CN116344023B - 一种基于智慧养老医疗的远程监护系统 - Google Patents

Abstract

本发明涉及医疗监控技术领域，具体公开了一种基于智慧养老医疗的远程监护系统，所述系统包括：传感器组件，用于监测室内的声音数据及红外感应数据；智能穿戴设备，用于监测用户的生理参数数据；边缘分析设备，用于根据用户初始监测的声音数据及红外感应数据生成用户判断模型；及根据室内的声音数据、红外感应数据及用户的生理参数数据基于用户判断模型对用户的状态进行判断，根据判断结果产生预警信号；报警模块，用于执行预警信号向管理人员进行报警；该系统能够适应性的根据用户的生活习惯及常规活动状态进行适应性调整，进而实现对用户状态适应性判断的效果，提高了对用户监护的适应性及预警的准确性。

Description

一种基于智慧养老医疗的远程监护系统

技术领域

本发明涉及医疗监控技术领域，具体为一种基于智慧养老医疗的远程监护系统。

背景技术

随着人口老龄化的趋势，养老问题变得越来越被关注，而随着互联网技术及智能硬件技术的快速发展，采用智能化的物联网设备搭配便携式人体数据监测终端，进而能够实现远程对用户状态的监测过程。

现有的养老远程监护系统，一般通过在用户居所设置监控摄像装置，通过获取用户居所的影像信息并进行分析，进而对用户的状态进行判断。

然而此种监护方式虽然具有较高的可靠性，但在实际运行中存在很大的问题，首先，监控设备容易造成用户隐私的泄漏，存在设备被攻击导致信息泄漏的风险，其次，对于影像信息的分析会产生较大的数据传输量及数据处理量，显然在对于监护过程造成的成本较大。

发明内容

本发明的目的在于提供一种基于智慧养老医疗的远程监护系统，解决以下技术问题：

如何安全低成本的实现对用户状态的监护过程。

本发明的目的可以通过以下技术方案实现：

一种基于智慧养老医疗的远程监护系统，所述系统包括：

传感器组件，用于监测室内的声音数据及红外感应数据；

智能穿戴设备，用于监测用户的生理参数数据；

边缘分析设备，用于根据用户初始监测的声音数据及红外感应数据生成用户判断模型；及根据室内的声音数据、红外感应数据及用户的生理参数数据基于用户判断模型对用户的状态进行判断，根据判断结果产生预警信号；

报警模块，用于执行预警信号向管理人员进行报警。

于一实施例中，所述用户判断模型的生成过程包括：

根据红外感应数据获取每日用户第一活动状态随时间变化函数y＝f(x)，其中，x轴为时间t，y轴为活动状态，当为活动状态时，y＝0，当为非活动状态时，y＝1；

根据声音数据获取每日用户第二活动状态随时间变化函数y＝g(x)，其中，x轴为时间t，y轴为声音分贝大小；

获取至少一周用户活动状态函数，通过公式 计算获得用户状态参考模型y_u(x)；

其中，N为用户数据采集天数，i∈[1，N]；γ为调整系数。

于一实施例中，所述边缘分析设备分析的过程包括：

将室内的声音数据、红外感应数据与用户状态参考模型y_u(x)进行比对分析，获得第一分析值R₁；

对用户的生理参数数据进行分析，获得第二分析值R₂；

将第一分析值R₁与第一阈值区间[R_A1，R_B1]进行比对，将第二分析值R₂与第二阈值区间[R_A2，R_B2]进行比对；

若R₁>R_B1或R₂>R_B2或R₁∈[R_A1，R_B1]且R₂∈[R_A2，R_B2]，则进行预警；

若R₁<B_A1且R₂<R_A2，则不进行预警；

否则，通过边缘分析设备发出确认信息，判断用户状态。

于一实施例中，所述第一分析值R₁的计算过程包括：

根据声音数据及红外感应数据获取每次声音持续时段的起始时间点t₁及每次用户活动时段的起始时间点t₂；

通过公式计算获得第一分析值R₁；

其中，a₁、a₂为预设比例系数。

于一实施例中，所述第二分析值R₂的计算过程包括：

获取用户各项生理参数项数据I_j(t)；

通过公式计算获得第二分析值R₂；

其中，若I_j(t)∈[I_jA，I_jB]，则X_j＝0，若[I_jA，I_jB]为第j项生理参数的标准阈值区间；则/> H为生理参数项数，j∈[1，H]；α_j为第j项生理参数的量纲调整系数；I_jthA为第j项生理参数的参考值；β_j为第j项生理参数的权重系数。

于一实施例中，所述边缘分析设备分析的过程还包括：

按照预设时间间隔获取若干个时间段第二分析值R₂，根据第二分析值R₂随时间变化的状态及对应时段内的用户第一活动状态进行用户状态分析，根据用户状态分析的结果进行预警。

于一实施例中，所述用户状态分析的过程包括：

根据各个时间点的第二分析值R₂拟合出第二分析值随时间变化曲线R₂(t)；

通过计算获得第二分析值变化量δ(t)；

将δ(t)与预设阈值δ_th进行比对：

若δ(t)≥δ_th，则判断[t₁+Δt，t₁-Δt]时段内的人员活动时长t_A，其中，δ(t₁)＝δ_th，Δt为预设时段，将t_A与Δt进行比对：

若t_A>Δt*τ，τ为调整系数，且τ<1，则判断用户身体状态正常；

否则，判断用户身体状态存在风险；

若δ(t)＜δ_th，则判断用户身体状态正常。

于一实施例中，所述第二活动状态随时间变化函数y＝g(x)的获取过程包括：

对声音数据进行识别，获取声音类别，剔除掉无关类别的声音，获得处理后音频；

根据处理后音频的分贝大小获得第二活动状态随时间变化函数y＝g(x)。

本发明的有益效果：

(1)本发明能够适应性的根据用户的生活习惯及常规活动状态进行适应性调整，进而实现对用户状态适应性判断的效果，提高了对用户监护的适应性及预警的准确性；另外，红外感应数据及声音数据，相对于监测的影像数据，其分析处理量显著的降低，且避免了用户隐私泄漏的风险，进而安全低成本的实现对用户状态的监护过程。

附图说明

下面结合附图对本发明作进一步的说明。

图1是本发明远程监护系统的概要框示意图。

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它实施例，都属于本发明保护的范围。

请参阅图1所示，在一个实施例中，提供了一种基于智慧养老医疗的远程监护系统，所述系统包括：

传感器组件，用于监测室内的声音数据及红外感应数据；

智能穿戴设备，用于监测用户的生理参数数据；

边缘分析设备，用于根据用户初始监测的声音数据及红外感应数据生成用户判断模型；及根据室内的声音数据、红外感应数据及用户的生理参数数据基于用户判断模型对用户的状态进行判断，根据判断结果产生预警信号；

报警模块，用于执行预警信号向管理人员进行报警。

通过上述技术方案，本实施例通过利用红外感应数据及声音数据来对用户的活动状态进行分析判断，通过利用智能穿戴设备，例如智能手环，来对用户的生理参数数据进行采集监测，再通过边缘分析设备根据用户初始监测的声音数据及红外感应数据生成用户判断模型，根据室内的声音数据、红外感应数据及用户的生理参数数据基于用户判断模型对用户的状态进行判断，根据判断结果产生预警信号；在此过程中，用户判断模型能够适应性的根据用户的生活习惯及常规活动状态进行适应性调整，进而实现对用户状态适应性判断的效果，提高了对用户监护的适应性及预警的准确性；另外，红外感应数据及声音数据，相对于监测的影像数据，其分析处理量显著的降低，且避免了用户隐私泄漏的风险，进而安全低成本的实现对用户状态的监护过程。

需要说明的是，传感器组件的具体实现通过人体红外感应传感器及声音采集模块实现，智能穿戴设备可采用现有技术中常见的智能健康手环来对用户的基础生理参数进行监测，在不实施例中对此不作进一步详述。

作为本发明的一种实施方式，所述用户判断模型的生成过程包括：

根据红外感应数据获取每日用户第一活动状态随时间变化函数y＝f(x)，其中，x轴为时间t，y轴为活动状态，当为活动状态时，y＝0，当为非活动状态时，y＝1；

根据声音数据获取每日用户第二活动状态随时间变化函数y＝g(x)，其中，x轴为时间t，y轴为声音分贝大小；

获取至少一周用户活动状态函数，通过公式 计算获得用户状态参考模型y_u(x)；

其中，N为用户数据采集天数，i∈[1，N]；γ为调整系数。

通过上述技术方案，本实施例提供了用户判断模型的生成过程，通过在用户使用系统的初始阶段获取每日用户第一活动状态随时间变化函数及第二活动状态随时间变化函数，通过公式计算获得用户状态参考模型y_u(x)，该用户状态参考模型y_u(x)根据用户习惯活动时段的分布状况设定，因此通过该参考模型作为判断的依据，能够更加准确的判断用户的状态。

需要说明的是，调整系数γ为去量纲权重系数，其根据经验数据选择设定。

作为本发明的一种实施方式，所述边缘分析设备分析的过程包括：

将室内的声音数据、红外感应数据与用户状态参考模型y_u(x)进行比对分析，获得第一分析值R₁；

对用户的生理参数数据进行分析，获得第二分析值R₂；

将第一分析值R₁与第一阈值区间[R_A1，R_B1]进行比对，将第二分析值R₂与第二阈值区间[R_A2，R_B2]进行比对；

若R₁>R_B1或R₂>R_B2或R₁∈[R_A1，R_B1]且R₂∈[R_A2，R_B2]，则进行预警；

若R₁<R_A1且R₂<R_A2，则不进行预警；

否则，通过边缘分析设备发出确认信息，判断用户状态。

通过上述技术方案，提供了预警分析判断的具体过程，通过结合用户的活动数据及生理参数数据进行综合分析判断，通过将第一分析值R₁与第一阈值区间[R_A1，R_B1]进行比对，将第二分析值R₂与第二阈值区间[R_A2，R_B2]进行比对，根据比对的结果判断是否进行预警，当R₁>R_B1或R₂>R_B2时，说明活动数据较为异常或者用户生理数据偏差异常，当R₁∈[R_A1，R_B1]且R₂∈[R_A2，R_B2]，说明活动数据及用户生理数据均存在异常风险，因此在上述状态下进行预警，当R₁<R_A1且R₂<R_A2时，说明用户活动状态和用户生理数据状态均正常，因此不进行预警；而在其余状况下，说明存在一定的异常风险，因此通过边缘分析设备发出确认信息，来判断用户状态。

需要说明的是，第一阈值区间[R_A1，R_B1]及第二阈值区间[R_A2，R_B2]分别根据第一分析值R₁及第二分析值R₂的大小范围及测试数据中不同场景中的临界值选择性设定，在此不作进一步详述。

作为本发明的一种实施方式，所述第一分析值R₁的计算过程包括：

根据声音数据及红外感应数据获取每次声音持续时段的起始时间点t₁及每次用户活动时段的起始时间点t₂；

通过公式计算获得第一分析值R₁；

其中，a₁、a₂为预设比例系数。

通过上述技术方案，本实施例提供了一种第一分析值R₁的计算过程，通过公式计算获得，用户每次活动时段的起始时间点对应的用户状态参考模型y_u(x)值越小，说明用户异常活动的几率越高，因此，对应的第一分析值R₁越大，因此通过第一分析值的计算过程，实现对用户活动风险的判断过程。

需要说明的是，预设比例系数a₁、a₂根据经验数据拟合设定，在此不作进一步详述。

作为本发明的一种实施方式，所述第二分析值R₂的计算过程包括：

获取用户各项生理参数项数据I_j(t)；

通过公式计算获得第二分析值R₂；

其中，若I_j(t)∈[I_jA，I_jB]，则X_j＝0，若[I_jA，I_jB]为第j项生理参数的标准阈值区间；则/> H为生理参数项数，j∈[1，H]；α_j为第j项生理参数的量纲调整系数；I_jthA为第j项生理参数的参考值；β_j为第j项生理参数的权重系数。

通过上述技术方案，本实施例提供了计算第二分析值R₂的方法，通过公式计算获得，其中，[I_jA，I_jB]为第j项生理参数的标准阈值区间；I_jthA为第j项生理参数的参考值；其均根据对应生理参数项用户的常规范围选择性设定；其中，公式中/>体现了各项参数的超差状况，当I_j(t)∈[I_jA，I_jB]时，X_j＝0；当/>时，/> 公式中体现了各项参数相对标准值的偏离状况，因此，通过公式 在生理参数偏离标准阈值区间或者整体数据相对标准值的偏离较大时，获得的第二分析值R₂也会较大，进而通过第二分析值R₂的大小实现用户身体参数状态的判断。

需要说明的是，第j项生理参数的量纲调整系数α_j、第j项生理参数的权重系数β_j均根据对应生理参数项的类别及其数值偏离波动的范围设定，在此不作进一步详述。

作为本发明的一种实施方式，所述边缘分析设备分析的过程还包括：

按照预设时间间隔获取若干个时间段第二分析值R₂，根据第二分析值R₂随时间变化的状态及对应时段内的用户第一活动状态进行用户状态分析，根据用户状态分析的结果进行预警。

所述用户状态分析的过程包括：

根据各个时间点的第二分析值R₂拟合出第二分析值随时间变化曲线R₂(t)；

通过计算获得第二分析值变化量δ(t)；

将δ(t)与预设阈值δ_th进行比对：

若δ(t)≥δ_th，则判断[t₁+Δt，t₁-Δt]时段内的人员活动时长t_A，其中，δ(t₁)＝δ_th，Δt为预设时段，将t_A与Δt进行比对：

若t_A>Δt*τ，τ为调整系数，且τ<1，则判断用户身体状态正常；

否则，判断用户身体状态存在风险；

若δ(t)＜δ_th，则判断用户身体状态正常。

通过上述技术方案，本实施例中边缘分析设备分析的过程还包括：按照预设时间间隔获取若干个时间段第二分析值R₂，根据第二分析值R₂随时间变化的状态及对应时段内的用户第一活动状态进行用户状态分析，根据用户状态分析的结果进行预警，通过此过程，能够根据用户生理参数的变动状况及对应时段的监测活动状态进行比对式分析，进而保证对用户身体状态的准确判断；具体的，首先通过计算获得第二分析值变化量δ(t)，并将δ(t)与预设阈值δ_th进行比对，若δ(t)≥δ_th，则判断[t₁+Δt，t₁一Δt]时段内的人员活动时长t_A，若t_A>Δt*τ，说明用户身体参数的变化是由于用户的活动导致，因此判断用户身体状态正常；否则判断用户身体状态存在风险；若δ(t)＜δ_th，则判断用户身体状态正常；通过上述技术方案，能够对用户的生理参数变动状况进行分析判断，同时避免用户自身活动时数据变动对判断结果的影响。

需要说明的是，上述生理参数变动状况均在生理参数对应数值符合标准阈值范围的前提下来进行判断的；同时，上述技术方案中的预设阈值δ_th、人员活动时长t_A及调整系数τ均根据经验数据选择设定，在此不作进一步详述。

作为本发明的一种实施方式，所述第二活动状态随时间变化函数y＝g(x)的获取过程包括：

对声音数据进行识别，获取声音类别，剔除掉无关类别的声音，获得处理后音频；

根据处理后音频的分贝大小获得第二活动状态随时间变化函数y＝g(x)。

通过上述技术方案，本实施例在获得第二活动状态随时间变化函数y＝g(x)时，通过对声音数据进行识别，获取声音类别，剔除掉无关类别的声音，获得处理后音频；根据处理后音频的分贝大小获得第二活动状态随时间变化函数y＝g(x)，能够避免用户无关声音数据对判断结果的影响，进而提高了判断结果的准确性。

需要说明的是，对音频分析识别的过程均通过现有技术来实现，在本实施例中对此不作进一步限制。

以上对本发明的一个实施例进行了详细说明，但所述内容仅为本发明的较佳实施例，不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等，均应仍归属于本发明的专利涵盖范围之内。

Claims (4)

1.一种基于智慧养老医疗的远程监护系统，其特征在于，所述系统包括：

传感器组件，用于监测室内的声音数据及红外感应数据；

智能穿戴设备，用于监测用户的生理参数数据；

边缘分析设备，用于根据用户初始监测的声音数据及红外感应数据生成用户判断模型；及根据室内的声音数据、红外感应数据及用户的生理参数数据基于用户判断模型对用户的状态进行判断，根据判断结果产生预警信号；

报警模块，用于执行预警信号向管理人员进行报警；

所述用户判断模型的生成过程包括：

根据红外感应数据获取每日用户第一活动状态随时间变化函数y＝f(x)，其中，x轴为时间t，y轴为活动状态，当为活动状态时，y＝0，当为非活动状态时，y＝1；

根据声音数据获取每日用户第二活动状态随时间变化函数y＝g(x)，其中，x轴为时间t，y轴为声音分贝大小；

获取至少一周用户活动状态函数，通过公式 计算获得用户判断模型y_u(x)；

其中，N为用户数据采集天数，i∈[1，N]；γ为调整系数；

所述边缘分析设备分析的过程包括：

将室内的声音数据、红外感应数据与用户判断模型y_u(x)进行比对分析，获得第一分析值R₁；

对用户的生理参数数据进行分析，获得第二分析值R₂；

将第一分析值R₁与第一阈值区间[R_A1，R_B1]进行比对，将第二分析值R₂与第二阈值区间[R_A2，R_B2]进行比对；

若R₁＞R_B1或R₂＞R_B2或R₁∈[R_A1，R_B1]且R₂∈[R_A2，R_B2]，则进行预警；

若R₁＜R_A1且R₂＜R_A2，则不进行预警；

否则，通过边缘分析设备发出确认信息，判断用户状态；

所述第一分析值R₁的计算过程包括：

根据声音数据及红外感应数据获取每次声音持续时段的起始时间点t₁及每次用户活动时段的起始时间点t₂；

通过公式计算获得第一分析值R₁；

其中，a₁、a₂为预设比例系数；

所述第二分析值R₂的计算过程包括：

获取用户各项生理参数数据I_j(t)；

通过公式计算获得第二分析值R₂；

其中，若I_j(t)∈[I_jA，I_jB]，则X_j＝0，若[I_jA，I_jB]为第j项生理参数的标准阈值区间；则/> H为生理参数项数，j∈[1，H]；α_j为第j项生理参数的量纲调整系数；I_jthA为第j项生理参数的参考值；β_j为第j项生理参数的权重系数。

2.根据权利要求1所述的一种基于智慧养老医疗的远程监护系统，其特征在于，所述边缘分析设备分析的过程还包括：

按照预设时间间隔获取若干个时间段第二分析值R₂，根据第二分析值R₂随时间变化的状态及对应时段内的用户第一活动状态进行用户状态分析，根据用户状态分析的结果进行预警。

3.根据权利要求2所述的一种基于智慧养老医疗的远程监护系统，其特征在于，所述用户状态分析的过程包括：

根据各个时间点的第二分析值R₂拟合出第二分析值随时间变化曲线R₂(t)；

通过计算获得第二分析值变化量δ(t)；

将δ(t)与预设阈值δ_th进行比对：

若δ(t)≥δ_th，则判断[t₁+Δt，t₁－Δt]时段内的人员活动时长t_A，其中，δ(t₁)＝δ_th，Δt为预设时段，将t_A与Δt进行比对：

若t_A＞Δt*τ，τ为调整系数，且τ＜1，则判断用户身体状态正常；

否则，判断用户身体状态存在风险；

若δ(t)＜δ_th，则判断用户身体状态正常。

4.根据权利要求1所述的一种基于智慧养老医疗的远程监护系统，其特征在于，所述第二活动状态随时间变化函数y＝g(x)的获取过程包括：

对声音数据进行识别，获取声音类别，剔除掉无关类别的声音，获得处理后音频；

根据处理后音频的分贝大小获得第二活动状态随时间变化函数y＝g(x)。