【技术实现步骤摘要】
本专利技术实施例涉及人工智能领域，尤其涉及一种健康监测方法、装置、设备及存储介质。
技术介绍
1、公交车驾驶员为关键操作岗位，需要重点监测他们的健康状态，因为健康问题导致的安全事故会波及全体乘车人员的生命并造成不好的社会影响。
2、现有技术中，主要通过智能穿戴设备采集公交车驾驶员的生命体征数据，然后根据采集的生命体征数据对公交车驾驶员进行健康监测，并且，在监测到公交车驾驶员的健康状态异常时触发告警，从而避免安全事故的发生。
3、然而，智能穿戴设备采集的生命体征数据的准确度不高，从而导致健康监控的准确率较低。
技术实现思路
1、本申请实施例提供了一种健康监测方法、装置、设备及存储介质，用于提高智能穿戴设备采集的生命体征数据的准确度，从而提升健康监测的准确率。
2、一方面，本申请实施例提供了一种健康监测方法，包括：
3、获取待监测对象的当前生命指标值；
4、通过与所述待监测对象关联的数据校准模型，对所述当前生命指标值校准，获得生命指标校准值；
5、将所述生命指标校准值以及所述待监测对象的当前状态数据，输入与所述待监测对象关联的基线模型；
6、通过所述基线模型确定与所述当前状态数据匹配的目标基准范围，并基于所述生命指标校准值与所述目标基准范围之间的关联关系，获得所述待监测对象的健康监测结果。
7、本申请实施例中，在获取待监测对象当前生命指标值后，通过对待监测对象的当前生命指标值进行数据校准，获
8、可选地，所述基线模型中包括所述待监测对象在多种状态下对应的指标基准范围；
9、所述通过所述基线模型确定与所述当前状态数据匹配的目标基准范围，包括：
10、通过所述基线模型，基于所述待监测对象的当前状态数据，从所述多种状态下对应的指标基准范围中，确定匹配的目标基准范围。
11、本申请实施例中，针对待监测对象的不同状态，采用不同的指标基准范围进行健康状态判决，而不是使用同一状态下的基准范围，避免了因为状态不同而导致的健康监测结果有误，从而提高了健康监测的准确性。
12、可选地，所述基于所述生命指标校准值与所述目标基准范围之间的关联关系，确定所述待监测对象的健康监测结果，包括：
13、若所述生命指标校准值处于所述目标基准范围内，则确定所述健康监测结果为正常；
14、若所述生命指标校准值处于所述目标基准范围外，则确定所述健康监测结果为异常。
15、可选地，还包括：
16、当所述待监测对象的健康监测结果为异常时，触发告警，并基于告警类型从知识库中获取健康提醒信息；
17、将所述监控提醒信息推送至所述待监测对象。
18、本申请实施例中，健康监测结果为异常的待监测对象会发送告警信息，还会根据告警的类型向待测对象推送健康提醒信息，提升了整个健康监测的智能化，从而大大提升了用户的使用感受。
19、可选地，所述待监测对象关联的数据校准模型是采用以下方式训练获得的：
20、获取所述待监测对象的历史生命指标数据，并从所述历史生命指标数据中筛选出训练样本集合；
21、基于第一损失函数和所述训练样本集合，训练获得所述待监测对象关联的数据校准模型，其中，所述第一损失函数与预测的生命指标校准数据、真实的生命指标校准数据、故障点限制参数关联，所述故障点限制参数用于限制故障点对所述第一损失函数的影响程度，所述故障点表示预测的生命指标校准数据与真实的生命指标校准数据之间的残差大于预设阈值的训练样本。
22、本申请实施例中，通过对待监测对象历史生命指标数据进行筛选，从而提升了后期模型学习的可靠性。通过对损失函数进行优化，在传统的线性模型中增加了对损失函数进行限制的参数，从而减小了故障点在损失函数中的占比，进而提升了数据校准模型的准确性。
23、可选地，所述历史生命指标数据包括通过智能穿戴设备采集的在岗生命指标数据，以及通过医疗仪器采集的岗前生命指标数据；
24、所述从所述历史生命指标数据中筛选出训练样本集合，包括：
25、对所述在岗生命指标数据进行下采样处理，获得第一生命指标数据，以及对所述岗前生命指标数据进行上采样处理，获得第二生命指标数据；
26、对所述第一生命指标数据和所述第二生命指标数据进行有效性校验和数据量校验，并基于校验通过的生命指标数据，获得训练样本集合。
27、本申请实施例中，对在岗生命指标数据进行下采样，防止在岗生命指标数据过大导致训练模型的效率过低；对岗前生命指标数据进行上采样，防止岗前生命指标数据过小导致训练模型的准确度太低。在生命指标数据采集完后进行有效性校验和数据量校验，为模型训练提供了更准确的训练数据，从而提升了模型的准确度。
28、可选地，所述对所述第一生命指标数据和所述第二生命指标数据进行有效性校验和数据量校验，包括：
29、基于所述第一生命指标数据的方差和所述第二生命指标数据的方差，对所述第一生命指标数据和所述第二生命指标数据进行有效性校验；
30、基于所述第一生命指标数据的数据量和所述第一生命指标数据的数据量，对所述第一生命指标数据和所述第二生命指标数据进行数据量校验。
31、本申请实施例中，通过对生命指标数据进行方差运算和对数据量的大小进行校验，可以判断采集到的第一生命指标数据的和第二生命指标数据是否有效，以及数据量大小是否符合训练的要求，从而提高训练数据的质量，进而提升模型的准确性。
32、可选地，所述基于第一损失函数和所述训练样本集合，训练获得所述待监测对象关联的数据校准模型，包括：
33、从所述训练样本集合中随机选取多组训练样本；
34、针对多组训练样本，分别执行以下步骤：基于所述第一损失函数和一组训练样本，训练获得一个候选校准模型，并基于所述一个候选校准模型，确定所述一组训练样本中的故障点的数量；
35、将获得的多个候选校准模型中，对应故障点的数量最少的候选校准模型，作为所述数据校准模型。
36、本申请实施例中，通过随机选取多组训练样本进行多次训练，减小了因为特殊情况而导致模型误差太大。在模型训练结束后，通过判断故障点数量选择最少的模型作为候选模型，进一步增加了模型的可靠性和准确性。
37、可选地，所述基线模型是采用以下方式训练获得的：
38、基于第二损失函数和所述训练样本集合，训练获得所述待监测对象关联的基线模型，其中，所述第二损失函数与所述多种状态下预测的指标基准范围、所述多种状态下真实的指本文档来自技高网...
【技术保护点】
1.一种健康监测方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述基线模型中包括所述待监测对象在多种状态下对应的指标基准范围；
3.如权利要求1所述的方法，其特征在于，所述基于所述生命指标校准值与所述目标基准范围之间的关联关系，确定所述待监测对象的健康监测结果，包括：
4.如权利要求1所述的方法，其特征在于，还包括：
5.如权利要求1所述的方法，其特征在于，所述待监测对象关联的数据校准模型是采用以下方式训练获得的：
6.如权利要求5所述的方法，其特征在于，所述历史生命指标数据包括通过智能穿戴设备采集的在岗生命指标数据，以及通过医疗仪器采集的岗前生命指标数据；
7.如权利要求6所述的方法，其特征在于，所述对所述第一生命指标数据和所述第二生命指标数据进行有效性校验和数据量校验；
8.如权利要求5所述的方法，其特征在于，所述基于第一损失函数和所述训练样本集合，训练获得所述待监测对象关联的数据校准模型，包括：
9.如权利要求5所述的方法，其特征在于，所述基线模型是采用以下方
10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1～9任一所述方法的步骤。
...【技术特征摘要】
1.一种健康监测方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述基线模型中包括所述待监测对象在多种状态下对应的指标基准范围；
3.如权利要求1所述的方法，其特征在于，所述基于所述生命指标校准值与所述目标基准范围之间的关联关系，确定所述待监测对象的健康监测结果，包括：
4.如权利要求1所述的方法，其特征在于，还包括：
5.如权利要求1所述的方法，其特征在于，所述待监测对象关联的数据校准模型是采用以下方式训练获得的：
6.如权利要求5所述的方法，其特征在于，所述历史生命指标数据包括通过智能穿戴设备采集的在岗生...
【专利技术属性】
技术研发人员：鞠全永，丁振宇，
申请(专利权)人：海信集团控股股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。