一种监管场所医疗监控系统的制作方法

本发明涉及监管场所管理领域，具体涉及一种监管场所医疗监控系统。

背景技术：

相关技术中的监管场所管理系统，无法对监管场所人员进行高精度定位、定位稳定性不足，导致难以确定进入医疗区域的监管场所人员，且需要手动采集监管场所人员的医疗信息，降低了医疗信息的采集效率，不利于掌握监管场所人员的医疗情况。

技术实现要素：

针对上述问题，本发明旨在提供一种监管场所医疗监控系统。

本发明的目的采用以下技术方案来实现：

一种监管场所医疗监控系统，包括定位器、信号接收器和监控中心，所述定位器用于穿戴在用户身上并实时发送超宽频脉冲信号；所述信号接收器用于接收所述超宽频脉冲信号并上传接收到所述超宽频脉冲信号的时刻；所述监控中心与信号接收器连接，用于根据预设的定位算法和所述超宽频脉冲信号的时刻，定位所述定位器，当所述定位器被定位在医疗区域时，生成所述定位器的医疗信息。

本发明的有益效果为：利用超宽频无线通讯技术对穿戴在用户身上的定位器进行高精度定位，进而对穿戴定位器的监管场所人员进行高精度定位，增强了定位的稳定性；在定位器不脱落的前提下，可以确定监管场所人员进入医疗区域，当定位器被定位在医疗区域时，可生成用户设备的医疗信息，自动采集监管场所人员的医疗信息，提高了医疗信息的采集效率，同时提高了监控医疗的实时性和全面性，从而有利于掌握监管场所人员的医疗情况。

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是本发明的结构连接示意图；

图2是本发明隐匿物品检测装置的结构连接示意图。

附图标记：

定位器1、信号接收器2、监控中心3、隐匿物品检测装置4、扫描模块11、图像处理模块12、背景消减模块13、人体区域检测模块14、隐匿物品检测模块15。

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、图2，本实施例的一种监管场所医疗监控系统，包括定位器1、信号接收器2和监控中心3，所述定位器1用于穿戴在用户身上并实时发送超宽频脉冲信号；所述信号接收器2用于接收所述超宽频脉冲信号并上传接收到所述超宽频脉冲信号的时刻；所述监控中心3与信号接收器2连接，用于根据预设的定位算法和所述超宽频脉冲信号的时刻，定位所述定位器1，当所述定位器1被定位在医疗区域时，生成所述定位器1的医疗信息。

优选的，所述信号接收器2为3个。

优选的，所述信号接收器2之间通过无线网络互联。

本发明上述实施例利用超宽频无线通讯技术对穿戴在用户身上的定位器1进行高精度定位，进而对监管场所人员进行高精度定位，增强了定位的稳定性；在定位器1不脱落的前提下，可以确定监管场所人员进入医疗区域，当定位器1被定位在医疗区域时，可生成用户设备的医疗信息，自动采集监管场所人员的医疗信息，提高了医疗信息的采集效率，同时提高了监控医疗的实时性和全面性，从而有利于掌握监管场所人员的医疗情况。

优选的，所述监管场所医疗监控系统还包括隐匿物品检测装置4，所述隐匿物品检测装置4连接监控中心3，用于检测穿戴定位器1的监管场所人员身上是否带有违反规定的隐匿物品，所述隐匿物品检测装置4包括：

(1)扫描模块11，用于对监管场所人员进行毫米波扫描获得原始被动毫米波图像；

(2)图像处理模块12，用于对所述原始被动毫米波图像进行处理获得目标图像；

(3)人体区域检测模块14，用于基于所述目标图像，通过对人体是否存在的预判断，进行人体区域检测，获取人体区域；

(4)隐匿物品检测模块15，用于在所述人体区域内，采用Canny边缘算子和置信区间结合的混合分割的方法，对隐匿物品进行检测，并对检测到的隐匿物品区域进行标记；

(5)隐匿物品识别模块，用于对隐匿物品进行识别。

本优选实施例设计了隐匿物品检测装置4的模块架构，实现了隐匿物品检测装置4对危险物品的检测。

优选地，所述图像处理模块12包括：

(1)二值化单元，用于对所述原始被动毫米波图像进行二值化获得二值化图像,包括：将所述原始被动毫米波图像进行平滑区P₁、过渡区P₂和边缘区P₃的区域划分,其采用平方奇异值作为区域能量的衡量，并定义区域划分公式为：

其中，v(i)为原始被动毫米波图像中像素点i处的观测值，Q(i)为对应原始被动毫米波图像中像素点i处的平方奇异值，为平方奇异值的均值；

对于平滑区P₁，设定阈值T₁，T₁为平滑区P₁所有像素灰度值的平均值，将平滑区P₁的每个像素灰度值与阈值T₁进行比较，若大于T₁，则取值为255，否则取值为0；对于过渡区P₂和边缘区P₃，过渡区P₂和边缘区P₃中每个像素点i为中心的(2a+1)x(2a+1)窗口，a∈[1，3]，各像素点阈值T₂(i)定义为该像素窗口内最大灰度值与最小灰度值和的一半，将过渡区P₂和边缘区P₃的每个像素灰度值和相应阈值T₂(i)比较，若大于T₂(i)，则取值为255，否则取值为0；

(2)预处理单元，用于对二值化图像进行稳像以及去噪处理以获得初步去噪图像，包括：

a、图像稳像子单元，用于消除人在运动时造成的图像抖动，包括：

(1)对被检对象进行毫米波扫描时，选定第一帧图像作为参考帧，将参考帧划分为互不重叠三个区域1、2、3，K表示图像宽度，G表示图像高度，从图像左上开始按照顺时针方向依次为区域1、2、3，区域1、2的大小为0.5K×0.5G，区域3的大小为K×0.5G；

(2)在下一帧扫描到的图像中心位置选定区域A₀，A₀的大小选定为0.5K×0.5G，按照step1的方法将A₀划分为三个图像子块A₁、A₂、A₃，A₁和A₂用于估算垂直方向上的局部运动向量，A₃用于估算水平方向上的局部运动向量，令A₁、A₂、A₃分别在1、2、3三个区域内搜寻最佳匹配，从而估计出图像序列的全局运动矢量，然后进行反向运动补偿，消除图像模糊；

b、分区去噪子单元，用于对平滑区P₁、过渡区P₂和边缘区P₃分别进行去噪处理，设平滑区P₁、过渡区P₂和边缘区P₃的去噪估计分别为G₁(i)、G₂(i)和G₃(i)，各区域的去噪估计的计算公式分别为：

式中，N₁为平滑区的像素总数量，V(j)为平滑区P₁在点j处的灰度值，s₁v(i)为通过均值滤波器处理后提取出的像素点i处的平滑区均值，s₁v(j)为通过均值滤波器处理后提取出的像素点j处的平滑区均值；v(j)表示边缘区P₃中所有的像素点，为归一化常数，d为边缘区P₃中像素点i和像素点j的环形特征向量的高斯加权欧氏距离，γ为高斯核函数的标准差，μ为边缘区P₃中噪声的标准差，且

c、再次去噪子单元，连接分区去噪子单元，用于采用基于分裂Bregman迭代的全变分去噪算法对由分区去噪子单元处理后的被动毫米波图像进行进一步去噪，从而进一步去除被动毫米波图像中的高斯白噪声。

本优选实施例设置图像稳像子单元，能够消除人在运动时造成的图像抖动；二值化单元中，采用全局阈值二值化和局部阈值二值化结合的方法，在保证速度的前提下取得了良好的效果；被动毫米波图像由少量近似分块平滑的图像块组成，包含有大量的冗余信息，根据这一特点，设置预处理单元，采用奇异值分解将被动毫米波图像划分为平滑区、过渡区和边缘区，并根据这三类区域各自的特征设置分区去噪子单元，用于对平滑区、过渡区和边缘区分别进行去噪处理，与目前较为主流的集中图像去噪算法相比，能够获得较高的BRISQUE，提高了计算的速度，且能够明显抑制扫描线噪声以及高斯白噪声的影响；采用再次去噪子单元，结合分区去噪子单元，进一步去除被动毫米波图像中的高斯白噪声，提高去噪效果。

优选的，所述隐匿物品检测模块15在进行混合分割时，选用合适的阈值T_y对所述目标图像进行阈值处理，所述置信区间表示隐匿物品边缘分布的灰度范围，其中包含目标图像所有边缘的全局置信区间为[int((V_l+V_h)/2),V_h],其中int()为取整算子，V_l为整个目标图像的边缘点的最小灰度值的下界，V_h为整个目标图像的边缘点的最大灰度值的上界；计算每一个隐匿物品的置信区间时，使用从V_l+1开始逐点增加的阈值T_g对目标图像进行分割，直至阈值T_g＝V_h-1时停止分割，当前景中出现了一个新的独立区域时，定义对应位置有另一个隐匿物品，隐匿物品的置信区间定义为：P_z＝[(T_g+V_h)/2,V_h]，采用边缘算子提取隐匿物品的置信区间中的边缘曲线，定义边缘曲线内所包含的区域为P_c，最终得到的隐匿物品的精确分割区域P_y为：

式中，为由较小的阈值T_y＝(T_g+V_h)/2对目标图像进行分割得到的区域。

本优选实施例采用Canny边缘算子和置信区间结合的混合分割的方法实现了对隐匿物品的分割，提高了分割的速度和精度。

优选地，所述人体区域检测模块14能够对人体隐私部位进行屏蔽，具体包括：

(1)通过脸部识别对人员的性别进行判断，根据性别不同确定不同的隐私部位，划定隐私区域；

(2)对确定的隐私区域进行模糊处理，图像模糊采用如下方法：

对于隐私区域任一点(x,y),采用函数确定(x,y)的5×5邻域点的取值权重，对该点进行邻域加权平均，得到该点的模糊值，从而达到模糊效果。

本优选实施例使得检测更加人性化。

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。