本發(fā)明涉及智能監(jiān)控的，尤其涉及一種基于圖像處理的養(yǎng)老機(jī)構(gòu)遠(yuǎn)程監(jiān)控系統(tǒng)。

背景技術(shù)：

1、近年來，隨著全球人口老齡化加劇和慢性病患者數(shù)量增加，對(duì)遠(yuǎn)程健康監(jiān)護(hù)的需求不斷上升。技術(shù)進(jìn)步為遠(yuǎn)程健康監(jiān)護(hù)行業(yè)提供了支持，物聯(lián)網(wǎng)、大數(shù)據(jù)、云計(jì)算和人工智能等技術(shù)的發(fā)展使得監(jiān)測(cè)設(shè)備更加智能化，數(shù)據(jù)分析能力更強(qiáng)。

2、目前，在公開號(hào)為cn112150114a的中國(guó)發(fā)明專利中，公開了基于bim技術(shù)的智慧養(yǎng)老系統(tǒng)及構(gòu)建方法，該方法通過在bim模型的管理平臺(tái)上對(duì)養(yǎng)老院建筑、設(shè)備進(jìn)行三維信息布建，實(shí)現(xiàn)多維度信息采集與展示，提高養(yǎng)老院的管理水平，但是相關(guān)技術(shù)中沒有根據(jù)老人實(shí)際的心理需求對(duì)親屬探望頻次作出建設(shè)性提議，缺乏對(duì)老人的人文關(guān)懷，沒有基于老人客觀的監(jiān)測(cè)數(shù)據(jù)，對(duì)老人的睡眠方面和飲食方面進(jìn)行科學(xué)監(jiān)控，缺乏監(jiān)控的全面性，不利于老人的身心健康，存在一定局限性。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明解決的技術(shù)問題是：相關(guān)技術(shù)中沒有根據(jù)老人實(shí)際的心理需求對(duì)親屬探望頻次作出建設(shè)性提議，缺乏對(duì)老人的人文關(guān)懷，沒有基于老人客觀的監(jiān)測(cè)數(shù)據(jù)，對(duì)老人的睡眠方面和飲食方面進(jìn)行科學(xué)監(jiān)控，缺乏監(jiān)控的全面性，不利于老人的身心健康，存在一定局限性。

2、為解決上述技術(shù)問題，本發(fā)明提供如下技術(shù)方案：一種基于圖像處理的養(yǎng)老機(jī)構(gòu)遠(yuǎn)程監(jiān)控系統(tǒng)，包括采集模塊、第一分析模塊和第二分析模塊；

3、所述采集模塊錄入服務(wù)對(duì)象的自身面部圖像和相關(guān)面部圖像，識(shí)別待測(cè)對(duì)象的服務(wù)編碼，匹配與待測(cè)對(duì)象的服務(wù)編碼對(duì)應(yīng)的自身監(jiān)測(cè)數(shù)據(jù)、環(huán)境數(shù)據(jù)和飲食圖片，將相關(guān)面部圖像進(jìn)行編號(hào)，得到第一面部圖像；

4、所述第一分析模塊根據(jù)腦電波數(shù)據(jù)將監(jiān)控時(shí)間劃分為第一時(shí)間段和第二時(shí)間段，獲取第一時(shí)間段內(nèi)相同的第一面部圖像出現(xiàn)時(shí)的自身監(jiān)測(cè)數(shù)據(jù)，記為第一數(shù)據(jù)，計(jì)算第一時(shí)間段內(nèi)相鄰的第一數(shù)據(jù)的間隔時(shí)長(zhǎng)，記為第一時(shí)長(zhǎng)，根據(jù)所述第一數(shù)據(jù)和第一時(shí)長(zhǎng)，構(gòu)建所述第一面部圖像對(duì)于所述服務(wù)對(duì)象的情緒影響度模型，根據(jù)所述情緒影響度模型生成對(duì)應(yīng)的親屬探望決策，根據(jù)第二時(shí)間段內(nèi)的自身監(jiān)測(cè)數(shù)據(jù)判斷睡眠質(zhì)量等級(jí)，根據(jù)睡眠質(zhì)量等級(jí)和環(huán)境數(shù)據(jù)構(gòu)建睡眠質(zhì)量影響度模型，根據(jù)所述睡眠質(zhì)量影響度模型生成環(huán)境調(diào)控決策；

5、所述第二分析模塊獲取所述服務(wù)對(duì)象的醫(yī)囑信息，根據(jù)飲食圖片識(shí)別飲食名稱，將所述飲食名稱與飲食建議進(jìn)行比對(duì)，得到第一比對(duì)結(jié)果，根據(jù)第一比對(duì)結(jié)果執(zhí)行第一操作。

6、作為本發(fā)明所述的一種基于圖像處理的養(yǎng)老機(jī)構(gòu)遠(yuǎn)程監(jiān)控系統(tǒng)的一種優(yōu)選方案，其中：所述采集模塊錄入服務(wù)對(duì)象的自身面部圖像和相關(guān)面部圖像，所述相關(guān)面部圖像表示為服務(wù)對(duì)象的親屬的面部圖像，識(shí)別待測(cè)對(duì)象的服務(wù)編碼，所述待測(cè)對(duì)象的服務(wù)編碼通過服務(wù)對(duì)象佩戴手環(huán)進(jìn)行射頻識(shí)別感應(yīng)，所述自身面部圖像和相關(guān)面部圖像的錄入邏輯包括；

7、啟動(dòng)人臉錄入設(shè)備，設(shè)置拍攝參數(shù)，所述拍攝參數(shù)包括拍攝角度和拍攝焦距，發(fā)送開始錄入信號(hào)，對(duì)人臉進(jìn)行拍攝，得到拍攝圖像，識(shí)別拍攝圖像中的人臉輪廓，統(tǒng)計(jì)人臉輪廓內(nèi)的像素的個(gè)數(shù)，記為第一個(gè)數(shù)，統(tǒng)計(jì)拍攝圖像中的像素的總個(gè)數(shù)，記為第二個(gè)數(shù)，計(jì)算第一個(gè)數(shù)和第二個(gè)數(shù)的比值，記為第一比值，所述第一比值表示為拍攝圖像中有效像素的占比，將第一取值設(shè)置為第一比值的閾值，將第一比值與第一取值進(jìn)行比較；

8、當(dāng)?shù)谝槐戎荡笥诘扔诘谝蝗≈禃r(shí)，將拍攝圖像與服務(wù)對(duì)象編碼進(jìn)行綁定，將拍攝圖像的標(biāo)簽設(shè)置為服務(wù)對(duì)象的親屬名稱；

9、當(dāng)?shù)谝槐戎敌∮诘谝蝗≈禃r(shí)，將第一梯度值設(shè)置為拍攝角度的改變量，將第二梯度值設(shè)置為拍攝焦距的改變量，根據(jù)第一梯度值和第二梯度值對(duì)拍攝參數(shù)進(jìn)行連續(xù)調(diào)控，并連續(xù)計(jì)算調(diào)控后的第一比值，直到調(diào)控后的第一比值大于等于第一取值時(shí)，停止連續(xù)調(diào)控拍攝參數(shù)，將調(diào)控后的拍攝圖像與服務(wù)對(duì)象編碼進(jìn)行綁定，將調(diào)控后的拍攝圖像的標(biāo)簽設(shè)置為服務(wù)對(duì)象的親屬名稱；

10、所述連續(xù)調(diào)控表示為連續(xù)增加或者連續(xù)減小，所述第一梯度值和第二梯度值通過大數(shù)據(jù)獲??；

11、當(dāng)拍攝圖像與服務(wù)對(duì)象編碼綁定完畢，且拍攝圖像的標(biāo)簽設(shè)置完畢后，關(guān)閉人臉錄入設(shè)備；

12、將相關(guān)面部圖像進(jìn)行編號(hào)，得到第一面部圖像，相關(guān)面部圖像的編號(hào)表示為xi，其中，i為自然數(shù)，xi表示為第i個(gè)錄入人臉圖像的服務(wù)對(duì)象的親屬。

13、作為本發(fā)明所述的一種基于圖像處理的養(yǎng)老機(jī)構(gòu)遠(yuǎn)程監(jiān)控系統(tǒng)的一種優(yōu)選方案，其中：所述采集模塊調(diào)取服務(wù)數(shù)據(jù)庫，向所述服務(wù)數(shù)據(jù)庫中輸入所述服務(wù)對(duì)象編碼，匹配與待測(cè)對(duì)象的服務(wù)編碼對(duì)應(yīng)的自身監(jiān)測(cè)數(shù)據(jù)、環(huán)境數(shù)據(jù)和飲食圖片；

14、所述自身監(jiān)測(cè)數(shù)據(jù)為腦電波數(shù)據(jù)，所述腦電波數(shù)據(jù)表示為監(jiān)測(cè)時(shí)間段內(nèi)的腦電波圖像；

15、所述環(huán)境數(shù)據(jù)包括環(huán)境噪音、環(huán)境濕度和環(huán)境溫度；

16、所述飲食圖片表示為午餐拍攝的食物圖片，以及晚餐拍攝的食物圖片。

17、作為本發(fā)明所述的一種基于圖像處理的養(yǎng)老機(jī)構(gòu)遠(yuǎn)程監(jiān)控系統(tǒng)的一種優(yōu)選方案，其中：所述第一分析模塊根據(jù)腦電波數(shù)據(jù)將監(jiān)控時(shí)間劃分為第一時(shí)間段和第二時(shí)間段；

18、所述第一時(shí)間段和第二時(shí)間段的劃分邏輯包括：

19、將第二取值設(shè)置為個(gè)體時(shí)間步長(zhǎng)，將第三取值設(shè)置為時(shí)間段，將原始的腦電波信號(hào)分割為子片段，所述第二取值和第三取值通過大數(shù)據(jù)得到，所述第二取值表示為每個(gè)子片段中包含的腦電波幅值的個(gè)數(shù)，所述第三取值表示為每個(gè)子片段持續(xù)的時(shí)間長(zhǎng)度，按照時(shí)間順序獲取子片段中的各個(gè)腦電波幅值，將腦電波幅值進(jìn)行離散小波變換，得到幅值的頻域表達(dá)式，計(jì)算幅值的頻譜熵值，計(jì)算幅值的頻譜熵值的平均值，記為第一平均值，獲取睡眠時(shí)段標(biāo)準(zhǔn)頻譜熵，將第一平均值與所述睡眠時(shí)段標(biāo)準(zhǔn)頻譜熵進(jìn)行比較，當(dāng)?shù)谝黄骄荡笥谒鏊邥r(shí)段標(biāo)準(zhǔn)頻譜熵時(shí)，將對(duì)應(yīng)的子片段歸類于第一時(shí)間段內(nèi)，當(dāng)?shù)谝黄骄敌∮诘扔谒鏊邥r(shí)段標(biāo)準(zhǔn)頻譜熵時(shí)，將對(duì)應(yīng)的子片段歸類于第二時(shí)間段內(nèi)；

20、將第一時(shí)間點(diǎn)設(shè)置為傍晚分界點(diǎn)，所述第一時(shí)間點(diǎn)表示為公認(rèn)的傍晚與白天的分解時(shí)間點(diǎn)，將歸類于第一時(shí)間段內(nèi)且分布于第一時(shí)間點(diǎn)前的子片段設(shè)置為第一時(shí)間段，將歸類于第二時(shí)間段內(nèi)且分布于第一時(shí)間點(diǎn)后的子片段設(shè)置為第二時(shí)間段；

21、所述第一時(shí)間段表示為清醒的時(shí)間段，所述第二時(shí)間段表示為睡眠的時(shí)間段。

22、作為本發(fā)明所述的一種基于圖像處理的養(yǎng)老機(jī)構(gòu)遠(yuǎn)程監(jiān)控系統(tǒng)的一種優(yōu)選方案，其中：所述第一分析模塊獲取第一時(shí)間段內(nèi)相同的第一面部圖像出現(xiàn)時(shí)的腦電波數(shù)據(jù)，記為第一數(shù)據(jù)，統(tǒng)計(jì)第一時(shí)間段內(nèi)相鄰的第一數(shù)據(jù)的間隔時(shí)長(zhǎng)，記為第一時(shí)長(zhǎng)，所述相鄰表示為時(shí)間順序相鄰；

23、根據(jù)所述第一數(shù)據(jù)和第一時(shí)長(zhǎng)，構(gòu)建所述第一面部圖像對(duì)于所述服務(wù)對(duì)象的情緒影響度模型，根據(jù)所述情緒影響度模型生成對(duì)應(yīng)的親屬探望決策，所述情緒影響度模型的構(gòu)建邏輯包括：

24、獲取第一數(shù)據(jù)，設(shè)置第一分割步長(zhǎng)，所述第一分割步長(zhǎng)通過歷史經(jīng)驗(yàn)得到，將第一數(shù)據(jù)進(jìn)行分割，得到第一子數(shù)據(jù)，對(duì)第一子數(shù)據(jù)進(jìn)行帶通濾波處理，提取帶通濾波后的第一子數(shù)據(jù)的頻率特征量，記為第一特征量，獲取標(biāo)準(zhǔn)α波的頻率特征量和標(biāo)準(zhǔn)β波的頻率特征量，記為第二特征量和第三特征量，將第三取值設(shè)置為相似度閾值，通過余弦相似度公式計(jì)算第一特征量與第二特征量的相似度，記為第一相似度，以及計(jì)算第一特征量與第三特征量的相似度，記為第二相似度，將第二相似度與第一相似度進(jìn)行比較；

25、當(dāng)?shù)谝幌嗨贫却笥诘扔诘谌≈禃r(shí)，將所述第一子數(shù)據(jù)設(shè)置為α波，當(dāng)?shù)诙嗨贫却笥诘扔诘谌≈禃r(shí)，將所述第一子數(shù)據(jù)設(shè)置為β波，否則，將所述第一子數(shù)據(jù)進(jìn)行刪除；

26、分別統(tǒng)計(jì)α波出現(xiàn)的次數(shù)和β波出現(xiàn)的次數(shù)，分別記為第三次數(shù)和第四次數(shù)，分別計(jì)算第三次數(shù)和分割步長(zhǎng)的乘積，以及第四次數(shù)與分割步長(zhǎng)的乘積，分別記為第一乘積和第二乘積，計(jì)算第二乘積與第一乘積的比值，記為第二比值，所述第二比值表示為興奮程度，第二比值越大表示為越興奮；

27、以第二比值為因變量，以第一時(shí)長(zhǎng)為自變量，通過數(shù)學(xué)工具構(gòu)造情緒影響度模型；

28、設(shè)置興奮度區(qū)間，根據(jù)興奮度區(qū)間得到第一時(shí)長(zhǎng)的上限值和第一時(shí)長(zhǎng)的下限值，根據(jù)第一時(shí)長(zhǎng)的上限值和第一時(shí)長(zhǎng)的下限值得到對(duì)應(yīng)的親屬探望決策，所述對(duì)應(yīng)的親屬探望決策包括編號(hào)為xi的親屬，探望的間隔周期最小為第一時(shí)長(zhǎng)的下限值，探望的間隔周期最大為第一時(shí)長(zhǎng)的上限值。

29、作為本發(fā)明所述的一種基于圖像處理的養(yǎng)老機(jī)構(gòu)遠(yuǎn)程監(jiān)控系統(tǒng)的一種優(yōu)選方案，其中：所述情緒影響度模型的計(jì)算表達(dá)式為：

30、

31、其中，表示為第個(gè)親屬所對(duì)應(yīng)的第二比值，表示為第一時(shí)長(zhǎng)，表示為第一時(shí)長(zhǎng)與第二比值的轉(zhuǎn)化規(guī)則，通過數(shù)學(xué)工具得到。

32、作為本發(fā)明所述的一種基于圖像處理的養(yǎng)老機(jī)構(gòu)遠(yuǎn)程監(jiān)控系統(tǒng)的一種優(yōu)選方案，其中：所述第一分析模塊根據(jù)第二時(shí)間段內(nèi)的腦電波數(shù)據(jù)判斷睡眠質(zhì)量等級(jí)，所述睡眠質(zhì)量等級(jí)的判斷邏輯包括：

33、獲取第二時(shí)間段內(nèi)的腦電波數(shù)據(jù)，設(shè)置第二分割步長(zhǎng)，所述第二分割步長(zhǎng)通過歷史經(jīng)驗(yàn)得到，將第二時(shí)間段內(nèi)的腦電波數(shù)據(jù)進(jìn)行分割，得到第二子數(shù)據(jù)，獲取各個(gè)第二子數(shù)據(jù)中的α波功率和β波功率，分別計(jì)算α波功率的平均值和β波功率的平均值，分別記為第二平均值和第三平均值，計(jì)算第三平均值與第二平均值的比值，記為第三比值，將第四取值和第五取值設(shè)置為第三比值的閾值，所述第四取值和第五取值通過歷史經(jīng)驗(yàn)得到，將第三比值與第四取值和第五取值進(jìn)行比較，當(dāng)?shù)谌戎敌∮诘谒娜≈禃r(shí)，將所述睡眠質(zhì)量等級(jí)設(shè)置為第一等級(jí)，當(dāng)?shù)谌戎荡笥诘扔诘谒娜≈登倚∮诘谖迦≈禃r(shí)，將所述睡眠質(zhì)量等級(jí)設(shè)置為第二等級(jí)，當(dāng)?shù)谌戎荡笥诘扔诘谖迦≈禃r(shí)，將所述睡眠質(zhì)量等級(jí)設(shè)置為第三等級(jí)，所述第一等級(jí)、第二等級(jí)和第三等級(jí)表示的睡眠質(zhì)量逐漸下降；

34、根據(jù)睡眠質(zhì)量等級(jí)、環(huán)境噪音、環(huán)境濕度和環(huán)境溫度構(gòu)建睡眠質(zhì)量影響度模型，根據(jù)所述睡眠質(zhì)量影響度模型生成環(huán)境調(diào)控決策。

35、作為本發(fā)明所述的一種基于圖像處理的養(yǎng)老機(jī)構(gòu)遠(yuǎn)程監(jiān)控系統(tǒng)的一種優(yōu)選方案，其中：所述睡眠質(zhì)量影響度模型的構(gòu)建邏輯包括：

36、以睡眠質(zhì)量等級(jí)為因變量，以環(huán)境噪音、環(huán)境濕度和環(huán)境溫度為自變量，進(jìn)行多元回歸分析，得到睡眠質(zhì)量影響度模型，所述睡眠質(zhì)量影響度模型的計(jì)算表達(dá)式為：

37、

38、其中，為睡眠質(zhì)量等級(jí)，為第個(gè)自變量，為第個(gè)自變量對(duì)應(yīng)的系數(shù)；

39、根據(jù)睡眠質(zhì)量影響度模型得到當(dāng)前睡眠質(zhì)量等級(jí)，當(dāng)所述當(dāng)前睡眠質(zhì)量等級(jí)不為第一等級(jí)時(shí)，分別將第三梯度值和第四梯度值設(shè)置為環(huán)境濕度的改變量和環(huán)境溫度的改變量，設(shè)置環(huán)境溫度區(qū)間和環(huán)境濕度區(qū)間，在環(huán)境溫度區(qū)間和環(huán)境濕度區(qū)間內(nèi)，根據(jù)第三梯度值和第四梯度值對(duì)環(huán)境濕度和環(huán)境溫度進(jìn)行連續(xù)調(diào)控，并連續(xù)獲取調(diào)控后的當(dāng)前睡眠質(zhì)量等級(jí)，當(dāng)前睡眠質(zhì)量等級(jí)為第一等級(jí)時(shí)，停止連續(xù)調(diào)控環(huán)境濕度和環(huán)境溫度，否則，增加隔音裝置，所述隔音裝置包括隔音板或者隔音綠化帶，連續(xù)改變隔音裝置的寬度和高度，并使得當(dāng)前睡眠質(zhì)量等級(jí)改變到第一等級(jí)。

40、作為本發(fā)明所述的一種基于圖像處理的養(yǎng)老機(jī)構(gòu)遠(yuǎn)程監(jiān)控系統(tǒng)的一種優(yōu)選方案，其中：所述第二分析模塊連接醫(yī)院系統(tǒng)，向所述醫(yī)院系統(tǒng)輸入服務(wù)對(duì)象的服務(wù)編碼，獲取所述服務(wù)對(duì)象的醫(yī)囑信息，所述醫(yī)囑信息表示為飲食建議，所述飲食建議表示為不能進(jìn)食的食物名稱。

41、作為本發(fā)明所述的一種基于圖像處理的養(yǎng)老機(jī)構(gòu)遠(yuǎn)程監(jiān)控系統(tǒng)的一種優(yōu)選方案，其中：根據(jù)飲食圖片識(shí)別食物名稱，將所述食物名稱與飲食建議進(jìn)行比對(duì)，得到第一比對(duì)結(jié)果，根據(jù)第一比對(duì)結(jié)果執(zhí)行第一操作，所述第一比對(duì)結(jié)果包括食物名稱符合飲食建議，以及食物名稱不符合飲食建議，所述第一操作包括不發(fā)送食物預(yù)警信號(hào)，以及發(fā)送食物預(yù)警信號(hào)；

42、當(dāng)所述第一比對(duì)結(jié)果為食物名稱不符合飲食建議時(shí)，將第一操作設(shè)置為發(fā)送食物預(yù)警信號(hào)，否則，將第一操作設(shè)置為不發(fā)送食物預(yù)警信號(hào)。

43、本發(fā)明的有益效果：通過采集服務(wù)對(duì)象的面部圖像和相關(guān)面部圖像，能夠識(shí)別待測(cè)對(duì)象的服務(wù)編碼，并匹配對(duì)應(yīng)的監(jiān)測(cè)數(shù)據(jù)，有助于快速定位和響應(yīng)老人的需求，提高監(jiān)控效率，根據(jù)腦電波數(shù)據(jù)將監(jiān)控時(shí)間劃分為不同時(shí)間段，并構(gòu)建情緒影響度模型，有助于監(jiān)測(cè)老人的情緒狀態(tài)，并根據(jù)模型生成對(duì)應(yīng)的親屬探望決策，從而提供更個(gè)性化的關(guān)懷和支持，能夠根據(jù)睡眠質(zhì)量等級(jí)和環(huán)境數(shù)據(jù)構(gòu)建睡眠質(zhì)量影響度模型，并生成環(huán)境調(diào)控決策，有助于改善老人的睡眠環(huán)境，提升睡眠質(zhì)量，獲取服務(wù)對(duì)象的醫(yī)囑信息，并根據(jù)飲食圖片識(shí)別飲食名稱，與飲食建議進(jìn)行比對(duì)，確保老人的飲食符合醫(yī)囑，這有助于老人更好地遵循醫(yī)囑，促進(jìn)健康，智能健康設(shè)備也能夠?qū)崿F(xiàn)老人的健康檔案管理，了解老人健康狀況的變化趨勢(shì)，并綜合評(píng)估老人的健康狀況。