【技术实现步骤摘要】
本专利技术涉及健康管理，尤其是指一种健康管理智能系统及人体心肺功能信号监测方法。
技术介绍
1、随着人口老龄化的加剧和医疗技术的不断发展，对老人和病人的心肺功能监测已经成为重要的健康管理手段。心肺功能信号是反映人体健康状况的重要指标，通过对心肺功能信号的监测和分析，可以及时发现潜在的健康问题，为后续的治疗、康复和健康管理提供依据。然而，随着人们日益增长的健康管理需求，日常监测管理已经成为一种趋势，而在传统的心肺功能信号监测和健康管理方面，仍存在一定的局限性：智能化程度较低，心肺功能信号的监测分析较为单一，缺乏多维数据的综合分析和智能处理，难以根据用户的个体差异进行自行调整和优化，较难及时提供准确的健康状况监测和管理，在急救响应方面存在滞后性，缺乏及时的异常警报和完整的急救求救信息，影响急救效率和及时性。
2、针对上述问题，本专利技术提出一种健康管理智能系统及人体心肺功能信号监测方法。
技术实现思路
1、有鉴于此，本专利技术针对现有技术存在之缺失，其主要目的是提供一种健康管理智能系统及人体心肺功能信号监测方法，其解决传统心肺功能信号监测智能化程度较低，数据分析单一，缺乏个性化评估，在急救响应方面存在滞后性的技术问题。
2、为实现上述目的，本专利技术采用如下之技术方案：
3、本专利技术的一种人体心肺功能信号监测方法，包括以下步骤：
4、s1：获取历史诊断信息，设置心肺阈值，采集和存储监测对象的体态特征信息并进行预处理，输出预处理数据，将所
5、s2：使用特征评估指标进行数据特征重要性评估，获得数据特征评估结果，并使用特征选择算法进行选择，输出体征数据，并依据所述体征数据进行追踪识别，所述特征评估指标包括但不限于相关性、方差、信息增益；
6、s3：实时采集所述监测对象周围环境的视频图像信息，建立背景模型，通过比较所述视频图像信息的当前帧与所述背景模型，排除所述监测对象，提取出移动变化对象，结合深度学习算法，判断所述移动变化对象是否为活动的人，若所述移动变化对象为活动的人，则转入步骤s4，反之转入步骤s5；
7、s4：采用隐私处理算法，阻隔对所述移动变化对象的监测，并基于所述体征数据，持续追踪所述监测对象的位置和运动，通过过滤处理获取所述监测对象的状态信息，并进行情感识别和分析，输出状态数据，若所述状态数据出现异常，则转入步骤s5；
8、s5：使用非接触式探测仪采集所述监测对象的心肺热信号，捕捉所述监测对象的心肺微小运动，建立标准数据结构，同步时间戳，输出综合心肺功能数据集，建立深度学习模型，进行正常和异常心肺功能特征模式训练，并基于所述综合心肺功能数据集进行处理分析，获取分析结果数据并存储，若所述分析结果数据正常则转入步骤s6，反之转入步骤s7；
9、s6：实时调取所述分析结果数据并输出趋势表，所述趋势表用于应急人员判断所述监测对象的心肺健康状况趋势，所述应急人员制定个性化策略并反馈给所述监测对象；
10、s7：触发警报，并输出异常信息给所述应急人员，所述应急人员基于所述异常信息，获取所述监测对象的地理位置信息，制定应急策略，自动识别所需应急设施并启用，同时基于所述异常信息，判断所述监测对象是否独处，若非独处，所述应急人员紧急连通所述监测对象的显示装置进行应急指导，若独处，按就近原则连通社区服务站展开救援，并桥接授权信号发射端，按梯级由近及远设定信号覆盖范围，发射急救求救信息。
11、作为一种优选方案，基于步骤s1，包括以下步骤：
12、s101：根据所述监测对象的所述历史诊断信息，设置所述心肺阈值；
13、s102：采集所述监测对象的所述体态特征信息，进行初步处理并转码生成预处理数据；
14、s103：基于所述预处理数据进行傅里叶变换，获取所述时域信号，包括以下公式：
15、
16、其中，f(k)表示频域信号；f(t)表示时域信号；k表示频率，是一个实数；t表示时间变量；|f(t)|表示时域信号的幅度；∠f(t)表示时域信号的相位角，其取值范围是[0,2π]；
17、s104：对所述时域信号进行小波变换，包括以下公式：
18、
19、其中，表示二维小波变换结果；f(x,y)表示输入的二维信号或图像，其中x和y表示像素的位置坐标；ψ(x,y)表示二维小波基函数；a表示尺度参数；p,q表示平移参数；x,y表示方向参数；a-1表示尺度的倒数，用于保持小波变换的能量守恒；表示对所有像素位置进行求和运算；
20、s105：计算所述协方差矩阵，包括以下公式：
21、pca(x)＝argmin_{z,e}|x-z-e||_f2+λ*||e||_f2
22、其中，x表示原始数据矩阵；z表示投影后的数据矩阵；e表示残差矩阵；||x-z-e||_f2表示原始数据与投影数据和残差之和的frobenius范数的平方，用于度量重构误差；λ表示一个正则化参数，用于平衡所述重构误差和残差矩阵的大小；||e||_f2表示残差矩阵的frobenius范数的平方，用于度量残差的大小；
23、s106：基于所述预处理数据，计算类间散步矩阵和类内散步矩阵，最大化判别比。
24、作为一种优选方案，基于步骤s2，包括以下步骤：
25、s201：基于所述小波变换、协方差矩阵、类间散步矩阵和类内散步矩阵，使用特征评估指标进行数据特征重要性评估，输出数据特征评估结果；
26、s202：基于所述数据特征评估结果，使用所述特征选择算法进行特征选择，输出所述体征数据；
27、s203：建立追踪模型，并基于所述体征数据训练所述追踪模型，并根据所述追踪模型的准确率和鲁棒性，调整所述追踪模型的参数或改进特征提取方法；
28、s204：基于所述体征数据，将训练好的所述追踪模型用于所述监测对象的识别追踪。
29、作为一种优选方案，基于步骤s3,包括以下步骤：
30、s301：捕获所述视频图像信息，使用公式i(x,y,t)＝f(x,y,t)来表示三维坐标(x,y,t)上的像素强度和颜色，其中，x和y是像素在图像平面上的坐标，t表示时间，f(x,y,t)是捕获函数；
31、s302：建立背景模型，包括以下公式：其中，n和m分别表示时间帧数和像素网格大小；
32、s303：比较所述当前帧与背景模型，包括以下公式：
33、d(x,y,t)＝|i(x,y,t)-b(x,y)+α·|c(x,y,t)-bc(x,y)，
34、其中，c(x,y,t)表示像素的颜色和纹理特征，由颜色空间转换或纹理提取算法获得；bc(x,y)表示背景的颜色和纹理特征；α是一个权重参数，用于平衡颜色和纹理差本文档来自技高网...
【技术保护点】
1.一种人体心肺功能信号监测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种人体心肺功能信号监测方法，基于步骤S1，其特征在于，包括以下步骤：
3.根据权利要求1所述的一种人体心肺功能信号监测方法，基于步骤S2，其特征在于，包括以下步骤：
4.根据权利要求1所述的一种人体心肺功能信号监测方法，基于步骤S3,其特征在于，包括以下步骤：
5.根据权利要求4所述的一种人体心肺功能信号监测方法，基于步骤S305,其特征在于，包括以下步骤：
6.根据权利要求1所述的一种人体心肺功能信号监测方法，基于步骤S4,其特征在于，包括以下步骤：
7.根据权利要求1所述的一种人体心肺功能信号监测方法，基于步骤S5,其特征在于，包括以下步骤：
8.根据权利要求1所述的一种人体心肺功能信号监测方法，其特征在于：所述急救求救信息包括但不限于所述监测对象的姓名、年龄、所述异常信息、所述地理位置信息。
9.一种健康管理智能系统，其特征在于：所述健康管理智能系统基于权利要求1-8任一项所述人体心肺功能信号
...【技术特征摘要】
1.一种人体心肺功能信号监测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种人体心肺功能信号监测方法，基于步骤s1，其特征在于，包括以下步骤：
3.根据权利要求1所述的一种人体心肺功能信号监测方法，基于步骤s2，其特征在于，包括以下步骤：
4.根据权利要求1所述的一种人体心肺功能信号监测方法，基于步骤s3,其特征在于，包括以下步骤：
5.根据权利要求4所述的一种人体心肺功能信号监测方法，基于步骤s305,其特征在于，包括以下步骤：
6.根...
【专利技术属性】
技术研发人员：谢俊，朱宏飞，何辉，
申请(专利权)人：亿慧云智能科技深圳股份有限公司，
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。