基于时空关系的自助式生命体征检测装置与方法与流程

文档序号:20208001发布日期:2020-03-31 10:30阅读:来源:国知局

技术特征:

1.一种自助式生命体征检测装置,其特征在于:所述的检测装置包括控制显示部件(1)、支撑框架(2)、可调遮挡围护(3)和多种生命感知传感器;控制显示部件(1)包括竖直布置的屏板和连接在屏板顶部上的顶板,顶板的顶面安装有身高传感器(1-8),屏板的正面中间设有可触摸式屏幕(1-4),可触摸式屏幕(1-4)下方的屏板正面设有麦克风(1-3),可触摸式屏幕(1-4)上方的屏板正面设有平行注视点(1-5)、摄像机(1-6)和红外测温仪(1-7),屏板正面最底部设有握力检测器(1-1)和指甲式血氧脉搏仪(1-2);屏板的侧面设有竖直的条形凸块作为屏板滑动条(1-9);

支撑框架(2)包括第一支撑柱(2-1)、第二支撑住(2-2)、可控滑动丝杆(2-6)、连接杆(2-7)、内滑轨(2-9)和外滑轨(2-10);第一支撑柱(2-1)和第二支撑住(2-2)分别布置于屏板的两侧,第一支撑柱(2-1)和第二支撑住(2-2)在靠近屏板一侧的侧面开设有竖直的条形槽作为内滑轨(2-9),屏板滑动条(1-9)嵌装于内滑轨(2-9)中形成榫卯滑动副连接;第一支撑柱(2-1)和第二支撑住(2-2)在远离屏板一侧的侧面开也设有竖直的条形槽作为外滑轨(2-10),外滑轨(2-10)连接可调遮挡围护(3);第一支撑柱(2-1)和第二支撑住(2-2)的正面设有若干漫反射灯(2-3)和喇叭(2-4),第一支撑柱(2-1)和第二支撑住(2-2)的背面分别和连接杆(2-7)的两端固定连接,第一支撑柱(2-1)内部含有gps芯片(2-11),第二支撑柱(2-2)的内部含有气压计(2-12),第一支撑柱(2-1)和第二支撑柱(2-2)最底部有可折叠式体重传感器(2-13),可控滑动丝杆(2-6)竖直穿设并通过螺纹安装于连接杆(2-7)中部开设的螺纹孔,可控滑动丝杆(2-6)和连接杆(2-7)的中部,连接杆(2-7)上安装有升降电机(2-5),升降电机(2-5)输出轴朝下和可控滑动丝杆(2-6)同轴连接;

可调遮挡围护(3)包括两组遮挡围护组,两组遮挡围护组分别布置在控制显示部件(1)的屏板的两侧,每组遮挡围护组包括多块可折叠挡板(3-1)、铰链轴(3-2)、围护滑动条(3-5),相邻可折叠挡板(3-1)之间通过铰链轴(3-2)铰接成整体,每组遮挡围护组中最远离支撑框架(2)的可折叠挡板(3-1)表面设有具有校对参数的标准色卡和标尺,最靠近支撑框架(2)的一块可折叠挡板(3-1)的内侧面设有竖直的条形凸块作为围护滑动条(3-5),两组遮挡围护组的围护滑动条(3-5)分别固定嵌装于第一支撑柱(2-1)、第二支撑住(2-2)的外滑轨(2-10)中;可折叠挡板(3-1)的顶端设有折叠电机(3-3),折叠电机(3-3)的输出轴连接到铰链轴(3-2),带动铰链轴(3-2)旋转控制。

2.根据权利要求1所述的一种自助式生命体征检测装置,其特征在于:

所述的控制显示部件(1)通过屏板滑动条(1-9)内嵌在支撑框架的内滑轨(2-9);可调遮挡围护(3)通过围护滑动条(3-5)外嵌在装置整体支撑框架的外滑轨(2-10)。

3.根据权利要求1所述的一种自助式生命体征检测装置,其特征在于:

所述的握力检测器(1-1)为两根圆柱杆件结构,用于手把握两根圆柱杆件进行握力检测。4、根据权利要求1所述的一种自助式生命体征检测装置,其特征在于:

4.根据权利要求1所述的一种自助式生命体征检测装置,其特征在于:

所述的可折叠挡板(3-1)为非透光板。

5.应用于权利要求1所述的一种基于时空关系的自助生命体征检测方法,其特征在于:方法具体分为:

第1步:控制折叠电机(3-3)旋转展开打开可调遮挡围护(3),受测者进入控制显示部件(1)前方的可调遮挡围护(3)所包围的检测区域后,控制可调遮挡围护(3)的最外侧的可折叠挡板(3-1)合拢,通过身高传感器(1-8)和升降电机(2-5)的配合工作调整可调遮挡围护(3)的高度,调整后通过gps芯片(2-11)获取当前时刻的地理位置,通过气压计(2-12)获得海拔;

第2步:通过摄像机(1-6)拍摄受测者的正面脸部图像,然后图像分析识别面部特征点鉴别获得受测者的身份,从数据库中调取该受测者生命体征的档案数据;

第3步:通过摄像机(1-6)拍摄受测者环境图像后,通过漫反射灯校对测试空间环境,通过喇叭(2-4)发声提示受测者进行吐舌、瞪眼等的行为,在作出行为的同时通过摄像机(1-6)拍摄并校正处理获取受测者准确的生命特征信息,并提示受测者按顺序进行脉搏、血压、握力、体温等特征测试,并记录测量授时信息,获得人体特征检测数据;

第4步:将人体特征检测数据与档案数据关联后组成多维特征矩阵,并采用决策树二分类神经网络方法进行分类判定,获得受测者生命体征的检测结果;

第5步:确认检测完毕,受测者走出检测区域,控制折叠电机(3-3)旋转收拢可调遮挡围护(3)。

6.根据权利要求5所述的一种基于时空关系的自助生命体征检测方法,其特征在于:所述第1步中:

通过控制显示部件(1)的身高传感器(1-8)的测得受测者的人体身高h后,升降电机(2-5)运行带动可调遮挡围护(3)上下升降移动,升降电机(2-5)运行带动可调遮挡围护(3)和控制显示部件(1)上下升降移动,使得摄像机(1-6)和可调遮挡围护(3)的位置在h0=(0.9375h,0.95h)范围内,(0.9375h,0.95h)表示所测得的人身高h的0.9375倍到0.95倍这一范围,高度原点位于人所在的体重传感器;

然后通过喇叭(2-4)发声提示受测者双眼正面注视可触摸式屏幕(1-4)的平行注视点(1-5),同时通过摄像机(1-6)拍摄获得受测者的正面脸部的视频图像pface,计算处理获得视频图像的畸形率vface=f(pface),进而计算得到滑动轨道微调参数δh,最终控制升降电机(2-5)工作带动可调遮挡围护(3)上下升降移动使得控制显示部件(1)的高度位置调整为h=h0±δh。

7.根据权利要求5所述的一种基于时空关系的自助生命体征检测方法,其特征在于:所述第3步中:

通过摄像机(1-6)拍摄两组遮挡围护组中最远离支撑框架(2)的两个可折叠挡板(3-1)含有标准色卡的内侧表面图像,并图像分析处理测得t时刻下的环境色值rgb(t),与预设标准色值r0g0b0进行差值计算得到色度偏差δrgb(t)=r0g0b0-rgb(t),并按色度偏差δrgb(t)调整支撑框架(2)上若干漫反射灯(2-3)的色调;

通过摄像机(1-6)拍摄获得受测者的正面脸部的视频图像,视频图像经图像分析处理获得各生命特征色度值,视频图像拍摄的每帧均测量获得色度偏差δrgb(t),视频图像拍摄过程中测量获得各帧的色度偏差δrgb(t),以各帧的色度偏差δrgb(t)的最小值min[δrgb(t)]为最优值δrgb(t’)并赋值给当前帧的受测者的正面脸部的视频图像的各生命特征色度值,还原得到受测者面部准确的各生命特征色度值:

皮肤颜色skin(rgb)=skin[rgb(t)]+δrgb(t’)

舌苔颜色tone(rgb)=tone[rgb(t)]+δrgb(t’)

眼睛颜色eye(rgb)=eye[rgb(t)]+δrgb(t’)。

其中,skin(rgb)表示还原后的皮肤颜色生命特征色度值,skin[rgb(t)]表示还原前的皮肤颜色生命特征色度值;tone(rgb)表示还原后的舌苔颜色生命特征色度值,tone[rgb(t)]表示还原前的舌苔颜色生命特征色度值;eye(rgb)表示还原后的眼睛颜色生命特征色度值,eye[rgb(t)]表示还原前的眼睛颜色生命特征色度值。

8.根据权利要求5所述的一种基于时空关系的自助生命体征检测方法,其特征在于:所述第4步中:

通过第2步获得受测者准确的生命特征信息,生命特征信息包括皮肤、眼睛、舌头的颜色rgb(skin,eye,tone);通过摄像机(1-6)测得脸型与舌型的形状信息shape(face,tone);通过握力检测器(1-1)测得握力值q,通过指甲式血氧脉搏仪(1-2)测得脉搏、血压与血氧含量(pl、pr、o),通过红外测温仪(1-7)得到体温k,通过体重传感器(1-9)得到体重w;通过gps芯片(2-11)和气压计(2-12)获得包括经度、纬度与海拔的地理信息gis(l,d,a),通过gps芯片(2-11)获得授时信息t(t),t表示当前时刻;

构建人体特征检测数据的时序型复合格式作为多维特征矩阵,表达为:

xinfo(t)=[rgb(skin,eye,tone),shape(face,tone),test(q,pl,pr,o,k,w),gis(l,d,a),t(t)]

式中,rgb(skin,eye,tone)中的skin,eye,tone分别表示皮肤、眼睛、舌头的颜色值,shape(face,tone)中的face,tone分别表示脸和舌头的形状值,test(q,pl,pr,o,k,w)中的q,pl,pr,o,k,w分别表示握力值、脉搏、血压、含氧量、体温、体重,gis(l,d,a)中l,d,a分别表示经度、维度、海拔;yinfo(t+i)表示第i次人体特征检测数据变化值标准差,xinfo(t)为当前采集信息值,xinfo(t+i)为第i次的采集信息值,n表示xinfo(t)的维度,n表示采样次数;

进而建立当前时刻的多维人体特征集minfo(t):

minfo(t)=[yinfo(t+1),yinfo(t+2),…,yinfo(t+n)]

将多维人体特征集minfo(t)作为决策树二分类神经网络的输入项,经决策树二分类神经网络处理获得检测结果,检测结果表征在当前时空状态下的受测者的生命体征变化分类,包含正常、轻度变化、中度变化和严重变化的四类。

当前第2页1 2 3 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1