的实际情绪状态信息。
例如，第二智能端设置有检索功能。用于监护人按照与婴儿的生活记录信息和/或外界条件相关的方式检索存储在预设数据库和/或第二智能端的实际情绪状态信息。监护人输入某天的生活记录信息的日期或者照顾行为，就可以调取当天婴儿的生活记录。或者，监护人输入外界条件信息，例如外界温度，就可以调取出处于该温度的婴儿的所有实际情绪状态信息。检索功能的设置便于监护人将婴儿的生活记录信息以及某个时间段的实际情绪变化信息调取并展示给医护人员或者第三方机构，有利于对婴儿的病情进行研究，也有利于监护人进一步了解婴儿的生活习惯，避免婴儿在外界产生过敏等不好的事件发生。
优选的，云服务器还包括校正模块34。校正模块可以是数据分析模块、数据校验模块、服务器中的一种或几种。
校正模块基于婴儿的实际情绪状态信息来校正基于第一智能端采集的外界条件、生理信息、声音信息和/或行为信息分析确定的理论情绪状态信息。由校正后的理论情绪状态信息构成以可根据婴儿的生活记录信息、生理信息和/或外界条件进行检索的预设数据库。
虽然本发明设置了示教模块，使得理论情绪状态信息与实际情绪状态信息趋于吻合。但是，监护人会由于照顾婴儿的经验不足而对婴儿的实际情绪状态信息产生错误的判断，从而通过第二智能端输入错误的实际情绪状态信息，进一步使情绪状态分析算法的参数调整错误。因此，校正模块的设置也是至关重要的。或者，第一智能端采集的婴儿的行为信息有误差，导致行为信息记录误差偏大。
例如，校正模块基于实际情绪状态来校正与婴儿的生理信息、声音信息及其行为信息对应的理论情绪状态信息。当情绪状态分析模块分析的理论情绪状态与实际情绪状态的误差逐渐增大时，意味这婴儿由于学习和成长出现了表达的变化，其中以行为信息的变化最为显著。例如，早期婴儿想要抱抱的表达以啼哭为主，其手臂或腿的行为不具有明显规律。在五个月的时候婴儿会通过更多的摆臂来表达想要抱抱的情绪。若此时监护人发现第二智能端接收的理论情绪状态信息与婴儿的实际情绪状态，则可以通过多次触发校正模块和实际情绪状态信息来使本系统进行校正。此时，校正模块会基于实际情绪状态来校正与行为信息对应的理论情绪状态信息。由于婴儿的生活比较简单，重复的情绪状态在一天会出现多次，因此通过多次校正就可以使由于成长出现的分析偏差再次校正。
优选的，云服务器设置有与第三方医疗机构进行医疗信息关联的护理建议模块。护理建议模块基于婴儿的实际情绪状态检索对应的医疗护理信息并通过第二智能端发出提示信息。
和/或，护理建议模块基于第二智能端确定的地理位置将第三方医疗机构发布的附近区域和/或特定时间段的婴儿疾病警示信息通过第二智能端进行提示，并且将基于第一智能端采集的婴儿生理信息评估的婴儿患病率通过第二智能端进行提示。
例如，情绪状态分析模块在分析婴儿的实际情绪是难受，体温出现异常。则情绪状态分析模块将实际情绪状态信息发送至护理建议模块。护理建议模块基于婴儿的实际情绪状态检索对应的医疗护理信息并通过第二智能端发出提示信息，以提示监护人对婴儿进行科学方式的照顾，避免监护人由于慌乱或不具有专业知识进行错误的护理行为。
例如，春季雾霾天气恶化，婴儿所在社区的肺炎发病率升高。第一智能端或第二智能端具有采集地理位置信息的功能。护理建议模块基于第一智能端和/或第二智能端确定的地理位置，检索第三方医疗机构发布的附近区域和/或特定时间段的婴儿患病率，发现肺炎发病率在升高。护理建议模块将肺炎发病率等婴儿疾病警示信息通过第二智能端进行提示。同时，护理建议模块会将近期一段时间婴儿的生理信息自主进行肺炎患病评估，或者将近期一段时间婴儿的生理信息发送第三方医疗机构，有专业的医疗人员进行患病评估。护理建议模块婴儿患病率通过第二智能端进行提示，以提醒监护人注意婴儿近期的生活护理，避免婴儿患上肺炎。特别的，对于具有传染性质的婴儿疾病，护理建议模块尤为重要，可以在传染危险期第一时间通知监护人注意保护婴儿，远离传染疾病区域或隔绝传染条件。
优选的，护理建议模块基于第三方医疗机构提供的附近区域和/或特定时间段的婴儿疾病警示信息通过第二智能端发出婴儿护理建议。
例如，当护理建议模块基于第三方医疗机构提供的婴儿所在社区区域的传染疾病向第二智能端发出婴儿护理建议，例如勤换衣物，减少出门频率，增加喂水频率等建议，使得监护人科学的提高婴儿免疫力。避免监护人由于传染疾病的恐慌情绪，也避免监护人由于缺乏专业知识产生的无用的护理行为，增加婴儿的不适。婴儿护理建议使得监护人有条理、科学地照护婴儿，保护婴儿降低染病概率。
优选的，云服务器还包括婴儿配置文件。婴儿的性格在初期是难以准确确认的。监护人很难通过观察来确认婴儿的性格，因而也不能够使用恰当的养育方式来辅助婴儿的智力开发。婴儿的性格确认的越早，使用恰当的养育方式，有助于婴儿的智力成长。
本发明的婴儿配置文件，是基于每个婴儿单独设定的。婴儿配置文件在创建时包括婴儿的出生日期、血型和性别的初始配置信息。优选的，初始配置信息还包括基于出生日期、血型和性别分析的初始婴儿情绪参数。在本发明的监护系统运行时，婴儿配置文件从预存数据库中提取婴儿生活记录信息和实际情绪状态信息及其变化趋势来适应性调整婴儿配置文件中的初始婴儿情绪参数，形成婴儿情绪参数。婴儿配置文件根据婴儿情绪参数的分析来选择更适合婴儿的养育方式。
例如，宝宝比同龄儿童发育快，率先在第二个月学会高声叫、咿呀作声，并且能够针对亲人发出不同的声音以及具有不同的情绪状态，则婴儿配置文件向第二智能端发送对应的育儿方案，以促进不同的监护人与婴儿的互动。例如，婴儿配置文件分析婴儿的情绪参数中，生气的频率较高，婴儿易怒但对音乐有明显的反应。则婴儿配置文件向第二智能端发送较为温柔的育儿方案，包括常听舒缓情绪的歌曲，以缓解婴儿的情绪，减少婴儿由于生气而故意啼哭的行为，减轻监护人的劳累程度。
优选的，第一智能端至少包括生理信息传感器、声音采集器、加速度传感器、平衡传感器、闪存存储装置中的一种或几种。例如，第一智能端为智能手环。
第二智能端至少包括信息输入装置、显示装置、闪存存储装置、分析模块中的一种或几种。第二智能端可以是智能手环，也可以是智能设备，例如，智能手机、智能手环、智能眼镜、笔记本、计算机中的一种或几种。
优选的，本发明的系统还可以包括第一智能端、第二智能端和第三智能端。第一智能端和第二智能端均为便于移动的，轻型的可携带智能手环，第三智能端为智能手机或计算机。第二智能端用于接收、显示和输入婴儿的生活记录信息。第三智能端可以在执行第二智能端所有功能的同时，检索关于婴儿的所有信息记录，包括婴儿的实际情绪状态信息及其变化趋势、患病几率和护理建议，甚至直接与第三方医疗机构进行连接，获得最直接有效的医疗建议。
实施例2
本实施例是对实施例1的进一步改进，重复的内容不再赘述。
本发明的智能婴儿监护系统，至少包括第一智能端10、第二智能端20和云服务器30。本发明的云服务器还包括行为特征提取模块。
优选的，行为特征提取模块根据预设的行为模型提取婴儿的所述生理信息、所述声音信息和/或所述行为信息中的行为特征参数。例如，婴儿大声笑时手臂摇摆的频率、腿部晃动的频率、蹬腿的加速度、心跳参数和体温参数。
优选的，行为特征提取模块内包括匹配识别模块。行为特征提取模块将行为特征参数发送至匹配识别模块。匹配识别模块将行为特征参数进行分析。优选的，匹配识别模块采用余弦相似度将行为特征参数与数据库中的行为模型对比后输出一组相似值。将相似值从大到小排序，输出数据库中最大相似度只对应的身体锻炼方案。
优选的，由于婴儿个体的个性化有千百种，预设的行为模型不一定能够完全匹配和提取婴儿的行为特征。因此，能够根据婴儿的行为进行深度学习来建立的行为模型尤为重要。优选的，所述云服务器还包括深度学习训练模块。深度学习训练模块采用CNN算法训练得到CNN模型。CNN模型包括输入层、卷积层、全连接层和输出层；输入层与卷积层间设有隐藏层。卷积层与全连接层间设有隐藏层。深度学习训练模块传递训练完成的CNN模型至特征提取模块。
特征提取模块采用CNN模型对婴儿的所述生理信息、所述声音信息和/或所述行为信息提取得到特征矢量或行为模型。特征提取模块传递特征矢量至匹配识别模块。特征提取模块传递行为模型至数据库中的行为模型库。
优选的，CNN模型对特征矢量或行为模型提取及处理的过程如下：
A、通过第一智能端将婴儿的生理信息、所述声音信息和/或所述行为信息输入云服务器并存储在CNN模型的输入层；
B、生理信息、声音信息和/或行为信息在卷基层做上做卷积提取特征矢量；卷基层上的计算公式为：conv＝σ(imgMat°W+b)。
其中，conv表述卷积层输入参数、σ表示激活函数ReLU、imgMat表示灰度图像矩阵、W表示卷积核、表示卷积操作、b表示偏置值。
C、输入层前向传播到卷积层，前向传播的过程表示为：
a2＝σ(z2)＝σ(a1*W2+b2)。
其中，a2为卷积层输入参数、下标代表层数、星号代表卷积、b代表偏倚、σ为激活函数ReLU。
D、隐藏层前向传播到卷积层，前向传播过程表示为：
a1＝σ(z1)＝σ(a1-1*W1+b1)
其中，a1为卷积层输入参数、下标代表层数、星号代表卷积、b代表偏倚、σ为激活函数ReLU。
E、隐藏层前向传播到全连接层，前向传播的过程为：
A1＝σ(z1)＝σ(W1a1-1+b1)。
其中，A1为全连接层输入参数、下标代表层数、星号代表卷积、b代表偏倚、σ为激活函数ReLU。
优选的，深度学习训练模块基于婴儿的行为特征参数学习和掌握婴儿肢体行为的特定模式。所述特定模式至少包括不同的情绪模式。对于相似频率的啼哭、手臂摆动频率和腿部摆动频率，每个婴儿的表达情绪是不相同的。有的表达情绪为饥饿，有的表达情绪为难受，有的表达情绪为想要抱抱。因此，深度学习训练模块基于婴儿的行为特征参数学习和掌握婴儿肢体行为的特定模式，能够更个性化知晓婴儿的特定情绪表达模式。所述深度学习训练模块基于特定模式来生成至少包括动作训练、思维训练和/或情绪训练的婴儿训练方案。
优选的，所述特征提取模块基于特定模式对应的深度学习训练模块建立的行为模型提取婴儿的行为特征参数，并且基于所述行为特征参数匹配相应的动作训练单元、思维训练单元和情绪训练单元。所述深度学习训练模块基于婴儿的特定模式选择协调性在设定阈值范围的所述动作训练单元、思维训练单元和情绪训练单元来形成婴儿训练方案。
例如，特征提取模块基于CNN模型提取行为特征参数。而至少一种行为特征参数对应婴儿的特定模式。特征提取模块采用余弦相似度将行为特征参数与行为模型匹配，并且将最大的相似度值对应的至少一个动作训练单元、至少一个思维训练单元和/或至少一个情绪训练单元作为训练方案构成元素。虽然动作训练单元、思维训练单元和情绪训练单元是基于行为特征参数来提取的，但是符合婴儿人体科学的协调性也是至关重要的。若动作训练单元和思维训练单元是矛盾的，才会使婴儿难受，起到相反的效果。优选的，每个动作训练单元之间、思维训练单元之间和/或情绪训练单元之间的协调性值是经过计算得到。
例如，将动作训练单元对应的生理信息与思维训练单元对应的生理信息进行匹配。若匹配度介于60％至80％之间，则该动作训练单元与该思维训练单元是协调的。若匹配度小于60％，则该动作训练单元与该思维训练单元是不协调的。比如，动作训练单元是减慢心跳速度和呼吸频率的，思维训练单元需要大量的氧气，是增大呼吸频率。若匹配度小于60％，则婴儿的躯体就会很难受，达不到思维训练的效果。若匹配度大于80％，则婴儿的躯体就会由于心跳速度过快而有损健康。
同理，动作训练单元对应的生理信息与情绪训练单元对应的生理信息进行匹配，思维训练单元对应的生理信息与情绪训练单元对应的生理信息进行匹配都要符合预设阈值的范围。优选的，预设阈值范围不限于60％至80％之间，还可以根据具体动作、情绪、思维训练来预先设置。
即，云服务器的深度学习训练模块和行为特征提取模块，进一步帮助婴儿进行个性化监护和训练，帮助婴儿健康的成长，养成良好的思维习惯和性格，能够有效控制情绪。
需要注意的是，上述具体实施例是示例性的，本领域技术人员可以在本发明公开内容的启发下想出各种解决方案，而这些解决方案也都属于本发明的公开范围并落入本发明的保护范围之内。本领域技术人员应该明白，本发明说明书及其附图均为说明性而并非构成对权利要求的限制。本发明的保护范围由权利要求及其等同物限定。本发明说明书包含多项发明构思，诸如“优选地”、“根据一个优选实施方式”或“可选地”均表示相应段落公开了一个独立的构思，申请人保留根据每项发明构思提出分案申请的权利。

Claims (10)

1.一种基于示教的婴儿训练系统，至少包括云服务器，其特征在于，
所述云服务器至少包括行为特征提取模块和深度学习训练模块，
所述云服务器还包括行为特征提取模块，所述特征提取模块基于所述深度学习训练模块建立的特定模式提取婴儿的行为特征参数，并且基于所述行为特征参数匹配相应的动作训练单元、思维训练单元和/情绪训练单元，
所述深度学习训练模块基于婴儿的特定模式选择协调性在设定阈值范围的所述动作训练单元、思维训练单元和/情绪训练单元来形成婴儿训练方案。
2.根据权利要求1所述的基于示教的婴儿训练系统，其特征在于，所述特征提取模块基于CNN模型提取行为特征参数，至少一种行为特征参数对应婴儿的特定模式；
所述特征提取模块采用余弦相似度将行为特征参数与行为模型匹配，并且将与最大的相似度值对应的至少一个动作训练单元、至少一个思维训练单元和/或至少一个情绪训练单元作为训练方案构成元素。
3.根据权利要求1或2所述的基于示教的婴儿训练系统，其特征在于，所述特征提取模块中的匹配识别模块将动作训练单元对应的生理信息与思维训练单元对应的生理信息进行匹配，
若匹配度介于60％至80％之间，则该动作训练单元与该思维训练单元是协调的，若匹配度小于60％，则该动作训练单元与该思维训练单元是不协调的。
4.根据权利要求1～3任一项所述的基于示教的婴儿训练系统，其特征在于，所述特征提取模块中的匹配识别模块将动作训练单元对应的生理信息与情绪训练单元对应的生理信息进行匹配，
思维训练单元对应的生理信息与情绪训练单元对应的生理信息进行匹配的匹配度符合预设阈值的范围。
5.根据权利要求1～4任一项所述的基于示教的婴儿训练系统，其特征在于，还包括第一智能端，所述第一智能端为可穿戴的设备，
所述生理信息、声音信息和/或行为信息由第一智能端自动采集，
云服务器中的情绪状态分析模块基于婴儿的生理信息、声音信息和/或行为信息利用情绪状态分析算法进行理论情绪状态分析。
6.根据权利要求1～5任一项所述的基于示教的婴儿训练系统，其特征在于，云服务器中的情绪状态分析模块至少包括声音分析模块(331)和情绪分析模块(332)，
所述声音分析模块(331)基于婴儿的声音的节奏、频率、亮度和/或响度进行第一次情绪状态分析；
所述情绪分析模块(332)基于生理信息、行为信息、生活记录信息和/或第一次情绪状态分析信息进行分析并获得第二次情绪状态分析信息。
7.根据权利要求1～6任一项所述的基于示教的婴儿训练系统，其特征在于，所述云服务器还包括示教模块，
示教模块基于所述第二智能端输入的生活记录信息和/或实际情绪状态信息来完成预设数据库(31)存储的理论情绪状态的示教过程，其中，
所述示教模块基于至少两种异常情绪状态信息来预先配置所述状态分析算法的参数。
8.根据权利要求1～7任一项所述的基于示教的婴儿训练系统，其特征在于，所述云服务器还包括校正模块，
所述校正模块基于婴儿的实际情绪状态信息来校正基于所述第一智能端采集的外界条件、生理信息、声音信息和/或行为信息分析确定的理论情绪状态信息，由校正后的理论情绪状态信息构成可根据婴儿的生活记录信息、生理信息和/或外界条件进行检索的预设数据库。
9.根据权利要求1～8任一项所述的基于示教的婴儿训练系统，其特征在于，所述深度学习训练模块采用CNN算法训练得到CNN模型；
所述深度学习训练模块传递训练完成的CNN模型至特征提取模块；
所述特征提取模块采用CNN模型对婴儿的所述生理信息、所述声音信息和/或所述行为信息提取得到特征矢量或行为模型。
10.根据权利要求1～9任一项所述的基于示教的婴儿训练系统，其特征在于，所述第一智能端记录引发婴儿的实际情绪状态的外界条件并以与对应的实际情绪状态关联的形式存储或提供至所述预设数据库，
所述情绪状态分析模块基于婴儿的特定情绪状态和所述外界条件之间的相关性进行分析，并且基于所述相关性对所述特定情绪状态的引发指示所述第二智能端进行预警。
CN202210218119.0A 2018-11-02 2018-11-02 一种基于示教的婴儿训练系统 Pending CN114569132A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210218119.0A CN114569132A (zh) 2018-11-02 2018-11-02 一种基于示教的婴儿训练系统

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202210218119.0A CN114569132A (zh) 2018-11-02 2018-11-02 一种基于示教的婴儿训练系统
CN201811306109.2A CN109480868B (zh) 2018-11-02 2018-11-02 一种智能婴儿监护系统

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
CN201811306109.2A Division CN109480868B (zh) 2018-11-02 2018-11-02 一种智能婴儿监护系统

Publications (1)

Publication Number Publication Date
CN114569132A true CN114569132A (zh) 2022-06-03

Family

ID=65693841

Family Applications (3)

Application Number Title Priority Date Filing Date
CN201811306109.2A Active CN109480868B (zh) 2018-11-02 2018-11-02 一种智能婴儿监护系统
CN202210218119.0A Pending CN114569132A (zh) 2018-11-02 2018-11-02 一种基于示教的婴儿训练系统
CN202210218118.6A Pending CN114569131A (zh) 2018-11-02 2018-11-02 一种婴儿需求智能分析系统

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN201811306109.2A Active CN109480868B (zh) 2018-11-02 2018-11-02 一种智能婴儿监护系统

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN202210218118.6A Pending CN114569131A (zh) 2018-11-02 2018-11-02 一种婴儿需求智能分析系统

Country Status (1)

Country Link
CN (3) CN109480868B (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110400639B (zh) * 2019-07-12 2023-09-15 上海启倍生健康科技有限公司 一种基于人工智能技术的多模婴儿语言生活管理车
CN110808071A (zh) * 2019-10-29 2020-02-18 浙江萌宠日记信息科技股份有限公司 基于信息融合的母婴信息传递方法及系统
CN110930643A (zh) * 2019-12-11 2020-03-27 南京邮电大学 一种防止婴幼儿遗落车内的智能安全系统及方法
CN113270115B (zh) * 2020-02-17 2023-04-11 广东美的制冷设备有限公司 婴儿监护设备及其婴儿监护方法、控制装置和存储介质
CN111420214A (zh) * 2020-03-24 2020-07-17 西安文理学院 一种可自主识别婴儿情绪的语音安抚系统
CN111951830B (zh) * 2020-06-30 2024-06-07 苏州航天系统工程有限公司 一种婴儿哭声的辨识方法、服务器、手机、外部设备及系统
US20230334861A1 (en) * 2020-06-30 2023-10-19 5Gen Care Limited Intelligent system and method for event tracking
CN113892829A (zh) * 2021-09-09 2022-01-07 旭宝乐科技(深圳)有限公司 基于行为监测的远程控制冲奶方法、装置及存储介质
CN114073504B (zh) * 2021-11-26 2024-06-25 四川护理职业学院 一种婴幼儿生命体征监测系统及监测方法
CN114469072B (zh) * 2021-12-08 2023-08-08 四川大学华西第二医院 用摄像机自动预测婴儿心理发育的方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9882675B2 (en) * 2013-08-16 2018-01-30 Origin Wireless, Inc. Time-reversal wireless systems having asymmetric architecture
WO2015176302A1 (zh) * 2014-05-23 2015-11-26 施京 用于幼儿特征识别及潜能开发评估的系统和方法
US20160292983A1 (en) * 2015-04-05 2016-10-06 Smilables Inc. Wearable infant monitoring device
CN108371452A (zh) * 2015-10-28 2018-08-07 曾迪 多模式控制声光互动儿童逻辑、感统训练游戏垫
CN107025371A (zh) * 2017-03-09 2017-08-08 安徽创易心理科技有限公司 一种情绪动态监控与管理方法及系统
CN108074633B (zh) * 2017-12-27 2021-12-21 广东小天才科技有限公司 一种基于日常活动的运动协调性监测方法及可穿戴设备
CN108492829A (zh) * 2018-03-13 2018-09-04 广州势必可赢网络科技有限公司 一种婴儿哭闹提醒方法、装置及系统
CN108806765A (zh) * 2018-05-23 2018-11-13 刘博韬 一种智能婴儿监护系统

Also Published As

Publication number Publication date
CN114569131A (zh) 2022-06-03
CN109480868B (zh) 2022-07-22
CN109480868A (zh) 2019-03-19

Similar Documents

Publication Publication Date Title
CN109480868B (zh) 一种智能婴儿监护系统
CN108806765A (zh) 一种智能婴儿监护系统
CN108310587B (zh) 一种睡眠控制装置与方法
Kalantarian et al. A survey of diet monitoring technology
US10528121B2 (en) Smart wearable devices and methods for automatically configuring capabilities with biology and environment capture sensors
CN107427716B (zh) 人类绩效优化与训练的方法及系统
CN110584601B (zh) 一种老人认知功能监测和评估系统
EP3685393A1 (en) Lactation coaching system and method
CN110099601A (zh) 检测呼吸参数并提供生物反馈的系统和方法
CN107920754A (zh) 监测婴幼儿情绪状态并确定与婴幼儿相关联的生理测量值
WO2019019491A1 (zh) 一种血氧饱和度的检测方法与系统
CN105792733A (zh) 睡眠监测装置
CN113317762B (zh) 一种认知功能障碍预防监测装置
CN115120236B (zh) 情绪识别方法、装置、可穿戴设备及存储介质
CN108012560A (zh) 智能婴幼儿监测系统和婴幼儿监测中心及婴幼儿学习接受度检测系统
CN117064388A (zh) 基于情绪识别实现精神障碍评估分析的系统
TW202133117A (zh) 虛擬化身臉部表情產生系統和虛擬化身臉部表情產生方法
Franchak et al. Long-form recording of infant body position in the home using wearable inertial sensors
CN112674760A (zh) 一种基于可穿戴传感器的帕金森病上肢运动检测方法
US20230363668A1 (en) Device for detecting challenging behaviors in people with autism
KR102196779B1 (ko) 인공지능 기반의 목걸이 타입 웨어러블 기기
CN108461125B (zh) 一种针对老年人的记忆力训练装置
US20190254532A1 (en) Baby language translation system and method of using the same
Patyk Detecting eating episodes from daily patterns of wrist motion using recurrent neural networks
US11776373B2 (en) System and method for detecting child distress and generating suggestion for relieving child distress

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
CB02 Change of applicant information

Country or region after: China

Address after: 610065 No.9, 24th floor, unit 1, building 1, no.6, Zhiquan section, East Street, Jinjiang District, Chengdu City, Sichuan Province

Applicant after: Chengdu Zhongjizheng Technology Co.,Ltd.

Address before: 610065 No.9, 24th floor, unit 1, building 1, no.6, Zhiquan section, East Street, Jinjiang District, Chengdu City, Sichuan Province

Applicant before: CHENGDU ZHONGJI SMART ENTERPRISE MANAGEMENT CONSULTING Co.,Ltd.

Country or region before: China

CB02 Change of applicant information