CN117558103A - 基于智能穿戴设备的应急救援方法及装置 - Google Patents
基于智能穿戴设备的应急救援方法及装置 Download PDFInfo
- Publication number
- CN117558103A CN117558103A CN202410044883.XA CN202410044883A CN117558103A CN 117558103 A CN117558103 A CN 117558103A CN 202410044883 A CN202410044883 A CN 202410044883A CN 117558103 A CN117558103 A CN 117558103A
- Authority
- CN
- China
- Prior art keywords
- target
- rescue
- physical
- state
- wearer
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 208000016253 exhaustion Diseases 0.000 claims abstract description 161
- 230000035790 physiological processes and functions Effects 0.000 claims abstract description 68
- 208000010392 Bone Fractures Diseases 0.000 claims description 25
- 206010017076 Fracture Diseases 0.000 claims description 25
- 238000005457 optimization Methods 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 17
- 239000012634 fragment Substances 0.000 claims description 15
- 238000005070 sampling Methods 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 8
- 230000002194 synthesizing effect Effects 0.000 claims description 6
- 238000013507 mapping Methods 0.000 description 14
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 13
- 230000002093 peripheral effect Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000009429 distress Effects 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 206010016256 fatigue Diseases 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000037081 physical activity Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 210000000707 wrist Anatomy 0.000 description 1
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
- G08B21/0438—Sensor means for detecting
- G08B21/0453—Sensor means for detecting worn on the body to detect health condition by physiological monitoring, e.g. electrocardiogram, temperature, breathing
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
Abstract
本发明公开了基于智能穿戴设备的应急救援方法及装置,该方法包括:通过目标智能穿戴设备确定目标穿戴者的目标状态;目标状态包括以下一种:正常状态、救援状态;在目标状态为救援状态时,启动目标智能穿戴设备的救援模式;获取目标智能穿戴设备实时采集的救援影像和目标穿戴者的生理状态数据;根据救援影像和生理状态数据预测目标穿戴者的目标身体力竭风险概率;当目标身体力竭风险概率大于预设身体力竭风险概率时,向目标智能穿戴设备发送目标提示消息,以提示目标穿戴者停止救援状态。采用本发明实施例,实现了提前预警风险事件的功能。
Description
技术领域
本发明涉及智能穿戴设备技术领域,尤其涉及一种基于智能穿戴设备的应急救援方法及装置。
背景技术
在洪水抢险救灾事件中,经常需要救援人员以消防车为锚点建立“绳索安全保护系统”,然后救援人员穿好专用救生衣并系好安全绳,开展救援活动。在救援活动中,救援人员经常需要连续工作几小时甚至十几个小时,很容易因体力不支发生危险,例如,安全绳滑落,被洪水冲走,此类风险事件一旦发生,很难及时对救援人员进行搜救,如果能够对此类风险事件提前预警,则可以大大降低救援人员的安全风险,为此,如何提前预警风险事件成为一个亟待解决的问题。
发明内容
本发明实施例提供一种基于智能穿戴设备的应急救援方法及装置,通过采集救援影像和目标穿戴者的生理状态数据,根据这二者预测目标穿戴者的目标身体力竭风险概率,当目标身体力竭风险概率大于预设身体力竭风险概率时,向目标智能穿戴设备发送目标提示消息,以提示目标穿戴者停止救援状态,实现了提前预警风险事件的功能。
第一方面,本发明实施例提供了一种基于智能穿戴设备的应急救援方法,应用于紧急救援系统中的服务器,所述紧急救援系统包括:所述服务器和由目标穿戴者佩戴的目标智能穿戴设备,所述目标智能穿戴设备的工作模式包括以下一种:常规模式、救援模式;所述方法包括:
通过所述目标智能穿戴设备确定所述目标穿戴者的目标状态;所述目标状态包括以下一种:正常状态、救援状态;
在所述目标状态为所述救援状态时,启动所述目标智能穿戴设备的所述救援模式;
获取所述目标智能穿戴设备实时采集的救援影像和所述目标穿戴者的生理状态数据;
根据所述救援影像和所述生理状态数据预测所述目标穿戴者的目标身体力竭风险概率;
当所述目标身体力竭风险概率大于预设身体力竭风险概率时,向所述目标智能穿戴设备发送目标提示消息,以提示所述目标穿戴者停止所述救援状态。
第二方面,本发明实施例提供了一种基于智能穿戴设备的应急救援装置,应用于紧急救援系统中的服务器,所述紧急救援系统包括:所述服务器和由目标穿戴者佩戴的目标智能穿戴设备,所述目标智能穿戴设备的工作模式包括以下一种:常规模式、救援模式;所述基于智能穿戴设备的应急救援装置包括:确定单元、获取单元、救援单元,其中,
所述确定单元,用于通过所述目标智能穿戴设备确定所述目标穿戴者的目标状态;所述目标状态包括以下一种:正常状态、救援状态;在所述目标状态为所述救援状态时,启动所述目标智能穿戴设备的所述救援模式;
所述获取单元,用于获取所述目标智能穿戴设备实时采集的救援影像和所述目标穿戴者的生理状态数据;
所述救援单元,用于根据所述救援影像和所述生理状态数据预测所述目标穿戴者的目标身体力竭风险概率;当所述目标身体力竭风险概率大于预设身体力竭风险概率时,向所述目标智能穿戴设备发送目标提示消息,以提示所述目标穿戴者停止所述救援状态。
第三方面,本申请实施例提供了一种电子设备,包括处理器、存储器、通信接口以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如第一方面所述的方法。
第四方面,本申请实施例提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序使得计算机执行如第一方面所述的方法。
第五方面,本申请提供了一种计算机程序产品,其中,上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,上述计算机程序可操作来使计算机执行如本申请第一方面中所描述的部分或全部步骤。该计算机程序产品可以为一个软件安装包。
实施本申请实施例,具备如下有益效果:
可以看出,本申请实施例中所描述的基于智能穿戴设备的应急救援方法,应用于紧急救援系统中的服务器,紧急救援系统包括:服务器和由目标穿戴者佩戴的目标智能穿戴设备,目标智能穿戴设备的工作模式包括以下一种:常规模式、救援模式;方法包括:通过目标智能穿戴设备确定目标穿戴者的目标状态;目标状态包括以下一种:正常状态、救援状态;在目标状态为救援状态时,启动目标智能穿戴设备的救援模式;获取目标智能穿戴设备实时采集的救援影像和目标穿戴者的生理状态数据;根据救援影像和生理状态数据预测目标穿戴者的目标身体力竭风险概率;当目标身体力竭风险概率大于预设身体力竭风险概率时,向目标智能穿戴设备发送目标提示消息,以提示目标穿戴者停止救援状态;通过采集救援影像和目标穿戴者的生理状态数据,根据这二者预测目标穿戴者的目标身体力竭风险概率,当目标身体力竭风险概率大于预设身体力竭风险概率时,向目标智能穿戴设备发送目标提示消息,以提示目标穿戴者停止救援状态,实现了提前预警风险事件的功能。
附图说明
为了更清楚地说明本发明实施例或背景技术中的技术方案,下面将对本发明实施例或背景技术中所需要使用的附图进行说明。
图1是本申请实施例提供的一种紧急救援系统的架构示意图;
图2是本申请实施例提供的一种基于智能穿戴设备的应急救援方法的流程图;
图3是本申请实施例提供的一种基于智能穿戴设备的应急救援装置的功能单元组成框图;
图4是本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
请参见图1,图1是本申请实施例提供的一种紧急救援系统100的架构示意图。如图1所示,该紧急救援系统100包括服务器101和目标智能穿戴设备102。
其中,目标智能穿戴设备102可以包括以下至少一种:智能腕表、智能手环、智能腰带等等,在此不做限定。
其中,目标智能穿戴设备102可以穿戴在目标穿戴者的身上,如果目标智能穿戴设备102是智能手环,那么可以戴在目标穿戴者的手腕上,或者,如果目标智能穿戴设备102是智能腰带,则可以佩戴在目标穿戴者的腰部,在此不做限定。
服务器101可以与目标智能穿戴设备102进行通信,服务器101还可以向目标智能穿戴设备102发送控制指令,控制目标智能穿戴设备102显示目标提示消息,以提示目标穿戴者停止救援状态。例如,可以是通过目标智能穿戴设备102采集救援影像和目标穿戴者的生理状态数据,同时,将救援影像和生理状态数据上传到服务器101,由服务器101根据这二者预测目标穿戴者的目标身体力竭风险概率,当目标身体力竭风险概率大于预设身体力竭风险概率时,向目标智能穿戴设备102发送目标提示消息,以提示目标穿戴者停止救援状态,实现了提前预警风险事件的功能。
请参见图2,图2是本申请实施例提供的一种基于智能穿戴设备的应急救援方法的流程图,图2所示的基于智能穿戴设备的应急救援方法,应用于紧急救援系统中的服务器,所述紧急救援系统包括:所述服务器和由目标穿戴者佩戴的目标智能穿戴设备,所述目标智能穿戴设备的工作模式包括以下一种:常规模式、救援模式;所述方法包括但不限于以下步骤:
S201、通过所述目标智能穿戴设备确定所述目标穿戴者的目标状态;所述目标状态包括以下一种:正常状态、救援状态。
本申请实施例中,目标智能穿戴设备可以包括:摄像模块、定位模块、显示模块、监测模块、通信模块、报警模块等等,在此不做限定;上述摄像模块可以包括两种模式:普通模式、专业模式,普通模式下拍摄的视频清晰度较低,但是能耗低,使用时间长;专业模式下拍摄的视频清晰度高,相应的能耗也高,使用时间短,可以根据实际情况对这两种模式进行灵活切换。
具体实施中,通过目标智能穿戴设备确定目标穿戴者的目标状态,可以是通过目标智能穿戴设备的摄像模块对目标穿戴者的周围环境进行摄像,得到摄像视频,根据摄像视频来判断目标穿戴者的目标状态。
可选的,步骤S201,所述通过所述目标智能穿戴设备确定所述目标穿戴者的目标状态,可以包括如下步骤:
A1、通过所述目标智能穿戴设备获取所述目标穿戴者的第一周围环境数据;
A2、确定所述第一周围环境数据对应的参考危险值;
A3、获取所述目标穿戴者的目标心率值;
A4、确定所述目标心率值对应的目标危险值优化参数;
A5、根据所述目标危险值优化参数对所述参考危险值进行优化,得到目标危险值;
A6、在所述目标危险值小于预设危险值时,判断所述目标状态为所述正常状态;
A7、在所述目标危险值大于或等于所述预设危险值时,判断所述目标状态为所述救援状态。
本申请实施例中,预设危险值可以是系统默认,或者,可以为经验值。
具体实施例中,通过目标智能穿戴设备获取目标穿戴者的第一周围环境数据;确定第一周围环境数据对应的参考危险值,具体的,可以是启动上述摄像模块的普通模式,通过该摄像模块对目标穿戴者的周围环境进行摄像,得到第一周围环境视频,将该第一周围环境视频上传至服务器,由服务器对其进行分析,得到第一周围环境数据,可以是找出第一周围环境数据中可能对目标穿戴者造成危险的事物,例如:水、火、障碍物、车辆等等,在此不做限定,以水为例,在第一周围环境数据中存在水时,可以通过目标智能穿戴设备检测水的水深、流速、水温等数据,可以是对数据进行分级,对于水深,可以是将水深分为三个等级:浅水区域(0-1米)、中水区域(1-2米)和深水区域(2米及以上),然后,可以为每个等级分配一个危险值分值,例如,浅水区域为1分,中等区域为2分,深水区域为3分,同样的,也可以对流速、水温等数据进行分级,并且分配危险值,将第一周围环境数据中的各个数据的危险值累加起来,得到参考危险值。
接着,获取目标穿戴者的目标心率值;确定目标心率值对应的目标危险值优化参数;根据目标危险值优化参数对参考危险值进行优化,得到目标危险值,具体的,可以是目标智能穿戴设备的监测模块检测目标穿戴者的心率,监测模块可以包括心率传感器,从而,得到目标心率值,接着,可以是预先存储预设的心率值与危险值优化参数之间的映射关系,基于该映射关系确定目标心率值对应的目标危险值优化参数,根据目标危险值优化参数对参考危险值进行优化,目标危险值优化参数的取值范围可以是-0.2~0.2,具体如下:
目标危险值=(1+目标危险值优化参数)×参考危险值;
得到目标危险值,进一步的,在目标危险值小于预设危险值时,说明目标穿戴者没有危险或者危险度低,此时可以判断目标状态为正常状态;在目标危险值大于或等于预设危险值时,说明目标穿戴者可能有危险,此时可以判断目标状态为救援状态。
如此,通过目标智能穿戴设备获取目标穿戴者的第一周围环境数据;确定第一周围环境数据对应的参考危险值;再获取目标穿戴者的目标心率值以及目标心率值对应的目标危险值优化参数;根据目标危险值优化参数对参考危险值进行优化得到目标危险值;根据目标危险值和预设危险值之间的大小关系,来确定目标状态,目标危险值小于预设危险值时,目标状态为正常状态;目标危险值大于或等于预设危险值,目标状态为救援状态,一方面,通过智能穿戴设备可以实时获取目标穿戴者的环境数据和心率值,及时了解目标穿戴者的身体状况和周围环境的变化,另一方面,通过将目标危险值与预设危险值进行比较,可以提前发现潜在的危险情况,从而,采取相应的措施,保障目标穿戴者的安全。
可选的,步骤A6,所述在所述目标危险值小于预设危险值时,判断所述目标状态为正常状态之后,可以包括如下步骤:
B1、启动所述目标智能穿戴设备的所述常规模式;
B2、在所述常规模式下,通过所述目标智能穿戴设备按预设时间间隔获取所述目标穿戴者的所述目标状态。
本申请实施例中,预设时间间隔可以是系统默认,或者,人工设置。
具体实施例中,在目标危险值小于预设危险值时,说明目标穿戴者没有危险或者危险度低,此时可以判断目标状态为正常状态,也就是说目标穿戴者处于正常状态下,此时可以启动目标智能穿戴设备的常规模式;在常规模式下,服务器可以通过目标智能穿戴设备按预设时间间隔获取目标穿戴者的目标状态。
如此,通过在目标危险值小于预设危险值时,判断目标状态为正常状态之后,将目标智能穿戴设备调节为常规模式,在常规模式下,通过目标智能穿戴设备按预设时间间隔获取目标穿戴者的目标状态,在目标穿戴者处于正常状态下,启动目标智能穿戴设备的常规模式,使其更加贴近用户的日常需求,提高设备的实用性,另外,通过有间隔的获取目标穿戴者的目标状态,可以及时发现异常情况,确保目标穿戴者的安全。
S202、在所述目标状态为所述救援状态时,启动所述目标智能穿戴设备的所述救援模式。
本申请实施例中,在目标危险值大于或等于预设危险值时,可以判断目标穿戴者的目标状态为救援状态;在目标状态为救援状态时,可以启动目标智能穿戴设备的救援模式,具体的,救援模式下可以启动上述摄像模块的专业模式,专业模式下拍摄的视频更加清晰,分辨率更高,在此不做限定。
S203、获取所述目标智能穿戴设备实时采集的救援影像和所述目标穿戴者的生理状态数据。
本申请实施例中,目标智能穿戴设备的摄像模块可以包括:可移动的摄像头。
具体实施例中,可以是服务器获取目标智能穿戴设备实时采集的救援影像和目标穿戴者的生理状态数据,具体的,可以是通过目标智能穿戴设备的摄像模块来进行实时拍摄和录制救援影像,这些救援影像可以用于记录救援过程中的情况,以便后续分析和评估,还可以通过目标智能穿戴设备的检测模块实时监测和记录目标穿戴者的生理状态数据,检测模块中集成了多种传感器,例如,心率传感器可以监测穿戴者的心率;血氧传感器可以监测穿戴者的血氧饱和度;步数传感器可以记录穿戴者的运动步数等,这些数据可以用于评估穿戴者的身体状态,以及在救援过程中发生的变化;采集到救援影像和生理状态数据之后,可以通过目标智能穿戴设备的通信模块将其上传到服务器中,通过服务器对其进行后续分析。
S204、根据所述救援影像和所述生理状态数据预测所述目标穿戴者的目标身体力竭风险概率。
本申请实施例中,身体力竭风险概率是一个表示某一时刻目标穿戴者的体力可能不足或耗尽的概率。
具体实施例中,可以是根据目标智能穿戴设备采集的救援影像和生理状态数据来预测目标穿戴者的目标身体力竭风险概率。
可选的,步骤S204,所述根据所述救援影像和所述生理状态数据预测所述目标穿戴者的目标身体力竭风险概率,可以包括如下步骤:
C1、根据所述救援影像获取所述目标穿戴者的第二周围环境数据;
C2、确定所述第二周围环境数据对应的目标体力消耗参数;
C3、获取第一预设时间段的所述目标穿戴者的历史体力数据;
C4、对所述生理状态数据进行采样,得到多个样本生理状态数据,每一样本生理状态数据对应一个采集时间;
C5、确定所述多个样本生理状态数据中每一样本生理状态数据对应的体力值,得到多个体力值;
C6、根据所述多个体力值以及所述多个体力值中每一体力值对应的采集时间绘制拟合直线,得到第一拟合直线,所述第一拟合直线的横坐标为时间、纵坐标为体力值;
C7、根据所述目标体力消耗参数、所述历史体力数据、所述第一拟合直线预测所述目标穿戴者的目标身体力竭风险概率。
本申请实施例中,第一预设时间段可以是系统默认,或者,可以为经验值。
具体实施例中,可以是服务器根据救援影像来获取目标穿戴者的第二周围环境数据;确定第二周围环境数据对应的目标体力消耗参数;获取第一预设时间段的目标穿戴者的历史体力数据;具体的,可以是服务器在接收到救援影像之后,通过图像处理技术对救援影像进行处理分析,得到第二周围环境数据,接着,可以是通过上文所述的方法来确定第二周围环境数据对应的环境危险值,根据环境危险值来确定目标体力消耗参数,可以是预先存储预设的危险值与体力消耗参数之间的映射关系,基于该映射关系确定环境危险值对应的目标体力消耗参数,也即确定第二周围环境数据对应的目标体力消耗参数;接着,可以是通过服务器的数据库来获取第一预设时间段的目标穿戴者的历史体力数据。
进一步的,可以是对生理状态数据进行采样,得到多个样本生理状态数据,每一样本生理状态数据对应一个采集时间;接着,确定多个样本生理状态数据中每一样本生理状态数据对应的体力值,得到多个体力值,具体的,可以是预先存储预设的生理状态数据与体力值之间的映射关系,基于该映射关系确定生理状态数据对应的体力值;根据多个体力值以及这多个体力值对应的采集时间绘制拟合直线,得到第一拟合直线,第一拟合直线的横坐标为时间、纵坐标为体力值,需要解释的是,因为体力值是通过生理状态数据得到的,所以,体力值对应的采集时间即是体力值对应的生理状态数据的采集时间。
最后,根据目标体力消耗参数、历史体力数据、第一拟合直线预测目标穿戴者的目标身体力竭风险概率。
如此,根据救援影像获取第二周围环境数据;确定第二周围环境数据对应的目标体力消耗参数;获取第一预设时间段的目标穿戴者的历史体力数据;对生理状态数据进行采样,得到多个样本生理状态数据;确定多个样本生理状态数据中每一样本生理状态数据对应的体力值,得到多个体力值;根据多个体力值和这多个体力值对应的采集时间绘制拟合直线,得到第一拟合直线;根据目标体力消耗参数、历史体力数据、第一拟合直线预测目标穿戴者的目标身体力竭风险概率,一方面,通过考虑目标穿戴者的历史体力数据和当前的生理状态数据,可以使预测结果更加的个性化,可以针对目标穿戴者的特点和能力进行预测,使得预测结果更贴合实际情况,另一方面,通过预测目标身体力竭风险概率可以帮助救援人员或相关人员提前了解目标穿戴者可能出现疲劳或力竭的情况,从而,采取相应的措施。
可选的,步骤C7,所述根据所述目标体力消耗参数、所述历史体力数据、所述第一拟合直线预测所述目标穿戴者的目标身体力竭风险概率,可以包括如下步骤:
D1、根据所述历史体力数据确定所述目标穿戴者身体力竭时对应的参考身体力竭体力值;
D2、确定所述第一拟合直线与所述历史体力数据的目标差异程度参数;
D3、确定所述目标差异程度参数对应的身体力竭优化参数;
D4、根据所述身体力竭优化参数对所述参考身体力竭体力值进行优化,得到目标身体力竭体力值;
D5、根据所述第一拟合直线预测所述目标穿戴者的体力值到达所述目标身体力竭体力值的预测目标身体力竭时间;
D6、根据所述预测目标身体力竭时间与当前时刻相差的目标时长确定所述目标身体力竭风险概率;所述目标时长越短,所述目标身体力竭风险概率越大。
本申请实施例中,身体力竭体力值是一个表示目标穿戴者在体力耗尽时的体力值,可以理解为目标穿戴者在进行体力活动时,达到无法再继续进行活动的极限状态时所剩余的体力值。
具体实施例中,根据历史体力数据确定目标穿戴者身体力竭时对应的参考身体力竭体力值;确定第一拟合直线与历史体力数据的目标差异程度参数,具体的,可以是对历史体力数据进行数据分析,了解目标穿戴者在不同运动强度和持续时间下的体力消耗情况,根据数据分析可以确定一个参考身体力竭体力值,该值可以表示目标穿戴者在进行一定运动强度和持续时间下,达到身体力竭状态时的体力水平,例如,可以是找出目标穿戴者在不同活动强度下达到身体力竭的多个身体力竭时间点,每个身体力竭时间点都对应一个力竭体力值,如此,可以得到多个力竭体力值,计算这多个力竭体力值的平均值,可以以该平均值作为参考身体力竭体力值,接着,可以是由服务器确定第一拟合直线与历史体力数据的目标差异程度参数。
进一步的,确定目标差异程度参数对应的身体力竭优化参数;具体的,可以是预先存储预设的目标差异程度参数与身体力竭优化参数之间的映射关系,基于该映射关系确定目标穿戴者的目标差异程度参数对应的身体力竭优化参数,身体力竭优化参数的取值范围可以为-0.12~0.12;接着,根据身体力竭优化参数对参考身体力竭体力值进行优化,具体如下:
目标身体力竭体力值=(1+身体力竭优化参数)×参考身体力竭体力值;
得到目标身体力竭体力值,进一步的,根据第一拟合直线预测目标穿戴者的体力值到达目标身体力竭体力值的预测目标身体力竭时间;根据预测目标身体力竭时间与当前时刻相差的目标时长确定目标身体力竭风险概率;目标时长越短,目标身体力竭风险概率越大,具体的,可以先获取第一拟合直线的直线方程,根据该直线方程预测目标穿戴者的体力值到达目标身体力竭体力值的预测目标身体力竭时间,例如,第一拟合直线的第一直线方程为y=kx+b,k为第一斜率,第二b为截距,x表示时间,y表示体力值,将目标身体力竭体力值带入第一直线方程即可计算出预测目标身体力竭时间;接着,可以计算目标时长,具体如下:
目标时长=预测目标身体力竭时间-当前时刻;
在得到目标时长之后,根据目标时长确定目标身体力竭风险概率,可以是预先存储预设的时长与身体力竭风险概率之间的映射关系,基于该映射关系确定目标时长对应的目标身体力竭风险概率。
如此,通过根据历史体力数据确定目标穿戴者身体力竭时对应的参考身体力竭体力值;接着,确定第一拟合直线与历史体力数据的目标差异程度参数;根据该目标差异程度参数确定对应的身体力竭优化参数;根据身体力竭优化参数对参考身体力竭体力值进行优化得到目标身体力竭体力值;根据第一拟合直线预测目标穿戴者的体力值到达目标身体力竭体力值的预测目标身体力竭时间;最后,根据预测目标身体力竭时间与当前时刻相差的目标时长确定目标身体力竭风险概率,一方面,通过确定身体力竭优化参数,可以对参考身体力竭体力值进行优化,提高预测的准确性和可靠性,另一方面,根据目标时长确定目标身体力竭风险概率,可以帮助目标穿戴者及时调整活动强度或采取适当的休息措施,降低安全风险。
可选的,步骤D2,确定所述第一拟合直线与所述历史体力数据的目标差异程度参数,可以包括如下步骤:
E1、对所述历史体力数据进行采样,得到多个样本历史体力数据,每一样本历史体力数据对应一个历史时间和一个历史体力值;
E2、根据所述多个样本历史体力数据中每一样本历史体力数据对应的一个历史时间和一个历史体力值绘制拟合直线,得到第二拟合直线,所述第二拟合直线的横坐标为时间、纵坐标为体力值;
E3、确定所述第一拟合直线的第一斜率;确定所述第二拟合直线的第二斜率;
E4、确定所述第一斜率和所述第二斜率之间的目标差值;
E5、根据所述目标差值确定对应的所述目标差异程度参数。
本申请实施例中,历史体力数据可以包括以下至少一种:历史时间、历史体力值、历史生理数据等等,在此不做限定。
具体实施例中,可以对历史体力数据进行采样,具体的,可以是进行等间隔采样,间隔长度可以是系统默认或手动设置,通过对历史体力数据进行等间隔采样,可以得到多个样本历史体力数据,其中,每一样本历史体力数据对应一个历史时间和一个历史体力值;接着,可以根据这多个样本历史体力数据中每一样本历史体力数据对应的一个历史时间和一个历史体力值绘制拟合直线,得到第二拟合直线,第二拟合直线的横坐标为时间、纵坐标为体力值。
进一步的,确定第一拟合直线的第一斜率;确定第二拟合直线的第二斜率;确定第一斜率和第二斜率之间的目标差值;根据目标差值确定对应的目标差异程度参数,具体的,可以是通过服务器计算得到第一拟合直线的第一斜率和第二拟合直线的第二斜率,例如,可以在第一拟合直线中取两个点,通过这两个点的坐标即可计算出第一斜率,同样的,也可以计算出第二斜率,接着,计算目标差值,具体如下:
目标差值=第一斜率-第二斜率;
得到目标差值,可以是预先存储预设的差值与差异程度参数之间的映射关系,基于该映射关系确定目标差值对应的目标差异程度参数。
如此,通过对历史体力数据进行采样,得到多个样本历史体力数据;根据这多个样本历史体力数据绘制拟合直线,得到第二拟合直线,第二拟合直线的横坐标为时间、纵坐标为体力值;接着,分别确定第一拟合直线的第一斜率和第二拟合直线的第二斜率;计算第一斜率和第二斜率之间的目标差值;根据目标差值确定对应的目标差异程度参数,通过计算斜率和目标差值,可以将复杂的体力变化趋势转化为具体的数值,便于进行量化分析和比较。
S205、当所述目标身体力竭风险概率大于预设身体力竭风险概率时,向所述目标智能穿戴设备发送目标提示消息,以提示所述目标穿戴者停止所述救援状态。
本申请实施例中,当目标身体力竭风险概率大于预设身体力竭风险概率时,说明目标穿戴者的体力不足了,不能在继续处于救援状态了,此时可以通过服务器向目标智能穿戴设备发送目标提示消息,以提示目标穿戴者停止救援状态。
可选的,步骤S205,所述目标穿戴者的身体上绑有安全绳,所述安全绳的另一端固定在一稳定物体上;还可以包括如下步骤:
51、通过所述目标智能穿戴设备确定第二预设时间段的所述目标穿戴者的所述目标状态;所述第二预设时间段为发送所述目标提示消息之后的时间段;
52、在所述目标状态为所述救援状态时,提取出所述救援影像中的所有出现所述安全绳的安全绳影像片段,得到多个安全绳影像片段;
53、将所述多个安全绳影像片段按时间顺序进行合成,得到完整安全绳影像;
54、对所述完整安全绳影像进行分析,确定所述安全绳的目标断裂风险概率;
55、在所述目标断裂风险概率大于预设断裂风险概率时,通过所述目标智能穿戴设备发出语音警告,以提示所述目标穿戴者停止所述救援状态。
本申请实施例中,第二预设时间段可以是系统默认,或者,可以为基于经验设置。
具体实施例中,可以是通过所述目标智能穿戴设备确定第二预设时间段的目标穿戴者的目标状态;第二预设时间段为发送目标提示消息之后的时间段;具体的,可以是根据上文所述的方法来确定目标状态,通过获取目标穿戴者的心率值和周围环境数据确定对应的目标危险值,目标危险值大于或等于预设危险值时,确定目标状态为救援状态。
其中,目标穿戴者的身体上绑有安全绳,安全绳的另一端固定在一稳定物体上,目标智能穿戴设备可以包括可分离摄像头或者可旋转摄像头,利用分离摄像头或者可旋转摄像头捕获救援影像中的所有出现安全绳的安全绳影像片段。
接着,在目标状态为救援状态时,提取出救援影像中的所有出现安全绳的安全绳影像片段,得到多个安全绳影像片段;将多个安全绳影像片段按时间顺序进行合成,得到完整安全绳影像;具体的,可以是通过人工处理,或者,图像处理算法来对救援视频进行处理,例如,可以先将救援影像分解成一系列的图像帧,接着,可以使用快速特征检测算法,在每个图像帧中检测出安全绳的特征点,根据跟踪到的安全绳特征点,确定安全绳在每个图像帧中的位置和时间范围,根据这些位置和时间范围,可以提取出每个出现安全绳的影像片段,得到多个安全绳影像片段,将这多个安全绳影像片段按照它们在救援影像中的时间顺序进行合成,得到完整的安全绳影像。
进一步的,对完整安全绳影像进行分析,获取安全绳的目标断裂风险概率;具体的,可以是提取出完整安全绳影像中的安全绳图像,对安全绳图像进行分析,获取安全绳的外观裂痕,例如,可以使用裂缝检测算法对安全绳图像进行分析,以检测是否存在裂痕或其他损伤,得到安全绳的目标断裂程度,可以是预先存储预设的断裂程度与断裂风险概率之间的映射关系,基于该映射关系确定目标断裂程度对应的目标断裂风险概率,接着,可以是在目标断裂风险概率大于预设断裂风险概率时,通过目标智能穿戴设备发出语音警告,以提示目标穿戴者停止救援状态,防止发生风险事件。
需要解释的是,在目标断裂风险概率大于预设断裂风险概率时,目标智能穿戴设备还可以对目标穿戴者的周围进行搜索,搜索其他的智能穿戴设备,如果搜索到了其他的智能穿戴设备,则目标智能穿戴设备可以向其他的智能穿戴设备发送求救消息,该求救消息可以包括:目标穿戴者的位置数据、预测目标力竭时间、目标力竭风险概率,以提示其他的智能穿戴设备的穿戴者注意到目标穿戴者的状态,对目标穿戴者发起帮助。
如此,通过确定第二预设时间段的目标穿戴者的目标状态;在目标状态为救援状态时,提取出救援影像中的所有出现安全绳的安全绳影像片段,得到多个安全绳影像片段;将多个安全绳影像片段进行合成得到完整安全绳影像;对完整安全绳影像进行分析,确定安全绳的目标断裂风险概率;在目标断裂风险概率大于预设断裂风险概率时,通过目标智能穿戴设备发出语音警告,以提示目标穿戴者停止救援状态,一方面,当检测到高风险时,立即发出语音警告,提醒目标穿戴者停止救援,这样可以确保目标穿戴者的生命安全,从而,降低救援的风险。
可以看出,本申请实施例中所描述的基于智能穿戴设备的应急救援方法,应用于紧急救援系统中的服务器,紧急救援系统包括:服务器和由目标穿戴者佩戴的目标智能穿戴设备,目标智能穿戴设备的工作模式包括以下一种:常规模式、救援模式;通过目标智能穿戴设备确定目标穿戴者的目标状态;目标状态包括以下一种:正常状态、救援状态;在目标状态为救援状态时,启动目标智能穿戴设备的救援模式;获取目标智能穿戴设备实时采集的救援影像和目标穿戴者的生理状态数据,根据这二者预测目标穿戴者的目标身体力竭风险概率,当目标身体力竭风险概率大于预设身体力竭风险概率时,向目标智能穿戴设备发送目标提示消息,以提示目标穿戴者停止救援状态,实现了提前预警风险事件的功能。
请参见图3,图3是本申请实施例提供的一种基于智能穿戴设备的应急救援装置300的功能单元组成框图,图3所示的基于智能穿戴设备的应急救援装置300,可以应用于紧急救援系统中的服务器,所述紧急救援系统包括:所述服务器和由目标穿戴者佩戴的目标智能穿戴设备,所述目标智能穿戴设备的工作模式包括以下一种:常规模式、救援模式;所述基于智能穿戴设备的应急救援装置300包括:确定单元301、获取单元302、救援单元303,其中,
所述确定单元301,用于通过所述目标智能穿戴设备确定所述目标穿戴者的目标状态;所述目标状态包括以下一种:正常状态、救援状态;在所述目标状态为所述救援状态时,启动所述目标智能穿戴设备的所述救援模式;
所述获取单元302,用于获取所述目标智能穿戴设备实时采集的救援影像和所述目标穿戴者的生理状态数据;
所述救援单元303,用于根据所述救援影像和所述生理状态数据预测所述目标穿戴者的目标身体力竭风险概率;当所述目标身体力竭风险概率大于预设身体力竭风险概率时,向所述目标智能穿戴设备发送目标提示消息,以提示所述目标穿戴者停止所述救援状态。
可选的,在所述通过所述目标智能穿戴设备确定所述目标穿戴者的目标状态方面,所述确定单元301具体用于:
通过所述目标智能穿戴设备获取所述目标穿戴者的第一周围环境数据;
确定所述第一周围环境数据对应的参考危险值;
获取所述目标穿戴者的目标心率值;
确定所述目标心率值对应的目标危险值优化参数;
根据所述目标危险值优化参数对所述参考危险值进行优化,得到目标危险值;
在所述目标危险值小于预设危险值时,判断所述目标状态为所述正常状态;
在所述目标危险值大于或等于所述预设危险值时,判断所述目标状态为所述救援状态。
可选的,所述在所述目标危险值小于预设危险值时,判断所述目标状态为正常状态之后,所述确定单元301还具体用于:
启动所述目标智能穿戴设备的所述常规模式;
在所述常规模式下,通过所述目标智能穿戴设备按预设时间间隔获取所述目标穿戴者的所述目标状态。
可选的,在所述根据所述救援影像和所述生理状态数据预测所述目标穿戴者的目标身体力竭风险概率方面,所述救援单元303具体用于:
根据所述救援影像获取所述目标穿戴者的第二周围环境数据;
确定所述第二周围环境数据对应的目标体力消耗参数;
获取第一预设时间段的所述目标穿戴者的历史体力数据;
对所述生理状态数据进行采样,得到多个样本生理状态数据,每一样本生理状态数据对应一个采集时间;
确定所述多个样本生理状态数据中每一样本生理状态数据对应的体力值,得到多个体力值;
根据所述多个体力值以及所述多个体力值中每一体力值对应的采集时间绘制拟合直线,得到第一拟合直线,所述第一拟合直线的横坐标为时间、纵坐标为体力值;
根据所述目标体力消耗参数、所述历史体力数据、所述第一拟合直线预测所述目标穿戴者的目标身体力竭风险概率。
可选的,在所述根据所述目标体力消耗参数、所述历史体力数据、所述第一拟合直线预测所述目标穿戴者的目标身体力竭风险概率方面,所述救援单元303还具体用于:
根据所述历史体力数据确定所述目标穿戴者身体力竭时对应的参考身体力竭体力值;
确定所述第一拟合直线与所述历史体力数据的目标差异程度参数;
确定所述目标差异程度参数对应的身体力竭优化参数;
根据所述身体力竭优化参数对所述参考身体力竭体力值进行优化,得到目标身体力竭体力值;
根据所述第一拟合直线预测所述目标穿戴者的体力值到达所述目标身体力竭体力值的预测目标身体力竭时间;
根据所述预测目标身体力竭时间与当前时刻相差的目标时长确定所述目标身体力竭风险概率;所述目标时长越短,所述目标身体力竭风险概率越大。
可选的,在所述确定所述第一拟合直线与所述历史体力数据的目标差异程度参数方面,所述救援单元303还具体用于:
对所述历史体力数据进行采样,得到多个样本历史体力数据,每一样本历史体力数据对应一个历史时间和一个历史体力值;
根据所述多个样本历史体力数据中每一样本历史体力数据对应的一个历史时间和一个历史体力值绘制拟合直线,得到第二拟合直线,所述第二拟合直线的横坐标为时间、纵坐标为体力值;
确定所述第一拟合直线的第一斜率;确定所述第二拟合直线的第二斜率;
确定所述第一斜率和所述第二斜率之间的目标差值;
根据所述目标差值确定对应的所述目标差异程度参数。
可选的,所述目标穿戴者的身体上绑有安全绳,所述安全绳的另一端固定在一稳定物体上;所述基于智能穿戴设备的应急救援装置300还具体用于:
确定第二预设时间段的所述目标穿戴者的所述目标状态;所述第二预设时间段为发送所述目标提示消息之后的时间段;
在所述目标状态为所述救援状态时,提取出所述救援影像中的所有出现所述安全绳的安全绳影像片段,得到多个安全绳影像片段;
将所述多个安全绳影像片段按时间顺序进行合成,得到完整安全绳影像;
对所述完整安全绳影像进行分析,确定所述安全绳的目标断裂风险概率;
在所述目标断裂风险概率大于预设断裂风险概率时,通过所述目标智能穿戴设备发出语音警告,以提示所述目标穿戴者停止所述救援状态。
具体实现中,本发明实施例中所描述的基于智能穿戴设备的应急救援装置300还可以执行上述本发明实施例提供的基于智能穿戴设备的应急救援方法中所描述的其他实施方式,在此不再赘述。
请参见图4,图4是本申请实施例提供的一种电子设备的结构示意图,该电子设备可以应用于紧急救援系统中的服务器,所述紧急救援系统包括:所述服务器和由目标穿戴者佩戴的目标智能穿戴设备,所述目标智能穿戴设备的工作模式包括以下一种:常规模式、救援模式;该电子设备包括处理器、存储器、通信接口以及一个或多个程序,所述处理器、存储器和通信接口通过总线相互连接,上述一个或多个程序被存储在上述存储器中,并且被配置由上述处理器执行,本申请实施例中,上述程序包括用于执行以下步骤的指令:
通过所述目标智能穿戴设备确定所述目标穿戴者的目标状态;所述目标状态包括以下一种:正常状态、救援状态;
在所述目标状态为所述救援状态时,启动所述目标智能穿戴设备的所述救援模式;
获取所述目标智能穿戴设备实时采集的救援影像和所述目标穿戴者的生理状态数据;
根据所述救援影像和所述生理状态数据预测所述目标穿戴者的目标身体力竭风险概率;
当所述目标身体力竭风险概率大于预设身体力竭风险概率时,向所述目标智能穿戴设备发送目标提示消息,以提示所述目标穿戴者停止所述救援状态。
可选的,在所述通过所述目标智能穿戴设备确定所述目标穿戴者的目标状态方面,上述程序还包括用于执行以下步骤的指令:
通过所述目标智能穿戴设备获取所述目标穿戴者的第一周围环境数据;
确定所述第一周围环境数据对应的参考危险值;
获取所述目标穿戴者的目标心率值;
确定所述目标心率值对应的目标危险值优化参数;
根据所述目标危险值优化参数对所述参考危险值进行优化,得到目标危险值;
在所述目标危险值小于预设危险值时,判断所述目标状态为所述正常状态;
在所述目标危险值大于或等于所述预设危险值时,判断所述目标状态为所述救援状态。
可选的,所述在所述目标危险值小于预设危险值时,判断所述目标状态为正常状态之后,上述程序还包括用于执行以下步骤的指令:
启动所述目标智能穿戴设备的所述常规模式;
在所述常规模式下,通过所述目标智能穿戴设备按预设时间间隔获取所述目标穿戴者的所述目标状态。
可选的,在所述根据所述救援影像和所述生理状态数据预测所述目标穿戴者的目标身体力竭风险概率方面,上述程序还包括用于执行以下步骤的指令:
根据所述救援影像获取所述目标穿戴者的第二周围环境数据;
确定所述第二周围环境数据对应的目标体力消耗参数;
获取第一预设时间段的所述目标穿戴者的历史体力数据;
对所述生理状态数据进行采样,得到多个样本生理状态数据,每一样本生理状态数据对应一个采集时间;
确定所述多个样本生理状态数据中每一样本生理状态数据对应的体力值,得到多个体力值;
根据所述多个体力值以及所述多个体力值中每一体力值对应的采集时间绘制拟合直线,得到第一拟合直线,所述第一拟合直线的横坐标为时间、纵坐标为体力值;
根据所述目标体力消耗参数、所述历史体力数据、所述第一拟合直线预测所述目标穿戴者的目标身体力竭风险概率。
可选的,在所述根据所述目标体力消耗参数、所述历史体力数据、所述第一拟合直线预测所述目标穿戴者的目标身体力竭风险概率方面,上述程序还包括用于执行以下步骤的指令:
根据所述历史体力数据确定所述目标穿戴者身体力竭时对应的参考身体力竭体力值;
确定所述第一拟合直线与所述历史体力数据的目标差异程度参数;
确定所述目标差异程度参数对应的身体力竭优化参数;
根据所述身体力竭优化参数对所述参考身体力竭体力值进行优化,得到目标身体力竭体力值;
根据所述第一拟合直线预测所述目标穿戴者的体力值到达所述目标身体力竭体力值的预测目标身体力竭时间;
根据所述预测目标身体力竭时间与当前时刻相差的目标时长确定所述目标身体力竭风险概率;所述目标时长越短,所述目标身体力竭风险概率越大。
可选的,在所述确定所述第一拟合直线与所述历史体力数据的目标差异程度参数方面,上述程序还包括用于执行以下步骤的指令:
对所述历史体力数据进行采样,得到多个样本历史体力数据,每一样本历史体力数据对应一个历史时间和一个历史体力值;
根据所述多个样本历史体力数据中每一样本历史体力数据对应的一个历史时间和一个历史体力值绘制拟合直线,得到第二拟合直线,所述第二拟合直线的横坐标为时间、纵坐标为体力值;
确定所述第一拟合直线的第一斜率;确定所述第二拟合直线的第二斜率;
确定所述第一斜率和所述第二斜率之间的目标差值;
根据所述目标差值确定对应的所述目标差异程度参数。
可选的,所述目标穿戴者的身体上绑有安全绳,所述安全绳的另一端固定在一稳定物体上;上述程序还包括用于执行以下步骤的指令:
确定第二预设时间段的所述目标穿戴者的所述目标状态;所述第二预设时间段为发送所述目标提示消息之后的时间段;
在所述目标状态为所述救援状态时,提取出所述救援影像中的所有出现所述安全绳的安全绳影像片段,得到多个安全绳影像片段;
将所述多个安全绳影像片段按时间顺序进行合成,得到完整安全绳影像;
对所述完整安全绳影像进行分析,确定所述安全绳的目标断裂风险概率;
在所述目标断裂风险概率大于预设断裂风险概率时,通过所述目标智能穿戴设备发出语音警告,以提示所述目标穿戴者停止所述救援状态。
本申请实施例还提供一种计算机存储介质,其中,该计算机存储介质存储用于电子数据交换的计算机程序,该计算机程序使得计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤,上述计算机包括电子设备。
本申请实施例还提供一种计算机程序产品,上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,上述计算机程序可操作来使计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤。该计算机程序产品可以为一个软件安装包,上述计算机包括电子设备。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置,可通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如上述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性或其它的形式。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
上述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储器中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储器中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例上述方法的全部或部分步骤。而前述的存储器包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上对本申请实施例进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种基于智能穿戴设备的应急救援方法,其特征在于,应用于紧急救援系统中的服务器,所述紧急救援系统包括:所述服务器和由目标穿戴者佩戴的目标智能穿戴设备,所述目标智能穿戴设备的工作模式包括以下一种:常规模式、救援模式;所述方法包括:
通过所述目标智能穿戴设备确定所述目标穿戴者的目标状态;所述目标状态包括以下一种:正常状态、救援状态;
在所述目标状态为所述救援状态时,启动所述目标智能穿戴设备的所述救援模式;
获取所述目标智能穿戴设备实时采集的救援影像和所述目标穿戴者的生理状态数据;
根据所述救援影像和所述生理状态数据预测所述目标穿戴者的目标身体力竭风险概率;
当所述目标身体力竭风险概率大于预设身体力竭风险概率时,向所述目标智能穿戴设备发送目标提示消息,以提示所述目标穿戴者停止所述救援状态。
2.如权利要求1所述的应急救援方法,其特征在于,所述通过所述目标智能穿戴设备确定所述目标穿戴者的目标状态,包括:
通过所述目标智能穿戴设备获取所述目标穿戴者的第一周围环境数据;
确定所述第一周围环境数据对应的参考危险值;
获取所述目标穿戴者的目标心率值;
确定所述目标心率值对应的目标危险值优化参数;
根据所述目标危险值优化参数对所述参考危险值进行优化,得到目标危险值;
在所述目标危险值小于预设危险值时,判断所述目标状态为所述正常状态;
在所述目标危险值大于或等于所述预设危险值时,判断所述目标状态为所述救援状态。
3.如权利要求2所述的应急救援方法,其特征在于,所述在所述目标危险值小于预设危险值时,判断所述目标状态为正常状态之后,所述方法包括:
启动所述目标智能穿戴设备的所述常规模式;
在所述常规模式下,通过所述目标智能穿戴设备按预设时间间隔获取所述目标穿戴者的所述目标状态。
4.如权利要求1所述的应急救援方法,其特征在于,所述根据所述救援影像和所述生理状态数据预测所述目标穿戴者的目标身体力竭风险概率,包括:
根据所述救援影像获取所述目标穿戴者的第二周围环境数据;
确定所述第二周围环境数据对应的目标体力消耗参数;
获取第一预设时间段的所述目标穿戴者的历史体力数据;
对所述生理状态数据进行采样,得到多个样本生理状态数据,每一样本生理状态数据对应一个采集时间;
确定所述多个样本生理状态数据中每一样本生理状态数据对应的体力值,得到多个体力值;
根据所述多个体力值以及所述多个体力值中每一体力值对应的采集时间绘制拟合直线,得到第一拟合直线,所述第一拟合直线的横坐标为时间、纵坐标为体力值;
根据所述目标体力消耗参数、所述历史体力数据、所述第一拟合直线预测所述目标穿戴者的目标身体力竭风险概率。
5.如权利要求4所述的应急救援方法,其特征在于,所述根据所述目标体力消耗参数、所述历史体力数据、所述第一拟合直线预测所述目标穿戴者的目标身体力竭风险概率,包括:
根据所述历史体力数据确定所述目标穿戴者身体力竭时对应的参考身体力竭体力值;
确定所述第一拟合直线与所述历史体力数据的目标差异程度参数;
确定所述目标差异程度参数对应的身体力竭优化参数;
根据所述身体力竭优化参数对所述参考身体力竭体力值进行优化,得到目标身体力竭体力值;
根据所述第一拟合直线预测所述目标穿戴者的体力值到达所述目标身体力竭体力值的预测目标身体力竭时间;
根据所述预测目标身体力竭时间与当前时刻相差的目标时长确定所述目标身体力竭风险概率;所述目标时长越短,所述目标身体力竭风险概率越大。
6.如权利要求5所述的应急救援方法,其特征在于,所述确定所述第一拟合直线与所述历史体力数据的目标差异程度参数,包括:
对所述历史体力数据进行采样,得到多个样本历史体力数据,每一样本历史体力数据对应一个历史时间和一个历史体力值;
根据所述多个样本历史体力数据中每一样本历史体力数据对应的一个历史时间和一个历史体力值绘制拟合直线,得到第二拟合直线,所述第二拟合直线的横坐标为时间、纵坐标为体力值;
确定所述第一拟合直线的第一斜率;确定所述第二拟合直线的第二斜率;
确定所述第一斜率和所述第二斜率之间的目标差值;
根据所述目标差值确定对应的所述目标差异程度参数。
7.如权利要求1~6任一项所述的应急救援方法,其特征在于,所述目标穿戴者的身体上绑有安全绳,所述安全绳的另一端固定在一稳定物体上;所述方法还包括:
确定第二预设时间段的所述目标穿戴者的所述目标状态;所述第二预设时间段为发送所述目标提示消息之后的时间段;
在所述目标状态为所述救援状态时,提取出所述救援影像中的所有出现所述安全绳的安全绳影像片段,得到多个安全绳影像片段;
将所述多个安全绳影像片段按时间顺序进行合成,得到完整安全绳影像;
对所述完整安全绳影像进行分析,确定所述安全绳的目标断裂风险概率;
在所述目标断裂风险概率大于预设断裂风险概率时,通过所述目标智能穿戴设备发出语音警告,以提示所述目标穿戴者停止所述救援状态。
8.一种基于智能穿戴设备的应急救援装置,其特征在于,应用于紧急救援系统中的服务器,所述紧急救援系统包括:所述服务器和由目标穿戴者佩戴的目标智能穿戴设备,所述目标智能穿戴设备的工作模式包括以下一种:常规模式、救援模式;所述基于智能穿戴设备的应急救援装置包括:确定单元、获取单元、救援单元,其中,
所述确定单元,用于通过所述目标智能穿戴设备确定所述目标穿戴者的目标状态;所述目标状态包括以下一种:正常状态、救援状态;在所述目标状态为所述救援状态时,启动所述目标智能穿戴设备的所述救援模式;
所述获取单元,用于获取所述目标智能穿戴设备实时采集的救援影像和所述目标穿戴者的生理状态数据;
所述救援单元,用于根据所述救援影像和所述生理状态数据预测所述目标穿戴者的目标身体力竭风险概率;当所述目标身体力竭风险概率大于预设身体力竭风险概率时,向所述目标智能穿戴设备发送目标提示消息,以提示所述目标穿戴者停止所述救援状态。
9.一种电子设备,其特征在于,包括处理器、存储器、通信接口以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410044883.XA CN117558103B (zh) | 2024-01-12 | 2024-01-12 | 基于智能穿戴设备的应急救援方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410044883.XA CN117558103B (zh) | 2024-01-12 | 2024-01-12 | 基于智能穿戴设备的应急救援方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117558103A true CN117558103A (zh) | 2024-02-13 |
CN117558103B CN117558103B (zh) | 2024-04-12 |
Family
ID=89820905
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410044883.XA Active CN117558103B (zh) | 2024-01-12 | 2024-01-12 | 基于智能穿戴设备的应急救援方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117558103B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20210016664A (ko) * | 2019-08-05 | 2021-02-17 | 서형권 | 웨어러블 디바이스를 이용한 응급 상황에서의 구조 요청 방법 |
CN115959138A (zh) * | 2023-01-09 | 2023-04-14 | 中国第一汽车股份有限公司 | 基于生理数据的驾驶员救援方法、装置及系统 |
CN116887242A (zh) * | 2023-08-01 | 2023-10-13 | 安徽恒际通智能科技股份公司 | 一种基于智能穿戴设备的救援人员管理系统 |
CN117227738A (zh) * | 2022-06-08 | 2023-12-15 | 北京车和家信息技术有限公司 | 控制策略确定方法、执行方法、装置、设备、车辆和介质 |
-
2024
- 2024-01-12 CN CN202410044883.XA patent/CN117558103B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20210016664A (ko) * | 2019-08-05 | 2021-02-17 | 서형권 | 웨어러블 디바이스를 이용한 응급 상황에서의 구조 요청 방법 |
CN117227738A (zh) * | 2022-06-08 | 2023-12-15 | 北京车和家信息技术有限公司 | 控制策略确定方法、执行方法、装置、设备、车辆和介质 |
CN115959138A (zh) * | 2023-01-09 | 2023-04-14 | 中国第一汽车股份有限公司 | 基于生理数据的驾驶员救援方法、装置及系统 |
CN116887242A (zh) * | 2023-08-01 | 2023-10-13 | 安徽恒际通智能科技股份公司 | 一种基于智能穿戴设备的救援人员管理系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117558103B (zh) | 2024-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110477925B (zh) | 一种针对敬老院老人的跌倒检测与预警方法及系统 | |
CN107103733B (zh) | 一种摔倒报警方法、装置及设备 | |
US9684353B2 (en) | Wearable equipment and mode switching method using the same | |
JP2020078058A (ja) | 画像処理装置、監視システム、画像処理方法、及びプログラム | |
CN111126153B (zh) | 基于深度学习的安全监测方法、系统、服务器及存储介质 | |
CN102521578A (zh) | 一种入侵检测和识别方法 | |
CN109171686B (zh) | 一种智能可穿戴医疗设备及家庭便携式实时监测系统 | |
CN109867186B (zh) | 一种基于智能视频分析技术的电梯困人检测方法及系统 | |
CN112489368A (zh) | 智能跌倒识别与检测报警方法及系统 | |
KR20190082692A (ko) | 안전관리 시스템 및 그 방법 | |
CN110929591A (zh) | 变电站监控方法、装置、计算机设备和存储介质 | |
CN115736902A (zh) | 一种基于智能穿戴设备的施工人员管理系统 | |
CN111863272A (zh) | 易感人群的监控方法、系统和计算机设备 | |
CN117558103B (zh) | 基于智能穿戴设备的应急救援方法及装置 | |
CN108267170B (zh) | 一种环境监测方法和装置 | |
CN114693158A (zh) | 一种基于bim技术的智慧工地管理方法、系统及存储介质 | |
CN114387563A (zh) | 安保装置及方法 | |
CN116092198B (zh) | 一种矿用安全帽识别检测方法、装置、设备及介质 | |
CN117235443A (zh) | 一种基于边缘ai的电力作业安全监测方法及系统 | |
JP2018160128A (ja) | 画像処理装置、画像処理システム及び画像処理方法 | |
CN113653534B (zh) | 一种矿井水害预警系统及方法 | |
CN116433029A (zh) | 电力作业风险评估方法、系统、设备及存储介质 | |
CN116740885A (zh) | 烟雾火焰报警方法、装置、电子设备及存储介质 | |
KR20210062963A (ko) | 건설 작업자 안전 모니터링 시스템 및 이의 제어 방법 | |
CN115328986A (zh) | 一种电厂安全预警数据分析处理方法及系统 |
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 |