警用健康管理系统及健康管理方法与流程

本发明涉及健康管理技术领域，尤其涉及一种警用健康管理系统及健康管理方法。

背景技术：

近年来，可穿戴智能设备走进了人们的生活，相关的产品层出不穷：智能眼镜、智能手表、智能耳机、智能皮带、智能手环，甚至智能服饰，穿戴智能设备已经成为了一种生活时尚。通过穿戴智能设备，人们可以更好的感知外部和自身的信息，在网络、计算机辅助下更专业、更高效地处理信息，从而提高生活质量和工作效率。

当前市场的智能手环大多应用在健身运动领域，虽在医疗健康领域有所涉及，但很少有针对特定职业群体健康的应用。人民警察是维护社会安定的中坚力量，因其职业的特殊性，长期生活不规律，加上常常超负荷工作，相当多的从警人员身体处于亚健康状况。由于种种原因，警务人员往往带病工作，这给他们带来了严重的健康危机：猝死频发。其中“心源性催死”成为一线警员牺牲的主要原因，人民警察成为健康高危职业。因此，我们迫切需要使用技术手段去提高从警人员身心素质，并及时发现、救治危重病例，减少一线警员因健康危机而牺牲的人员数量。而当前，我们缺乏相关的技术手段去维护人民警察职业群体的健康。

技术实现要素：

有鉴于此，本发明的目的是提供一种警用健康管理系统及方法，以解决对警务人员的健康进行管理的技术问题。

本发明一种警用健康管理系统，包括警用智能手环、装载于警务移动设备的app和健康管理云端，警用智能手环和app之间通讯连接，app和健康管理云端通讯连接；

所述的警用智能手环包括生理指标检测模块、运动行为检测模块、交互模块、微控制单元和电源模块；所述的生理指标检测模块用于获取警员的生理指标数据；所述的运动行为检测模块用于获取警员的运动数据和位置数据；所述的交互模块用于与警员交互信息；所述的微控制单元分别与生理指标检测模块、运动行为检测模块和交互模块连接，以控制各模块工作；所述电源模块分别与生理指标检测模块、运动行为检测模块、交互模块和微控制单元连接，以对各模块供电；

所述的app包括生理指标模块、运动功能模块、心理指标模块、综合显示模块和个人设置模块；所述的生理指标模块用于处理手环采集的生理指标数据，把生理指标数据格式化后发送给健康管理云端，并接收、处理健康管理云端返回的生理健康结论；所述的运动功能模块用于处理手环的运动行为检测模块采集的数据，计算出警员当前的位置、运动状态和能量消耗，并把运动行为数据发送给健康管理云端；所述的心理指标模块用于采集心理健康量表信息数据，并把心理健康量表信息数据格式化后发送给健康管理云端，并接收、处理健康管理云端返回的心理健康结论；所述的综合显示模块用于显示警员综合健康状态和最新推送消息；所述个人设置模块用于显示个人身份信息，提供app的个人参数设置和系统参数设置gui接口；

所述的健康管理云端包括账号管理模块、数据管理模块、数据存储模块、深度学习模块、数据分析模块和监控模块；

所述的账号管理模块用于识别、验证app警员身份信息，对验证通过的警员开放app与健康管理云端间的数据交换权限；

所述的数据管理模块用于处理数据交互协议，然后把数据路由到不同的数据处理模块；

所述的数据存储模块实现健康管理云端的落地数据的格式化及存取功能；

所述的深度学习模块以数据存储模块存储的数据作为样本，进行深度卷积神经网络模型训练，根据数据特征，建立健康分类模型；

所述的数据分析模块把实时接收到的app发送的生理指标数据和心理指标数据同深度学习模块建立的健康分类模型进行对比分析，得出健康分析结果；

所述的监控模块用于根据数据分析模块得出的健康分析结果对相应警员或部门发送响应信息。

进一步，所述警用智能手环还包括用于检测警员周围环境数据的环境监测模块。

进一步，所述警用智能手环的生理指标检测模块包括心率传感器、血氧传感器、皮电传感器和体脂传感器。

进一步，所述警用智能手环的运动行为检测模块包括加速度传感器组件和gps模块；gps模块获取警员的当前位置数据，用于运动状态计算和定位；加速度传感器组件用于获取警员的手腕运动数据，从而计算出警员停留在某个位置时是处于运动还是静止状态。

进一步，所述警用智能手环的交互模块包括震动马达、led点阵、按键模块和ble蓝牙模块；所述的震动马达用于消息提醒；所述的led点阵用于时间、消息和健康数据的显示；所述的按键模块用于取得警员的输入；所述的ble蓝牙模块用于手环与app之间交换数据。

进一步，所述app的生理指标模块还用于将手环采集的生理指标数据与本地的健康常模标准对比分析形成初步的生理健康分析结果；所述app的心理指标模块还用于将采集的心理健康量表信息数据与本地的健康常模标准对比分析形成初步的心理健康分析结果。

进一步，所述的app还包括健康百科模块、健康计划模块和咨询互动模块；所述的健康百科模块用于提供健康百科知识；所述的健康计划模块用于规划健康任务，记录警员完成情况；所述的咨询互动用于警员主动健康求助和咨询。

本发明运用警用健康管理系统的健康管理方法，包括以下步骤：

s1：警用智能手环和运行于警务移动设备的app建立通讯连接；

s2：警务移动设备的app与健康管理云端建立通讯连接；健康管理云端验证警员身份后，向app发送相应匹配的心理健康量表、健康计划以及消息；

s3：警务移动设备的app提醒警务人员完成步骤s2接收到的心理健康量表，并把采集到的心理指标数据发送给健康管理云端；

s4：警用智能手环采集佩戴警务人员的生理指标数据，并发送给警务移动设备的app；

s5：警务移动设备的app对收到的步骤s4中采集的生理指标数据进行处理后发送给健康管理平台云端；

s6：健康管理云端收到步骤s3发来的心理指标数据，落地到数据库，作为深度学习的样本数据；

s7：健康管理云端收到步骤s5发来的生理指标数据，落地到数据库，作为深度学习的样本数据；

s8：健康管理云端采用步骤s6和步骤s7的样本数据进行深度卷积神经网络模型训练，建立分类健康模型；

s9：健康管理云端用步骤s8得到的分类健康模型对app实时上传的生理指标数据和心理健康采集数据进行对照分析，得出健康分析结果；

s10：健康管理云端根据步骤s9中得到的健康分析结果，进行分级响应：

健康分析结果为轻度风险时，健康管理云端向警员app发送进行作息规律、合理饮食和健身提醒；

健康分析结果为中度风险时，健康管理云端向警员app发送进行作息规律、合理饮食和健身提醒，并同步推送健康分析结果给被采集警务人员的管理部门，提醒进行合理工作安排；

健康分析结果为重度风险时，健康管理云端向app推送紧急报警和自救指引，app以语音和视频方式播放自救指引,同时把紧急警报和身份位置信息通知给健康应急部门和附近的同事，快速完成急救响应。

进一步，在步骤s8中，健康管理云端根据步骤s6和步骤s7的样本数据进行深度卷积神经网络模型训练，建立分类健康模型，包括以下步骤：

t1：深度学习模块从数据库载入落地的原始样本数据；

t2：深度学习模块从数据库载入步骤t1中的原始样本数据属主的电子健康档案；

t3：深度学习模块对步骤t1中载入的数据进行异常数据剔除处理；

t4：深度学习模块对步骤t2中预处理后的数据进行多维分类，根据分类生成一系列数据片段集；

t5：深度学习模块对步骤t3中生成的多维数据片段集进行特征标准化处理，使得每个维度的数据片段集的特征具有零均值和单位方差；

t6：深度学习模块使用步骤t2的电子健康档案标记步骤t5中的结果数据；

t7：深度学习模块把步骤t5或步骤t6的结果数据输入到卷积核，经过多层的特征映射后，输出特征数据；

t8：深度学习模块根据步骤t7中的特征数据的平均分布概率，反向调整卷积核各层的参数；

t9：深度学习模块重复t1到t8步骤，处理完所有的数据，完成特征训练；

t10：深度学习模块以步骤t9得到的一系列的特征数据，建立分类健康模型。

进一步，在步骤s3中，警务移动设备的app还将采集到的心理指标数据与本地的健康常模标准对比分析形成初步的心理健康分析结果；

在步骤s5中，警务移动设备的app还将收到的生理指标数据与本地的健康常模标准对比分析形成初步的生理健康分析结果。

进一步，所述警用健康管理系统的健康管理方法还包括以下步骤s11：健康管理云端定期统计警员群体及个体的健康状态和行为，并给管理、职能部门提供数据统计报表。

本发明的有益效果：

本发明警用健康管理系统及健康管理方法，通过警用智能手环采集警务人员的实时生理指标数据和心理量表数据，在健康管理云端进行深度学习后建立健康分类模型，再用建立的健康模型来分析实时生理、心理健康数据，得出警务人员的当前身体健康状况，根据其健康状况进行生活作息提示、安排健身计划以及指导矫正健康问题，达到提高警务人员的身体、心理健康素质的目的。本发明根据实时采集数据，能及时发现警务人员的健康风险，尤其对突发疾病，实现了急救快速响应，能降低警务人员因发生健康危机而牺牲的人量；本发明还能为警察队伍的健康管理提供数据支撑。

附图说明

图1是本发明的原理框图；

图2是本发明的警用智能手环的原理图；

图3是本发明的警务移动设备app的原理图；

图4是本发明的健康管理云端原理图。

具体实施方式

下面结合附图和实施例对本发明作进一步描述。

如图1所示，本实施例警用健康管理系统，包括警用智能手环1、装载于警务移动设备的app2和健康管理云端3，警用智能手环和app之间通讯连接，app和健康管理云端通讯连接。具体的，本实施例中，警用智能手环1和app之间采用蓝牙通讯，app和健康管理云端之间采用无线网络通讯。

所述的警用智能手环包括生理指标检测模块11、运动行为检测模块12、交互模块14、微控制单元16和电源模块15；所述的生理指标检测模块用于获取警员的生理指标数据；所述的运动行为检测模块用于获取警员的运动数据和位置数据；所述的交互模块用于与警员交互信息；所述的微控制单元分别与生理指标检测模块、运动行为检测模块和交互模块连接，以控制各模块工作；所述电源模块分别与生理指标检测模块、运动行为检测模块、交互模块和微控制单元连接，以对各模块供电。本实施例中，所述的电源模块包括充电及保护模块151、高聚物电池152和电源管理模块153。所述的高聚物电池存储电能并为手环运行提供持续的电能。所述的充电及保护模块完成高聚物电池的充电并保护电池，防止因输入电流过大损坏电池。所述的电源管理模块调节电路环路的电压、电流，向控制单元提供电池状态。

所述的app包括生理指标模块21、运动功能模块22、心理指标模块23、综合显示模块27和个人设置模块28；所述的生理指标模块用于处理手环采集的生理指标数据，把生理指标数据格式化后发送给健康管理云端，并接收、处理健康管理云端返回的生理健康结论；所述的运动功能模块用于处理手环的运动行为检测模块采集的数据，计算出警员当前的位置、运动状态和能量消耗，并把运动行为数据发送给健康管理云端；所述的心理指标模块用于采集心理健康量表信息数据，并把心理健康量表信息数据格式化后发送给健康管理云端，并接收、处理健康管理云端返回的心理健康结论；所述的综合显示模块用于显示警员综合健康状态和最新推送消息；所述个人设置模块用于显示个人身份信息，提供app的个人参数设置和系统参数设置gui接口。

所述的健康管理云端3包括账号管理模块31、数据管理模块32、数据存储模块33、深度学习模块34、数据分析模块35和监控模块37。所述的账号管理模块用于识别、验证app警员身份信息，对验证通过的警员开放app与健康管理云端间的数据交换权限。所述的数据管理模块用于处理数据交互协议，然后把数据路由到不同的数据处理模块。所述的数据存储模块实现健康管理云端的落地数据的格式化及存取功能。所述的深度学习模块以数据存储模块存储的数据作为样本，进行深度卷积神经网络模型训练，根据数据特征，建立健康分类模型。所述的数据分析模块把实时接收到的app发送的生理指标数据和心理指标数据同深度学习模块建立的健康分类模型进行对比分析，得出健康分析结果。所述的监控模块用于根据数据分析模块得出的健康分析结果对相应警员或部门发送响应信息。

本实施例中，所述的健康管理云端3还包括数据统计模块36，数据统计模块定期的将数据存储模块存储的数据发送给健康管理部门，以为健康管理部分开展健康管理工作提供数据支撑。

本实施例中，所述警用智能手环还包括用于检测警员周围环境数据的环境监测模块13，所述环境检测模块包括环境光传感器131、温度传感器132和湿度传感器133。所述的环境光传感器用于获取环境光线的强弱变化值。所述的温度传感器用于获取环境温度值。所述的环境湿度传感器用于获取环境湿度值。环境变化也会对警员的生理健康和心理健康造成威胁，因此采集警员周围环境数据，有利于健康管理云端针对环境变化引起的生理健康和心理健康问题发送更具针对性的响应方案。

本实施例中，所述警用智能手环的生理指标检测模块11包括心率传感器111、血氧传感器112、皮电传感器113和体脂传感器114。所述的心率传感器采集所述手环佩戴者的手腕部位的脉搏ppg和心电ecg信号。所述的血氧传感器检测所述手环佩戴者的血液的血氧饱和度。所述的皮电传感器采集反映佩戴者情绪变化的皮肤电信号。所述的体脂传感器检测手环佩戴者的人体脂肪等参数。

本实施例中，所述警用智能手环的运动行为检测模块12包括加速度传感器组件121和gps模块122。所述的gps模块获取警员的当前位置数据，用于运动状态计算和定位。加速度传感器组件用于获取警员的手腕运动数据，从而能计算出警员停留在某个位置时是处于运动还是静止状态。

本实施例中，所述警用智能手环的交互模块14包括震动马达141、led点阵142、按键模块143和ble蓝牙模块144；所述的震动马达用于消息提醒；所述的led点阵用于时间、消息和健康数据的显示；所述的按键模块用于取得警员的输入；所述的ble蓝牙模块用于手环与app之间交换数据。

本实施例中，所述app的生理指标模块21还用于将手环采集的生理指标数据与本地的健康常模标准对比分析形成初步的生理健康分析结果；所述app的心理指标模块还用于将采集的心理健康量表信息数据与本地的健康常模标准对比分析形成初步的心理健康分析结果。

本实施例中，所述的app还包括健康百科模块24、健康计划模块25和咨询互动模块26；所述的健康百科模块用于提供健康百科知识；所述的健康计划模块用于规划健康任务，记录警员完成情况；所述的咨询互动用于警员主动健康求助和咨询。

本实施例中运用警用健康管理系统的健康管理方法，其包括以下步骤：

s1：警用智能手环和运行于警务移动设备的app建立通讯连接。

s2：警务移动设备的app与健康管理云端建立通讯连接；健康管理云端验证警员身份后，向app发送相应匹配的心理健康量表、健康计划以及消息。

s3：警务移动设备的app提醒警务人员完成步骤s2接收到的心理健康量表，并把采集到的心理指标数据发送给健康管理云端。

s4：警用智能手环采集佩戴警务人员的生理指标数据，并发送给警务移动设备的app。

s5：警务移动设备的app对收到的步骤s4中采集的生理指标数据进行处理后发送给健康管理平台云端。

s6：健康管理云端收到步骤s3发来的心理指标数据，落地到数据库，作为深度学习的样本数据。

s7：健康管理云端收到步骤s5发来的生理指标数据，落地到数据库，作为深度学习的样本数据。

s8：健康管理云端采用步骤s6和步骤s7的样本数据进行深度卷积神经网络模型训练，建立分类健康模型，具体包括以下步骤：

t1：深度学习模块从数据库载入落地的原始样本数据；

t2：深度学习模块从数据库载入步骤t1中的原始样本数据属主的电子健康档案；

t3：深度学习模块对步骤t1中载入的数据进行异常数据剔除处理，包括去掉重复数据和不在正常范围内的错误数据以及意义不大的离散数据；

t4：深度学习模块对步骤t2中预处理后的数据进行多维分类，根据分类生成一系列数据片段集；

t5：深度学习模块对步骤t3中生成的多维数据片段集进行特征标准化处理，使得每个维度的数据片段集的特征具有零均值和单位方差；

t6：深度学习模块使用步骤t2的电子健康档案标记步骤t5中的结果数据；

t7：深度学习模块把步骤t5或步骤t6的结果数据输入到卷积核，经过多层的特征映射后，输出特征数据；

t8：深度学习模块根据步骤t7中的特征数据的平均分布概率，反向调整卷积核各层的参数；

t9：深度学习模块重复t1到t8步骤，处理完所有的数据，完成特征训练；

t10：深度学习模块以步骤t9得到的一系列的特征数据，建立分类健康模型。

s9：健康管理云端用步骤s8得到的分类健康模型对app实时上传的生理指标数据和心理健康采集数据进行对照分析，得出健康分析结果。

s10：健康管理云端根据步骤s9中得到的健康分析结果，进行分级响应：

健康分析结果为轻度风险时，健康管理云端向警员app发送进行作息规律、合理饮食和健身提醒；

健康分析结果为中度风险时，健康管理云端向警员app发送进行作息规律、合理饮食和健身提醒，并同步推送健康分析结果给被采集警务人员的管理部门，提醒进行合理工作安排；

健康分析结果为重度风险时，健康管理云端向app推送紧急报警和自救指引，app以语音和视频方式播放自救指引,同时把紧急警报和身份位置信息通知给健康应急部门和附近的同事，快速完成急救响应。

本实施例中运用警用健康管理系统的健康管理方法还包括以下步骤s11：健康管理云端定期统计警员群体及个体的健康状态和行为，并给管理、职能部门提供数据统计报表。

本实施例中运用警用健康管理系统的健康管理方法在步骤s3中，警务移动设备的app还将采集到的心理指标数据与本地的健康常模标准对比分析形成初步的心理健康分析结果；在步骤s5中，警务移动设备的app还将收到的生理指标数据与本地的健康常模标准对比分析形成初步的生理健康分析结果。本改进使得在警务移动设备的app与健康管理云端没有建立通讯连接情况下，也能进行健康检测及管理。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，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宗旨和范围，其均应涵盖在本发明的权利要求范围当中。