本发明涉及健康监测
技术领域：
，具体涉及一种监测效果良好的健康监测系统。
背景技术：
：随着科技的发展和社会的进步，越来越多的人开始关注健康，对人体健康进行监测的基础是获得准确的人体行为数据和健康数据。人体行为识别是人工智能领域内一个新兴的研究方向，具有广泛的应用前景和非常可观的经济价值，涉及的应用领域主要包括：视频监控、医疗诊断和监护、运动分析、智能人机交互、虚拟现实等。人体行为识别对应的基本工作流程是：选用各类传感器获取人体行为数据信息，并结合传感器特性及人的行为特性建立合理的行为模型，在此基础上从原始采集数据中提取出对行为类型具有较强描述能力的特征，并采用合适的方法对这些特征进行训练，进而实现对人体行为的模式识别。一般来说，基于摄像工作模式的行为识别系统，比较适用于可控的环境(例如，实验室环境)，而将其应用于户外或其它复杂场景中时，由于光照变化及其它干扰因素的影响，行为识别精度可能会受到严重影响。技术实现要素：针对上述问题，本发明旨在提供一种监测效果良好的健康监测系统。本发明的目的采用以下技术方案来实现：提供了一种监测效果良好的健康监测系统，包括行为识别模块、健康数据采集模块、处理模块和显示模块，所述行为识别模块用于对人体行为进行识别，并将人体行为识别结果发送至处理模块，所述健康数据采集模块用于采集人体的健康数据，并将健康数据发送至处理模块，所述处理模块用于对人体行为识别结果和健康数据进行处理，得出人体的健康状况，所述显示模块用于显示人体健康状况，所述健康数据采集模块包括电子听诊器和电子体温计，所述电子听诊器用于采集心音和肺音，所述电子体温计用于采集体温。本发明的有益效果为：提供了一种监测效果良好的健康监测系统，该系统通过分析人体行为和健康数据，实现了人体健康的准确监测和显示，从而有助于人们及早预防疾病，提升了人们的健康水平。附图说明利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。图1是本发明的结构示意图；附图标记：行为识别模块1、健康数据采集模块2、处理模块3、显示模块4。具体实施方式结合以下实施例对本发明作进一步描述。参见图1，本实施例的一种监测效果良好的健康监测系统，包括行为识别模块1、健康数据采集模块2、处理模块3和显示模块4，所述行为识别模块1用于对人体行为进行识别，并将人体行为识别结果发送至处理模块3，所述健康数据采集模块2用于采集人体的健康数据，并将健康数据发送至处理模块3，所述处理模块3用于对人体行为识别结果和健康数据进行处理，得出人体的健康状况，所述显示模块4用于显示人体健康状况，所述健康数据采集模块2包括电子听诊器和电子体温计，所述电子听诊器用于采集心音和肺音，所述电子体温计用于采集体温。本实施例提供了一种监测效果良好的健康监测系统，该系统通过分析人体行为和健康数据，实现了人体健康的准确监测和显示，从而有助于人们及早预防疾病，提升了人们的健康水平。优选的，所述行为识别模块1包括第一处理模块、第二处理模块、第三处理模块和第四处理模块，所述第一处理模块通过在可穿戴设备上设置传感器对人体行为数据进行采集，所述传感器包括微机速度计和微型陀螺仪；所述第二处理模块用于根据采集的人体行为数据对人体行为特征进行提取，所述第三处理模块用于根据人体行为特征对人体行为进行分类，所述第四处理模块用于将多个传感器节点的分类结果进行融合，获取人体行为识别结果。尽管采用摄像机采集人体行为序列图像仍然是目前人体行为识别的主要技术手段，但随着近年来电子、无线通信等技术的飞速发展，可穿戴传感行为识别也已经成为一个新兴的研究方向。本优选实施例行为识别模块1利用可穿戴设备对人体行为进行识别，能够免受阴影和遮挡等因素的影响，且不会附带个人的隐私信息，因而人体行为能够表现得更为自然。此外，传感器仅由力学传感器组成(微型加速度计、微型陀螺仪)，采集的行为数据为时域信号，相对于高维的二维图像数据，能够降低对数据存储空间和计算资源的要求。优选的，所述第一处理模块通过在可穿戴设备上设置传感器对人体行为数据进行采集，具体为：将原始数据分割为小的数据片段，数据的窗口长度为M，传感器按照窗口长度对数据进行采集；所述第二处理模块包括第一特征提取子模块，第二特征提取子模块和综合特征确定子模块，所述第一特征提取子模块用于提取人体行为的第一特征，所述第二特征提取子模块用于提取人体行为的第二特征，所述综合特征确定子模块用于根据所述人体行为的第一特征和第二特征确定人体行为的综合特征；所述第一特征提取子模块用于提取人体行为的第一特征，具体为：根据传感器采集的人体行为数据，采用下式确定人体行为的第一特征：在式子里，LG1表示人体行为的第一特征,表示数据的窗口长度，CSm表示窗口数据的第m个数据；所述第二特征提取子模块用于提取人体行为的第二特征，具体为：根据传感器采集的人体行为数据，采用下式确定人体行为的第二特征：在式子里，LG2表示人体行为的第二特征；所述综合特征确定子模块用于根据所述人体行为的第一特征和第二特征确定人体行为的综合特征，具体为：将第一特征和第二特征连接起来，构成综合特征LG＝[LG1，LG2]；本优选实施例第一处理模块通过调整数据窗口的长度，可以获取最高的识别率，第二处理模块在特征提取过程中，第一特征充分反映了人体行为数据的平均水平，和第二特征充分反映了人体行为数据的稳定性，为后续人体行为分类奠定了基础。优选的，所述第三处理模块用于根据人体行为特征对人体行为进行分类，具体为：根据人体行为的特征获取人体行为分类的概率输出；所述第四处理模块用于将多个传感器节点的分类结果进行融合，具体为：对各传感器节点的二进制分类结果进行投票，具体采用以下融合规则进行融合：ω＝argmaxi∈{1,2,…,C}[2eFS(i)+FS(i)]，在式子里，j表示传感器节点的标号，n表示总的传感器节点的数目，FS(i)表示人体行为为第i类行为的得票数，C表示人体行为的类的总数，ω表示融合结果的类标签，I表示变换函数，用于将传感器节点的概率输出转换为二进制输出。本优选实施例第四处理模块在决策层上对各个传感节点的分类结果进行融合，生成最后的分类结果，通过多传感节点决策融合，不同传感节点能够提供人体行为的互补信息，极大提升了人体行为识别的准确性。采用本发明监测效果良好的健康监测系统对人体健康进行监测，选取5个人员进行实验，分别为人员1、人员2、人员3、人员4、人员5，对监测准确性和监测效率进行统计，同现有健康监测系统相比，产生的有益效果如下表所示：监测准确性提高监测效率提高人员129％27％人员227％26％人员326％26％人员425％24％人员524％22％最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。当前第1页1 2 3