一种非接触式人体状态监测系统及人体状态管理监测方法与流程

本发明涉及一种非接触式人体状态监测系统及人体状态管理监测方法，尤其是一种基于人体生命体征现象，利用对人们的心跳、呼吸、面部表情等生命特征进行监测的仪器及方法，本属于生命特征监测技术领域。

背景技术：

随着经济水平的提高和科学技术的发展，国家、社会、人民对健康和安全的需求也越来越高。为了满足各界的需求，更方便有效的了解监测到人们的生命体质健康状态，实时的非接触式人体状态监测系统就显得尤为重要。

如今，常用的人体状态监测管理系统都是穿戴式、接触式的居多，如智能手环、智能手套、智能头箍、医疗背心、腰带等。这些必须时刻穿戴、必须和人体有接触的人体状态监测设备给人们的行动带来了一定的不方便。而现有的非接触式的监测系统也只有音频信号监控系统，视频信号监控系统，红外信号监控系统。音频信号监控是用拾音器采集周围环境声音来监测当前人体生命活动的状态，视频信号监控是用摄像头采集人体照片或所处环境图的图像信息来监测，这几种监测系统的实时性较差，监测的数据量太大，耗费的人力太大。为了更方便快捷的监测人的生命体征状态，今发明非接触式人体状态监测系统。

此系统实用性高，适用范围广，可以用在医院、监狱、戒毒所等需要大量人力去监管人体状态的地方。也可以用与监测家中老人或者小孩的体质状态，达到更方便更安全的效果。

技术实现要素：

本发明的目的在于提供一种非接触式人体状态监测系统及人体状态管理方法，以解决现有技术的几种人体状态监控系统均不具备非接触人体、实时无人监控自动报警的能力，不能实时高效的对人体状态进行监测管理等问题。为了更好地对人体状态进行管理，实时对被监测人的行动进行监督，提高监测系统的安全性，本发明基于人体生命体征现象，利用对人们的心跳、呼吸、面部表情等生命特征的监测，提出了新的人体状态管理监测方法。这种方法可以实时监控人体状态的各种情况，更方便，更快捷，使上述问题得到更好地解决。

本发明主要用雷达测试器获取人体生命体征参数、用摄像头对人的动态进行监测。用同态滤波、小波分析、窄带数字滤波等技术对雷达获取的生命体征信号进行信号处理，用c++和数据库对处理后的信号进行分析。经过实验监测，测得大量心跳呼吸数据，将测得的数据利用c++进行处理绘图并创建可视化上位机，并根据阈值整合判断出有效心率值和呼吸值，当心率值和呼吸值小于阈值时，将判断为异常，触发报警系统，并将异常数据存入数据库，以便调取查看。用深度学习来对人脸视频表情进行识别，进而来判断人的情绪和心理状况。

一种非接触式人体状态管理监测方法，是用生物雷达利用其多普勒超声效应获取人体的生命体征参数，然后经过滤波、放大、信号a/d转换，将生物雷达监测到的波形信号转化为32位16进制的数字报文信号。然后用程序对数据进行阈值判断，将异常数据存入数据库。在生物雷达获取人体生命体征的同时，摄像头也会实时的获取人的面部视频，用深度信念网络(dbn)来提取人的面部表情，通过改进后的端到端的卷积神经网络(cnn)对提取的表情进行识别匹配。

本发明一种非接触式人体状态监测系统，具体包括：主控芯片、生物雷达、wifi模块、稳压器模块、led警示灯、usb转rj45接口，网络摄像头；

其中，所述的主控芯片型号为n51822；所述的生物雷达包括测量呼吸的雷达b和测量心率的雷达h，分别与主控芯片相连，利用其多普勒超声效应来采集人体的呼吸、心跳波形报文发送给主控芯片；所述wifi模块型号为esp-12s，连接至主控芯片，完成数据存储和数据的通信任务；所述的稳压模块型号为ams1117，与主控芯片相连，来保证整个系统的稳定供电；led警示灯与主控芯片相连，当人体状态异常时开启所述的usb转rj45接口，与主控芯片相连，将usb串口传输转为rj45传输，实现信号的远距离传输；网络摄像头将抓取的人像通过wifi传输到主控芯片，实现对被测人的表情识别。装置的电路模块图如图2所示。

一种非接触式人体状态管理监测方法，具体过程如下：

步骤一：数据库建立

用sqlsever建立数据库，在数据库中建立床位号、雷达设备信息、阈值、异常数据的数据表。

步骤二：人体状态管理监测

(1)心率呼吸数据处理：用c++程序读取数据库中的参数并同时处理生物雷达采集到的波形报文，与数据库中预设的阈值进行比较；当心率、呼吸值低于阈值时，会将异常的心率、呼吸值和对应的日期时间写入数据库，并同时触发led警示灯的报警。

(2)用户可视化界面：用c++qt建立了可视化上位机，界面中可设置生物雷达的对应工作参数，显示被测人的呼吸、心率曲线和对应的值。

(3)表情识别：首先用人脸识别库opencv和numpy对图像进行预处理将网络摄像头获取的图像与训练集图像的尺寸调整为64×64，然后构建深度网络，用python训练基于keras框架的深度神经网络；构建好深度神经网络之后，调用opencv中的cv2.videocapture(0)函数可以直接用网络摄像头作为实时视频数据源，利用深度神经网络模型和haarcascade人脸识别模型来完成视频中行人跟踪、面部定位工作，然后将面部图片储存，把同一个人的多张面部图片用超分辨分析技术合成更清晰的面部图片，然后完成人脸的表情识别任务，判断显示被监测人的心理状态。

本发明一种非接触式人体状态监测系统及人体状态管理监测方法，其优点在于：本发明是从智能化人体状态管理出发，以实现非接触式并实时有效的对人体状态进行管理。本发明的生物雷达可以通过同态滤波器对雷达采集的信号进行滤波，用小波分析对心跳和呼吸的波形数据进行解析(雷达信号处理过程图如图3所示)，并且将usb传输转换为rj45传输以实现信号的远距离高速传输的目的；同时监测人的表情判断人的情绪和心理状态。本发明操作简单，应用方便，可以在不接触人体的情况下对人体状态的各种异常进行监控，判断被监测人的生命体征，并在出现异常情况时进行报警提醒监管人员，使得人体监测监管系统有较高的实时性和安全性。

附图说明

图1所示为本发明方法软件流程。

图2所示为本发明监测系统的电路模块图。

图3所示为本发明方法中雷达信号处理过程图。

图4所示为本发明方法中表情识别流程图。

具体实施方式

下面结合附图和实施例，对本发明的技术方案做进一步的说明。

本发明一种非接触式人体状态监测系统，具体包括：主控芯片、生物雷达、wifi模块、稳压器模块、led警示灯、usb转rj45接口，网络摄像头；

其中，所述的主控芯片型号为n51822；所述的生物雷达包括测量呼吸的雷达b和测量心率的雷达h，分别与主控芯片相连，利用其多普勒超声效应来采集人体的呼吸、心跳波形报文发送给主控芯片；所述wifi模块型号为esp-12s，连接至主控芯片，完成数据存储和数据的通信任务；所述的稳压模块型号为ams1117，与主控芯片相连，来保证整个系统的稳定供电；led警示灯与主控芯片相连，当人体状态异常时开启所述的usb转rj45接口，与主控芯片相连，将usb串口传输转为rj45传输，实现信号的远距离传输；网络摄像头将抓取的人像通过wifi传输到主控芯片，实现对被测人的表情识别。装置的电路模块图如图2所示。

一种非接触式人体状态管理监测方法，具体过程如下：

步骤一：数据库建立

用sqlsever建立数据库，在数据库中建立床位号、雷达设备信息、阈值、异常数据的数据表。其中，床位号数据表中记录被测人的信息；雷达设备信息表中记录对应被测人的雷达参数；阈值表中记录被测人的正常心率和正常心率的下限值，其中呼吸阈值设为12次/分钟，心率阈值设为45次/分钟；异常数据表中记录的是被测人呼吸和心率值小于阈值时的数据和对应具体时间。

步骤二：人体状态管理监测

(1)心率呼吸数据处理：用c++程序读取数据库中的参数并同时处理生物雷达采集到的波形报文，与数据库中预设的阈值进行比较；当心率、呼吸值低于阈值时，会将异常的心率、呼吸值和对应的日期时间写入数据库，并同时触发led警示灯的报警。

(2)用户可视化界面：本发明一种非接触式人体状态监测仪及人体状态管理监测方法，其可视化界面用c++qt建立了可视化上位机，界面中可设置生物雷达的对应工作参数，可以显示被测人的呼吸、心率曲线和对应的值，可同时显示4个人的人体状态。

(3)表情识别：为了实现视频监测人脸表情,本发明用到了网络摄像头webcamera，人脸识别库opencv3.0，用python训练基于keras框架的深度神经网络。先用opencv和numpy对图像进行预处理将网络摄像头获取的图像与训练集图像的尺寸调整为64×64，然后构建深度网络，其中输入数据为64×64，设计具有4个3×3卷积核的卷积层、2个采用模板为2×2的最大池化层、对个relu激活函数层和dropout层，其丢弃比例参数设置为0.25，全连接层具有512个神经元，最后softmax层进行分类识别输出。训练迭代次数为40次，采用sgd随机梯度下降算法进行网络参数更新。构建好深度神经网络之后，调用opencv中的cv2.videocapture(0)函数可以直接用网络摄像头作为实时视频数据源，利用深度神经网络模型和haarcascade人脸识别模型来完成视频中行人跟踪、面部定位工作，然后将面部图片储存，把同一个人的多张面部图片用超分辨分析技术合成更清晰的面部图片，然后完成人脸的表情识别任务。算法流程如图4所示。