一种咳嗽监测的方法、系统和存储设备技术方案

本发明专利技术涉及数据处理技术领域，特别涉及一种咳嗽监测的方法和存储设备。所述一种咳嗽监测的方法，包括步骤：采集人体反射光信号强度数据；对反射光信号强度数据执行第一预设处理操作去掉低频噪声；对反射光信号强度数据执行第二预设处理操作去掉高频噪声；对去掉低频噪声和高频噪声后的反射光信号强度数据执行第三预设处理操作得波峰波谷点；对波峰波谷点进行分析得辅助判断咳嗽的数据。以上方法中是对设置于目标对象身体上的柔性传感器采集所述人体反射光信号强度数据来分析进而辅助判断咳嗽，因并不是采集声音，如此便避免了环境干扰噪声的影响，也无需额外配备视频装置进行辅助判断，大大节约成本。大大节约成本。大大节约成本。

【技术实现步骤摘要】
一种咳嗽监测的方法、系统和存储设备


[0001]本专利技术涉及数据处理
，特别涉及一种咳嗽监测的方法、系统和存储设备。

技术介绍

[0002]呼吸频率或者呼吸幅度的异常、咳嗽等症状能够一定程度的反映出人体的心肺功能状态，是一些人体呼吸道疾病的早期征兆。对于健康人而言，咳嗽状况的监测可以有效的发现并预防呼吸道、肺部的变化。对于呼吸道病人而言，咳嗽情况可以反映病人当前的身体病变或者恢复情况。但是咳嗽情况一般通过患者自己或者家属在陪护过程中的记忆和口述，咳嗽时间、咳嗽次数、咳嗽严重程度等无法准确记录和量化，精确的咳嗽状况数据能为医生提供更加可靠的诊断依据。如要通过人工跟踪记录，耗时耗力，记录指标(如咳嗽严重程度等)也不全面。
[0003]目前，咳嗽检测多通过声音采集设备收集声纹信息，通过算法等技术手段提取音频信号的相关特征，经识别后判定咳嗽状态。但是声音信号容易受到环境干扰，此方法容易将环境噪音(如物体碰撞音等)误识别为咳嗽。为避免这种干扰，常用其他判别手段作为辅助，如使用摄像头检测人员是否有咳嗽动作，或者多采集终端，利用到达时间差判定声音来源方向，从而过滤声音干扰来源。
[0004]以上技术存在以下缺点：
[0005]缺点1：
[0006]通过声纹信息检测咳嗽，容易受到环境噪声干扰，造成咳嗽误判。
[0007]缺点2：
[0008]通过视频信息辅助检测，增加了判定的复杂度，同时也极大的提升了设备成本。另外视频检测时，对于人员较为密集的场所，由于人体遮挡或者拍摄角度的原因，有时也无法起到辅助判定的作用。
[0009]缺点3：
[0010]视频辅助判定系统对网络带宽有一定要求。同时，复杂的图像处算法，也需要较高处理器能力，成本较高。

技术实现思路

[0011]为此，需要提供一种咳嗽监测的方法，用以解决现有通过声音采集监测咳嗽受环境噪声影响大，误判率高，或增加视频辅助判断，导致成本高的技术问题。具体技术方案如下：
[0012]一种咳嗽监测的方法，包括步骤：
[0013]采集人体反射光信号强度数据；
[0014]对所述反射光信号强度数据执行第一预设处理操作去掉低频噪声；
[0015]对所述反射光信号强度数据执行第二预设处理操作去掉高频噪声；
[0016]对去掉低频噪声和高频噪声后的反射光信号强度数据执行第三预设处理操作得
波峰波谷点；
[0017]对所述波峰波谷点进行分析得辅助判断咳嗽的数据。
[0018]进一步的，所述“采集人体反射光信号强度数据”，具体还包括步骤：
[0019]通过设置于目标对象胸腔上的柔性传感器采集所述人体反射光信号强度数据，或通过设置于目标对象腹部上的柔性传感器采集所述人体反射光信号强度数据。
[0020]进一步的，所述“对所述反射光信号强度数据执行第一预设处理操作去掉低频噪声”，具体还包括步骤：
[0021]通过傅里叶变换去掉所述反射光信号强度数据的低频噪声，所述傅里叶变换中用于过滤低频噪声的过滤阈值需低于呼吸频率。
[0022]进一步的，所述“对所述反射光信号强度数据执行第二预设处理操作去掉高频噪声”，具体还包括步骤：
[0023]通过三阶滤波器对所述反射光信号强度数据的信号曲线进行平滑处理。
[0024]进一步的，所述“对去掉低频噪声和高频噪声后的反射光信号强度数据执行第三预设处理操作得波峰波谷点”，具体还包括步骤：
[0025]通过二阶差分识别算法对去掉低频噪声和高频噪声后的反射光信号强度数据处理得波峰波谷点；
[0026]所述“通过二阶差分识别算法对去掉低频噪声和高频噪声后的反射光信号强度数据处理得波峰波谷点”，具体还包括步骤：
[0027]步骤S1：对信号数据v＝[v1，v2，
…
，v
n
]，计算V的一阶差分向量Diff
v
(i)＝v
i+1
‑
v
i
，q其中，i＝1，2，3，...，N
‑
1；
[0028]步骤S2：对差分向量进行取符号函数运算，Trend＝sign(Diff
v
)，即遍历Diff
v
，若Diff
v
(i)大于0，则取1；如果小于0，则取
‑
1，否则值为0；
[0029][0030]步骤S3：从尾部遍历Trend向量，进行如下操作：
[0031]如果Trend(i)＝0且Trend(i+1)≥0，则Trend(i)＝1；
[0032]如果if Trend(i)＝0且Trend(i+1)＜0，则Trend(i)＝
‑
1；
[0033]步骤S4：对Trend向量进行一阶差分运算，如同步骤2，得到R＝diff(Trend)；
[0034]步骤S5：遍历得到的差分向量R，如果R(i)＝
‑
2，则i+1为投影向量V的一个峰值位，对应的峰值为V(i+1)；如果R(i)＝2，则i+1为投影向量V的一个波谷位，对应的波谷为V(i+1)。
[0035]进一步的，所述“对所述波峰波谷点进行分析得辅助判断咳嗽的数据”，具体还包括步骤：
[0036]记录相邻波峰波谷的幅值差值列表A，及相邻波峰波谷的时间差列表T；
[0037]通过预设算法将波峰波谷点分为两类：平稳呼吸的峰值点和异常呼吸点。
[0038]进一步的，还包括步骤：对于判定为咳嗽行为的信号数据集合，计算发生时间前后的量化指标；
[0039]所述量化指标包括以下中的一种或多种：信号来源唯一标识符ID、单次咳嗽起振
峰、下落峰时间、单次咳嗽峰值大小、单次咳嗽持续时间、连续咳嗽总时长、连续咳嗽峰值平均幅度差、连续咳嗽峰次数。
[0040]进一步的，还包括步骤：
[0041]保存所述辅助判断咳嗽的数据至对应终端；
[0042]响应所述辅助判断咳嗽的数据请求查看指令，判断所述请求查看指令权限是否通过，若通过，则返回所述辅助判断咳嗽的数据。
[0043]进一步的，所述柔性传感器包括：柔性体和红外传感器；
[0044]当人体呼吸时，所述红外传感器的发射端与柔性体间的距离发生变化，进而所述红外传感器的接收端采集到的反射光信号强度也发生变化。
[0045]为解决上述技术问题，还提供了一种咳嗽监测的系统，具体技术方案如下：
[0046]一种咳嗽监测的系统，包括：柔性传感器和服务器；
[0047]所述柔性传感器通信连接所述服务器；
[0048]所述柔性传感器用于采集人体反射光信号强度数据，并发送所述人体反射光信号强度数据至所述服务器；
[0049]所述服务器用于执行上述提及的一种咳嗽检测的方法的任意步骤。。
[0050]为解决上述技术问题，还提供了一种存储设备，具体技术方案如下：本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种咳嗽监测的方法，其特征在于，包括步骤：采集人体反射光信号强度数据；对所述反射光信号强度数据执行第一预设处理操作去掉低频噪声；对所述反射光信号强度数据执行第二预设处理操作去掉高频噪声；对去掉低频噪声和高频噪声后的反射光信号强度数据执行第三预设处理操作得波峰波谷点；对所述波峰波谷点进行分析得辅助判断咳嗽的数据。2.根据权利要求1所述的一种咳嗽监测的方法，其特征在于，所述“采集人体反射光信号强度数据”，具体还包括步骤：通过设置于目标对象胸腔上的柔性传感器采集所述人体反射光信号强度数据，或通过设置于目标对象腹部上的柔性传感器采集所述人体反射光信号强度数据。3.根据权利要求1所述的一种咳嗽监测的方法，其特征在于，所述“对所述反射光信号强度数据执行第一预设处理操作去掉低频噪声”，具体还包括步骤：通过傅里叶变换去掉所述反射光信号强度数据的低频噪声，所述傅里叶变换中用于过滤低频噪声的过滤阈值需低于呼吸频率。4.根据权利要求1所述的一种咳嗽监测的方法，其特征在于，所述“对所述反射光信号强度数据执行第二预设处理操作去掉高频噪声”，具体还包括步骤：通过三阶滤波器对所述反射光信号强度数据的信号曲线进行平滑处理。5.根据权利要求1所述的一种咳嗽监测的方法，其特征在于，所述“对去掉低频噪声和高频噪声后的反射光信号强度数据执行第三预设处理操作得波峰波谷点”，具体还包括步骤：通过二阶差分识别算法对去掉低频噪声和高频噪声后的反射光信号强度数据处理得波峰波谷点；所述“通过二阶差分识别算法对去掉低频噪声和高频噪声后的反射光信号强度数据处理得波峰波谷点”，具体还包括步骤：步骤S1：对信号数据V＝[v1，v2，
…
，v
n
]，计算V的一阶差分向量Diff
v
(i)＝V
i+1
‑
V
i
，q其中，i＝1，2，3，...，N
‑
1；步骤S2：对差分向量进行取符号函数运算，Trend＝sign(Diff
v
)，即遍历Diff
v
，若Diff
v
(i)大于0，则取1；如果小于0，则取
...

【专利技术属性】
技术研发人员：谢招楷，李昊，田有隆，陈献宇，徐术欢，余永先，陈骏，孔令豪，
申请(专利权)人：福州数据技术研究院有限公司，
类型：发明
国别省市：