CN116269266B - 基于ai的老年人健康监测方法和系统 - Google Patents
基于ai的老年人健康监测方法和系统 Download PDFInfo
- Publication number
- CN116269266B CN116269266B CN202310572618.4A CN202310572618A CN116269266B CN 116269266 B CN116269266 B CN 116269266B CN 202310572618 A CN202310572618 A CN 202310572618A CN 116269266 B CN116269266 B CN 116269266B
- Authority
- CN
- China
- Prior art keywords
- activity
- target object
- physiological
- abnormal event
- information
- 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
Links
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
- G08B21/0407—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/01—Measuring temperature of body parts ; Diagnostic temperature sensing, e.g. for malignant or inflamed tissue
-
- 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
- A61B5/72—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
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Animal Behavior & Ethology (AREA)
- Physiology (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Medical Informatics (AREA)
- Pathology (AREA)
- Artificial Intelligence (AREA)
- Cardiology (AREA)
- Psychiatry (AREA)
- General Physics & Mathematics (AREA)
- Psychology (AREA)
- Pulmonology (AREA)
- Emergency Management (AREA)
- Gerontology & Geriatric Medicine (AREA)
- Social Psychology (AREA)
- Business, Economics & Management (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明提供基于AI的老年人健康监测方法和系统,其同步采集目标对象的活动数据和生理参数数据,并进行AI分析得到活动特征信息和生理状态特征信息,对目标对象进行活动动作和生理状态的双方面监测,为后续对目标对象的身体状态变化监测提供充分的数据;该确定目标对象发生活动异常事件和生理异常事件对应的第一发生时间分布信息和第二发生时间分布信息,以此确定引发生理异常事件的活动异常事件,使得后续进一步挖掘引发生理异常事件的人体活动因素,这样当目标对象做出与人体活动因素匹配的活动行为并且生理状态未出现异常前,即可有预见性地对目标对象可能潜在发生的健康问题进行及时的报警提醒。
Description
技术领域
本发明涉及智能健康监测的技术领域,特别涉及基于AI的老年人健康监测方法和系统。
背景技术
老年人的身体机能通常会发生较大的衰退,为了对老年人的身体健康状态进行实时监测,现有技术可以采用智能手表等便携终端对老年人进行实时身体监测,当老年人佩戴智能手表后,智能手表能够实时采集老年人的血压、血氧浓度和心率等体征参数,并当体征参数出现异常时快速进行提醒,保证老年人能够及时了解自身的身体状态。但是上述方式只能对老年人的生理体征监测,故只能在老年人的生理体征发生异常时才进行提醒,实际上在大部分情况下,生理体征发生异常是老年人处运动不当导致的,当在生理体征发生异常时才进行提醒会存在提醒过晚的问题,无法在老年人因运动不当且在生理体征未呈现出异常之前及时进行报警提醒,不能对老年人的健康状态进行预见性的监测,降低健康监测的可靠性和准确性。
发明内容
针对现有技术存在的缺陷,本发明提供基于AI的老年人健康监测方法和系统,其同步采集目标对象的活动数据和生理参数数据,并进行AI分析得到活动特征信息和生理状态特征信息,对目标对象进行活动动作和生理状态的双方面监测,为后续对目标对象的身体状态变化监测提供充分的数据;该确定目标对象发生活动异常事件和生理异常事件对应的第一发生时间分布信息和第二发生时间分布信息,以此确定引发生理异常事件的活动异常事件,使得后续进一步挖掘引发生理异常事件的人体活动因素,这样当目标对象做出与人体活动因素匹配的活动行为并且生理状态未出现异常前,即可有预见性地对目标对象可能潜在发生的健康问题进行及时的报警提醒,提高对老年人的健康监测效率和为老年人发生隐性健康问题下提供有效可靠的参考依据。
本发明提供基于AI的老年人健康监测方法,包括如下步骤:
步骤S1,同步采集目标对象的活动数据和生理参数数据;对所述活动数据进行AI分析,得到所述目标对象的活动特征信息,对所述生理参数数据进行AI分析,得到所述目标对象的生理状态特征信息;
步骤S2,基于所述活动特征信息,得到所述目标对象发生活动异常事件的第一发生时间分布信息;基于所述生理状态特征信息,得到所述目标对象发生生理异常事件的第二发生时间分布信息;基于所述第一发生时间分布信息和所述第二发生时间分布信息,得到所述活动异常事件与所述生理异常事件之间的关联信息;
步骤S3,基于所述关联信息,确定触发所述生理异常事件对应的人体活动因素;并基于所述人体活动因素,对目标对象的实时活动状态进行报警提醒。
进一步,在所述步骤S1中,同步采集目标对象的活动数据和生理参数数据;对所述活动数据进行AI分析,得到所述目标对象的活动特征信息,对所述生理参数数据进行AI分析,得到所述目标对象的生理状态特征信息,包括:
基于目标对象的历史活动信息,确定数据采集频率;再基于所述数据采集频率,同步采集所述目标对象的活动数据和生理参数数据;其中,所述活动数据包括所述目标对象的肢体动作幅度、动作姿态和动作速度;所述生理参数数据包括所述目标对象的血压、心率、呼吸频率和体温;
对所述活动数据进行AI建模分析,得到所述目标对象在活动过程中的活动动作模型,并基于所述活动动作模型,得到所述目标对象的活动特征信息;其中,所述活动特征信息包括所述目标对象的肢体动作状态变化特征;
对所述生理参数数据进行AI建模分析,得到所述目标对象在活动过程中的生理状态模型,并基于所述生理状态模型,得到所述目标对象的生理状态特征信息;其中,所述生理状态特征信息包括所述目标对象的生理体征变化特征。
进一步在所述步骤S1中,基于目标对象的历史活动信息,确定数据采集频率,包括:
步骤S101,利用下面公式(1),根据所述历史活动信息包含的活动数据,得到基于目标对象的活动数据的最低采集频率,
(1)
在上述公式(1)中,表示基于目标对象的活动数据的最低采集频率;/>表示所述基于目标对象的历史活动信息的第/>次的数据采集频率;表示所述基于目标对象的历史活动信息的第次的数据采集频率;/>表示所述基于目标对象的历史活动信息的第/>次的数据采集频率;/>表示第/>次的数据采集频率采集到的所述目标对象的肢体动作幅度值;/>表示第/>次的数据采集频率采集到的所述目标对象的动作速度值;/>表示所述基于目标对象的历史活动信息中的数据采集的总次数;/>表示将/>的值从1取值到/>代入到括号内得到括号内的最大值;/>均表示得到括号内逗号两端的最大值;
步骤S102,利用下面公式(2),根据所述历史活动信息包含的生理参数数据,得到基于目标对象的生理参数数据的最低采集频率,
(2)
在上述公式(2)中,表示基于目标对象的生理参数数据的最低采集频率;/>表示所述基于目标对象的历史活动信息的第/>次的数据采集频率;/>表示第/>次的数据采集频率采集到的所述目标对象的血压变化值;/>表示第/>次的数据采集频率采集到的所述目标对象的心率变化值;/>表示第/>次的数据采集频率采集到的所述目标对象的呼吸频率变化值;/>表示第/>次的数据采集频率采集到的所述目标对象的体温变化值;表示将/>的值从1取值到/>代入到括号内得到括号内的最大值;表示所述基于目标对象的历史活动信息中第次的数据采集频率;/>表示所述基于目标对象的历史活动信息的第/>次的数据采集频率;/>表示所述基于目标对象的历史活动信息中第次的数据采集频率;/>表示所述基于目标对象的历史活动信息中第/>次的数据采集频率;/>表示得到括号内上下四个数值中的最大值;/>表示将/>的值从1取值到/>代入到括号内得到括号内的最大值;
步骤S103,利用下面公式(3),根据基于目标对象的活动数据的最低采集频率以及基于目标对象的生理参数数据的最低采集频率,得到最终同步采集数据的数据采集频率,
(3)
在上述公式(3)中,表示最终同步采集数据的数据采集频率,若为首次采集数据,则直接将初始预设采集频率赋值于/>;/>表示求取绝对值;/>表示取/>两者中的最大值。
进一步,在所述步骤S2中,基于所述活动特征信息,得到所述目标对象发生活动异常事件的第一发生时间分布信息;基于所述生理状态特征信息,得到所述目标对象发生生理异常事件的第二发生时间分布信息;基于所述第一发生时间分布信息和所述第二发生时间分布信息,得到所述活动异常事件与所述生理异常事件之间的关联信息,包括:
基于所述活动特征信息,判断所述目标对象在活动过程中是否存在肢体动作异常情况;若存在,则确定所述目标对象发生活动异常事件,并记录所有活动异常事件各自的发生时间,以此生成所述第一发生时间分布信息;
基于所述生理状态特征信息,判断所述目标对象在活动过程中是否存在生理体征异常情况;若存在,则确定所述目标对象发生生理异常事件,并记录所有生理异常事件各自的发生时间,以此生成所述第二发生时间分布信息;
将所述第一发生时间分布信息与所述第二发生时间分布信息进行发生时间点对比,确定发生时间差值小于或等于预设时间阈值的活动异常事件和生理异常事件,并将所述确定的活动异常事件和生理异常事件作为关联事件组;其中,所述发生时间差值是指活动异常事件发生相对于生理异常事件早发生的时间差值;
基于所有关联事件组,确定直接触发所述生理异常事件的活动异常事件。
进一步,在所述步骤S3中,基于所述关联信息,确定触发所述生理异常事件对应的人体活动因素;并基于所述人体活动因素,对目标对象的实时活动状态进行报警提醒,包括:
从所述关联信息中确定直接触发所述生理异常事件的活动异常事件,并对所述确定的活动异常事件进行追溯,得到所述确定的活动异常事件对应的人体肢体活动状态,以此作为所述人体活动因素;
获取所述目标对象的实时活动数据,判断所述实时活动数据是否与所述人体肢体活动状态相匹配,若是,则向监测平台发送报警通知消息。
本发明还提供基于AI的老年人健康监测系统,包括:
活动数据采集模块,用于以预定频率采集目标对象的活动数据;
生理参数数据采集模块,用于以所述预定频率采集目标对象的生理参数数据;
AI分析模块,用于对所述活动数据进行AI分析,得到所述目标对象的活动特征信息,对所述生理参数数据进行AI分析,得到所述目标对象的生理状态特征信息;
事件关联确定模块,用于基于所述活动特征信息,得到所述目标对象发生活动异常事件的第一发生时间分布信息;基于所述生理状态特征信息,得到所述目标对象发生生理异常事件的第二发生时间分布信息;基于所述第一发生时间分布信息和所述第二发生时间分布信息,得到所述活动异常事件与所述生理异常事件之间的关联信息;
报警提醒模块,用于基于所述关联信息,确定触发所述生理异常事件对应的人体活动因素;并基于所述人体活动因素,对目标对象的实时活动状态进行报警提醒。
进一步,所述活动数据采集模块以预定频率采集目标对象的活动数据,包括:
以预定频率采集目标对象的肢体动作幅度、动作姿态和动作速度;其中,所述预定频率基于目标对象的历史活动信息确定;
所述生理参数数据采集模块以所述预定频率采集目标对象的生理参数数据,包括:
以所述预定频率采集目标对象的血压、心率、呼吸频率和体温;
所述AI分析模块对所述活动数据进行AI分析,得到所述目标对象的活动特征信息,对所述生理参数数据进行AI分析,得到所述目标对象的生理状态特征信息,包括:
对所述活动数据进行AI建模分析,得到所述目标对象在活动过程中的活动动作模型,并基于所述活动动作模型,得到所述目标对象的活动特征信息;其中,所述活动特征信息包括所述目标对象的肢体动作状态变化特征;
对所述生理参数数据进行AI建模分析,得到所述目标对象在活动过程中的生理状态模型,并基于所述生理状态模型,得到所述目标对象的生理状态特征信息;其中,所述生理状态特征信息包括所述目标对象的生理体征变化特征。
进一步,所述事件关联确定模块基于所述活动特征信息,得到所述目标对象发生活动异常事件的第一发生时间分布信息;基于所述生理状态特征信息,得到所述目标对象发生生理异常事件的第二发生时间分布信息;基于所述第一发生时间分布信息和所述第二发生时间分布信息,得到所述活动异常事件与所述生理异常事件之间的关联信息,包括:
基于所述活动特征信息,判断所述目标对象在活动过程中是否存在肢体动作异常情况;若存在,则确定所述目标对象发生活动异常事件,并记录所有活动异常事件各自的发生时间,以此生成所述第一发生时间分布信息;
基于所述生理状态特征信息,判断所述目标对象在活动过程中是否存在生理体征异常情况;若存在,则确定所述目标对象发生生理异常事件,并记录所有生理异常事件各自的发生时间,以此生成所述第二发生时间分布信息;
将所述第一发生时间分布信息与所述第二发生时间分布信息进行发生时间点对比,确定发生时间差值小于或等于预设时间阈值的活动异常事件和生理异常事件,并将所述确定的活动异常事件和生理异常事件作为关联事件组;其中,所述发生时间差值是指活动异常事件发生相对于生理异常事件早发生的时间差值;
基于所有关联事件组,确定直接触发所述生理异常事件的活动异常事件。
进一步,所述报警提醒模块基于所述关联信息,确定触发所述生理异常事件对应的人体活动因素;并基于所述人体活动因素,对目标对象的实时活动状态进行报警提醒,包括:
从所述关联信息中确定直接触发所述生理异常事件的活动异常事件,并对所述确定的活动异常事件进行追溯,得到所述确定的活动异常事件对应的人体肢体活动状态,以此作为所述人体活动因素;
获取所述目标对象的实时活动数据,判断所述实时活动数据是否与所述人体肢体活动状态相匹配,若是,则向监测平台发送报警通知消息。
进一步,所述报警提醒模块与所述监测平台之间通过蓝牙网络或者5G网络连接。
相比于现有技术,该基于AI的老年人健康监测方法和系统同步采集目标对象的活动数据和生理参数数据,并进行AI分析得到活动特征信息和生理状态特征信息,对目标对象进行活动动作和生理状态的双方面监测,为后续对目标对象的身体状态变化监测提供充分的数据;该确定目标对象发生活动异常事件和生理异常事件对应的第一发生时间分布信息和第二发生时间分布信息,以此确定引发生理异常事件的活动异常事件,使得后续进一步挖掘引发生理异常事件的人体活动因素,这样当目标对象做出与人体活动因素匹配的活动行为并且生理状态未出现异常前,即可有预见性地对目标对象可能潜在发生的健康问题进行及时的报警提醒,提高对老年人的健康监测效率和为老年人发生隐性健康问题下提供有效可靠的参考依据。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明提供的基于AI的老年人健康监测方法的流程示意图。
图2为本发明提供的基于AI的老年人健康监测系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅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作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。
参阅图1,为本发明实施例提供的基于AI的老年人健康监测方法的流程示意图。该基于AI的老年人健康监测方法包括如下步骤:
步骤S1,同步采集目标对象的活动数据和生理参数数据;对该活动数据进行AI分析,得到该目标对象的活动特征信息,对该生理参数数据进行AI分析,得到该目标对象的生理状态特征信息;
步骤S2,基于该活动特征信息,得到该目标对象发生活动异常事件的第一发生时间分布信息;基于该生理状态特征信息,得到该目标对象发生生理异常事件的第二发生时间分布信息;基于该第一发生时间分布信息和该第二发生时间分布信息,得到该活动异常事件与该生理异常事件之间的关联信息;
步骤S3,基于该关联信息,确定触发该生理异常事件对应的人体活动因素;并基于该人体活动因素,对目标对象的实时活动状态进行报警提醒。
上述技术方案的有益效果为:该基于AI的老年人健康监测方法同步采集目标对象的活动数据和生理参数数据,并进行AI分析得到活动特征信息和生理状态特征信息,对目标对象进行活动动作和生理状态的双方面监测,为后续对目标对象的身体状态变化监测提供充分的数据;该确定目标对象发生活动异常事件和生理异常事件对应的第一发生时间分布信息和第二发生时间分布信息,以此确定引发生理异常事件的活动异常事件,使得后续进一步挖掘引发生理异常事件的人体活动因素,这样当目标对象做出与人体活动因素匹配的活动行为并且生理状态未出现异常前,即可有预见性地对目标对象可能潜在发生的健康问题进行及时的报警提醒,提高对老年人的健康监测效率和为老年人发生隐性健康问题下提供有效可靠的参考依据。
优选地,在该步骤S1中,同步采集目标对象的活动数据和生理参数数据;对该活动数据进行AI分析,得到该目标对象的活动特征信息,对该生理参数数据进行AI分析,得到该目标对象的生理状态特征信息,包括:
基于目标对象的历史活动信息,确定数据采集频率;再基于该数据采集频率,同步采集该目标对象的活动数据和生理参数数据;其中,该活动数据包括该目标对象的肢体动作幅度、动作姿态和动作速度;该生理参数数据包括该目标对象的血压、心率、呼吸频率和体温;
对该活动数据进行AI建模分析,得到该目标对象在活动过程中的活动动作模型,并基于该活动动作模型,得到该目标对象的活动特征信息;其中,该活动特征信息包括该目标对象的肢体动作状态变化特征;
对该生理参数数据进行AI建模分析,得到该目标对象在活动过程中的生理状态模型,并基于该生理状态模型,得到该目标对象的生理状态特征信息;其中,该生理状态特征信息包括该目标对象的生理体征变化特征。
上述技术方案的有益效果为:不同年龄层的目标对象的固有活动动作频率并不相同,通常而言,年龄越小的目标对象的活动动作频率越大,年龄越大的目标对象的活动动作频率越小。对目标对象的历史活动信息进行分析,得到目标对象在历史活动过程中做出相应活动动作的平均频率,再以该平均频率为基准,确定对目标对象进行活动数据和生理参数数据采集的数据采集频率,一般而言,该数据采集频率应当不小于该平局频率,从而保证每当目标对象做出相应活动动作时,均能够及时全面地采集对应的活动数据和生理参数数据。此外,在实际数据采集过程中可利用佩戴在目标对象四肢上的三轴加速度传感器和速度传感器等来采集目标对象在活动过程中对应产生的肢体动作幅度、动作姿态和动作速度,以及利用佩戴在目标对象手腕等部分上的智能手表采集目标对象在活动过程中对应产生的血压、心率、呼吸频率和体温,从而对目标对象进行多方面的活动表征和生理状态表征。进一步还借助人工智能AI分析方式对采集的活动数据和生理参数数据分别进行建模分析,从而得到目标对象的活动特征信息和生理状态特征信息,从而当目标对象的肢体动作幅度、动作姿态或动作速度发生变化,或者目标对象的血压、心率、呼吸频率和体温发生变化时进行明确的变化特征标识,便于后续判断目标对象是否发生活动异常事件和生理体征异常事件提供可靠的数据支撑。
优选地,在该步骤S1中,基于目标对象的历史活动信息,确定数据采集频率,包括:
步骤S101,利用下面公式(1),根据该历史活动信息包含的活动数据,得到基于目标对象的活动数据的最低采集频率,
(1)
在上述公式(1)中,表示基于目标对象的活动数据的最低采集频率;/>表示该基于目标对象的历史活动信息的第/>次的数据采集频率;/>表示该基于目标对象的历史活动信息的第/>次的数据采集频率;表示该基于目标对象的历史活动信息的第次的数据采集频率;/>表示第/>次的数据采集频率采集到的该目标对象的肢体动作幅度值;/>表示第/>次的数据采集频率采集到的该目标对象的动作速度值;/>表示该基于目标对象的历史活动信息中的数据采集的总次数;/>表示将/>的值从1取值到/>代入到括号内得到括号内的最大值;/>均表示得到括号内逗号两端的最大值;
步骤S102,利用下面公式(2),根据该历史活动信息包含的生理参数数据,得到基于目标对象的生理参数数据的最低采集频率,
(2)
在上述公式(2)中,表示基于目标对象的生理参数数据的最低采集频率;/>表示该基于目标对象的历史活动信息的第/>次的数据采集频率;/>表示第/>次的数据采集频率采集到的该目标对象的血压变化值;/>表示第/>次的数据采集频率采集到的该目标对象的心率变化值;/>表示第/>次的数据采集频率采集到的该目标对象的呼吸频率变化值;/>表示第/>次的数据采集频率采集到的该目标对象的体温变化值;表示将/>的值从1取值到/>代入到括号内得到括号内的最大值;表示该基于目标对象的历史活动信息中第次的数据采集频率;/>表示该基于目标对象的历史活动信息的第/>次的数据采集频率;/>表示该基于目标对象的历史活动信息中第次的数据采集频率;/>表示该基于目标对象的历史活动信息中第/>次的数据采集频率;/>表示得到括号内上下四个数值中的最大值;/>表示将/>的值从1取值到/>代入到括号内得到括号内的最大值;
步骤S103,利用下面公式(3),根据基于目标对的活动数据的最低采集频率以及基于目标对象的生理参数数据的最低采集频率,得到最终同步采集数据的数据采集频率,
(3)
在上述公式(3)中,表示最终同步采集数据的数据采集频率,若为首次采集数据,则直接将初始预设采集频率赋值于/>;/>表示求取绝对值;/>表示取/>两者中的最大值。
上述技术方案的有益效果为:利用上述公式(1),根据该历史活动信息包含的活动数据,得到基于目标对象的活动数据的最低采集频率,从而基于目标对象的活动数据的最低采集频率可以将历史活动的大幅度数据均可完整采集到,确保数据采集的可靠性;再利用上述公式(2),根据该历史活动信息包含的生理参数数据,得到基于目标对象的生理参数数据的最低采集频率,可以将历史活动的每一种大幅度生理参数数据均可完整采集到,确保数据采集的全面性;最后利用上述公式(3),根据基于目标对的活动数据的最低采集频率以及基于目标对象的生理参数数据的最低采集频率,得到最终同步采集数据的数据采集频率,进而确保采集频率可以采集到较大范围变化的数据同时也不会因高频采集导致系统卡顿,确保了系统的稳定性。
优选地,在该步骤S2中,基于该活动特征信息,得到该目标对象发生活动异常事件的第一发生时间分布信息;基于该生理状态特征信息,得到该目标对象发生生理异常事件的第二发生时间分布信息;基于该第一发生时间分布信息和该第二发生时间分布信息,得到该活动异常事件与该生理异常事件之间的关联信息,包括:
基于该活动特征信息,判断该目标对象在活动过程中是否存在肢体动作异常情况;若存在,则确定该目标对象发生活动异常事件,并记录所有活动异常事件各自的发生时间,以此生成该第一发生时间分布信息;
基于该生理状态特征信息,判断该目标对象在活动过程中是否存在生理体征异常情况;若存在,则确定该目标对象发生生理异常事件,并记录所有生理异常事件各自的发生时间,以此生成该第二发生时间分布信息;
将该第一发生时间分布信息与该第二发生时间分布信息进行发生时间点对比,确定发生时间差值小于或等于预设时间阈值的活动异常事件和生理异常事件,并将该确定的活动异常事件和生理异常事件作为关联事件组;其中,该发生时间差值是指活动异常事件发生相对于生理异常事件早发生的时间差值;
基于所有关联事件组,确定直接触发该生理异常事件的活动异常事件。
上述技术方案的有益效果为:当目标对象进行快速跑动或者身体翻滚时,活动特征信息中对应的肢体动作幅度、动作姿态或动作速度的变化情况也会相应变得剧烈,此时目标对象当下的血压、心率、呼吸频率和体温也会发生剧烈变化,这会体现在生理状态特征信息中。当活动特征信息中对应的肢体动作幅度、动作姿态或动作速度的变化率大于或等于各自对应的预设变化率阈值,则确定目标对象发生活动异常事件;当生理状态特征信息中对应的血压、心率、呼吸频率和体温的变化率大于或等于各自对应的预设变化率阈值,则确定目标对象发生生理异常事件,此时记录所有活动异常事件各自的发生时间以及所有生理异常事件各自的发生时间,从而在对目标对象进行健康监测的整个过程中活动异常事件和生理异常事件发生的时间点分布情况进行准确的记录,以此为区分某一活动异常事件是否属于触发生理异常事件发生的原因进行识别判断。当某一活动异常事件发生在某一生理异常事件之前,并且某一活动异常事件与某一生理异常事件的发生时间差值小于或等于预设时间阈值,则确定某一活动异常事件属于触发某一生理异常事件发生的原因,其中一个生理异常事件可以对应一个或多个活动异常事件,这样能够将在整个健康监测过程中确定的所有活动异常事件和生理异常事件进行关联,便于确定导致生理异常事件发生的目标对象的人体活动状态。
优选地,在该步骤S3中,基于该关联信息,确定触发该生理异常事件对应的人体活动因素;并基于该人体活动因素,对目标对象的实时活动状态进行报警提醒,包括:
从该关联信息中确定直接触发该生理异常事件的活动异常事件,并对该确定的活动异常事件进行追溯,得到该确定的活动异常事件对应的人体肢体活动状态,以此作为该人体活动因素;
获取该目标对象的实时活动数据,判断该实时活动数据是否与所该人体肢体活动状态相匹配,若是,则向监测平台发送报警通知消息。
上述技术方案的有益效果为:以关联信息为基准,确定直接触发生理异常事件的活动异常事件,并且从采集的活动数据中确定活动异常事件发生时目标对象的人体肢体活动状态,从而将确定的人体肢体活动状态作为诱发目标对象发生生理异常事件的潜在诱因。此时再获取目标对象的实时活动数据,判断该实时活动数据是否与所该人体肢体活动状态相匹配,若两者相匹配,则向监测平台发送相应的报警通知消息;其中,该报警通知消息可包括但不限于是目标对象的身份信息和实时位置信息。
参阅图2,为本发明实施例提供的基于AI的老年人健康监测系统的结构示意图。该基于AI的老年人健康监测系统包括:
活动数据采集模块,用于以预定频率采集目标对象的活动数据;
生理参数数据采集模块,用于以该预定频率采集目标对象的生理参数数据;
AI分析模块,用于对该活动数据进行AI分析,得到该目标对象的活动特征信息,对该生理参数数据进行AI分析,得到该目标对象的生理状态特征信息;
事件关联确定模块,用于基于该活动特征信息,得到该目标对象发生活动异常事件的第一发生时间分布信息;基于该生理状态特征信息,得到该目标对象发生生理异常事件的第二发生时间分布信息;基于该第一发生时间分布信息和该第二发生时间分布信息,得到该活动异常事件与该生理异常事件之间的关联信息;
报警提醒模块,用于基于该关联信息,确定触发该生理异常事件对应的人体活动因素;并基于该人体活动因素,对目标对象的实时活动状态进行报警提醒。
上述技术方案的有益效果为:该基于AI的老年人健康监测系统同步采集目标对象的活动数据和生理参数数据,并进行AI分析得到活动特征信息和生理状态特征信息,对目标对象进行活动动作和生理状态的双方面监测,为后续对目标对象的身体状态变化监测提供充分的数据;该确定目标对象发生活动异常事件和生理异常事件对应的第一发生时间分布信息和第二发生时间分布信息,以此确定引发生理异常事件的活动异常事件,使得后续进一步挖掘引发生理异常事件的人体活动因素,这样当目标对象做出与人体活动因素匹配的活动行为并且生理状态未出现异常前,即可有预见性地对目标对象可能潜在发生的健康问题进行及时的报警提醒,提高对老年人的健康监测效率和为老年人发生隐性健康问题下提供有效可靠的参考依据。
优选地,该活动数据采集模块以预定频率采集目标对象的活动数据,包括:
以预定频率采集目标对象的肢体动作幅度、动作姿态和动作速度;其中,该预定频率基于目标对象的历史活动信息确定;
该生理参数数据采集模块以该预定频率采集目标对象的生理参数数据,包括:
以该预定频率采集目标对象的血压、心率、呼吸频率和体温;
该AI分析模块对该活动数据进行AI分析,得到该目标对象的活动特征信息,对该生理参数数据进行AI分析,得到该目标对象的生理状态特征信息,包括:
对该活动数据进行AI建模分析,得到该目标对象在活动过程中的活动动作模型,并基于该活动动作模型,得到该目标对象的活动特征信息;其中,该活动特征信息包括该目标对象的肢体动作状态变化特征;
对所述生理参数数据进行AI建模分析,得到该目标对象在活动过程中的生理状态模型,并基于该生理状态模型,得到该目标对象的生理状态特征信息;其中,该生理状态特征信息包括该目标对象的生理体征变化特征。
上述技术方案的有益效果为:不同年龄层的目标对象的固有活动动作频率并不相同,通常而言,年龄越小的目标对象的活动动作频率越大,年龄越大的目标对象的活动动作频率越小。对目标对象的历史活动信息进行分析,得到目标对象在历史活动过程中做出相应活动动作的平均频率,再以该平均频率为基准,确定对目标对象进行活动数据和生理参数数据采集的数据采集频率,一般而言,该数据采集频率应当不小于该平局频率,从而保证每当目标对象做出相应活动动作时,均能够及时全面地采集对应的活动数据和生理参数数据。此外,在实际数据采集过程中可利用佩戴在目标对象四肢上的三轴加速度传感器和速度传感器等来采集目标对象在活动过程中对应产生的肢体动作幅度、动作姿态和动作速度,以及利用佩戴在目标对象手腕等部分上的智能手表采集目标对象在活动过程中对应产生的血压、心率、呼吸频率和体温,从而对目标对象进行多方面的活动表征和生理状态表征。进一步还借助人工智能AI分析方式对采集的活动数据和生理参数数据分别进行建模分析,从而得到目标对象的活动特征信息和生理状态特征信息,从而当目标对象的肢体动作幅度、动作姿态或动作速度发生变化,或者目标对象的血压、心率、呼吸频率和体温发生变化时进行明确的变化特征标识,便于后续判断目标对象是否发生活动异常事件和生理体征异常事件提供可靠的数据支撑。
优选地,该事件关联确定模块基于该活动特征信息,得到该目标对象发生活动异常事件的第一发生时间分布信息;基于该生理状态特征信息,得到该目标对象发生生理异常事件的第二发生时间分布信息;基于该第一发生时间分布信息和该第二发生时间分布信息,得到该活动异常事件与该生理异常事件之间的关联信息,包括:
基于该活动特征信息,判断该目标对象在活动过程中是否存在肢体动作异常情况;若存在,则确定该目标对象发生活动异常事件,并记录所有活动异常事件各自的发生时间,以此生成该第一发生时间分布信息;
基于该生理状态特征信息,判断该目标对象在活动过程中是否存在生理体征异常情况;若存在,则确定该目标对象发生生理异常事件,并记录所有生理异常事件各自的发生时间,以此生成该第二发生时间分布信息;
将该第一发生时间分布信息与该第二发生时间分布信息进行发生时间点对比,确定发生时间差值小于或等于预设时间阈值的活动异常事件和生理异常事件,并将该确定的活动异常事件和生理异常事件作为关联事件组;其中,该发生时间差值是指活动异常事件发生相对于生理异常事件早发生的时间差值;
基于所有关联事件组,确定直接触发该生理异常事件的活动异常事件。
上述技术方案的有益效果为:当目标对象进行快速跑动或者身体翻滚时,活动特征信息中对应的肢体动作幅度、动作姿态或动作速度的变化情况也会相应变得剧烈,此时目标对象当下的血压、心率、呼吸频率和体温也会发生剧烈变化,这会体现在生理状态特征信息中。当活动特征信息中对应的肢体动作幅度、动作姿态或动作速度的变化率大于或等于各自对应的预设变化率阈值,则确定目标对象发生活动异常事件;当生理状态特征信息中对应的血压、心率、呼吸频率和体温的变化率大于或等于各自对应的预设变化率阈值,则确定目标对象发生生理异常事件,此时记录所有活动异常事件各自的发生时间以及所有生理异常事件各自的发生时间,从而在对目标对象进行健康监测的整个过程中活动异常事件和生理异常事件发生的时间点分布情况进行准确的记录,以此为区分某一活动异常事件是否属于触发生理异常事件发生的原因进行识别判断。当某一活动异常事件发生在某一生理异常事件之前,并且某一活动异常事件与某一生理异常事件的发生时间差值小于或等于预设时间阈值,则确定某一活动异常事件属于触发某一生理异常事件发生的原因,其中一个生理异常事件可以对应一个或多个活动异常事件,这样能够将在整个健康监测过程中确定的所有活动异常事件和生理异常事件进行关联,便于确定导致生理异常事件发生的目标对象的人体活动状态。
优选地,该报警提醒模块基于该关联信息,确定触发该生理异常事件对应的人体活动因素;并基于该人体活动因素,对目标对象的实时活动状态进行报警提醒,包括:
从该关联信息中确定直接触发该生理异常事件的活动异常事件,并对该确定的活动异常事件进行追溯,得到该确定的活动异常事件对应的人体肢体活动状态,以此作为该人体活动因素;
获取该目标对象的实时活动数据,判断该实时活动数据是否与所该人体肢体活动状态相匹配,若是,则向监测平台发送报警通知消息。
上述技术方案的有益效果为:以关联信息为基准,确定直接触发生理异常事件的活动异常事件,并且从采集的活动数据中确定活动异常事件发生时目标对象的人体肢体活动状态,从而将确定的人体肢体活动状态作为诱发目标对象发生生理异常事件的潜在诱因。此时再获取目标对象的实时活动数据,判断该实时活动数据是否与所该人体肢体活动状态相匹配,若两者相匹配,则向监测平台发送相应的报警通知消息;其中,该报警通知消息可包括但不限于是目标对象的身份信息和实时位置信息。
优选地,该报警提醒模块与该监测平台之间通过蓝牙网络或者5G网络连接。
上述技术方案的有益效果为:利用蓝牙网络或者5G网络连接将报警提醒模块与监测平台进行无线连接,可保证报警提醒模块将报警通知消息准确快速地发送至监测平台,保证报警提醒模块与监测平台之间的通信稳定性。
从上述实施例的内容可知,该基于AI的老年人健康监测方法和系统同步采集目标对象的活动数据和生理参数数据,并进行AI分析得到活动特征信息和生理状态特征信息,对目标对象进行活动动作和生理状态的双方面监测,为后续对目标对象的身体状态变化监测提供充分的数据;该确定目标对象发生活动异常事件和生理异常事件对应的第一发生时间分布信息和第二发生时间分布信息,以此确定引发生理异常事件的活动异常事件,使得后续进一步挖掘引发生理异常事件的人体活动因素,这样当目标对象做出与人体活动因素匹配的活动行为并且生理状态未出现异常前,即可有预见性地对目标对象可能潜在发生的健康问题进行及时的报警提醒,提高对老年人的健康监测效率和为老年人发生隐性健康问题下提供有效可靠的参考依据。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (3)
1.基于AI的老年人健康监测方法,其特征在于,包括如下步骤:
步骤S1,同步采集目标对象的活动数据和生理参数数据;对所述活动数据进行AI分析,得到所述目标对象的活动特征信息,对所述生理参数数据进行AI分析,得到所述目标对象的生理状态特征信息;
步骤S2,基于所述活动特征信息,得到所述目标对象发生活动异常事件的第一发生时间分布信息;基于所述生理状态特征信息,得到所述目标对象发生生理异常事件的第二发生时间分布信息;基于所述第一发生时间分布信息和所述第二发生时间分布信息,得到所述活动异常事件与所述生理异常事件之间的关联信息;
步骤S3,基于所述关联信息,确定触发所述生理异常事件对应的人体活动因素;并基于所述人体活动因素,对目标对象的实时活动状态进行报警提醒;在所述步骤S1中,同步采集目标对象的活动数据和生理参数数据;对所述活动数据进行AI分析,得到所述目标对象的活动特征信息,对所述生理参数数据进行AI分析,得到所述目标对象的生理状态特征信息,包括:
基于目标对象的历史活动信息,确定数据采集频率;再基于所述数据采集频率,同步采集所述目标对象的活动数据和生理参数数据;其中,所述活动数据包括所述目标对象的肢体动作幅度、动作姿态和动作速度;所述生理参数数据包括所述目标对象的血压、心率、呼吸频率和体温;
对所述活动数据进行AI建模分析,得到所述目标对象在活动过程中的活动动作模型,并基于所述活动动作模型,得到所述目标对象的活动特征信息;其中,所述活动特征信息包括所述目标对象的肢体动作状态变化特征;
对所述生理参数数据进行AI建模分析,得到所述目标对象在活动过程中的生理状态模型,并基于所述生理状态模型,得到所述目标对象的生理状态特征信息;其中,所述生理状态特征信息包括所述目标对象的生理体征变化特征;
在所述步骤S1中,基于目标对象的历史活动信息,确定数据采集频率,包括:
步骤S101,利用下面公式(1),根据所述历史活动信息包含的活动数据,得到基于目标对象的活动数据的最低采集频率,
(1)
在上述公式(1)中,表示基于目标对象的活动数据的最低采集频率;/>表示所述基于目标对象的历史活动信息的第/>次的数据采集频率;/>表示所述基于目标对象的历史活动信息的第/>次的数据采集频率;表示所述基于目标对象的历史活动信息的第次的数据采集频率;/>表示第/>次的数据采集频率采集到的所述目标对象的肢体动作幅度值;/>表示第/>次的数据采集频率采集到的所述目标对象的动作速度值;/>表示所述基于目标对象的历史活动信息中的数据采集的总次数;表示将/>的值从1取值到/>代入到括号内得到括号内的最大值;均表示得到括号内逗号两端的最大值;
步骤S102,利用下面公式(2),根据所述历史活动信息包含的生理参数数据,得到基于目标对象的生理参数数据的最低采集频率,
(2)
在上述公式(2)中,表示基于目标对象的生理参数数据的最低采集频率;/>表示所述基于目标对象的历史活动信息的第/>次的数据采集频率;/>表示第/>次的数据采集频率采集到的所述目标对象的血压变化值;/>表示第/>次的数据采集频率采集到的所述目标对象的心率变化值;/>表示第/>次的数据采集频率采集到的所述目标对象的呼吸频率变化值;/>表示第/>次的数据采集频率采集到的所述目标对象的体温变化值;表示将/>的值从1取值到/>代入到括号内得到括号内的最大值;表示所述基于目标对象的历史活动信息中第次的数据采集频率;/>表示所述基于目标对象的历史活动信息的第/>次的数据采集频率;/>表示所述基于目标对象的历史活动信息中第次的数据采集频率;/>表示所述基于目标对象的历史活动信息中第/>次的数据采集频率;/>表示得到括号内上下四个数值中的最大值;/>表示将/>的值从1取值到/>代入到括号内得到括号内的最大值;
步骤S103,利用下面公式(3),根据基于目标对象的活动数据的最低采集频率以及基于目标对象的生理参数数据的最低采集频率,得到最终同步采集数据的数据采集频率,
(3)
在上述公式(3)中,表示最终同步采集数据的数据采集频率,若为首次采集数据,则直接将初始预设采集频率赋值于/>;/>表示求取绝对值;/>表示取/>两者中的最大值。
2.如权利要求1所述的基于AI的老年人健康监测方法,其特征在于:
在所述步骤S2中,基于所述活动特征信息,得到所述目标对象发生活动异常事件的第一发生时间分布信息;基于所述生理状态特征信息,得到所述目标对象发生生理异常事件的第二发生时间分布信息;基于所述第一发生时间分布信息和所述第二发生时间分布信息,得到所述活动异常事件与所述生理异常事件之间的关联信息,包括:
基于所述活动特征信息,判断所述目标对象在活动过程中是否存在肢体动作异常情况;若存在,则确定所述目标对象发生活动异常事件,并记录所有活动异常事件各自的发生时间,以此生成所述第一发生时间分布信息;
基于所述生理状态特征信息,判断所述目标对象在活动过程中是否存在生理体征异常情况;若存在,则确定所述目标对象发生生理异常事件,并记录所有生理异常事件各自的发生时间,以此生成所述第二发生时间分布信息;
将所述第一发生时间分布信息与所述第二发生时间分布信息进行发生时间点对比,确定发生时间差值小于或等于预设时间阈值的活动异常事件和生理异常事件,并将所述确定的活动异常事件和生理异常事件作为关联事件组;其中,所述发生时间差值是指活动异常事件发生相对于生理异常事件早发生的时间差值;
基于所有关联事件组,确定直接触发所述生理异常事件的活动异常事件。
3.如权利要求2所述的基于AI的老年人健康监测方法,其特征在于:
在所述步骤S3中,基于所述关联信息,确定触发所述生理异常事件对应的人体活动因素;并基于所述人体活动因素,对目标对象的实时活动状态进行报警提醒,包括:
从所述关联信息中确定直接触发所述生理异常事件的活动异常事件,并对所述确定的活动异常事件进行追溯,得到所述确定的活动异常事件对应的人体肢体活动状态,以此作为所述人体活动因素;
获取所述目标对象的实时活动数据,判断所述实时活动数据是否与所述人体肢体活动状态相匹配,若是,则向监测平台发送报警通知消息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310572618.4A CN116269266B (zh) | 2023-05-22 | 2023-05-22 | 基于ai的老年人健康监测方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310572618.4A CN116269266B (zh) | 2023-05-22 | 2023-05-22 | 基于ai的老年人健康监测方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116269266A CN116269266A (zh) | 2023-06-23 |
CN116269266B true CN116269266B (zh) | 2023-08-04 |
Family
ID=86799966
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310572618.4A Active CN116269266B (zh) | 2023-05-22 | 2023-05-22 | 基于ai的老年人健康监测方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116269266B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1723848A (zh) * | 2004-07-24 | 2006-01-25 | 三星电子株式会社 | 使用加速度传感器测量体育运动量的设备和方法 |
CN201790811U (zh) * | 2010-08-24 | 2011-04-13 | 屈乾文 | 生命体征监护诊断系统 |
JP2015103116A (ja) * | 2013-11-27 | 2015-06-04 | 株式会社アイザック | 自動通報システム |
CN107291249A (zh) * | 2017-08-04 | 2017-10-24 | 沈阳天眼智云信息科技有限公司 | 一种三维运动姿态感知装置 |
CN108096807A (zh) * | 2017-12-11 | 2018-06-01 | 丁贤根 | 一种运动数据监测方法和系统 |
CN207936974U (zh) * | 2016-12-15 | 2018-10-02 | 歌尔股份有限公司 | 一种可穿戴设备 |
CN111797861A (zh) * | 2019-04-09 | 2020-10-20 | Oppo广东移动通信有限公司 | 信息处理方法、装置、存储介质及电子设备 |
CN111814523A (zh) * | 2019-04-12 | 2020-10-23 | 北京京东尚科信息技术有限公司 | 人体活动识别方法及装置 |
WO2021212756A1 (zh) * | 2020-04-23 | 2021-10-28 | 平安科技(深圳)有限公司 | 指标异常分析方法、装置、电子设备及存储介质 |
CN113916432A (zh) * | 2021-09-10 | 2022-01-11 | 上海建工集团股份有限公司 | 拉索的索力测量方法 |
CN114601431A (zh) * | 2022-03-11 | 2022-06-10 | 河海大学 | 一种基于云边协同的可穿戴式健康监测系统 |
CN115909656A (zh) * | 2022-10-18 | 2023-04-04 | 深圳开鸿数字产业发展有限公司 | 智能看护系统及目标对象监督方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6751651B2 (ja) * | 2016-11-04 | 2020-09-09 | 株式会社日立製作所 | 車両稼働データ収集装置、車両稼働データ収集システムおよび車両稼働データ収集方法 |
-
2023
- 2023-05-22 CN CN202310572618.4A patent/CN116269266B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1723848A (zh) * | 2004-07-24 | 2006-01-25 | 三星电子株式会社 | 使用加速度传感器测量体育运动量的设备和方法 |
CN201790811U (zh) * | 2010-08-24 | 2011-04-13 | 屈乾文 | 生命体征监护诊断系统 |
JP2015103116A (ja) * | 2013-11-27 | 2015-06-04 | 株式会社アイザック | 自動通報システム |
CN207936974U (zh) * | 2016-12-15 | 2018-10-02 | 歌尔股份有限公司 | 一种可穿戴设备 |
CN107291249A (zh) * | 2017-08-04 | 2017-10-24 | 沈阳天眼智云信息科技有限公司 | 一种三维运动姿态感知装置 |
CN108096807A (zh) * | 2017-12-11 | 2018-06-01 | 丁贤根 | 一种运动数据监测方法和系统 |
CN111797861A (zh) * | 2019-04-09 | 2020-10-20 | Oppo广东移动通信有限公司 | 信息处理方法、装置、存储介质及电子设备 |
CN111814523A (zh) * | 2019-04-12 | 2020-10-23 | 北京京东尚科信息技术有限公司 | 人体活动识别方法及装置 |
WO2021212756A1 (zh) * | 2020-04-23 | 2021-10-28 | 平安科技(深圳)有限公司 | 指标异常分析方法、装置、电子设备及存储介质 |
CN113916432A (zh) * | 2021-09-10 | 2022-01-11 | 上海建工集团股份有限公司 | 拉索的索力测量方法 |
CN114601431A (zh) * | 2022-03-11 | 2022-06-10 | 河海大学 | 一种基于云边协同的可穿戴式健康监测系统 |
CN115909656A (zh) * | 2022-10-18 | 2023-04-04 | 深圳开鸿数字产业发展有限公司 | 智能看护系统及目标对象监督方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116269266A (zh) | 2023-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111166357A (zh) | 多传感器融合的疲劳监测装置系统及其监测方法 | |
CN105125221A (zh) | 云服务实时摔倒检测系统及方法 | |
CN104615851B (zh) | 一种睡眠监控方法及终端 | |
CN107106085A (zh) | 用于睡眠监测的设备和方法 | |
CN107669250A (zh) | 一种基于大数据分析的人体健康度监测方法 | |
KR20190105163A (ko) | 인공지능 기반의 환자상태 예측 장치 및 이를 이용한 환자상태 예측 방법 | |
CN106388771A (zh) | 一种自动检测人体生理状态的方法及运动手环 | |
CN105726034B (zh) | 基于摔倒报警与跟踪定位功能的腕表式智能养老看护平台 | |
CN114678097B (zh) | 一种面向智慧服装的人工智能与数字孪生系统及方法 | |
CN107019500A (zh) | 一种养老监护方法及智能辅助养老系统 | |
CN106214129A (zh) | 终止劣质睡眠的方法、设备、睡眠服务器和智能穿戴终端 | |
CN114601431A (zh) | 一种基于云边协同的可穿戴式健康监测系统 | |
CN205094444U (zh) | 云服务实时摔倒检测系统 | |
CN107019501B (zh) | 基于遗传算法和概率神经网络的远程摔倒检测方法及系统 | |
CN107661092A (zh) | 生命体征状态监测方法及计算机可读存储介质 | |
CN112016619A (zh) | 一种基于鞋垫的跌倒检测方法 | |
CN116491935B (zh) | 一种智能穿戴设备的运动健康监测方法、系统及介质 | |
CN116269266B (zh) | 基于ai的老年人健康监测方法和系统 | |
Srinivasan et al. | Elder care system using IoT and machine learning in AWS cloud | |
CN112132475A (zh) | 司机驾驶安全绩效考核方法及系统 | |
CN115590483B (zh) | 一种带有健康测量系统的智能手机 | |
CN105595973A (zh) | 一种睡眠异常报警装置 | |
CN112329812A (zh) | 慢阻肺急性加重自动预警方法和平台、及可读存储介质 | |
CN111671397A (zh) | 一种基于睡眠监测的健康管理系统及方法 | |
CN118021294B (zh) | 一种基于多传感器的跌倒检测方法及系统 |
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 |