一种基于微动算法无感监测心率的方法和系统技术方案

本申请实施例提供一种基于微动算法无感监测心率的方法和系统。该方法包括：提供毫米波雷达，所述毫米波雷达能够进行检测信号的收发；使用所述毫米波雷达向目标人员发送多个检测信号，并对应接收多个反射信号；根据所述反射信号进行处理，获取所述目标人员的微动信号；根据微动信号筛选出心跳信号，并绘制心率曲线图；提取所述心率曲线图的特征流，输入训练好的卷积神经网络里，从而对所述目标人员的心率类型进行分类，并判断目标人员的身体状态；根据所述分类的结果和目标人员的身体状态，推荐并展示所述目标人员的健康锻炼方法。本发明专利技术能够准确的监测人员的心率情况，并根据心率情况，通过神经网络技术进行准确的分类用户身体状态，并进一步提供锻炼方案，提升用户体验。体验。体验。

【技术实现步骤摘要】
一种基于微动算法无感监测心率的方法和系统


[0001]本申请涉及人工智能训练
，尤其涉及一种基于微动算法无感监测心率的方法和系统。

技术介绍

[0002]随着生活水平的提高，人们对自身的健康状况更加关心，生命体征的监测技术的要求也越来越高，非接触生命体征监测的技术也受到了众多学者的关注。超声波、WIFI、相机和雷达等都在非接触生命体征监测中得到应用，其中超声波、WIFI和雷达都是基于多普勒效应。相比超声波设备功率高，噪声大，WIFI的信号处理不方便等缺点，雷达在非接触生命体征监测中受到广大学者的青睐。
[0003]目前的雷达技术虽然能够监测人员的心率情况，但尚没有根据心率状况判断人员是否处于疲劳等状态的技术，也没有根据不同人群的心率情况的特点进行分析的技术，也无法针对性的提供科学有效的身体锻炼、心肺功能锻炼的建议。

技术实现思路

[0004]有鉴于此，本申请的目的在于提出一种基于微动算法无感监测心率的方法和系统，能够准确的监测人员的心率情况，并根据心率情况，通过神经网络技术进行准确的分类用户身体状态，并进一步提供锻炼方案，提升用户体验。
[0005]基于上述目的，本申请提出了一种基于微动算法无感监测心率的方法，包括：
[0006]提供毫米波雷达，所述毫米波雷达能够进行检测信号的收发；使用所述毫米波雷达向目标人员发送多个检测信号，并对应接收多个反射信号；
[0007]根据所述反射信号进行处理，获取所述目标人员的微动信号；
[0008]根据微动信号筛选出心跳信号，并绘制心率曲线图；
[0009]提取所述心率曲线图的特征流，输入训练好的卷积神经网络里，从而对所述目标人员的心率类型进行分类，并判断目标人员的身体状态；
[0010]根据所述分类的结果和目标人员的身体状态，推荐并展示所述目标人员的健康锻炼方法。
[0011]在一些实施例中，所述根据所述反射信号进行处理，获取所述目标人员的微动信号，包括：
[0012]对各个反射信号和与各个反射信号对应的检测信号进行混频，获取多个中频信号，形成原始数据矩阵；
[0013]对所述原始数据矩阵进行傅里叶变换，获取距离矩阵；
[0014]获取所述目标人员在所述距离矩阵中的下标；
[0015]根据所述目标人员在所述距离矩阵中的下标，获取所述目标人员的原始相位信号；
[0016]根据所述原始相位信号获取到所述目标人员的微动信号。
[0017]在一些实施例中，构成N
×
M的原始数据矩阵，其中N是检测信号的个数，其中M是对每个检测信号进行采样时的采样点数。
[0018]在一些实施例中，对所述原始数据矩阵进行快时间维度的傅里叶变换，得到所述距离矩阵。
[0019]在一些实施例中，在根据所述原始相位信号获取到所述目标人员的微动信号前，还包括以下步骤：对所述目标人员的原始相位信号的相位跳变进行修正。
[0020]在一些实施例中，所述根据微动信号筛选出心跳信号，并绘制心率曲线图，包括：
[0021]使用基于PE的MEEMD滤波器从所述微动信号中筛选获得心跳信号；
[0022]通过峰值检测算法获得心率估计值；
[0023]根据所述心率估计值绘制心率曲线图。
[0024]所述提取所述心率曲线图的特征流，输入训练好的卷积神经网络里，从而对所述目标人员的心率类型进行分类，并判断目标人员的身体状态，包括：
[0025]首先对所述心率曲线图进行目标定位，截取检测到的目标并分别提取特征，得到目标特征；对比所述目标特征与例外特征的差异度；若差异度小于阈值，则将此心率曲线图剔除，不进行后续步骤；若差异度大于阈值，进行后续步骤；
[0026]然后，提取所述心率曲线图的实时特征流，包括：提取心率曲线图的特征，得到实时特征流；对所述实时特征流进行特征变换；
[0027]随后，将特征流输入训练好的卷积神经网络里，从而对所述目标人员的心率类型进行分类，并判断目标人员的身体状态，包括以下过程：
[0028]将大批量已知人员的心率曲线图的特征流导入到卷积神经网络，得到各个人员的心率类型；将所述已知人员的心率曲线图的特征流和心率类型构成的特征向量作为训练样本，构建训练样本集；
[0029]用训练数据集训练由基于全连接神经网络的自动编码器模型和K－means模型构成的AKC模型；
[0030]将待分类目标人员的心率曲线图的实时特征流输入训练好的AKC模型中，得到该目标人员分类，并判断目标人员的身体状态。
[0031]基于上述目的，本申请还提出了一种基于微动算法无感监测心率的系统，包括：
[0032]雷达模块，用于提供毫米波雷达，所述毫米波雷达能够进行检测信号的收发；使用所述毫米波雷达向目标人员发送多个检测信号，并对应接收多个反射信号；
[0033]微动信号模块，用于根据所述反射信号进行处理，获取所述目标人员的微动信号；
[0034]心率曲线模块，用于根据微动信号筛选出心跳信号，并绘制心率曲线图；
[0035]分类及判断模块，用于提取所述心率曲线图的特征流，输入训练好的卷积神经网络里，从而对所述目标人员的心率类型进行分类，并判断目标人员的身体状态；
[0036]推荐及展示模块，用于根据所述分类的结果和目标人员的身体状态，推荐并展示所述目标人员的健康锻炼方法。
[0037]总的来说，本申请的优势及给用户带来的体验在于：本专利技术能够准确的监测人员的心率情况，并根据心率情况，通过神经网络技术进行准确的分类用户身体状态，并进一步提供锻炼方案，提升用户体验。
附图说明
[0038]在附图中，除非另外规定，否则贯穿多个附图相同的附图标记表示相同或相似的部件或元素。这些附图不一定是按照比例绘制的。应该理解，这些附图仅描绘了根据本专利技术公开的一些实施方式，而不应将其视为是对本专利技术范围的限制。
[0039]图1示出本专利技术的系统架构原理示意图。
[0040]图2示出根据本专利技术实施例的基于微动算法无感监测心率的方法的流程图。
[0041]图3示出根据本专利技术实施例的基于微动算法无感监测心率的系统的构成图。
[0042]图4示出了本申请一实施例所提供的一种电子设备的结构示意图；
[0043]图5示出了本申请一实施例所提供的一种存储介质的示意图。
具体实施方式
[0044]下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅用于解释相关专利技术，而非对该专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关专利技术相关的部分。
[0045]需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
[0046]图1示出本专利技术的系统架构原理示意图。本专利技术的实施例中，设备包括毫米波雷达、处理器、显示屏、语音播报器等本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于微动算法无感监测心率的方法，其特征在于，包括：提供毫米波雷达，所述毫米波雷达能够进行检测信号的收发；使用所述毫米波雷达向目标人员发送多个检测信号，并对应接收多个反射信号；根据所述反射信号进行处理，获取所述目标人员的微动信号；根据微动信号筛选出心跳信号，并绘制心率曲线图；提取所述心率曲线图的特征流，输入训练好的卷积神经网络里，从而对所述目标人员的心率类型进行分类，并判断目标人员的身体状态；根据所述分类的结果和目标人员的身体状态，推荐并展示所述目标人员的健康锻炼方法。2.根据权利要求1所述的方法，其特征在于，所述根据所述反射信号进行处理，获取所述目标人员的微动信号，包括：对各个反射信号和与各个反射信号对应的检测信号进行混频，获取多个中频信号，形成原始数据矩阵；对所述原始数据矩阵进行傅里叶变换，获取距离矩阵；获取所述目标人员在所述距离矩阵中的下标；根据所述目标人员在所述距离矩阵中的下标，获取所述目标人员的原始相位信号；根据所述原始相位信号获取到所述目标人员的微动信号。3.根据权利要求2所述的方法，其特征在于，构成N
×
M的原始数据矩阵，其中N是检测信号的个数，其中M是对每个检测信号进行采样时的采样点数。4.根据权利要求3所述的方法，其特征在于，对所述原始数据矩阵进行快时间维度的傅里叶变换，得到所述距离矩阵。5.根据权利要求2所述的方法，其特征在于，在根据所述原始相位信号获取到所述目标人员的微动信号前，还包括以下步骤：对所述目标人员的原始相位信号的相位跳变进行修正。6.根据权利要求1所述的方法，其特征在于，所述根据微动信号筛选出心跳信号，并绘制心率曲线图，包括：使用基于PE的MEEMD滤波器从所述微动信号中筛选获得心跳信号；通过峰值检测算法获得心率估计值；根据所述心率估计值绘制心率曲线图。7.根据权利要求1所述的方法，其特征在于，所述提取所述心率曲线图的特征流，输入训练好的卷积神经网络里，从而对所述目标人员的心率类型进行分类，并判断目标人员的身体状态...

【专利技术属性】
技术研发人员：杨天元，
申请(专利权)人：特斯联科技集团有限公司，
类型：发明
国别省市：