CN114582003B - 一种基于云计算服务的睡眠健康管理系统 - Google Patents

一种基于云计算服务的睡眠健康管理系统 Download PDF

Info

Publication number
CN114582003B
CN114582003B CN202210450050.4A CN202210450050A CN114582003B CN 114582003 B CN114582003 B CN 114582003B CN 202210450050 A CN202210450050 A CN 202210450050A CN 114582003 B CN114582003 B CN 114582003B
Authority
CN
China
Prior art keywords
image
sleep
cloud computing
module
user
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.)
Active
Application number
CN202210450050.4A
Other languages
English (en)
Other versions
CN114582003A (zh
Inventor
王炳坤
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.)
De Rucci Healthy Sleep Co Ltd
Original Assignee
De Rucci Healthy Sleep 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 De Rucci Healthy Sleep Co Ltd filed Critical De Rucci Healthy Sleep Co Ltd
Priority to CN202210450050.4A priority Critical patent/CN114582003B/zh
Publication of CN114582003A publication Critical patent/CN114582003A/zh
Application granted granted Critical
Publication of CN114582003B publication Critical patent/CN114582003B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • A61B5/48—Other medical applications
    • A61B5/4806—Sleep evaluation
    • A61B5/4809—Sleep detection, i.e. determining whether a subject is asleep or not
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
    • 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
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/70—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mental therapies, e.g. psychological therapy or autogenous training
    • 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)
  • Public Health (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Biomedical Technology (AREA)
  • General Engineering & Computer Science (AREA)
  • Epidemiology (AREA)
  • Pathology (AREA)
  • Computer Security & Cryptography (AREA)
  • Primary Health Care (AREA)
  • General Physics & Mathematics (AREA)
  • Child & Adolescent Psychology (AREA)
  • Evolutionary Computation (AREA)
  • Developmental Disabilities (AREA)
  • Hospice & Palliative Care (AREA)
  • Psychiatry (AREA)
  • Psychology (AREA)
  • Social Psychology (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computer Hardware Design (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Anesthesiology (AREA)
  • Biophysics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Databases & Information Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)

Abstract

本发明提供了一种基于云计算服务的睡眠健康管理系统，包括睡眠数据获取模块、通信模块和云计算模块；所述睡眠数据获取模块用于获取用户的睡眠数据；所述通信模块用于将所述睡眠数据传输至所述云计算模块；所述云计算模块用于对所述睡眠数据进行分析；同时还在云计算模块中设置了模块通过图像识别的方式验证用户的身份。在图像识别之前先获取皮肤像素点以降低参与后续的运算的像素点的数量。从而极大地提高了本发明的人脸识别的速度。提高了用户的体验。

Description

一种基于云计算服务的睡眠健康管理系统
技术领域
本发明涉及睡眠健康管理领域，尤其涉及一种基于云计算服务的睡眠健康管理系统。
背景技术
睡眠是人生中一件重要的事情。为了实现对睡眠状态进行管理，现有技术中已经产生了多种多样的睡眠管理系统，这些睡眠管理系统会对获得的睡眠数据进行分析，从而给出睡眠质量报告以及改善睡眠质量的建议等。
睡眠数据作为一种隐私数据，现有技术中一般仅是通过账号密码或脸部识别来进行身份识别，至于通过身份识别的人员才能查看睡眠管理系统中的数据。但是账号密码的方式容易因为账号密码泄露而导致隐私泄露，而现有的脸部识别过程，一般是直接对全局的人脸图像获取特征信息来进行身份验证，由于需要处理的像素点过多，这种身份验证的方式速度比较慢，影响了用户的体验。
发明内容
鉴于上述问题，本发明的目的在于提供一种基于云计算服务的睡眠健康管理系统，包括睡眠数据获取模块、通信模块和云计算模块；
所述睡眠数据获取模块用于获取用户的睡眠数据；
所述通信模块用于将所述睡眠数据传输至所述云计算模块；
所述云计算模块用于对所述睡眠数据进行分析；
所述云计算模块包括数据存储子模块、数据分析子模块、登录控制子模块和显示子模块；
所述数据存储子模块用于对所述睡眠数据进行存储，所述数据分析子模块用于对所述睡眠数据进行分析，所述登录控制子模块用于对使用所述云计算模块的用户的身份进行验证，所述显示子模块用于向通过身份验证的用户显示数据分析子模块的分析结果；
所述对使用所述云计算模块的用户的身份进行验证，包括：
获取用户的脸部图像；
获取脸部皮肤区域图像：
对所述脸部图像进行皮肤识别处理，获取所述脸部图像中的皮肤像素点，将皮肤像素点存入集合
Figure 100002_DEST_PATH_IMAGE001
中；
计算
Figure 889476DEST_PATH_IMAGE002
中所有像素点的位置的聚类中心
Figure 474041DEST_PATH_IMAGE003
；
使用大津法对所述脸部图像进行处理，获取所述脸部图像中的感兴趣区域，将感兴趣区域的像素点存入集合
Figure 100002_DEST_PATH_IMAGE004
中；
分别计算
Figure 641717DEST_PATH_IMAGE005
中的像素点与距离
Figure 100002_DEST_PATH_IMAGE006
最近的像素点
Figure 450273DEST_PATH_IMAGE007
之间的相似度：
Figure 539452DEST_PATH_IMAGE008
其中，
Figure 694752DEST_PATH_IMAGE009
表示
Figure 100002_DEST_PATH_IMAGE010
中的像素点
Figure 716934DEST_PATH_IMAGE011
和像素点
Figure 100002_DEST_PATH_IMAGE012
之间的相似度，
Figure 430812DEST_PATH_IMAGE013
和
Figure 100002_DEST_PATH_IMAGE014
为权重参数，
Figure 302560DEST_PATH_IMAGE015
表示
Figure 494507DEST_PATH_IMAGE016
和
Figure 100002_DEST_PATH_IMAGE017
之间的直线距离，
Figure 105617DEST_PATH_IMAGE018
和
Figure 990396DEST_PATH_IMAGE019
分别表示像素点
Figure 100002_DEST_PATH_IMAGE020
和
Figure 585326DEST_PATH_IMAGE021
在L分量图像中的像素值，L分量图像为脸部图像在Lab颜色空间中的亮度分量图像，
Figure 100002_DEST_PATH_IMAGE022
表示
Figure 348008DEST_PATH_IMAGE023
中的像素点和像素点
Figure 100002_DEST_PATH_IMAGE024
之间的距离的平均值，
Figure 79203DEST_PATH_IMAGE025
表示L分量图像中的所有像素点的像素值的平均值；
若
Figure 134884DEST_PATH_IMAGE026
大于预设的相似度阈值，则将
Figure 420372DEST_PATH_IMAGE027
划分到集合
Figure 100002_DEST_PATH_IMAGE028
中；
由对
Figure 977956DEST_PATH_IMAGE029
中的所有像素点进行上述相似度判断过程后获得的集合
Figure DEST_PATH_IMAGE030
中的像素点组成脸部皮肤区域图像；
对所述脸部皮肤区域图像进行预处理，获得预处理图像；
使用预设的特征提取算法获取所述预处理图像中的特征信息；
基于所述特征信息获取所述用户的身份验证结果。
作为优选，所述睡眠数据获取模块包括智能手环或智能手表。
作为优选，所述睡眠数据包括睡眠时长、入睡时间、起床时间、深度睡眠时长、浅度睡眠时长、清醒时长和翻身次数。
作为优选，所述通信模块包括无线路由器；
所述无线路由器用于与所述睡眠数据获取模块进行通信，接收来自睡眠数据获取模块的睡眠数据，并将所述睡眠数据传输至所述云计算模块。
作为优选，所述分析结果包括睡眠质量得分和睡眠质量改善建议。
作为优选，所述对所述脸部图像进行皮肤识别处理，包括：
获取所述脸部图像在YCrCb颜色模型中的Cr分量的图像imgCr；
使用otsu算法对imgCr进行图像分割处理，获取皮肤像素点的集合
Figure 829237DEST_PATH_IMAGE031
。
作为优选，所述对所述脸部皮肤区域图像进行预处理，获得预处理图像，包括：
对所述脸部皮肤区域图像进行灰度化处理，获得灰度图像；
对所述灰度图像进行边缘增强处理，获得边缘增强图像；
对所述边缘增强图像进行降噪处理，获得预处理图像。
作为优选，所述预设的特征提取算法包括harris算法、sift算法、lbp算法、hog算法中的一种。
作为优选，所述基于所述特征信息获取所述用户的身份验证结果，包括：
将所述特征信息与特征数据库中预存的特征信息进行匹配，若匹配成功，则身份验证结果为用户通过身份验证，若匹配失败，则身份验证结果为用户没有通过身份验证；
所述特征数据库用于存储预先 录入的具有云计算模块的使用权限的人员的脸部图像的特征信息。
本发明在通过脸部识别进行身份验证的过程中，通过先获取脸部皮肤区域的图像，然后再基于脸部皮肤区域的图像获取特征信息来进行人脸识别。这种设置方式有效地减少了参与后续运算的像素点的数量，从而极大地提高了本发明的人脸识别的速度。提高了用户的体验。在脸部皮肤区域图像的获取过程中，本发明并不是直接将肤色模型识别出来的像素点作为最终的像素点，因为肤色模型识别出来的像素点存在比较多的空洞。因此，本发明还通过大津法来获得感兴趣区域，即脸部区域的像素点，然后再根据相似性将通过大津法获得的像素点填充进集合
Figure 790240DEST_PATH_IMAGE032
中，达到填补空洞的目的，获得了高质量的脸部皮肤区域图像。
另外，本发明通过获取用户的睡眠数据，然后对睡眠数据进行分析，得到分析结果，有利于帮助用户了解自身的睡眠质量状况，同时也给出了相应的睡眠建议，有利于改善用户的睡眠质量。
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，为本发明一种基于云计算服务的睡眠健康管理系统的一种示例性实施例图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
如图1所示的一种实施例，本发明提供了一种基于云计算服务的睡眠健康管理系统，包括睡眠数据获取模块、通信模块和云计算模块；
所述睡眠数据获取模块用于获取用户的睡眠数据；
所述通信模块用于将所述睡眠数据传输至所述云计算模块；
所述云计算模块用于对所述睡眠数据进行分析；
所述云计算模块包括数据存储子模块、数据分析子模块、登录控制子模块和显示子模块；
所述数据存储子模块用于对所述睡眠数据进行存储，所述数据分析子模块用于对所述睡眠数据进行分析，所述登录控制子模块用于对使用所述云计算模块的用户的身份进行验证，所述显示子模块用于向通过身份验证的用户显示数据分析子模块的分析结果；
所述对使用所述云计算模块的用户的身份进行验证，包括：
获取用户的脸部图像；
获取脸部皮肤区域图像：
对所述脸部图像进行皮肤识别处理，获取所述脸部图像中的皮肤像素点，将皮肤像素点存入集合
Figure 297444DEST_PATH_IMAGE033
中；
计算
Figure DEST_PATH_IMAGE034
中所有像素点的位置的聚类中心
Figure 667508DEST_PATH_IMAGE035
；
使用大津法对所述脸部图像进行处理，获取所述脸部图像中的感兴趣区域，将感兴趣区域的像素点存入集合
Figure DEST_PATH_IMAGE036
中；
分别计算
Figure 638875DEST_PATH_IMAGE037
中的像素点与距离
Figure 770779DEST_PATH_IMAGE038
最近的像素点
Figure DEST_PATH_IMAGE039
之间的相似度：
Figure 562018DEST_PATH_IMAGE040
其中，
Figure 437570DEST_PATH_IMAGE041
表示
Figure 965241DEST_PATH_IMAGE042
中的像素点
Figure DEST_PATH_IMAGE043
和像素点
Figure 799205DEST_PATH_IMAGE044
之间的相似度，
Figure 546581DEST_PATH_IMAGE013
和
Figure 225824DEST_PATH_IMAGE045
为权重参数，
Figure 109466DEST_PATH_IMAGE046
表示
Figure 350217DEST_PATH_IMAGE016
和
Figure 319310DEST_PATH_IMAGE047
之间的直线距离，
Figure 536665DEST_PATH_IMAGE048
和
Figure 540393DEST_PATH_IMAGE049
分别表示像素点
Figure 185001DEST_PATH_IMAGE020
和
Figure 641390DEST_PATH_IMAGE050
在L分量图像中的像素值，L分量图像为脸部图像在Lab颜色空间中的亮度分量图像，
Figure 396856DEST_PATH_IMAGE022
表示
Figure 25065DEST_PATH_IMAGE023
中的像素点和像素点
Figure 840574DEST_PATH_IMAGE051
之间的距离的平均值，
Figure 49838DEST_PATH_IMAGE025
表示L分量图像中的所有像素点的像素值的平均值；
若
Figure 343416DEST_PATH_IMAGE052
大于预设的相似度阈值，则将
Figure 321737DEST_PATH_IMAGE027
划分到集合
Figure 308147DEST_PATH_IMAGE053
中；
由对
Figure 506173DEST_PATH_IMAGE029
中的所有像素点进行上述相似度判断过程后获得的集合
Figure 603442DEST_PATH_IMAGE054
中的像素点组成脸部皮肤区域图像；
对所述脸部皮肤区域图像进行预处理，获得预处理图像；
使用预设的特征提取算法获取所述预处理图像中的特征信息；
基于所述特征信息获取所述用户的身份验证结果。
本发明在通过脸部识别进行身份验证的过程中，通过先获取脸部皮肤区域的图像，然后再基于脸部皮肤区域的图像获取特征信息来进行人脸识别。这种设置方式有效地减少了参与后续运算的像素点的数量，从而极大地提高了本发明的人脸识别的速度。提高了用户的体验。在脸部皮肤区域图像的获取过程中，本发明并不是直接将肤色模型识别出来的像素点作为最终的像素点，因为肤色模型识别出来的像素点存在比较多的空洞。因此，本发明还通过大津法来获得感兴趣区域，即脸部区域的像素点，然后再根据相似性将通过大津法获得的像素点填充进集合
Figure 170689DEST_PATH_IMAGE056
中，达到填补空洞的目的，获得了高质量的脸部皮肤区域图像。
在计算相似度时，不仅仅是从距离上进行了考虑，而且从L分量图像中的像素点之间的像素值的相似度进行了考虑，能够避免将距离脸部区域过远的像素点错误地判定为脸部皮肤区域的像素点，同时也能够避免虽然满足距离要求，但是像素值相差较远的像素点被错误地判定为为脸部皮肤区域的像素点，有效地提高了本发明获取的脸部皮肤区域的像素点的准确性。
另外，本发明通过获取用户的睡眠数据，然后对睡眠数据进行分析，得到分析结果，有利于帮助用户了解自身的睡眠质量状况，同时也给出了相应的睡眠建议，有利于改善用户的睡眠质量。
作为优选，所述睡眠数据获取模块包括智能手环或智能手表。
除了智能手表和智能手环，睡眠数据获模块还以包含其它的满足睡眠数据获取需求的设备。
作为优选，所述睡眠数据包括睡眠时长、入睡时间、起床时间、深度睡眠时长、浅度睡眠时长、清醒时长和翻身次数。
作为优选，所述通信模块包括无线路由器；
所述无线路由器用于与所述睡眠数据获取模块进行通信，接收来自睡眠数据获取模块的睡眠数据，并将所述睡眠数据传输至所述云计算模块。
另外，通信模块还可以包括其它的通信方式，例如4G网络、5G网络这些。
作为优选，所述分析结果包括睡眠质量得分和睡眠质量改善建议。
睡眠质量得分主要是通过对睡眠数据中的各种类型的数据进行评分，然后加权获得。不同类型的数据具有不同的权重。
作为优选，所述对所述脸部图像进行皮肤识别处理，包括：
获取所述脸部图像在YCrCb颜色模型中的Cr分量的图像imgCr；
使用otsu算法对imgCr进行图像分割处理，获取皮肤像素点的集合
Figure 593580DEST_PATH_IMAGE057
。
otsu算法可以初步将脸部皮肤区域的像素点与背景像素点进行分离，但是获取的分离结果中，通过会包含一些被错误分割的像素点，因此需要经过后续的步骤对这些像素点进行排除。
作为优选，所述对所述脸部皮肤区域图像进行预处理，获得预处理图像，包括：
对所述脸部皮肤区域图像进行灰度化处理，获得灰度图像；
对所述灰度图像进行边缘增强处理，获得边缘增强图像；
对所述边缘增强图像进行降噪处理，获得预处理图像。
作为优选，所述对所述灰度图像进行边缘增强处理，获得边缘增强图像，包括：
采用如下方式对灰度图像进行边缘增强处理：
若
Figure 511858DEST_PATH_IMAGE058
，则采用如下公式对灰度图像中的像素点进行边缘增强处理：
Figure 147238DEST_PATH_IMAGE059
若
Figure 100151DEST_PATH_IMAGE060
，则采用如下公式对灰度图像中的像素点进行边缘增强处理：
Figure 192479DEST_PATH_IMAGE061
其中，
Figure 332473DEST_PATH_IMAGE062
表示预设的判断条件，若像素点n为
Figure 37124DEST_PATH_IMAGE063
大小的窗口
Figure 844543DEST_PATH_IMAGE064
中的像素值最大的像素点，且
Figure 343657DEST_PATH_IMAGE065
中水平方向或垂直方向或对角线方向存在2个与像素点n之间像素值的差值的绝对值小于预设的绝对值阈值的像素点，则
Figure 236527DEST_PATH_IMAGE066
，否则，
Figure 213710DEST_PATH_IMAGE067
，
Figure 377100DEST_PATH_IMAGE068
和
Figure 47116DEST_PATH_IMAGE069
分别表示灰度图像和边缘增强图像，
Figure 427282DEST_PATH_IMAGE070
和
Figure DEST_PATH_IMAGE071
分别表示像素点n在灰度图像和边缘增强图像中的像素值，
Figure 4894DEST_PATH_IMAGE072
表示预设的比例参数，
Figure 521326DEST_PATH_IMAGE073
，
Figure DEST_PATH_IMAGE074
和
Figure 675094DEST_PATH_IMAGE075
分别表示预设的边缘增强图像的像素点在像素值方面的区间参考值，
Figure DEST_PATH_IMAGE076
，
Figure 73714DEST_PATH_IMAGE077
，若
Figure DEST_PATH_IMAGE078
大于0，则
Figure 455017DEST_PATH_IMAGE079
的值为1，若
Figure DEST_PATH_IMAGE080
等于0，则
Figure 124158DEST_PATH_IMAGE081
的值为0，若
Figure DEST_PATH_IMAGE082
小于0，则
Figure 667135DEST_PATH_IMAGE083
的值为-1，
Figure DEST_PATH_IMAGE084
表示在以像素点n为中心的
Figure DEST_PATH_IMAGE086
大小的窗口
Figure 818630DEST_PATH_IMAGE087
中的像素点的像素值的方差，H表示预设的常数系数。
在本发明上述实施例中，先通过窗口来对像素点n是否为边缘像素点进行判断，即
Figure 472466DEST_PATH_IMAGE089
的值为1还是-1，通过判断条件设置了两种不同的处理函数为不同类型的像素点进行增强处理，因此，能够在一定的抗噪声干扰的前提下完成对灰度图像进行边缘增强。而当
Figure 462025DEST_PATH_IMAGE090
的值为1时，不仅考虑了像素点原有的像素值，而且还考虑了窗口
Figure 644745DEST_PATH_IMAGE092
中的其它像素点的像素值的影响，有利于提高对边缘像素点增强的准确性。而对于另一种类型的像素点，本发明设置了较为简单的处理函数，兼顾了增强的效率。
作为优选，所述对所述边缘增强进行降噪处理，获得预处理图像，包括：
对所述边缘增强图像进行小波分解处理，获得高频方面的系数和低频方面的系数，
对高频方面的系数进行如下处理：
若
Figure DEST_PATH_IMAGE093
，则采用如下函数对高频方面的系数进行处理：
Figure 17957DEST_PATH_IMAGE094
若
Figure DEST_PATH_IMAGE095
，则采用如下函数对高频方面的系数进行处理：
Figure 741062DEST_PATH_IMAGE096
若
Figure DEST_PATH_IMAGE097
，则采用如下函数对高频方面的系数进行处理：
Figure 119216DEST_PATH_IMAGE098
其中，
Figure DEST_PATH_IMAGE099
和
Figure 535154DEST_PATH_IMAGE100
分别表示处理前和处理后的第v个高频方面的系数，v∈[1,3]，sgn表示符号函数，
Figure DEST_PATH_IMAGE101
和
Figure 130084DEST_PATH_IMAGE102
分别表示预设的第一判断阈值和第二判断阈值，
Figure DEST_PATH_IMAGE103
表示预设的控制参数；
将低频方面的系数和处理后的高频方面的系数进行小波重构处理，获得预处理图像。
本发明上述实施例，在小波域中进行降噪处理，这种处理方式，能够有效地缓解传统的窗口式降噪处理容易出现的图像模糊过度，信息量丢失的问题。因此通过上述实施例的处理，获得的预处理图像既实现了降噪处理，相较于传统的窗口式的降噪处理方式，还能够保留更多的细节信息。同时，本发明通过判断阈值来为符合不同判断条件的高频方面的系数自适应地选取不同的函数进行降噪处理，使得降噪处理结果更为准确。
作为优选，所述预设的特征提取算法包括harris算法、sift算法、lbp算法、hog算法中的一种。
作为优选，所述基于所述特征信息获取所述用户的身份验证结果，包括：
将所述特征信息与特征数据库中预存的特征信息进行匹配，若匹配成功，则身份验证结果为用户通过身份验证，若匹配失败，则身份验证结果为用户没有通过身份验证；
所述特征数据库用于存储预先 录入的具有云计算模块的使用权限的人员的脸部图像的特征信息。
尽管已经示出和描述了本发明的实施例，本领域技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变形，本发明的范围由权利要求及其等同物限定。

Claims (9)

1.一种基于云计算服务的睡眠健康管理系统，其特征在于，包括睡眠数据获取模块、通信模块和云计算模块；
所述睡眠数据获取模块用于获取用户的睡眠数据；
所述通信模块用于将所述睡眠数据传输至所述云计算模块；
所述云计算模块用于对所述睡眠数据进行分析；
所述云计算模块包括数据存储子模块、数据分析子模块、登录控制子模块和显示子模块；
所述数据存储子模块用于对所述睡眠数据进行存储，所述数据分析子模块用于对所述睡眠数据进行分析，所述登录控制子模块用于对使用所述云计算模块的用户的身份进行验证，所述显示子模块用于向通过身份验证的用户显示数据分析子模块的分析结果；
所述对使用所述云计算模块的用户的身份进行验证，包括：
获取用户的脸部图像；
获取脸部皮肤区域图像：
对所述脸部图像进行皮肤识别处理，获取所述脸部图像中的皮肤像素点，将皮肤像素点存入集合
Figure DEST_PATH_IMAGE001
中；
计算
Figure DEST_PATH_IMAGE002
中所有像素点的位置的聚类中心
Figure DEST_PATH_IMAGE003
；
使用大津法对所述脸部图像进行处理，获取所述脸部图像中的感兴趣区域，将感兴趣区域的像素点存入集合
Figure DEST_PATH_IMAGE004
中；
分别计算
Figure DEST_PATH_IMAGE005
中的每一个像素点与距离
Figure DEST_PATH_IMAGE006
最近的像素点
Figure DEST_PATH_IMAGE007
之间的相似度：
Figure DEST_PATH_IMAGE008
其中，
Figure DEST_PATH_IMAGE009
表示
Figure DEST_PATH_IMAGE010
中的像素点
Figure DEST_PATH_IMAGE011
和像素点
Figure DEST_PATH_IMAGE012
之间的相似度，
Figure DEST_PATH_IMAGE013
和
Figure DEST_PATH_IMAGE014
为权重参数，
Figure DEST_PATH_IMAGE015
表示
Figure DEST_PATH_IMAGE016
和
Figure DEST_PATH_IMAGE017
之间的直线距离，
Figure DEST_PATH_IMAGE018
和
Figure DEST_PATH_IMAGE019
分别表示像素点
Figure DEST_PATH_IMAGE020
和
Figure 581692DEST_PATH_IMAGE012
在L分量图像中的像素值，L分量图像为脸部图像在Lab颜色空间中的亮度分量图像，
Figure DEST_PATH_IMAGE021
表示
Figure DEST_PATH_IMAGE022
中的像素点和像素点
Figure DEST_PATH_IMAGE023
之间的距离的平均值，
Figure DEST_PATH_IMAGE024
表示L分量图像中的所有像素点的像素值的平均值；
若
Figure DEST_PATH_IMAGE025
大于预设的相似度阈值，则将
Figure DEST_PATH_IMAGE026
划分到集合
Figure DEST_PATH_IMAGE027
中；
由集合
Figure DEST_PATH_IMAGE028
中的像素点组成脸部皮肤区域图像；
对所述脸部皮肤区域图像进行预处理，获得预处理图像；
使用预设的特征提取算法获取所述预处理图像中的特征信息；
基于所述特征信息获取所述用户的身份验证结果。
2.根据权利要求1所述的一种基于云计算服务的睡眠健康管理系统，其特征在于，所述睡眠数据获取模块包括智能手环或智能手表。
3.根据权利要求1所述的一种基于云计算服务的睡眠健康管理系统，其特征在于，所述睡眠数据包括总睡眠时长、入睡时间、起床时间、深度睡眠时长、浅度睡眠时长、清醒时长和翻身次数。
4.根据权利要求1所述的一种基于云计算服务的睡眠健康管理系统，其特征在于，所述通信模块包括无线路由器；
所述无线路由器用于与所述睡眠数据获取模块进行通信，接收来自睡眠数据获取模块的睡眠数据，并将所述睡眠数据传输至所述云计算模块。
5.根据权利要求1所述的一种基于云计算服务的睡眠健康管理系统，其特征在于，所述分析结果包括睡眠质量得分和睡眠质量改善建议。
6.根据权利要求1所述的一种基于云计算服务的睡眠健康管理系统，其特征在于，所述对所述脸部图像进行皮肤识别处理，包括：
获取所述脸部图像在YCrCb颜色模型中的Cr分量的图像imgCr；
使用otsu算法对imgCr进行图像分割处理，获取皮肤像素点的集合
Figure DEST_PATH_IMAGE029
。
7.根据权利要求2所述的一种基于云计算服务的睡眠健康管理系统，其特征在于，所述对所述脸部皮肤区域图像进行预处理，获得预处理图像，包括：
对所述脸部皮肤区域图像进行灰度化处理，获得灰度图像；
对所述灰度图像进行边缘增强处理，获得边缘增强图像；
对所述边缘增强图像进行降噪处理，获得预处理图像。
8.根据权利要求2所述的一种基于云计算服务的睡眠健康管理系统，其特征在于，所述预设的特征提取算法包括harris算法、sift算法、lbp算法、hog算法中的一种。
9.根据权利要求2所述的一种基于云计算服务的睡眠健康管理系统，其特征在于，所述基于所述特征信息获取所述用户的身份验证结果，包括：
将所述特征信息与特征数据库中预存的特征信息进行匹配，若匹配成功，则身份验证结果为用户通过身份验证，若匹配失败，则身份验证结果为用户没有通过身份验证；
所述特征数据库用于存储预先录入的具有云计算模块的使用权限的人员的脸部图像的特征信息。
CN202210450050.4A 2022-04-24 2022-04-24 一种基于云计算服务的睡眠健康管理系统 Active CN114582003B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210450050.4A CN114582003B (zh) 2022-04-24 2022-04-24 一种基于云计算服务的睡眠健康管理系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210450050.4A CN114582003B (zh) 2022-04-24 2022-04-24 一种基于云计算服务的睡眠健康管理系统

Publications (2)

Publication Number Publication Date
CN114582003A CN114582003A (zh) 2022-06-03
CN114582003B true CN114582003B (zh) 2022-07-29

Family

ID=81778433

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210450050.4A Active CN114582003B (zh) 2022-04-24 2022-04-24 一种基于云计算服务的睡眠健康管理系统

Country Status (1)

Country Link
CN (1) CN114582003B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115054203B (zh) * 2022-06-10 2022-12-20 成都熙福爱存健康管理有限公司 一种基于数字化的健康数据智能在线监测分析管理云平台
CN115098919B (zh) * 2022-06-23 2023-04-07 广州高新工程顾问有限公司 基于bim的数字化工程建设项目综合管理系统及方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103632132A (zh) * 2012-12-11 2014-03-12 广西工学院 一种基于肤色分割和模板匹配的人脸检测与识别方法
CN107633252A (zh) * 2017-09-19 2018-01-26 广州市百果园信息技术有限公司 肤色检测方法、装置及存储介质
CN108269290A (zh) * 2018-01-19 2018-07-10 厦门美图之家科技有限公司 皮肤肤色识别方法及装置
CN108428214A (zh) * 2017-02-13 2018-08-21 阿里巴巴集团控股有限公司 一种图像处理方法及装置
CN113096809A (zh) * 2021-04-29 2021-07-09 杨正 一种基于云计算的健康管理系统

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8548257B2 (en) * 2009-01-05 2013-10-01 Apple Inc. Distinguishing between faces and non-faces
CN105447466B (zh) * 2015-12-01 2019-07-23 深圳市图灵机器人有限公司 一种基于Kinect传感器的身份综合识别方法
CN108549886A (zh) * 2018-06-29 2018-09-18 汉王科技股份有限公司 一种人脸活体检测方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103632132A (zh) * 2012-12-11 2014-03-12 广西工学院 一种基于肤色分割和模板匹配的人脸检测与识别方法
CN108428214A (zh) * 2017-02-13 2018-08-21 阿里巴巴集团控股有限公司 一种图像处理方法及装置
CN107633252A (zh) * 2017-09-19 2018-01-26 广州市百果园信息技术有限公司 肤色检测方法、装置及存储介质
CN108269290A (zh) * 2018-01-19 2018-07-10 厦门美图之家科技有限公司 皮肤肤色识别方法及装置
CN113096809A (zh) * 2021-04-29 2021-07-09 杨正 一种基于云计算的健康管理系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
人体肤色区域的自适应模型分割方法;方晶晶等;《计算机辅助设计与图形学学报》;20130215(第02期);全文 *
基于YCbCr模型的巷道监控中矿工脸部图像识别;陈伟等;《煤炭科学技术》;20090925(第09期);全文 *

Also Published As

Publication number Publication date
CN114582003A (zh) 2022-06-03

Similar Documents

Publication Publication Date Title
CN114582003B (zh) 一种基于云计算服务的睡眠健康管理系统
CN108520219B (zh) 一种卷积神经网络特征融合的多尺度快速人脸检测方法
US20220092882A1 (en) Living body detection method based on facial recognition, and electronic device and storage medium
CN107392866B (zh) 一种光照鲁棒的人脸图像局部纹理增强方法
US9286537B2 (en) System and method for classifying a skin infection
CN104036278B (zh) 人脸算法标准脸部图像的提取方法
CN111738064B (zh) 一种雾霾图像的雾浓度识别方法
CN106446872A (zh) 一种低照度下的视频人脸检测识别方法
CN108921800A (zh) 基于形状自适应搜索窗口的非局部均值去噪方法
CN111340824B (zh) 一种基于数据挖掘的图像特征分割方法
CN113793196A (zh) 一种基于云计算的电医生售电管理系统
CN110717896A (zh) 基于显著性标签信息传播模型的板带钢表面缺陷检测方法
CN111062314A (zh) 图像选取方法、装置、计算机可读存储介质及电子设备
CN110276764A (zh) 基于K值估计的K-Means水下图像背景分割改进算法
CN111523344A (zh) 人体活体检测系统及方法
CN108446642A (zh) 一种快速人脸识别系统
CN111079688A (zh) 一种人脸识别中的基于红外图像的活体检测的方法
CN108334870A (zh) Ar设备数据服务器状态的远程监控系统
CN108446639A (zh) 低功耗增强现实设备
Bhaskar et al. Advanced algorithm for gender prediction with image quality assessment
CN108491798A (zh) 基于个性化特征的人脸识别方法
CN112258532A (zh) 一种超声图像中胼胝体的定位及分割方法
CN116092170A (zh) 一种基于大数据技术的专利价值分析系统
CN112532938B (zh) 一种基于大数据技术的视频监控系统
CN110858304A (zh) 一种身份证图像识别的方法及其设备

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
GR01 Patent grant
GR01 Patent grant