CN115153451B - 一种基于汗印成像的汗量检测方法 - Google Patents

Abstract

本申请提供一种基于汗印成像的汗量检测方法，具体步骤为：在不同环境下将不同量的汗液滴入到多个试纸上，试纸上形成的汗印图像；计算汗印图像的色值极差，并根据色值极差将汗印图像分为多个区域；计算多个区域的汗液采集总值，计算汗液采集总值与真实汗液值之间的误差；以环境参数、分区数为输入，误差为输出，构建基于BP神经网络的误差预测模型；对误差预测模型进行训练；集测试者测试时的环境参数以及汗印图像，并计算汗液采集总值和误差，获得测试者待测部位的出汗量和出汗率。本申请通过对测试者出汗量的检测，能够对测试者的出汗体质及泌汗功能的强弱进行判断，对其日常运动、工作强度、水分补充提供指导。

Description

一种基于汗印成像的汗量检测方法

技术领域

本发明涉及出汗量检测领域，特别是一种基于汗印成像的汗量检测方法。

背景技术

出汗是一种依靠汗液蒸发来增加人体散热量的体温调节方式，当环境温度升高或人体处于高强度作业时，汗腺会分泌汗液来带走身体的热量，从而达到位置体温恒定的目的，通过对人体的出汗量和出汗率的研究能够有效判定人体的出汗体质，为其提供运动量和高强度作业时长的指导以及其提供饮水指导。

现有出汗量测量方法包括着装体重差法、纱布增重法、试纸变色法等。其中试纸变色法是将试纸贴设在人体的待测部位，试纸通过对汗液的吸收发生变色，通过对试纸变色后的颜色与对比色卡的颜色进行比较计算人体的出汗率，该方法在检测过程存在以下不足：人体在出汗过程中局部存在差异，且试纸每个区域与人体贴合度不同，使试纸的变色范围存在较大差异，该方法仅通过对试纸变色后的颜色与对比色卡的颜色进行比较测量过程存在较大误差，试纸在吸收进行变色反应时也会受到环境温度、湿度的影响。因此，现有试纸变色法在出汗量检测时存在检测精度低等技术问题。

发明内容

本发明的目的就是提供一种基于汗印成像的汗量检测方法，它可以用于对出汗量进行快速准确的检测。

本发明的目的是通过这样的技术方案实现的，具体步骤如下：

1)数据采集：在不同温度T_i、湿度H_i环境下将不同量的汗液Q_i滴入到试纸上，并采集汗液在试纸上形成的汗印图像X_i，获得原始数据集S；

2)图像分区：对步骤1)中采集的汗印图像X_i的色值进行识别，并计算色值极差Δx_i，并根据色值极差Δx_i将汗印图像X_i分为m_i个区域；

3)误差计算：计算m_i个区域的汗液采集总值Q′_i，计算汗液采集总值Q′_i与真实汗液值Q_i之间的误差ΔQ_i；

4)构建模型：以温度T_i、湿度H_i、区域数m_i为输入，以误差ΔQ_i为输出，构建基于BP神经网络的误差预测模型；

5)模型训练：以原始数据集S的温度T_i、湿度H_i、区域数m_i为输入对基于BP神经网络误差预测模型的参数进行训练，获得训练好的误差预测模型；

6)出汗量预测：将试纸贴设在测试者的待测部位，采集环境参数以及△t时间后试纸上形成的汗印图像X′，将汗印图像X′分为m′个区域并计算汗液采集总值Q′，将环境参数以及m′输入步骤5)中训练好的误差预测模型中计算误差△Q′，并计算测试者待测部位的出汗量和出汗率R。

进一步，步骤1)中数据采集的具体方法为：

1-1)设置若干组温度T、湿度H实验环境，在每组实验环境下将不同量的汗液Q滴入到不同的试纸上；

1-2)采集每个试纸的汗印图像X，所述试纸根据汗液量的不同呈现不同的颜色，且不同颜色对应不同的色值；

1-3)通过步骤1-1)、1-2)获得原始数据集S：

S＝{s₁(T₁,H₁,Q₁,X₁),s₂(T₂,H₂,Q₂,X₂),...,s_i(T_i,H_i,Q_i,X_i),...,s_n(T_n,H_n,Q_n,X_n)} (1)

式中，s_i为第i次采的原始数据，n为最大采样次数。

进一步，步骤2)中图像分区的具体方法为：

根据汗印图像X_i的颜色对其色值进行识别，获得色值的极大值

和极小值

根据

与

计算色值极差Δx_i：

根据色值极差Δx_i将汗印图像X_i分为m_i个区域：

式中，x₁、x₂、x₃、x₄均为色值极差阈值，m₁、m₂、m₃、m₄均为汗印图像X_i的分区数。

进一步，步骤3)中误差计算的具体方法为：

分别计算m_i个区域的汗液采集值，并对其求和获得汗液采集总值Q′_i：

Q′_i＝(kx′₁+b)a₁+(kx′₂+b)a₂+,...,(kx′_p+b)a_p,...,+(kx′_m+b)a_m (4)

式中，x′_p为第p个区域色值的中值，a_p为第p个区域的面积，k、b均为预设系数，(ky′_p+b)a_p为第p个区域的汗液采集值；

计算汗液采集总值Q_i′与真实汗液值Q_i之间的误差ΔQ_i：

ΔQ_i＝Q_i-Q′_i (5)。

进一步，步骤4)中构建模型的具体方法为：

以温度T_i、湿度H_i、区域数m_i为输入，以误差ΔQ_i为输出，构建基于BP神经网络的误差预测模型；

所述BP神经网络包括1个输入层、2个隐藏层、1个输出层，所述输入层包括3个输入，所述隐藏层均包括2个神经元，所述输出层包括1个输出，隐藏层采用sigmoid函数作为激活函数，输出层采用softmax作为激活函数。

进一步，步骤5)中模型训练的具体步骤为：

5-1)初始化BP神经网络的权重和偏执参数，所述权重参数均初始化为服从正态分布的[-1,1]之间的随机数，偏差均初始化为0；

5-2)设定损失函数loss为：

式中，y为样本的的真实误差ΔQ_i，y′为神经网络预测的ΔQ′_i；

设置学习率为α，采用梯度下降法更新BP神经网络的权重和偏差，获得训练后的误差预测模型。

进一步，步骤6)中出汗量预测的具体步骤为：

6-1)将试纸贴设在测试者的待测部位，采集环境温度T′、湿度H′以及△t时间后试纸上形成的汗印图像X′；

6-2)根据汗印图像X′，采用步骤2)的方法将汗印图像X′分为m′个区域，并采用步骤3)的方法计算m′个区域的汗液采集总值Q′；

6-3)将环境温度T′、湿度H′、区域数m′输入步骤5)中训练好的误差预测模型中计算误差△Q′；

6-4)对汗液采集总值Q′和校正误差△Q′求和得到测试者的待测部位的出汗量，并计算测试者的待测部位的出汗率R：

式中，a为贴设在测试者待测部位试纸有效部分的面积。

由于采用了上述技术方案，本发明具有如下的优点：

1、本申请通过对测试者出汗量的检测，能够对测试者的出汗体质及泌汗功能的强弱进行判断，对其日常运动、工作强度、水分补充提供指导。

2、本申请通过对测试者测试部位的汗印图像进行采集识别能够初略计算出测试部位的出汗量，即汗液采集总值，并通过训练好的误差预测模型，通过误差预测模型对出汗量误差进行预测，并通过对汗液采集总值和误差进行求和得到准确的的出汗量，实现了出汗量的准确快速检测。

3、本申请在计算汗液采集总值时，通过色值极差确定色值的分段数，在色值极差较小时，通过减小分段数减少检测过程的计算量，在色值极差较大时，通过增大分段数保证计算精度。

本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书和权利要求书来实现和获得。

附图说明

本发明的附图说明如下。

图1为本发明的方法流程图。

具体实施方式

下面结合附图和实施例对本发明作进一步说明。

如图1所示的一种基于汗印成像的汗量检测方法，具体步骤如下：

1)数据采集：在不同温度T_i、湿度H_i环境下将不同量的汗液Q_i滴入到试纸上，并采集汗液在试纸上形成的汗印图像X_i，获得原始数据集S，具体步骤为：

1-1)设置若干组温度T、湿度H实验环境，在每组实验环境下将不同量的汗液Q滴入到不同的试纸上；

1-2)采集每个试纸的汗印图像X，所述试纸根据汗液量的不同呈现不同的颜色，且不同颜色对应不同的色值；

1-3)通过步骤1-1)、1-2)获得原始数据集S：

S＝{s₁(T₁,H₁,Q₁,X₁),s₂(T₂,H₂,Q₂,X₂),...,s_i(T_i,H_i,Q_i,X_i),...,s_n(T_n,H_n,Q_n,X_n)} (8)

式中，s_i为第i次采的原始数据，n为最大采样次数。

在本发明实施例中，在密闭腔体内分别设置温度为10℃、15℃、20℃、25℃、30℃、35℃，且在每个温度情况下依次调整湿度为40％RH、50％RH、60％RH、70％RH；在不同的温度、湿度条件下分别进行一次实验，每一次实验时，均通过胶头滴管将已知体积的汗液量滴入到试纸上，试纸吸收汗液中的水分后发生变色，通过图像采集设备对汗印图像进行采集。

2)图像分区：对步骤1)中采集的汗印图像X_i的色值进行识别，并计算色值极差Δx_i，并根据色值极差Δx_i将汗印图像X_i分为m_i个区域，具体方法为：

根据汗印图像X_i的颜色对其色值进行识别，获得色值的极大值

和极小值

根据

与

计算色值极差Δx_i：

根据色值极差Δx_i将汗印图像X_i分为m_i个区域：

式中，x₁、x₂、x₃、x₄均为色值极差阈值，m₁、m₂、m₃、m₄均为汗印图像X_i的分区数。

在本发明实施例中，试纸的色值范围为0～100，当试纸的色值为100时其颜色为粉色，当试纸的色值在从30向99变换时，试纸为颜色变化为淡蓝色～淡粉色～粉色，当试纸的色值在从1向29变换时，试纸为颜色变化为蓝色～淡蓝色。通过图像采集设备对汗印图像进行采集并识别，识别出汗印图像色值的极大值

和极小值

并计算色值极差Δx_i，确定色值范围的分段数；在本发明实施例中，x₁、x₂、x₃、x₄的取值分别10，30,60，90，m₁、m₂、m₃、m₄的取值分别2、4、12、18，分段过程为根据色值范围进行均分。

3)误差计算：计算m_i个区域的汗液采集总值Q′_i，计算汗液采集总值Q′_i与真实汗液值Q_i之间的误差ΔQ_i，具体方法为：

分别计算m_i个区域的汗液采集值，并对其求和获得汗液采集总值Q′_i：

Q′_i＝(kx′₁+b)a₁+(kx′₂+b)a₂+,...,(kx′_p+b)a_p,...,+(kx′_m+b)a_m (11)

式中，x′_p为第p个区域色值的中值，a_p为第p个区域的面积，k、b均为预设系数，(ky′_p+b)a_p为第p个区域的汗液采集值；

计算汗液采集总值Q′_i与真实汗液值Q_i之间的误差ΔQ_i：

ΔQ_i＝Q_i-Q′_i (12)。

在本发明实施例中，试纸的色值变化根据试纸吸收的汗液量呈线性变化，k、b均为线性变化的预设系数，由试纸的材料性能决定。

4)构建模型：以温度T_i、湿度H_i、区域数m_i为输入，以误差ΔQ_i为输出，构建基于BP神经网络的误差预测模型；

所述BP神经网络包括1个输入层、2个隐藏层、1个输出层，所述输入层包括3个输入，所述隐藏层均包括2个神经元，所述输出层包括1个输出，隐藏层采用sigmoid函数作为激活函数，输出层采用softmax作为激活函数。

在本发明实施例中，在出汗液检测过程中，试纸在吸收进行变色反应时也会受到环境温度、湿度的影响，且在滴入汗液的过程中局部的滴入量存在差异(模拟人体在出汗过程中局部存在差异，且试纸每个区域与人体贴合度不同的情况)，因此，将温度T_i、湿度H_i、区域数m_i作为神经网络的输入充分考虑了环境因素和分段误差对出汗量检测的影响。

5)模型训练：以原始数据集S的温度T_i、湿度H_i、区域数m_i为输入对基于BP神经网络误差预测模型的参数进行训练，获得训练好的误差预测模型，具体步骤为：

5-1)初始化BP神经网络的权重和偏执参数，所述权重参数均初始化为服从正态分布的[-1,1]之间的随机数，偏差均初始化为0；

5-2)设定损失函数loss为：

式中，y为样本的的真实误差ΔQ_i，y′为神经网络预测的ΔQ′_i；

设置学习率为α，采用梯度下降法更新BP神经网络的权重和偏差，获得训练后的误差预测模型。

在本发明实施例中，设置梯度下降学习率α为0.01。

6)出汗量预测：将试纸贴设在测试者的待测部位，采集环境参数以及△t时间后试纸上形成的汗印图像X′，将汗印图像X′分为m′个区域并计算汗液采集总值Q′，将环境参数以及m′输入步骤5)中训练好的误差预测模型中计算误差△Q′，并计算测试者待测部位的出汗量和出汗率R，具体步骤为：

6-1)将试纸贴设在测试者的待测部位，采集环境温度T′、湿度H′以及△t时间后试纸上形成的汗印图像X′；

6-2)根据汗印图像X′，采用步骤2)的方法将汗印图像X′分为m′个区域，并采用步骤3)的方法计算m′个区域的汗液采集总值Q′；

6-3)将环境温度T′、湿度H′、区域数m′输入步骤5)中训练好的误差预测模型中计算误差△Q′；

6-4)对汗液采集总值Q′和校正误差△Q′求和得到测试者的待测部位的出汗量，并计算测试者的待测部位的出汗率R：

式中，a为贴设在测试者待测部位试纸有效部分的面积。

在本发明实施例中，通过对测试者出汗量的检测，能够对测试者的出汗体质及泌汗功能的强弱进行判断，通过测试者泌汗功能的强弱将其分为极易出汗体质，易出汗体质，不易出汗体质，极不易出汗体质，通过对其出汗体质的划分对其日常运动时的运动量、工作时的工作强度以及工作时长提供指导，并对其运动工作时的补水量提供指导。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

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其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

Claims (6)

1.一种基于汗印成像的汗量检测方法，其特征在于，具体步骤如下：

1)数据采集：在不同温度T_i、湿度H_i环境下将不同量的汗液Q_i滴入到试纸上，并采集汗液在试纸上形成的汗印图像X_i，获得原始数据集S；

2)图像分区：对步骤1)中采集的汗印图像X_i的色值进行识别，并计算色值极差Δx_i，并根据色值极差Δx_i将汗印图像X_i分为m_i个区域；

3)误差计算：计算m_i个区域的汗液采集总值Q_i′，计算汗液采集总值Q_i′与真实汗液值Q_i之间的误差ΔQ_i；

4)构建模型：以温度T_i、湿度H_i、区域数m_i为输入，以误差ΔQ_i为输出，构建基于BP神经网络的误差预测模型；

5)模型训练：以原始数据集S的温度T_i、湿度H_i、区域数m_i为输入对基于BP神经网络误差预测模型的参数进行训练，获得训练好的误差预测模型；

6)出汗量预测：将试纸贴设在测试者的待测部位，采集环境参数以及Δt时间后试纸上形成的汗印图像X′，将汗印图像X′分为m′个区域并计算汗液采集总值Q′，将环境参数以及m′输入步骤5)中训练好的误差预测模型中计算误差ΔQ′，并计算测试者待测部位的出汗量和出汗率R；

步骤3)中误差计算的具体方法为：

分别计算m_i个区域的汗液采集值，并对其求和获得汗液采集总值Q_i′：

Q_i′＝(kx₁′+b)a₁+(kx′₂+b)a₂+,...,(kx′_p+b)a_p,...,+(kx′_m+b)a_m(4)

式中，x′_p为第p个区域色值的中值，a_p为第p个区域的面积，k、b均为预设系数，(ky′_p+b)a_p为第p个区域的汗液采集值；

计算汗液采集总值Q_i′与真实汗液值Q_i之间的误差ΔQ_i：

ΔQ_i＝Q_i-Q_i′(5)。

2.如权利要求1所述的一种基于汗印成像的汗量检测方法，其特征在于，步骤1)中数据采集的具体方法为：

1-1)设置若干组温度T、湿度H实验环境，在每组实验环境下将不同量的汗液Q滴入到不同的试纸上；

1-2)采集每个试纸的汗印图像X，所述试纸根据汗液量的不同呈现不同的颜色，且不同颜色对应不同的色值；

1-3)通过步骤1-1)、1-2)获得原始数据集S：

S＝{s₁(T₁,H₁,Q₁,X₁),s₂(T₂,H₂,Q₂,X₂),...,s_i(T_i,H_i,Q_i,X_i),...,s_n(T_n,H_n,Q_n,X_n)} (1)

式中，s_i为第i次采的原始数据，n为最大采样次数。

3.如权利要求1所述的一种基于汗印成像的汗量检测方法，其特征在于，步骤2)中图像分区的具体方法为：

根据汗印图像X_i的颜色对其色值进行识别，获得色值的极大值

和极小值

根据

与

计算色值极差Δx_i：

根据色值极差Δx_i将汗印图像X_i分为m_i个区域：

式中，x₁、x₂、x₃、x₄均为色值极差阈值，m₁、m₂、m₃、m₄均为汗印图像X_i的分区数。

4.如权利要求1所述的一种基于汗印成像的汗量检测方法，其特征在于，步骤4)中构建模型的具体方法为：

以温度T_i、湿度H_i、区域数m_i为输入，以误差ΔQ_i为输出，构建基于BP神经网络的误差预测模型；

所述BP神经网络包括1个输入层、2个隐藏层、1个输出层，所述输入层包括3个输入，所述隐藏层均包括2个神经元，所述输出层包括1个输出，隐藏层采用sigmoid函数作为激活函数，输出层采用softmax作为激活函数。

5.如权利要求1所述的一种基于汗印成像的汗量检测方法，其特征在于，步骤5)中模型训练的具体步骤为：

5-1)初始化BP神经网络的权重和偏执参数，所述权重参数均初始化为服从正态分布的[-1,1]之间的随机数，偏差均初始化为0；

5-2)设定损失函数loss为：

式中，y为样本的的真实误差ΔQ_i，y′为神经网络预测的ΔQ′_i；

设置学习率为α，采用梯度下降法更新BP神经网络的权重和偏差，获得训练后的误差预测模型。

6.如权利要求1所述的一种基于汗印成像的汗量检测方法，其特征在于，步骤6)中出汗量预测的具体步骤为：

6-1)将试纸贴设在测试者的待测部位，采集环境温度T′、湿度H′以及Δt时间后试纸上形成的汗印图像X′；

6-2)根据汗印图像X′，采用步骤2)的方法将汗印图像X′分为m′个区域，并采用步骤3)的方法计算m′个区域的汗液采集总值Q′；

6-3)将环境温度T′、湿度H′、区域数m′输入步骤5)中训练好的误差预测模型中计算误差ΔQ′；

6-4)对汗液采集总值Q′和校正误差ΔQ′求和得到测试者的待测部位的出汗量，并计算测试者的待测部位的出汗率R：

式中，a为贴设在测试者待测部位试纸有效部分的面积。

Images