CN116763258A - 智能监测系统、方法、装置、车辆及介质 - Google Patents
智能监测系统、方法、装置、车辆及介质 Download PDFInfo
- Publication number
- CN116763258A CN116763258A CN202310875493.2A CN202310875493A CN116763258A CN 116763258 A CN116763258 A CN 116763258A CN 202310875493 A CN202310875493 A CN 202310875493A CN 116763258 A CN116763258 A CN 116763258A
- Authority
- CN
- China
- Prior art keywords
- signal
- target object
- attribute information
- vital sign
- controller
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000012544 monitoring process Methods 0.000 title claims abstract description 54
- 238000001914 filtration Methods 0.000 claims abstract description 62
- 238000012545 processing Methods 0.000 claims abstract description 58
- 230000036772 blood pressure Effects 0.000 claims abstract description 46
- 230000003321 amplification Effects 0.000 claims abstract description 20
- 238000003199 nucleic acid amplification method Methods 0.000 claims abstract description 20
- 238000012806 monitoring device Methods 0.000 claims abstract description 9
- 230000002159 abnormal effect Effects 0.000 claims description 43
- 239000008280 blood Substances 0.000 claims description 38
- 210000004369 blood Anatomy 0.000 claims description 38
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 35
- 229910052760 oxygen Inorganic materials 0.000 claims description 35
- 239000001301 oxygen Substances 0.000 claims description 35
- 238000004364 calculation method Methods 0.000 claims description 29
- 230000006870 function Effects 0.000 claims description 22
- 230000005856 abnormality Effects 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 5
- 238000003860 storage Methods 0.000 claims description 5
- 206010016256 fatigue Diseases 0.000 description 92
- 230000008569 process Effects 0.000 description 22
- 238000011156 evaluation Methods 0.000 description 17
- 230000035487 diastolic blood pressure Effects 0.000 description 15
- 230000035488 systolic blood pressure Effects 0.000 description 13
- 230000029058 respiratory gaseous exchange Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 238000013210 evaluation model Methods 0.000 description 8
- 230000009471 action Effects 0.000 description 6
- 210000001217 buttock Anatomy 0.000 description 6
- 230000036541 health Effects 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 6
- 101000911772 Homo sapiens Hsc70-interacting protein Proteins 0.000 description 5
- 241001465754 Metazoa Species 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 230000005484 gravity Effects 0.000 description 4
- 208000019622 heart disease Diseases 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000036461 convulsion Effects 0.000 description 3
- 238000005474 detonation Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000000630 rising effect Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 2
- 230000010247 heart contraction Effects 0.000 description 2
- 238000003331 infrared imaging Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000009423 ventilation Methods 0.000 description 2
- 208000032140 Sleepiness Diseases 0.000 description 1
- 206010041349 Somnolence Diseases 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 238000010009 beating Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000295 fuel oil Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
- 230000036387 respiratory rate Effects 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000037321 sleepiness Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 210000000689 upper leg Anatomy 0.000 description 1
Landscapes
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本申请实施例提供一种智能监测系统、方法、装置、车辆及介质,该系统包括:信号采集传感器、滤波模块以及控制器,其中,信号采集传感器与滤波模块相连,滤波模块与控制器相连;信号采集传感器,用于对目标对象的生命体征进行采集,得到初始采集信号,其中,初始采集信号包括压电信号数据;滤波模块,用于对初始采集信号进行信号处理操作,获得生命体征信号,其中,信号处理操作包括滤波和信号放大;控制器用于:根据生命体征信号计算身体属性信息;根据身体属性信息进行相应处理;其中,身体属性信息包括心率值、血压值、疲劳程度值中的至少一个,能够准确的对目标对象的各项指标进行检测,提升目标对象的安全性。
Description
技术领域
本申请实施例涉及智能数据监测领域,具体涉及一种智能监测系统、方法、装置、车辆及介质。
背景技术
相关技术中,在座舱内对目标对象的指标进行监测的过程中,通常直接使用采集的信号进行计算,但是由于座舱的晃动导致采集的信号干扰较多,降低了指标监测的准确率。另外,针对各指标使用相应的测量仪器进行测量时,局限性较大且测量指标较为单一,不方便掌握目标对象的全面指标。
因此,如何对目标对象的监测指标进行准确处理,提高目标对象的安全性成为需要解决的问题。
发明内容
本申请实施例提供一种智能监测系统、方法、装置、车辆及介质,通过本申请的一些实施例至少能够准确的对目标对象的各项指标进行检测,提升目标对象的安全性。
第一方面,本申请提供了一种智能监测系统,所述系统包括:信号采集传感器、滤波模块以及控制器,其中,所述信号采集传感器与所述滤波模块相连,所述滤波模块与所述控制器相连;所述信号采集传感器,用于对目标对象的生命体征进行采集,得到初始采集信号,其中,所述初始采集信号包括压电信号数据;所述滤波模块,用于对所述初始采集信号进行信号处理操作,获得生命体征信号,其中,所述信号处理操作包括滤波和信号放大;所述控制器用于:根据所述生命体征信号计算身体属性信息;根据所述身体属性信息进行相应处理;其中,所述身体属性信息包括心率值、血压值、疲劳程度值中的至少一个。
因此,与相关技术中直接使用采集的信号进行计算的方式不同的是,本申请先对采集的信号进行滤波,再进行指标的计算,并且本申请采用压电信号数据计算身体属性信息,能够方便快捷的获得目标对象的各项指标同时能够提升检测的准确性,进一步的提高目标对象的安全性。
结合第一方面,在本申请的一种实施方式中,所述信号采集传感器包括生命体征采集传感器和噪声采集传感器,其中,所述生命体征采集传感器用于采集初始采集信号,所述噪声采集传感器用于采集座椅震动信号;所述滤波模块还用于:将所述初始采集信号中的所述座椅震动信号剔除,获得初始生命体征信号;按照预设频率的信号对所述初始生命体征信号进行滤波,并且进行信号放大操作,获得所述生命体征信号。
因此,本申请实施例通过对初始采集信号进行滤波,能够剔除干扰信号,保证生命体征信号中仅包括与目标对象相关的信号,提升计算过程的准确性。
结合第一方面,在本申请的一种实施方式中,所述预设频率包括第一预设频率和第二预设频率;所述滤波模块还用于:剔除所述初始生命体征信号中的所述第一预设频率的信号,剔除所述初始生命体征信号中的所述第二预设频率的信号,并且进行信号放大操作,获得所述生命体征信号。
因此,本申请实施例通过使用两个预设频率进行滤波,能够剔除初始采集信号中不同种类的干扰信号,进一步的提升计算过程的准确性。
结合第一方面,在本申请的一种实施方式中,所述系统还包括车辆座椅,其中,所述生命体征采集传感器包括压电信号采集传感器和红外采集传感器;所述压电信号采集传感器安装于所述车辆座椅的坐垫上和/或安装于所述车辆座椅的靠背上;所述噪声采集传感器安装于所述车辆座椅的下方;所述红外采集传感器安装于所述车辆座椅的头枕中,所述红外采集传感器用于采集目标对象的红外光信号。
因此,本申请实施例通过在座椅的多个位置安装传感器,能够保证实时的监测目标对象的身体属性信息,同时消除测量的局限性,尽量的减少了测量过程对于目标对象的影响,提升目标对象的用户感受。
结合第一方面,在本申请的一种实施方式中,所述身体属性信息包括心率值;所述控制器用于:根据所述生命体征信号计算所述心率值;实时显示所述心率值,或者,在所述心率值异常的情况下进行告警操作。
结合第一方面,在本申请的一种实施方式中,所述身体属性信息包括血压值;所述控制器用于:根据所述生命体征信号获得所述目标对象的血压值;实时显示所述血压值,或者,在所述血压值异常的情况下进行告警操作。
结合第一方面,在本申请的一种实施方式中,所述身体属性信息包括疲劳程度值;所述控制器用于:根据所述生命体征信号获得所述目标对象的疲劳程度。实时显示所述疲劳程度,或者,在所述疲劳程度异常的情况下进行告警操作。
结合第一方面,在本申请的一种实施方式中,所述系统还包括图像采集设备;所述控制器用于:获取所述图像采集设备采集的目标对象图像;根据所述目标对象图像获得所述疲劳程度。
结合第一方面,在本申请的一种实施方式中,所述身体属性信息还包括血氧饱和度;所述控制器用于:按照预设次数采集多个红外光信号,并且计算所述多个红外光信号的极值;将所述极值输入到血氧饱和度计算模型中,获得所述血氧饱和度;实时显示所述血氧饱和度,或者,在所述血氧饱和度异常的情况下进行告警操作。
因此,本申请实施例通过实时的监测生命体征参数,能够在目标对象生命体征参数异常的情况下,及时的进行告警,通过实时显示生命体征参数能够使目标对象及时的了解自己的身体状况。
结合第一方面,在本申请的一种实施方式中,所述身体属性信息还包括轮廓特征;所述控制器用于:根据所述压电信号数据确定的所述目标对象的轮廓特征;基于所述轮廓特征确定所述目标对象的类型;确认所述目标对象的类型是儿童时,检测到驾驶位无人并且车门关闭的情况下,进行儿童遗忘提醒。
因此,本申请实施例通过轮廓特征确定目标对象的类型,进而进行儿童遗忘提醒,能够保证儿童的安全性。
结合第一方面,在本申请的一种实施方式中,所述系统还包括安全气囊;所述控制器用于:获取所述目标对象的类型;在所述目标对象的类型为人类时,根据所述身体属性信息调整所述安全气囊的弹出姿态,其中,所述弹出姿态包括弹出角度和/或弹出充气量。
因此,本申请实施例通过调整安全气囊的弹出姿态,能够根据目标对象的实际指标进行调整,进一步的提高目标对象的安全性。
结合第一方面,在本申请的一种实施方式中,所述控制器用于:在确认所述身体属性信息存在异常情况时,根据所述身体属性信息执行异常救援操作,其中,所述异常情况包括目标对象生命体征异常和/或车辆异常。
因此,与相关技术中在出现异常情况时通过乘员口述身体状况的方法不同的是,本申请实施例实时的检测车辆内乘员的身体属性信息,在出现异常的情况下,直接根据身体属性信息执行异常救援操作,能够保证乘员得到及时的救援,从而保证乘员的人身安全。
结合第一方面,在本申请的一种实施方式中,所述控制器用于:向远端平台发送所述身体属性信息。
因此,本申请实施例通过在异常情况下,向远端平台发送身体属性信息,能够使远端平台根据接收到的身体属性信息,快速明确乘员的身体情况,及时并且针对性的展开救援。
结合第一方面,在本申请的一种实施方式中,所述控制器用于:在事故发生后开启所述车辆的音像记录设备,其中,所述音像记录设备用于记录声音和/或视频。
因此,本申请实施例通过记录车辆声音以及视频,能够保证在后续事故调查追溯的过程中有据可查,并且快速的对异常进行处理。
结合第一方面,在本申请的一种实施方式中,所述控制器用于:自动拨打和/或接听与所述远端平台之间的通话。
因此,本申请实施例通过自动接听远端平台的电话,能够在乘员情况危急的情况下,及时的联系到乘员,防止由于乘员不能手动触发电话,而导致失联的情况发生。
结合第一方面,在本申请的一种实施方式中,所述系统还包括安全带;所述控制器用于:确认所述目标对象已佩戴所述安全带;根据所述安全带的调节影响因素调整所述安全带的佩戴状态,其中,所述调节影响因素包括所述身体属性信息和座椅位置中的至少一个,所述安全带的佩戴状态包括所述安全带的收紧程度。
因此,与相关技术中按照固定力值调整安全带收紧程度不同的是,本申请实施例通过目标对象的身体属性信息和座椅位置,按照当前目标对象相匹配的力度,调整安全带的收紧程度,从而提升目标对象的安全性。
结合第一方面,在本申请的一种实施方式中,所述安全带的佩戴状态还包括所述安全带抽动状态;所述控制器用于:确认所述目标对象处于疲劳状态,控制所述安全带按照目标预设频率抽动。
结合第一方面,在本申请的一种实施方式中,所述控制器用于:确认所述目标对象的疲劳程度,按照所述疲劳程度选择相应的所述目标预设频率;控制所述安全带按照所述目标预设频率抽动。
因此,本申请实施例通过在目标对象疲劳状态不同时,按照不同频率抽动安全带,能够保证目标对象驾驶的安全性,防止由于驾驶疲劳出现意外情况。
第二方面,本申请提供了一种智能监测方法,应用于控制器,智能监测系统包括所述控制器,所述智能监测系统用于实现如第一方面任意实施例所述的功能,所述方法包括:通过信号采集传感器对目标对象的生命体征进行采集,得到初始采集信号,其中,所述初始采集信号包括压电信号数据;通过滤波模块对所述初始采集信号进行信号处理操作,获得生命体征信号,其中,所述信号处理操作包括滤波和信号放大;根据所述生命体征信号计算身体属性信息;根据所述身体属性信息进行相应处理,其中,所述身体属性信息包括心率值、血压值、疲劳程度值中的至少一个。
结合第二方面,在本申请的一种实施方式中,所述信号采集传感器包括生命体征采集传感器和噪声采集传感器,其中,所述生命体征采集传感器用于采集初始采集信号,所述噪声采集传感器用于采集座椅震动信号;
所述通过滤波模块对所述初始采集信号进行信号处理操作,获得生命体征信号,包括:将所述初始采集信号中的所述座椅震动信号剔除,获得初始生命体征信号;按照预设频率的信号对所述初始生命体征信号进行滤波,并且进行信号放大操作,获得所述生命体征信号。
结合第二方面,在本申请的一种实施方式中,所述预设频率包括第一预设频率和第二预设频率;所述按照预设频率的信号对所述初始生命体征信号进行滤波,并且进行信号放大操作,获得所述生命体征信号,包括:剔除所述初始生命体征信号中的所述第一预设频率的信号,剔除所述初始生命体征信号中的所述第二预设频率的信号,并且进行信号放大操作,获得所述生命体征信号。
结合第二方面,在本申请的一种实施方式中,所述系统还包括车辆座椅,其中,所述生命体征采集传感器包括压电信号采集传感器和红外采集传感器;所述压电信号采集传感器安装于所述车辆座椅的坐垫上和/或安装于所述车辆座椅的靠背上;所述噪声采集传感器安装于所述车辆座椅的下方;所述红外采集传感器安装于所述车辆座椅的头枕中,所述红外采集传感器用于采集目标对象的红外光信号。
结合第二方面,在本申请的一种实施方式中,所述身体属性信息包括心率值;所述根据所述生命体征信号计算身体属性信息,包括:根据所述生命体征信号计算所述心率值;所述根据所述身体属性信息进行相应处理,包括:实时显示所述心率值,或者,在所述心率值异常的情况下进行告警操作。
结合第二方面,在本申请的一种实施方式中,所述身体属性信息包括血压值;所述根据所述生命体征信号计算身体属性信息,包括:根据所述生命体征信号获得所述目标对象的血压值;所述根据所述身体属性信息进行相应处理,包括:实时显示所述血压值,或者,在所述血压值异常的情况下进行告警操作。
结合第二方面,在本申请的一种实施方式中,所述身体属性信息包括疲劳程度值;所述根据所述生命体征信号计算身体属性信息,包括:根据所述生命体征信号获得所述目标对象的疲劳程度;所述根据所述身体属性信息进行相应处理,包括:实时显示所述疲劳程度,或者,在所述疲劳程度异常的情况下进行告警操作。
结合第二方面,在本申请的一种实施方式中,所述系统还包括图像采集设备;所述根据所述生命体征信号获得所述目标对象的疲劳程度,包括:获取所述图像采集设备采集的目标对象图像;根据所述目标对象图像获得所述疲劳程度。
结合第二方面,在本申请的一种实施方式中,所述身体属性信息还包括血氧饱和度;所述根据所述生命体征信号计算身体属性信息,包括:按照预设次数采集多个红外光信号,并且计算所述多个红外光信号的极值;将所述极值输入到血氧饱和度计算模型中,获得所述血氧饱和度;所述根据所述身体属性信息进行相应处理,包括:实时显示所述血氧饱和度,或者,在所述血氧饱和度异常的情况下进行告警操作。
结合第二方面,在本申请的一种实施方式中,所述身体属性信息还包括轮廓特征;所述根据所述生命体征信号计算身体属性信息,包括:根据所述压电信号数据确定的所述目标对象的轮廓特征;所述根据所述身体属性信息进行相应处理,包括:基于所述轮廓特征确定所述目标对象的类型;确认所述目标对象的类型是儿童时,检测到驾驶位无人并且车门关闭的情况下,进行儿童遗忘提醒。
结合第二方面,在本申请的一种实施方式中,所述系统还包括安全气囊;在所述基于所述轮廓特征确定所述目标对象的类型之后,所述方法还包括:获取所述目标对象的类型;在所述目标对象的类型为人类时,根据所述身体属性信息调整所述安全气囊的弹出姿态,其中,所述弹出姿态包括弹出角度和/或弹出充气量。
结合第二方面,在本申请的一种实施方式中,所述根据所述身体属性信息进行相应处理,包括:在确认所述身体属性信息存在异常情况时,根据所述身体属性信息执行异常救援操作,其中,所述异常情况包括目标对象生命体征异常和/或车辆异常。
结合第二方面,在本申请的一种实施方式中,所述根据所述身体属性信息执行异常救援操作,包括:向远端平台发送所述身体属性信息。
结合第二方面,在本申请的一种实施方式中,所述根据所述身体属性信息执行异常救援操作,包括:在事故发生后开启所述车辆的音像记录设备,其中,所述音像记录设备用于记录声音和/或视频。
结合第二方面,在本申请的一种实施方式中,所述根据所述身体属性信息执行异常救援操作,包括:自动拨打和/或接听与所述远端平台之间的通话。
结合第二方面,在本申请的一种实施方式中,所述系统还包括安全带;所述方法还包括:确认所述目标对象已佩戴所述安全带;根据所述安全带的调节影响因素调整所述安全带的佩戴状态,其中,所述调节影响因素包括所述身体属性信息和座椅位置中的至少一个,所述安全带的佩戴状态包括所述安全带的收紧程度。
结合第二方面,在本申请的一种实施方式中,所述安全带的佩戴状态还包括所述安全带抽动状态;所述方法还包括:确认所述目标对象处于疲劳状态,控制所述安全带按照目标预设频率抽动。
结合第二方面,在本申请的一种实施方式中,所述确认所述目标对象处于疲劳状态,控制所述安全带按照目标预设频率抽动,包括:确认所述目标对象的疲劳程度,按照所述疲劳程度选择相应的所述目标预设频率;控制所述安全带按照所述目标预设频率抽动。
第三方面,本申请提供了一种智能监测装置,应用于控制器,智能监测系统包括所述控制器,所述智能监测系统用于实现如第一方面任意实施例所述的功能,所述装置包括:信号采集模块,被配置为通过信号采集传感器对目标对象的生命体征进行采集,得到初始采集信号,其中,所述初始采集信号包括压电信号数据;信号滤波模块,被配置为通过滤波模块对所述初始采集信号进行信号处理操作,获得生命体征信号,其中,所述信号处理操作包括滤波和信号放大;信号处理模块,被配置为根据所述生命体征信号计算身体属性信息;根据所述身体属性信息进行相应处理,其中,所述身体属性信息包括心率值、血压值、疲劳程度值中的至少一个。
第四方面,本申请提供了一种车辆,包括智能监测系统,其中,所述智能监测系统用于实现如第一方面任意实施例所述的功能。
第五方面,本申请提供了一种智能监测装置,包括:处理器、存储器和总线;所述处理器通过所述总线与所述存储器相连,所述存储器存储有计算机程序,所述计算机程序由所述处理器执行时可实现如第二方面任意实施例所述的方法。
第六方面,本申请提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被执行时可实现如第二方面任意实施例所述的方法。
附图说明
图1为本申请实施例示出的一种智能监测系统的组成示意图;
图2为本申请实施例示出的传感器安装示意图;
图3为本申请实施例示出的另一种智能监测系统;
图4为本申请实施例示出的滤波流程示意图;
图5为本申请实施例示出的一种压电信号数据示意图;
图6为本申请实施例示出的另一种压电信号数据示意图;
图7为本申请实施例示出的血氧饱和度计算流程;
图8为本申请实施例示出的再一种智能监测系统;
图9为本申请实施例示出的一种智能监测方法流程图;
图10为本申请实施例示出的一种智能监测装置组成示意图;
图11为本申请实施例示出的一种电子设备组成示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中附图,对本申请实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例仅仅是本申请的一部分实施例,而不是全部实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对附图中提供的本申请的实施例的详情描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护范围。
本申请实施例中的智能监测系统可以是智能座舱系统,本申请可以应用于对智能座舱的控制场景,具体的,智能座舱可以是车辆中的智能座舱、轨道交通的智能座舱以及船舶的智能座舱,本申请不限于此。可以理解的是,智能监测系统还可以应用于按摩椅、智能床垫、智能坐垫等设备。
下面结合附图详细描述本申请实施例中的方法步骤。
图1提供了本申请一些实施例中的一种智能监测系统组成示意图,该系统包括信号采集传感器110、滤波模块120以及控制器130。具体的,信号采集传感器110与滤波模块120相连,滤波模块120与控制器130相连。信号采集传感器110对目标对象的生命体征进行采集得到初始采集信号,之后传输给滤波模块120,滤波模块120对初始采集信号进行信号处理操作,获得生命体征信号,之后将生命体征信号传输给控制器130,控制器130根据生命体征信号计算身体属性信息,之后根据身体属性信息进行相应处理。
需要说明的是,初始采集信号可以是压电信号数据(压电信号数据可以计算心率值、血压值、疲劳程度值、轮廓特征等指标),还可以是图像数据(图像数据也可以确定疲劳程度、轮廓特征等指标),还可以是红外光信号(红外光信号可以计算血氧饱和度)。
在本申请的一种实施方式中,信号采集传感器包括生命体征采集传感器和噪声采集传感器,生命体征采集传感器包括压电信号采集传感器和红外采集传感器,红外采集传感器用于采集目标对象的红外光信号,生命体征采集传感器用于采集初始采集信号,噪声采集传感器用于采集座椅震动信号。各传感器安装位置包括:噪声采集传感器安装于车辆座椅的下方,红外采集传感器安装于车辆座椅的头枕中,压电信号采集传感器安装于车辆座椅的坐垫上和/或安装于车辆座椅的靠背上。
例如,如图2所示,图2中所示的是各传感器的安装位置图,车辆座椅包括坐垫和靠背,噪声采集传感器B1为了采集座椅震动信号安装于座椅下方,压电信号采集传感器A1、压电信号采集传感器A2和压电信号采集传感器A3安装于座椅坐垫上,压电信号采集传感器A4安装于靠背上。可以理解的是,图2中所示的安装位置仅为示例,传感器的位置可以根据实际情况进行设置,本申请实施例不限于此。
在本申请的一种实施方式中,如图3所示,本申请通过上述信号采集传感器110对目标对象的生命体征进行采集得到初始采集信号,之后传输给滤波模块120,滤波模块120对初始采集信号进行信号处理操作,获得生命体征信号,之后将生命体征信号传输给控制器130。控制器130执行S301控制安全气囊,S302自适应安全带调整,S303车辆运行参数记录(包括车速、加速度、档位、油门开合度、刹车力度以及方向盘角度参数),S304精准救援(包括自动拨打电话、实施GPS定位以及车内录音等功能),S305人、动物、物品识别以及儿童遗忘提醒,和S306身体属性信息监测(心率、呼吸、血压以及血氧)。
可以理解的是,滤波模块可以独立于控制器,控制器对滤波模块进行控制,还可以滤波模块在控制器之内。
下面详细描述本申请图3中各步骤的具体实施方式。
在本申请的一种实施方式中,滤波模块首先,将初始采集信号中的座椅震动信号剔除,获得初始生命体征信号,然后,按照预设频率的信号对初始生命体征信号进行滤波,并且进行信号放大操作,获得生命体征信号。
具体的,预设频率包括第一预设频率和第二预设频率。剔除初始生命体征信号中的第一预设频率的信号,剔除初始生命体征信号中的第二预设频率的信号,并且进行信号放大操作,获得生命体征信号。
也就是说,如图4所示,执行S401信号采集,S402将信号输入到50Hz陷波器中,S403低通滤波以及S404信号放大。具体的,由于座椅的震动会对后续指标的计算带来干扰,所以本申请在获得初始采集信号之后首先将座椅的震动信号剔除,之后由于心脏跳动的幅度非常的小,当压电信号由采集传感器采集时,信号内最主要的干扰源是工频50Hz,已经淹没了原有有效信号,基于心脏跳动每分钟在30-180次之间,对应的频率是0.5Hz-3Hz之间,所以50Hz是干扰信号需要滤除掉,本申请设置一个专门滤出50Hz的滤波电路,该电路叫做陷波器,将50Hz附近的频率信号全部滤除掉。经过陷波器之后,剩下的是50Hz以外其他信号,因为有效信号只在3Hz以内,所以需要设计一个滤波器,低于3Hz的频率信号可以通过,高于3Hz的信号滤除掉,该电路叫做低通滤波器,经过低通之后的信号,但是还是非常微弱,需要设计一个电路将信号放大,该电路叫做放大电路。放大之后的信号满足控制器的数模转换要求,每个波峰都非常清晰,即每个波峰代表心脏跳动一次。
可以理解的是,在经过滤波之后,将信号由模拟信号转换为数字信号来计算心率、呼吸、血压等参数;
在本申请的一种实施方式中,身体属性信息包括心率值。控制器根据生命体征信号计算心率值,之后实时显示心率值,或者,在心率值异常的情况下进行告警操作。
具体的,步骤一:确定当前的压电信号数据的生命体征参数阈值,其中,生命体征参数阈值是基于当前的压电信号数据之前历史的压电信号数据确定的。
计算生命体征参数阈值的具体方法包括:将历史的压电信号数据在预设时间段内的平均值与最大值之间的均值,作为生命体征参数阈值。如公式(1)所示:
其中,Thr表示生命体征参数阈值,N表示预置存储空间中存储数据的个数,i为循环变量,i的取值范围为0-599,x[i]表示任意一个压电信号数据,Vmax表示预设时间段内历史的压电信号数据的最大值。
可以理解的是,预置存储空间是用于存放采集的压电信号的存储空间,存储空间中的一个数据表示采集的一次电压。
步骤二:根据生命体征参数阈值获取当前的压电信号数据中的第一目标点和第二目标点。
也就是说,在上述步骤一的方案计算获得阈值之后,基于当前的压电信号数据相应的多个生命体征参数阈值,获取第一目标点和第二目标点。
在本申请步骤二的一种实施方式中,首先,将生命体征参数阈值与当前的压电信号数据进行比较,获得多个相等点,其中,多个相等点包括第i相等点,第i相等点为多个相等点之间的任意一个,然后,将第i相等点作为第一目标点,并且将第i+2相等点作为第二目标点,其中,i为大于或等于1的整数。
也就是说,将多个生命体征参数阈值与相应时间范围的当前的压电信号数据进行比较,找到多个相等点,换句话说,多个生命体征参数阈值可以连接成一条曲线,在相同的时间范围内,查找多个生命体征参数阈值相应曲线,找到该曲线与当前的压电信号数据之间的任意一个交点,即为第i相等点。在找到第i相等点之后,将第i相等点作为第一目标点,将与第i相等点间隔一个相等点的第i+2相等点作为第二目标点,换句话说,将同是上升过程中相邻的两个相等点作为第一目标点和第二目标点,或者,将同是下降过程中相邻的两个相等点作为第一目标点和第二目标点。
例如,如图5所示,生命体征参数阈值501与压电信号数据502之间的相等点至少包括A点、B点、C点、C1点、D点和D1点,若第i相等点为C点,那么,第i+2相等点就为D点,即第一目标点为C点,第二目标点为D点(即C点和D点同为上升过程中的交点)。可选的,C1点和D1点为同是下降过程中的交点,也可以作为第一目标点和第二目标点。可选的,A点和B点为同是上升过程中的交点,也可以作为第一目标点和第二目标点。
可以理解的是,上升过程为当前的压电信号数据的波形趋势为上升状态,下降过程为当前的压电信号数据的波形趋势为下降状态。
步骤三:基于第一目标点和第二目标点之间的间隔时间计算目标对象的心率值。
第一目标点和第二目标点之间间隔的时间,即为心脏跳动一次的时间。具体的,心率值是通过如下公式(2)计算获得的:
HR= 60 ( 1 / T ) (2)
其中,HR表示心率值,T表示第一目标点与第二目标点之间的时间间隔(单位为秒)。
在本申请的一种实施方式中,身体属性信息包括血压值,控制器根据生命体征信号获得目标对象的血压值,之后实时显示血压值,或者,在血压值异常的情况下进行告警操作。
步骤一:确认当前的压电信号数据中的目标点集合,其中,目标点集合包括第三目标点、第四目标点和第五目标点,目标点集合是与满足大于生命体征参数阈值的一个波峰相关的点的集合。
首先,获取生命体征参数阈值所在的目标曲线与当前的压电信号数据相应的波形之间的多个交点,并且将相邻的两个交点作为第三目标点和第四目标点。
具体的,如图6所示,生命体征参数阈值所在501的目标曲线与当前的压电信号数据502之间的相等点即为交点,即E点和F点,将E点作为第四目标点,将F点作为第四目标点。
然后,将与第三目标点或第四目标点相邻的最值点作为第五目标点。
具体的,本实施例中将与第四目标点相邻的最小值点,即S点作为第五目标点。
需要说明的是,第三目标点与第四目标点之间的间隔时间为图6中的Tab,第四目标点和第五目标点之间的间隔时间为图6中的Tbs。
步骤二:将第三目标点与第四目标点之间的间隔时间,和第四目标点与第五目标点之间的间隔时间,分别输入到血压计算模型中,获得目标对象的血压值。
具体的,在将间隔时间输入到血压计算模型之前,对间隔时间的样本数据和相应的血压值样本数据进行统计计算,获得血压计算模型。
可以理解的是,血压计算模型包括收缩压计算模型和舒张压计算模型。
也就是说,将间隔时间的样本和相对应的舒张压血压值和收缩压血压值进行拟合计算,获得拟合函数,将舒张压拟合函数作为舒张压计算模型,将收缩压拟合函数作为收缩压计算模型。
具体的,血压分为收缩压(SP)和舒张压(DP),血液在心脏跳动时,血液会有一个明显的波动,在心脏收缩最大时,血液的力量也最大,即图6中的EF段,此段的时间能够反应出血压的大小,按照拟合公式即可求出血压值。
也就是说,寻找不同的实验人员,经过多次测量,获取第三目标点与第四目标点之间的间隔时间Tab,对应的测量同一个人的收缩压SP,将多组间隔时间Tab和收缩压进行拟合计算,获得拟合函数SP=0.1133×Tab×Tab-7.1065×Tab+183.65(拟合优度R2=0.99)。并且将实测的收缩压与计算的收缩压进行比对,确认在误差范围之内,获得最终的收缩压计算模型。
获取第四目标点与第五目标点之间的间隔时间Tbs,对应的测量同一个人的舒张压DP,将多组间隔时间Tbs和舒张压DP进行拟合计算,获得拟合函数DP=0.061×Tbs×Tbs-2.6379×Tbs+93.749(拟合优度R2=0.98)。将实测的舒张压与计算的舒张压进行比对,确认在误差范围之内,获得最终的舒张压计算模型。
之后,再将当前测量的Tab和Tbs输入到血压计算模型,获得目标对象当前的血压值。
在本申请的一种实施方式中,身体属性信息包括疲劳程度值,控制器根据生命体征信号获得目标对象的疲劳程度,之后实时显示疲劳程度,或者,在疲劳程度异常的情况下进行告警操作。
步骤一:在计算疲劳程度之前,将各生命体征值相应的样本数据和疲劳程度评价值的样本数据进行计算,获得与各生命体征值相应的疲劳程度评价模型。
也就是说,将心率值样本数据和相应的疲劳程度评价值进行拟合计算,获得与心率值相应的疲劳程度评价模型。疲劳程度评价模型的拟合函数为:
F(HR)=-0.0001×HR×HR×HR+0.0388×HR×HR–3.2152×HR+102.47
其中,F(HR)表示与心率值相应的疲劳程度评价值,HR表示心率值。
将心率变异性样本数据和相应的疲劳程度评价值进行拟合计算,获得与心率变异性相应的疲劳程度评价模型。疲劳程度评价模型的拟合函数为:
G(HRV)=0.004×HRV×HRV–0.6558×HRV+69.707
其中,G(HRV)表示与心率变异性相应的疲劳程度评价值,HRV表示心率变异值。
将呼吸次数值样本数据和相应的疲劳程度评价值进行拟合计算,获得与呼吸次数值相应的疲劳程度评价模型。疲劳程度评价模型的拟合函数为:
H(BR)=0.00001BR×BR×BR×BR–0.0128×BR×BR×BR+0.5696×BR×BR–9.4483×BR+69.363
其中,H(BR)表示与呼吸次数值相应的疲劳程度评价值,BR表示呼吸次数值。
之后将各生命体征值输入到各生命体征值相应的疲劳程度评价模型,获得与各生命体征值相应的疲劳程度评价值。
步骤二,根据疲劳程度评价值获得目标对象的疲劳程度。
具体的,根据与各生命体征值相应的疲劳程度评价值和目标对象使用当前设备的时间计算疲劳值,获得疲劳程度,其中,当前设备包括当前车辆。
本申请疲劳值是通过4个变量值计算的,分别是HR(心率值)、HRV(心率变异性)、BR(呼吸次数值)和驾驶时间。经过人员多次模拟疲劳后检测发现,疲劳后心跳、HRV和呼吸均会发生变化。正常的心跳HR范围是50~80次/min。如果心跳小于每分钟50次或者大于每分钟80次,需要警惕是不是疲劳或者有心脏疾病,正常的HRV值应该在40~120之间,如果超出这个范围,说明心脏压力变大,可以作为疲劳一个重要指标,正常的呼吸次数BR应该是10次/min~20次/min,如果低于10次/min可以人为是慢性疲劳,当大于20次/min可以认为是过度疲劳。
也就是说,可以将心率变异评价值、心率评价值、呼吸评价值和使用当前设备的时间进行加权平均计算,获得疲劳程度。如公式(3)所示:
Fat = F(hr) + G(hrv) + H(br) + a×T0 (3)
其中,Fat表示疲劳程度评价总值,F(hr)表示心率评价值,G(hrv)表示心率变异评价值,H(br)表示呼吸评价值,T0表示使用当前设备的时间,a表示使用当前设备的时间的系数。可以理解的是,a可以按照情况进行取值,例如:a可以取5或7。
可选的,系统还包括图像采集设备,控制器获取图像采集设备采集的目标对象图像,之后根据目标对象图像获得疲劳程度。
在本申请的一种实施方式中,身体属性信息还包括血氧饱和度,控制器控制红外采集传感器按照预设次数采集多个红外光信号,并且计算多个红外光信号的极值,将极值输入到血氧饱和度计算模型中,获得血氧饱和度,之后实时显示血氧饱和度,或者,在血氧饱和度异常的情况下进行告警操作。
可以理解的是,红外采集传感器放置在目标对象的颈部进行采集。
具体的,如图7所示,首先执行S701打开红外采集设备,采集红外数据,之后针对目标对象执行S702距离判断,若距离远则不测量,若距离短有物体接近,则开始测量,测量过程包括:S703得到IR值,再启动红光,S704得出红光值,循环次数+1,之后执行S705判断是否满足100次,若满足100次循环,则执行S706计算血氧饱和度,若不满足100次循环,则返回执行S702。
也就是说,首先基于100次采集的红外值和红光值计算极值,计算方法如下公式(4)所示:
R=((ir_max+ir_min)×(red_max-red_min))/((red_max+red_min)×(ir_max-ir_min))
(4)
其中,ir_max表示采集的100个数中红外IR最大值,ir_min表示采集的100个数中红外IR最小值,red_max表示采集的100个数中红光最大值,red_min表示采集的100个数中红光最小值。
将血氧饱和度样本和极值样本进行拟合,获得血氧饱和度的公式,如下公式(5)所示:
SpO2 = -45.06×R×R + 30.354×R+94.845 (5)
其中,SpO2表示血氧饱和度,单位为%,R表示极值。
在本申请的一种实施方式中,身体属性信息还包括轮廓特征,控制器根据压电信号数据确定的目标对象的轮廓特征,基于轮廓特征确定目标对象的类型,确认目标对象的类型是儿童时,检测到驾驶位无人并且车门关闭的情况下,进行儿童遗忘提醒。
具体的,确定目标对象类型的具体步骤如下所示:
步骤一:根据第二传感器确定目标对象的轮廓特征。
在上述步骤一的一种实施方式中,压电信号采集传感器包括按照预置排列方式排布的多个压电传感器,即压电信号采集传感器为一个压电传感器矩阵。通过压电传感器矩阵中的各压电传感器的压电数值变化确定轮廓特征。
需要说明的是,按照预置排列方式排布的多个压电传感器安装于车辆的座椅、靠背以及头枕中的至少一个位置。
也就是说,在检测到车辆座椅上出现目标对象之后,压电传感器矩阵通过目标对象的压迫变形,获得压电数值的变化,可以理解的是,目标对象坐到座椅上时,由于自身重力的原因会对压电传感器产生压迫,从而被目标对象压迫到的压电传感器会相应的产生压电数值,没有被目标对象压迫到的压电传感器不产生压电数据,由此明确了与目标对象的轮廓相应的压电数值,也能够基于每一个压电传感器的数值显性的表征目标对象的轮廓。换句话说,本申请使用能检测到压电数值的压电传感器所组成的形状来表征目标对象的轮廓特征。
压电传感器可以安装于车辆座椅坐垫、靠背和头枕中的任意位置,并且通过座椅坐垫上的压电传感器矩阵采集目标对象的臀形、通过座椅靠背上的压电传感器矩阵采集目标对象的背形,通过座椅头枕上的压电传感器矩阵采集目标对象的头形。需要说明的是,压电传感器可以只安装于车辆座椅坐垫、靠背或头枕,也可以三个位置均安装,还可以安装于任意两个位置。
在上述步骤一另一个实施方式中,还可以通过非接触式传感器目标对象的轮廓进行检测,获得轮廓特征。
也就是说,非接触式传感器包括摄像头、雷达、红外检测设备等,在检测到车辆座椅上出现目标对象之后,安装在车辆上的非接触式传感器对目标对象的轮廓进行扫描,获得目标对象的轮廓特征。
具体的,摄像头对目标对象进行拍摄获得待识别图像,之后车辆处理器对待识别图像进行边缘识别,获得目标对象的轮廓特征。雷达对目标对象进行扫描,车辆处理器通过反馈的雷达波来确定目标对象的边缘特征。红外采集设备向目标对象发送红外光,之后接收目标对象的红外成像,车辆处理器对该红外成像进行处理,得到目标对象的轮廓特征。
可以理解的是,上述非接触式传感器仅为举例,本申请对非接触式传感器的类型不进行限制。
步骤二:将轮廓特征与预置人类标准形状进行比较。
需要说明的是,需要在车辆处理器中提前存入预置人类标准形状,预置人类标准形状中包括预置人类臀形标准、预置人类背形标准以及预置人类头形标准,能够准确的表征人类坐姿。可以理解的是,预置人类标准形状是通过多次实验获得的,能够准确的区分目标对象是人类还是动物。
步骤三,若符合预置人类标准形状则确定目标对象属于人类。
需要说明的是,轮廓特征包括臀形、背形和头形中的至少一个。
在上述步骤三的一种实施方式中,若臀形、背形和头形中的至少一个满足预设条件,则确定符合预置人类标准形状,进而确定目标对象的类型为人类。
也就是说,目标对象的臀形满足预置人类臀形标准,目标对象的背形满足预置人类背形标准,目标对象的头形满足预置人类头形标准中至少实现一个,即判断为满足预设条件,确定符合预置人类标准形状,将目标对象的类型确定为人类。
作为本申请一具体实施例,以判断目标对象的臀形是否满足预置人类臀形标准为例,可以获取目标对象的臀形相应的具有压电数值的压电传感器的个数,与预置人类臀形标准中具有压电数值的压电传感器的个数进行比较,若目标对象的臀形相应的具有压电数据的压电传感器的个数与预置人类臀形标准中具有压电数值的压电传感器的个数相差20%,则判断目标对象的臀形满足预置人类臀形标准。需要说明的是,相差20%可以是低于预置人类臀形标准中具有压电数值的压电传感器的个数20%,或者,高于预置人类臀形标准中具有压电数值的压电传感器的个数20%。
可以理解的是,上述相差20%仅为举例,相差的预置个数可以根据实际的生产情况进行设置,例如,相差的预置个数可以是10%或者15%。本申请实施例不限于此。
在上述步骤三的一种实施方式中,确定目标对象的类型为人类的情况下,通过重力采集传感器确认目标对象属于成人或者属于儿童。
具体的,作为识别目标对象属于成人或者属于儿童的一个具体实施例,通过重力采集传感器采集目标对象的重量,之后通过重量确认目标对象属于成人或者属于儿童。
也就是说,在确定目标对象的类型为人类之后,进一步的判断目标对象的具体类型是成人或者儿童。在本实施例中通过重力采集传感器(例如,压敏传感器)采集目标对象的重量,若重量大于或等于预置重量阈值则判断目标对象为成人,若重量小于预置重量阈值则判断目标对象为儿童。
例如,通过安装在座椅上的压敏传感器采集目标对象的重量为30kg,预置重量阈值为45kg,显然目标对象的重量小于预置重量阈值,那么,就将目标类型的类型判断为儿童。
作为识别目标对象属于成人或者属于儿童的另一个具体实施例,若目标对象的臀形小于预置成人臀形标准,并且重量小于预置重量阈值,则确认目标对象属于儿童。
也就是说,为了保证目标对象识别的准确性,本申请基于目标对象重量的基础上,与目标对象的臀形进行共同判断,即在满足重量小于预置重量阈值并且目标对象的臀形所对应的具有压电数值的压电传感器的个数小于预置成人臀形标准所对应的具有压电数值的压电传感器的个数,则将目标类型的类型判断为儿童。
在上述步骤三的一种实施方式中,在确认目标对象属于儿童之后,检测到驾驶位无人并且车门关闭时,进行儿童遗忘提醒。
也就是说,上述实施例中判断目标对象的具体类型为儿童之后,在检测到驾驶位无人的情况下,进而儿童遗忘提醒,包括车内发出提示音,提醒驾驶员注意带走儿童,也可以在遥控锁车时,车门不能上锁,车辆发出鸣笛或者车灯闪烁,以此提醒驾驶员车内有儿童,避免遗忘在车内。
在上述步骤三的一种实施方式中,在检测到驾驶位无人时进行儿童遗忘提醒之后,若检测到儿童遗忘提醒被关闭,则执行儿童留存操作,其中,儿童留存操作包括自动落锁、自动开启空调以及向远端移动设备发送车内状况数据中的至少一个。
也就是说,当儿童必须留存在车内时,可以手动调整为车门可以落锁,不鸣笛。车辆内部会进行温度、舒适度监控,当温度过高时,会自动或者手机端远距离遥控方式打开车窗通风,同时也会在一定间隔时间内向家长发送车内儿童状况数据,并会提醒家长尽快返回车内陪伴儿童等。
在本申请的一种实施方式中,系统还包括安全气囊,控制器获取目标对象的类型,在目标对象的类型为人类时,根据身体属性信息调整安全气囊的弹出姿态,其中,弹出姿态包括弹出角度和/或弹出充气量。
在目标对象坐入座椅之后执行S1采集目标对象心率、呼吸,在目标对象不存在心率、呼吸时判断目标对象的类型为物品,即在安全气囊充气动作中执行S8保持原有状态。在目标对象存在心率、呼吸的情况下,执行S2采集目标对象轮廓形状,其中,轮廓形状包括头形、臀形和背形,用以在判断安全气囊展开动作的过程中执行S9坐姿判断。接着,可以通过目标对象上述的轮廓形状执行S6是否符合预置人类标准形状,若不符合预置人类标准形状,则确认目标对象的类型为动物,在目标对象的类型为动物的情况下,在安全气囊充气动作中执行S8保持原有状态。若符合预置人类标准形状,则确认目标对象的类型是人,之后执行S7采集重量,基于目标对象的重量判断目标对象的类型是成人或儿童。
同时,在目标对象坐入座椅之后,目标对象执行S3调整座椅位置,座椅上的传感器执行S4监测座椅在导轨上的位置数据,之后执行S5判断距离安全气囊的距离,包括远距离(即目标对象与安全气囊之间的距离大于预设距离)和近距离(即目标对象与安全气囊之间的距离小于预设距离),之后根据上述检测获得的目标对象的类型以及目标距离安全气囊的距离选择目标对象起爆的充气量。
在安全气囊展开动作的判断过程中,控制器执行S9坐姿判断和S10距离判断,其中,根据S2中采集的轮廓形状以及S5中采集的目标对象与安全气囊的距离,对安全气囊执行S11自适应角度调节,并且在执行S12安全气囊弹出的过程中,按照选择的充气量对安全气囊进行充气。
选择安全气囊充气量的具体实施过程包括:若目标对象的类型为成人并且与安全气囊之间的距离较近,则选择第一充气量。若目标对象的类型为成人并且与安全气囊之间的距离较远,则选择第三充气量。若目标对象的类型为儿童并且与安全气囊之间的距离较远,则选择第四充气量。若目标对象的类型为儿童并且与安全气囊之间的距离较近,则选择第二充气量。
在本申请的一种实施方式中,控制器在确认身体属性信息存在异常情况时,根据身体属性信息执行异常救援操作,其中,异常情况包括目标对象生命体征异常和/或车辆异常。
具体的,异常救援操作包括:向远端平台发送身体属性信息,开启车辆的音像记录设备,其中,音像记录设备用于记录声音和/或视频,自动拨打和/或接听与远端平台之间的通话。
在本申请的一种实施方式中,系统还包括安全带,控制器确认目标对象已佩戴安全带,根据安全带的调节影响因素调整安全带的佩戴状态,其中,调节影响因素包括身体属性信息和座椅位置中的至少一个,安全带的佩戴状态包括安全带的收紧程度。
具体的,安全带的佩戴状态还包括安全带抽动状态,控制器确认目标对象处于疲劳状态,控制安全带按照目标预设频率抽动。即确认目标对象的疲劳程度,按照疲劳程度选择相应的目标预设频率,控制安全带按照目标预设频率抽动。
作为本申请一具体实施例,将生命体征监测数据输入到控制器中,之后执行健康判断,若异常则执行自适应调整安全带,若正常,则继续获取生命体征监测数据。
作为本申请一具体实施例,将生命体征监测数据输入到控制器中,之后执行疲劳判断,若是,执行驱动安全带电机抽动,若否,则继续获取生命体征监测数据。
可以理解的是,还可以根据季节、性别、年龄等方面进行安全带调整,本申请对上述实施例不进行限制。
因此,本申请通过传感器生命体征监测数据,实现对人的健康状态进行监测,根据人体实际情况安全带系统主动做自适应调节;通过传感器进行体态监测,从而实现对人的坐姿判断,根据实际坐姿状态安全带系统主动做自适应调节;通过传感器生命体征健康监测,通过相应算法,对人体进行疲劳判断,当监测出人体出现疲态时,安全带做主动抽动,提醒驾驶员安全行驶以及进行休息,避免疲劳驾驶造成事故发生。
在本申请的一种实施方式中,如图8所示,信号采集之后将采集得到的信号输入到滤波模块中进行滤波,滤波之后再由MCU(即控制器)内部处理,控制器记录车辆参数包括车速、加速度、油门开合度、刹车力度、以及其他信息等,并且实时显示心率值、呼吸值、血氧饱和度值、疲劳值以及血压值等。MCU还分别进行身体参数检查(当心率、血压等身体参数异常时,提醒驾驶员注意身体,前往医院进行体检)、判断疲劳值(当疲劳值达到疲劳状态时,启动座椅按摩并主动降低车速、播放音乐等提醒驾驶员注意休息)、危险信号判断(车辆发生紧急情况时(碰撞),自动拨打预留电话,实时上传车辆GPS位置信息,开始车内录音)以及座椅人物判断(停车后驾驶员离开,系统判定车内还有儿童时,禁止锁车门并拨打电话通知驾驶员或者车主,自动播放一段语音)。
可以理解的是,MCU仅为控制器的一种示例,控制器也可以是整车控制器,还可以是与整车控制器分开设置的设备。
具体的,生理参数检查。根据事先存储的健康参数与刚刚获取的参数进行比较,当判断参数发生异常时,提醒驾驶员注意休息,或进行身体检查。
判断疲劳值。疲劳值按照分数0~100分成4类,慢性疲劳、正常、中度疲劳和重度疲劳。当系统计算出疲劳值时,会和这4类疲劳值比较;具体执行动作:慢性疲劳,启动按摩座椅,播放音乐;正常疲劳,无动作;中度疲劳,启动按摩座椅,播放音乐;重度疲劳,启动按摩座椅,播放音乐,灯光提醒,车辆自动减速,寻找安全地方停车提示休息或者就医;对于智能化汽车,可以接管车辆,就近安全停车,保证驾乘人员的安全。
危险信号判断。车辆发生紧急情况时(碰撞),自动拨打预留电话,实时上传车辆GPS位置信息同时上传人体身体属性信息,并启动车内录音功能。
儿童遗忘。车停后驾驶员离开锁车时,如果系统判定车内有儿童时,禁止车门落锁,并灯光闪烁,车辆鸣笛。如果必须将儿童放入在车内时,需要先手动关停此功能,系统进入离开模式,会在预设时间间隔内给车主发送短信息提醒及手机振动功能。如果系统监测到车内温度过高,就打开车窗进行通风。以此保证儿童的生命健康安全。
自适应安全气囊。通过相关的传感器,对人体的坐姿,座椅位置,座椅展开角度等进行监测,此监测数据作为事故发生时,安全气囊起爆的输入依据,针对于座舱内人体实际状态,进行起爆角度调整,气囊自适应充气,以此来有效的对乘员进行保护。
自适应安全带。通过相关的传感器,对人体的坐姿,身体属性信息、座椅位置、座椅展开角度等进行监测,在发现人体疲劳时,进行自适应抽动动作,提醒驾驶员避免瞌睡。同时在零重力座椅上,可以针对不同的座椅展开角度,自适应调整安全带长度,避免安全带勒脖子,使得乘坐人员感觉不舒适等。
因此,本申请采用压电传感器、红外光光电传感器和生物电传感器进行测量人体生理参数。测试部分为人体大腿主动脉、腰部、背部、颈部等位置。不存在直视光源,不会对人造成任何影响,杜绝了室内无用灯光对驾驶员开车的影响。传感器是分布在座椅座垫、腰部、背部和靠枕部位,压电传感器监测人体呼吸、心率信号,不与人体皮肤接触,从而获取相应信号。光电传感器及生物电传感器测量人体颈部的位置,主要监测人体心率、血氧状态、心电状态与身体皮肤有效直接接触。
车辆行驶中各个传感器同时采集信号。在车辆行驶过程中会存在很多外界震动和电信号干扰,并且与正常的人体生理信号重合在一起,此时需要进行有效的滤波将生理信号以外的频率信号滤除掉,剩下的各项生理信号传入到内置处理器,通过算法即可计算出每个生理参数大小。进一步通过一系列的算法,来完成后续功能,包括座椅按摩、人物识别、儿童遗忘、精准救援、车内录音、控制安全气囊起爆角度和控制安全气囊自适应充气以及安全带的自适应调节功能等。
在车辆行驶中,实时监测人体生理信号如心率、呼吸、血压、血氧饱和度和疲劳值、心电等参数。当某一项参数发生异常,会提示驾驶员注意身体或者停车休息等措施;如果是疲劳值变大,说明人处于轻度疲劳期,会自动打开座椅按摩功能以及安全带自主进行抽动动作以此来提醒驾驶员及时休息。当车辆发生严重碰撞,人几乎失去意识,系统会第一时间自动拨打急救电话实时上传车辆定位信息,启动车内录音功能,同时上传的数据中还包含有生命体征相关数据,为精准救援做好基础准备工作。
上文描述了本申请提供的一种智能监测系统的具体实施例,下文将描述本申请提供的一种智能监测方法。
如图9所示,一种智能监测方法,应用于控制器,智能监测系统包括控制器,所述方法包括:
S901,通过信号采集传感器对目标对象的生命体征进行采集,得到初始采集信号,其中,所述初始采集信号包括压电信号数据。
S902,通过滤波模块对所述初始采集信号进行信号处理操作,获得生命体征信号,其中,所述信号处理操作包括滤波和信号放大。
S903,根据所述生命体征信号计算身体属性信息;根据所述身体属性信息进行相应处理,其中,所述身体属性信息包括心率值、血压值、疲劳程度值中的至少一个。
在本申请实施例中,图9所示模块能够实现图1至图8方法实施例中的各个过程。图9中的各个模块的操作和/或功能,分别为了实现图1至图8中的方法实施例中的相应流程。具体可参见上述方法实施例中的描述,为避免重复,此处适当省略详细描述。
上文描述了本申请提供的一种智能监测方法,下文将描述本申请提供的一种智能监测装置。
如图10所示,本申请提供了一种智能监测装置100,应用于控制器,该装置包括:信号采集模块101,被配置为通过信号采集传感器对目标对象的生命体征进行采集,得到初始采集信号,其中,所述初始采集信号包括压电信号数据;信号滤波模块102,被配置为通过滤波模块对所述初始采集信号进行信号处理操作,获得生命体征信号,其中,所述信号处理操作包括滤波和信号放大;信号处理模块103,被配置为根据所述生命体征信号计算身体属性信息;根据所述身体属性信息进行相应处理,其中,所述身体属性信息包括心率值、血压值、疲劳程度值中的至少一个。
在本申请的一种实施方式中,所述信号采集传感器包括生命体征采集传感器和噪声采集传感器,其中,所述生命体征采集传感器用于采集初始采集信号,所述噪声采集传感器用于采集座椅震动信号;所述信号滤波模块102还被配置为:将所述初始采集信号中的所述座椅震动信号剔除,获得初始生命体征信号;按照预设频率的信号对所述初始生命体征信号进行滤波,并且进行信号放大操作,获得所述生命体征信号。
在本申请的一种实施方式中,所述预设频率包括第一预设频率和第二预设频率;所述信号滤波模块102还被配置为:剔除所述初始生命体征信号中的所述第一预设频率的信号,剔除所述初始生命体征信号中的所述第二预设频率的信号,并且进行信号放大操作,获得所述生命体征信号。
在本申请的一种实施方式中,所述系统还包括车辆座椅,其中,所述生命体征采集传感器包括压电信号采集传感器和红外采集传感器;所述压电信号采集传感器安装于所述车辆座椅的坐垫上和/或安装于所述车辆座椅的靠背上;所述噪声采集传感器安装于所述车辆座椅的下方;所述红外采集传感器安装于所述车辆座椅的头枕中,所述红外采集传感器用于采集目标对象的红外光信号。
在本申请的一种实施方式中,所述身体属性信息包括心率值;所述信号处理模块103还被配置为:根据所述生命体征信号计算所述心率值;实时显示所述心率值,或者,在所述心率值异常的情况下进行告警操作。
在本申请的一种实施方式中,所述身体属性信息包括血压值;所述信号处理模块103还被配置为:根据所述生命体征信号获得所述目标对象的血压值;实时显示所述血压值,或者,在所述血压值异常的情况下进行告警操作。
在本申请的一种实施方式中,所述身体属性信息包括疲劳程度值;所述信号处理模块103还被配置为:根据所述生命体征信号获得所述目标对象的疲劳程度;实时显示所述疲劳程度,或者,在所述疲劳程度异常的情况下进行告警操作。
在本申请的一种实施方式中,所述系统还包括图像采集设备;所述信号处理模块103还被配置为:获取所述图像采集设备采集的目标对象图像;根据所述目标对象图像获得所述疲劳程度。
在本申请的一种实施方式中,所述身体属性信息还包括血氧饱和度;所述信号处理模块103还被配置为:按照预设次数采集多个红外光信号,并且计算所述多个红外光信号的极值;将所述极值输入到血氧饱和度计算模型中,获得所述血氧饱和度;所述根据所述身体属性信息进行相应处理,包括:实时显示所述血氧饱和度,或者,在所述血氧饱和度异常的情况下进行告警操作。
在本申请的一种实施方式中,所述身体属性信息还包括轮廓特征;所述信号处理模块103还被配置为:根据所述压电信号数据确定的所述目标对象的轮廓特征;基于所述轮廓特征确定所述目标对象的类型;确认所述目标对象的类型是儿童时,检测到驾驶位无人并且车门关闭的情况下,进行儿童遗忘提醒。
在本申请的一种实施方式中,所述系统还包括安全气囊;所述信号处理模块103还被配置为:获取所述目标对象的类型;在所述目标对象的类型为人类时,根据所述身体属性信息调整所述安全气囊的弹出姿态,其中,所述弹出姿态包括弹出角度和/或弹出充气量。
在本申请的一种实施方式中,所述信号处理模块103还被配置为:在确认所述身体属性信息存在异常情况时,根据所述身体属性信息执行异常救援操作,其中,所述异常情况包括目标对象生命体征异常和/或车辆异常。
在本申请的一种实施方式中,所述信号处理模块103还被配置为:向远端平台发送所述身体属性信息。
在本申请的一种实施方式中,所述信号处理模块103还被配置为:开启所述车辆的音像记录设备,其中,所述音像记录设备用于记录声音和/或视频。
在本申请的一种实施方式中,所述信号处理模块103还被配置为:自动拨打和/或接听与所述远端平台之间的通话。
在本申请的一种实施方式中,所述系统还包括安全带;所述信号处理模块103还被配置为:确认所述目标对象已佩戴所述安全带;根据所述安全带的调节影响因素调整所述安全带的佩戴状态,其中,所述调节影响因素包括所述身体属性信息和座椅位置中的至少一个,所述安全带的佩戴状态包括所述安全带的收紧程度。
在本申请的一种实施方式中,所述安全带的佩戴状态还包括所述安全带抽动状态;所述信号处理模块103还被配置为:确认所述目标对象处于疲劳状态,控制所述安全带按照目标预设频率抽动。
在本申请的一种实施方式中,所述信号处理模块103还被配置为:确认所述目标对象的疲劳程度,按照所述疲劳程度选择相应的所述目标预设频率;控制所述安全带按照所述目标预设频率抽动。
如图11所示,本申请实施例提供另一种智能监测装置11,包括:处理器111、存储器112和总线113,所述处理器通过所述总线与所述存储器相连,所述存储器存储有计算机可读取指令,当所述计算机可读取指令由所述处理器执行时,用于实现如上述所有实施例中任一项所述的方法,具体可参见上述方法实施例中的描述,为避免重复,此处适当省略详细描述。
其中,总线用于实现这些组件直接的连接通信。其中,本申请实施例中处理器可以是一种集成电路芯片,具有信号的处理能力。上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器可以是,但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-Only Memory,PROM),可擦除只读存储器(Erasable Programmable Read-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory,EEPROM)等。存储器中存储有计算机可读取指令,当所述计算机可读取指令由所述处理器执行时,可以执行上述实施例中所述的方法。
可以理解,图11所示的结构仅为示意,还可包括比图11中所示更多或者更少的组件,或者具有与图11所示不同的配置。图11中所示的各组件可以采用硬件、软件或其组合实现。
一种车辆,包括智能监测系统,其中,智能监测系统用于实现上述任意实施例所述的方法,该车辆中还包括多个传感器、安全气囊、安全带等实现上述实施例必要的设备。
可以理解的是,本申请实施例中的车辆可以是电车、燃油车、自动驾驶车辆等,本申请对车辆的类型不进行限制。车辆中的座椅可以是普通座椅,也可以是零重力座椅,本申请对车辆中的座椅也不进行限制。
本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被服务器执行时实现上述所有实施方式中任一所述的方法,具体可参见上述方法实施例中的描述,为避免重复,此处适当省略详细描述。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应所述以权利要求的保护范围为准。
Claims (23)
1.一种智能监测系统,其特征在于,所述系统包括:信号采集传感器、滤波模块以及控制器,其中,所述信号采集传感器与所述滤波模块相连,所述滤波模块与所述控制器相连;
所述信号采集传感器,用于对目标对象的生命体征进行采集,得到初始采集信号,其中,所述初始采集信号包括压电信号数据;
所述滤波模块,用于对所述初始采集信号进行信号处理操作,获得生命体征信号,其中,所述信号处理操作包括滤波和信号放大;
所述控制器用于:
根据所述生命体征信号计算身体属性信息;
根据所述身体属性信息进行相应处理;
其中,所述身体属性信息包括心率值、血压值、疲劳程度值中的至少一个。
2.根据权利要求1所述的系统,其特征在于,所述信号采集传感器包括生命体征采集传感器和噪声采集传感器,其中,所述生命体征采集传感器用于采集初始采集信号,所述噪声采集传感器用于采集座椅震动信号;
所述滤波模块还用于:
将所述初始采集信号中的所述座椅震动信号剔除,获得初始生命体征信号;
按照预设频率的信号对所述初始生命体征信号进行滤波,并且进行信号放大操作,获得所述生命体征信号。
3.根据权利要求2所述的系统,其特征在于,所述预设频率包括第一预设频率和第二预设频率;
所述滤波模块还用于:
剔除所述初始生命体征信号中的所述第一预设频率的信号,剔除所述初始生命体征信号中的所述第二预设频率的信号,并且进行信号放大操作,获得所述生命体征信号。
4.根据权利要求3所述的系统,其特征在于,所述系统还包括车辆座椅,其中,所述生命体征采集传感器包括压电信号采集传感器和红外采集传感器;
所述压电信号采集传感器安装于所述车辆座椅的坐垫上和/或安装于所述车辆座椅的靠背上;
所述噪声采集传感器安装于所述车辆座椅的下方;
所述红外采集传感器安装于所述车辆座椅的头枕中,所述红外采集传感器用于采集目标对象的红外光信号。
5.根据权利要求1-4任一项所述的系统,其特征在于,所述身体属性信息包括心率值;
所述控制器用于:
根据所述生命体征信号计算所述心率值;
实时显示所述心率值,或者,在所述心率值异常的情况下进行告警操作。
6.根据权利要求1-3任一项所述的系统,其特征在于,所述身体属性信息包括血压值;
所述控制器用于:
根据所述生命体征信号获得所述目标对象的血压值;
实时显示所述血压值,或者,在所述血压值异常的情况下进行告警操作。
7.根据权利要求1-3任一项所述的系统,其特征在于,所述身体属性信息包括疲劳程度值;
所述控制器用于:
根据所述生命体征信号获得所述目标对象的疲劳程度;
实时显示所述疲劳程度,或者,在所述疲劳程度异常的情况下进行告警操作。
8.根据权利要求1-3任一项所述的系统,其特征在于,所述系统还包括图像采集设备;
所述控制器用于:
获取所述图像采集设备采集的目标对象图像;
根据所述目标对象图像获得所述疲劳程度。
9.根据权利要求1-3任一项所述的系统,其特征在于,所述身体属性信息还包括血氧饱和度;
所述控制器用于:
按照预设次数采集多个红外光信号,并且计算所述多个红外光信号的极值;将所述极值输入到血氧饱和度计算模型中,获得所述血氧饱和度;
实时显示所述血氧饱和度,或者,在所述血氧饱和度异常的情况下进行告警操作。
10.根据权利要求1-3任一项所述的系统,其特征在于,所述身体属性信息还包括轮廓特征;
所述控制器用于:
根据所述压电信号数据确定的所述目标对象的轮廓特征;
基于所述轮廓特征确定所述目标对象的类型;
确认所述目标对象的类型是儿童时,检测到驾驶位无人并且车门关闭的情况下,进行儿童遗忘提醒。
11.根据权利要求10所述的系统,其特征在于,所述系统还包括安全气囊;
所述控制器用于:
获取所述目标对象的类型;
在所述目标对象的类型为人类时,根据所述身体属性信息调整所述安全气囊的弹出姿态,其中,所述弹出姿态包括弹出角度和/或弹出充气量。
12.根据权利要求1-3任一项所述的系统,其特征在于,所述控制器用于:
在确认所述身体属性信息存在异常情况时,根据所述身体属性信息执行异常救援操作,其中,所述异常情况包括目标对象生命体征异常和/或车辆异常。
13.根据权利要求12所述的系统,其特征在于,所述控制器用于:
向远端平台发送身体属性信息。
14.根据权利要求13所述的系统,其特征在于,所述控制器用于:
在事故发生后开启所述车辆的音像记录设备,其中,所述音像记录设备用于记录声音和/或视频。
15.根据权利要求12所述的系统,其特征在于,所述控制器用于:
自动拨打和/或接听与远端平台之间的通话。
16.根据权利要求1-3任一项所述的系统,其特征在于,所述系统还包括安全带;
所述控制器用于:
确认所述目标对象已佩戴所述安全带;
根据所述安全带的调节影响因素调整所述安全带的佩戴状态,其中,
所述调节影响因素包括所述身体属性信息和座椅位置中的至少一个,所述安全带的佩戴状态包括所述安全带的收紧程度。
17.根据权利要求16所述的系统,其特征在于,所述安全带的佩戴状态还包括所述安全带抽动状态;
所述控制器用于:
确认所述目标对象处于疲劳状态,控制所述安全带按照目标预设频率抽动。
18.根据权利要求17所述的系统,其特征在于,所述控制器用于:
确认所述目标对象的疲劳程度,按照所述疲劳程度选择相应的所述目标预设频率;
控制所述安全带按照所述目标预设频率抽动。
19.一种智能监测方法,其特征在于,应用于控制器,智能监测系统包括所述控制器,所述智能监测系统用于实现如权利要求1-18任一项所述的系统功能,所述方法包括:
通过信号采集传感器对目标对象的生命体征进行采集,得到初始采集信号,其中,所述初始采集信号包括压电信号数据;
通过滤波模块对所述初始采集信号进行信号处理操作,获得生命体征信号,其中,所述信号处理操作包括滤波和信号放大;
根据所述生命体征信号计算身体属性信息;根据所述身体属性信息进行相应处理,其中,所述身体属性信息包括心率值、血压值、疲劳程度值中的至少一个。
20.一种智能监测装置,其特征在于,应用于控制器,智能监测系统包括所述控制器,所述智能监测系统用于实现如权利要求1-18任一项所述的系统功能,所述装置包括:
信号采集模块,被配置为通过信号采集传感器对目标对象的生命体征进行采集,得到初始采集信号,其中,所述初始采集信号包括压电信号数据;
信号滤波模块,被配置为通过滤波模块对所述初始采集信号进行信号处理操作,获得生命体征信号,其中,所述信号处理操作包括滤波和信号放大;
信号处理模块,被配置为根据所述生命体征信号计算身体属性信息;根据所述身体属性信息进行相应处理,其中,所述身体属性信息包括心率值、血压值、疲劳程度值中的至少一个。
21.一种车辆,其特征在于,包括智能监测系统,其中,所述智能监测系统用于实现如权利要求1-18任一项所述的系统功能。
22.一种智能监测的装置,其特征在于,包括:处理器、存储器和总线;
所述处理器通过所述总线与所述存储器相连,所述存储器存储有计算机程序,所述计算机程序由所述处理器执行时可实现如权利要求19所述的方法。
23.一种计算机可读存储介质,其特征在于,该计算机可读存储介质上存储有计算机程序,该计算机程序被执行时可实现如权利要求19所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310875493.2A CN116763258A (zh) | 2023-07-17 | 2023-07-17 | 智能监测系统、方法、装置、车辆及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310875493.2A CN116763258A (zh) | 2023-07-17 | 2023-07-17 | 智能监测系统、方法、装置、车辆及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116763258A true CN116763258A (zh) | 2023-09-19 |
Family
ID=87987928
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310875493.2A Pending CN116763258A (zh) | 2023-07-17 | 2023-07-17 | 智能监测系统、方法、装置、车辆及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116763258A (zh) |
-
2023
- 2023-07-17 CN CN202310875493.2A patent/CN116763258A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11383721B2 (en) | System and method for responding to driver state | |
US10034631B1 (en) | Vehicle seating system with seat occupant vital sign monitoring | |
US10867218B2 (en) | Biometric sensor fusion to classify vehicle passenger state | |
US10618522B2 (en) | Drowsiness detection and intervention system and method | |
EP3158392B1 (en) | System and method for responding to driver state | |
EP2619733B1 (en) | Method and device for identifying a subject in a sensor based monitoring system | |
US6195008B1 (en) | Method and an apparatus for monitoring a seated person | |
CN104908687B (zh) | 用于允许在机动车辆中的提高效能的小睡的方法 | |
CN109927603A (zh) | 用于车辆的乘员感测系统 | |
JP3012751B2 (ja) | 在席検出装置及び安全制御装置 | |
CN110301921A (zh) | 用于进行困倦检测和干预的系统和方法 | |
JP2019033911A (ja) | 異常検知装置及びシート | |
CN116763258A (zh) | 智能监测系统、方法、装置、车辆及介质 | |
CN115042796A (zh) | 基于健康模型的车辆控制方法及装置、目标车辆 | |
Deserno et al. | Combining vehicle BUS and vital sign sensors for continuous health monitoring during driving: Concept and first results | |
CN116784854A (zh) | 一种计算疲劳程度的方法、装置、设备及介质 | |
KR20220061208A (ko) | 기류 감지 시트 |
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 |