CN110415724A - 报警数据的传输方法、装置、***及计算机可读存储介质 - Google Patents
报警数据的传输方法、装置、***及计算机可读存储介质 Download PDFInfo
- Publication number
- CN110415724A CN110415724A CN201910729559.0A CN201910729559A CN110415724A CN 110415724 A CN110415724 A CN 110415724A CN 201910729559 A CN201910729559 A CN 201910729559A CN 110415724 A CN110415724 A CN 110415724A
- Authority
- CN
- China
- Prior art keywords
- alert data
- voice signal
- machine learning
- monitoring device
- learning algorithm
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000005540 biological transmission Effects 0.000 title claims abstract description 51
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 79
- 238000010801 machine learning Methods 0.000 claims abstract description 76
- 238000012806 monitoring device Methods 0.000 claims abstract description 73
- 238000012360 testing method Methods 0.000 claims abstract description 70
- 238000000605 extraction Methods 0.000 claims abstract description 61
- 230000000694 effects Effects 0.000 claims abstract description 15
- 238000012549 training Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 5
- 238000012544 monitoring process Methods 0.000 claims description 5
- 235000013399 edible fruits Nutrition 0.000 claims 1
- 239000000284 extract Substances 0.000 claims 1
- 238000012545 processing Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 5
- 239000002131 composite material Substances 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000001356 surgical procedure Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 235000012054 meals Nutrition 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 208000019901 Anxiety disease Diseases 0.000 description 1
- 241000208340 Araliaceae Species 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000036506 anxiety Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000037433 frameshift Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000001802 infusion Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000000474 nursing effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
- G08B25/01—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/02—Feature extraction for speech recognition; Selection of recognition unit
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
- G10L15/063—Training
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/27—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种报警数据的传输方法，应用于报警侦听终端，该方法包括以下步骤：采集当前环境的声音信号；对声音信号进行特征提取，得到特征提取结果；利用机器学习算法模型对特征提取结果进行测试识别，得到测试识别结果；当根据测试识别结果确定声音信号包含医疗监护设备报警数据时，将医疗监护设备报警数据发送给用户客户端。应用本发明实施例所提供的技术方案，实现了对医疗设备报警声音的及时掌握并响应，较大地节省了医护资源，较大地降低了声音信号中存在的隐私声音信息被窃听的概率，降低了数据传输成本。本发明还公开了一种报警数据的传输装置、设备及存储介质，具有相应技术效果。
Description
技术领域
本发明涉及声音处理技术领域，特别是涉及一种报警数据的传输方法、装置、设备及计算机可读存储介质。
背景技术
医院场景进行手术过程中，会有各种医疗设备开机工作，以为手术过程或监护提供方便，经常使用的如呼吸机、心跳监护仪、输液泵以及手术台上的电刀等。一台手术实施过程经常由不同角色的医护人员分工完成，不同角色使用和关注的医疗设备也不相同。在一个高度紧张的操作环境下，又由于专业分工的差异，使得手术过程中各类医护角色需全程无缝参与，并时刻关注各设备监控情况，以免错过可能的医疗安全报警。实际上，一台中大型手术往往持续数个小时甚至更长时间，而期间医护人员的吃饭、喝水、上洗手间等必须解决的活动势必造成监管上的暂时真空，尤其是对需要重点关注的医疗设备报警声音的及时掌握和响应缺乏，而如果单纯靠人力排班维持势必又会增加消耗紧张的医护资源。
综上所述，如何有效地解决无法做到医疗设备报警声音的及时掌握并响应与医护资源的消耗进行平衡的问题，是目前本领域技术人员急需解决的问题。
发明内容
本发明的目的是提供一种报警数据的传输方法，该方法实现了对医疗设备报警声音的及时掌握并响应，较大地节省了医护资源，较大地降低了声音信号中存在的隐私声音信息被窃听的概率，降低了数据传输成本；本发明的另一目的是提供一种报警数据的传输装置、设备及计算机可读存储介质。
为解决上述技术问题，本发明提供如下技术方案：
一种报警数据的传输方法，应用于报警侦听终端，包括：
采集当前环境的声音信号；
对所述声音信号进行特征提取，得到特征提取结果；
利用机器学习算法模型对所述特征提取结果进行测试识别，得到测试识别结果；
当根据所述测试识别结果确定所述声音信号包含医疗监护设备报警数据时，将所述医疗监护设备报警数据发送给用户客户端。
在本发明的一种具体实施方式中，将所述医疗监护设备报警数据发送给用户客户端，包括：
将所述医疗监护设备报警数据发送给云端服务器，以利用所述云端服务器将所述医疗监护设备报警数据转发给所述用户客户端。
在本发明的一种具体实施方式中，还包括：
接收所述云端服务器返回的调整后模型参数；
将所述机器学习算法模型中的相应模型参数更新为所述调整后模型参数。
在本发明的一种具体实施方式中，还包括：
接收所述云端服务器返回的目标机器学习算法模型；
将原机器学习算法模型替换为所述目标机器学习算法模型；
其中，所述目标机器学习算法模型为对所述医疗监护设备报警数据进行模型训练输出的测试效果达标的模型。
一种报警数据的传输装置，应用于报警侦听终端，包括：
信号采集模块，用于采集当前环境的声音信号；
特征提取模块，用于对所述声音信号进行特征提取，得到特征提取结果；
测试识别模块，用于将所述特征提取结果输入到机器学习算法模型进行测试识别，得到测试识别结果；
报警数据发送模块，用于当根据所述测试识别结果确定所述声音信号包含医疗监护设备报警数据时，将所述医疗监护设备报警数据发送给用户客户端。
一种报警数据的传输***，包括：
报警侦听终端，用于采集当前环境的声音信号；对所述声音信号进行特征提取，得到特征提取结果；利用机器学习算法模型对所述特征提取结果进行测试识别，得到测试识别结果；
用户客户端，用于接收所述报警侦听终端根据所述测试识别结果确定所述声音信号包含医疗监护设备报警数据时，发送的所述医疗监护设备报警数据。
在本发明的一种具体实施方式中，还包括：
云端服务器，用于接收所述报警侦听终端根据所述测试识别结果确定所述声音信号包含医疗监护设备报警数据时，发送的所述医疗监护设备报警数据；
所述用户客户端，具体用于接收所述云端服务器转发的所述医疗监护设备报警数据。
在本发明的一种具体实施方式中，所述云端服务器，还用于生成调整后模型参数，将所述调整后模型参数返回给所述报警侦听终端；
所述报警侦听终端，还用于将所述机器学习算法模型中的相应模型参数更新为所述调整后模型参数。
在本发明的一种具体实施方式中，所述云端服务器，还用于获取对所述医疗监护设备报警数据进行模型训练输出的测试效果达标的目标机器学习算法模型；将所述目标机器学习算法模型返回给所述报警侦听终端；
所述报警侦听终端，还用于将原机器学习算法模型替换为所述目标机器学习算法模型。
一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如前所述报警数据的传输方法的步骤。
应用本发明实施例所提供的方法，应用于报警侦听终端，采集当前环境的声音信号；对声音信号进行特征提取，得到特征提取结果；利用机器学习算法模型对特征提取结果进行测试识别，得到测试识别结果；当根据测试识别结果确定声音信号包含医疗监护设备报警数据时，将医疗监护设备报警数据发送给用户客户端。通过在报警侦听终端中部署机器学习算法模型，能够及时对采集到的声音信号进行处理，当利用机器学习算法模型测试识别到声音信号包含医疗监护设备报警数据时，将医疗监护设备报警数据发送给用户客户端。实现了对医疗设备报警声音的及时掌握并响应，较大地节省了医护资源，通过对声音信号处理后仅将医疗监护设备报警数据发送给用户客户端，较大地降低了声音信号中存在的隐私声音信息被窃听的概率，降低了数据传输量，从而降低了数据传输成本。
相应的，本发明实施例还提供了与上述报警数据的传输方法相对应的报警数据的传输装置、设备和计算机可读存储介质，具有上述技术效果，在此不再赘述。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例中报警数据的传输方法的一种实施流程图；
图2为本发明实施例中报警数据的传输方法的另一种实施流程图；
图3为本发明实施例中报警数据的传输方法的另一种实施流程图；
图4为本发明实施例中一种报警数据的传输装置的结构框图；
图5为本发明实施例中报警数据的传输***的一种结构框图；
图6为本发明实施例中报警数据的传输***的另一种结构框图；
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面结合附图和具体实施方式对本发明作进一步的详细说明。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例一：
参见图1，图1为本发明实施例中报警数据的传输方法的一种实施流程图，应用于报警侦听终端，该方法可以包括以下步骤：
S101：采集当前环境的声音信号。
可以在医疗监护设备所在环境中设置报警侦听终端，利用报警侦听终端采集当前环境的声音信号。当前环境的声音信号可以包括人员对话声音信号，医疗监护设备的报警声音信号等在内的所有声音信号。报警侦听终端可以具体设置为拾音器。
S102：对声音信号进行特征提取，得到特征提取结果。
在获取到当前环境的声音信号之后，可以对声音信号进行特征提取预处理，得到特征提取结果。特征提取过程可以包括将声音信号通过模数(AD)变换将连续的模拟信号s(t)离散采样，得到数字信号s(n)。对数字信号s(n)进行分帧处理，得到帧信号si(n)，i表示第i帧，分帧处理过程中，相邻帧有重叠部分。假定采样周期为ts，重叠样本个数为Nc，帧信号长度NF，NF＞Nc，则相邻帧移位时间周期计算为(NF-Nc)*ts。尾帧如果有效数据长度不够，补零处理。帧功率谱估计：帧信号首先进行离散傅里叶DFT变换，公式表示如：
其中，h(n)为窗函数，主要进行平滑处理，N表示离散傅里叶变换运算点长，一般为2的幂次，如512点长。由离散傅里叶变换计算结果，进而求取对应功率谱，并只保留前一半值，有：
梅尔滤波器组滤波：梅尔滤波器组由一组三角滤波器组成，不妨假设滤波器数量为Nf，滤波器长度和功率谱数据等长为梅尔滤波器组系数计算过程如下：
1)计算梅尔频率：由采样周期ts知采样频率fs＝1/ts，进而可得语音信号最大频率fmax＝fs/2，假定人耳对声音敏感的最小频率为fmin。根据人类对声音频率的敏感关系，自然频率转化为梅尔频率表示：
可计算得梅尔频率表示范围：
2)梅尔滤波器中心频率计算：将梅尔频率进行均分为Nf份，梅尔频率步进量表示为：
梅尔滤波器组中心频率为：
fmel(fmin)+Δfmel,fmel(fmin)+2*Δfmel,...,fmel(fmax)-Δfmel；
3)梅尔中心频率转换为自然频率：转换公式为
据此计算得到Nf+2个频点，首尾频点分别为fmin，fmax，中间频点由步骤2)中的最后一个公式代入步骤3)中的第一个公式计算得到，不妨假设中心频点表示为f(m)序列，m＝0,1,...,Nf+1，则：
4)计算梅尔滤波器组系数：计算公式表示如下，其中m＝1,...,Nf，k＝1,...,Nf。
计算梅尔滤波器组输出：ai(m)表示第i帧数据通过梅尔滤波器组后输出序列，m＝1,...,Nf。
MFCC特征值提取：对ai(m)取对数运算，并进行离散余弦变换，取前一半数据作为MFCC特征量，表示为：
其中，floor(·)表示取整运算。
帧间特征提取：为提高识别效果，考虑帧间相关性，进行特征扩充，补充帧间特征为：
其中，M表示回溯的帧数目。
合成特征Xi：Xi＝[bi,ci]，将特征数据作为嵌入式机器学习模块中重要的数据输入参数。
S103：利用机器学习算法模型对特征提取结果进行测试识别，得到测试识别结果。
嵌入式机器学习模块可以预先存储机器学习算法模型，在得到特征提取结果之后，可以利用机器学习算法模型对特征提取结果进行测试识别，得到测试识别结果。承接上述举例，机器学习算法模型对特征提取结果进行测试识别的过程可以包括：机器学习算法模型可以用F表示，模型参数用H表示，在合成特征输入后进行模型推理计算，输出计算结果Yi，数学表达为：
Yi＝F(Xi,H)；
实例应用中，嵌入式机器学习模块可以选用如英特尔的神经计算棒NCS，英伟达的Jetson TX系列模块等。其中，NCS支持卷积神经网络深度学习框架(Caffe，ConvolutionalArchitecture for Fast Feature Embedding)，Jetson还支持配置tensorflow深度学习框架，支持更多算法模型选择。针对医疗监护设备工作报警音监测，在本地进行模型训练后，算法模型选择和对应算法模型参数可以预置在嵌入式机器学习模块中，上电后自动加载或在中间过程中通过云端实施配置。
S104：当根据测试识别结果确定声音信号包含医疗监护设备报警数据时，将医疗监护设备报警数据发送给用户客户端。
在得到测试识别结果之后，当根据测试识别结果确定声音信号包含医疗监护设备报警数据时，将医疗监护设备报警数据发送给用户客户端。报警侦听终端可以通过有线方式与用户客户端建立通信连接，也可以通过无线方式建立通信连接，本发明实施例对此不做限定。
用户客户端主要是移动客户端软件，可以包括APP，小程序，微信公众号等软件呈现形式，用户客户端***主要以软件形式安装在手机或其他的移动设备(如平板)中，UI前端呈现给用户观察和交互控制按钮使用，涵盖用户管理、侦听报警设置、训练标注等子功能模块。其中用户管理可以涉及用户注册、注销、账户管理等操作；侦听报警设置主要关注报警方式的设定、改变、取消等操作；训练标注模块通过对移动设备麦克风权限获取，以软件指令方式开启移动设备数据采集服务，在移动设备硬件中完成模数转换，以获取训练用数据并可手动实施标注，最后通过用户客户端传输***将初始数据上传至云端服务器***。用户客户端传输***通过网络和云端服务器***建立数据和指令通信交互。用户客户端交互控制***实施客户端软件的统一交互控制协调。
本发明实施例所提供的报警数据传输方案，较大地增强了远程操作的便利性，为医护人员在短暂离开场景下提供可靠安全报警监测托付，医护人员可较为放心进行吃饭、喝水、上洗手间等活动，达到了医疗设备报警声音的及时掌握并响应与医护资源的消耗的平衡，促进了医护工作效率，同时增强了就医安全。通过在报警侦听终端，即数据源头对采集到的声音信号进行处理后，使得上传的声音数据仅为医疗监护设备报警数据，隐私内容自动智能屏蔽，有效地降低了声音信号中存在的隐私声音信息(如医护人员之间的对话信息)被窃听的概率，并且较大地降低了数据传输量，减少流量使用，从而降低了数据传输成本，提升了报警数据传输的时效性。
应用本发明实施例所提供的方法，应用于报警侦听终端，采集当前环境的声音信号；对声音信号进行特征提取，得到特征提取结果；利用机器学习算法模型对特征提取结果进行测试识别，得到测试识别结果；当根据测试识别结果确定声音信号包含医疗监护设备报警数据时，将医疗监护设备报警数据发送给用户客户端。通过在报警侦听终端中部署机器学习算法模型，能够及时对采集到的声音信号进行处理，当利用机器学习算法模型测试识别到声音信号包含医疗监护设备报警数据时，将医疗监护设备报警数据发送给用户客户端。实现了对医疗设备报警声音的及时掌握并响应，较大地节省了医护资源，通过对声音信号处理后仅将医疗监护设备报警数据发送给用户客户端，较大地降低了声音信号中存在的隐私声音信息被窃听的概率，降低了数据传输量，从而降低了数据传输成本。
需要说明的是，基于上述实施例一，本发明实施例还提供了相应的改进方案。在后续实施例中涉及与上述实施例一中相同步骤或相应步骤之间可相互参考，相应的有益效果也可相互参照，在下文的改进实施例中不再一一赘述。
实施例二：
参见图2，图2为本发明实施例中报警数据的传输方法的另一种实施流程图，应用于报警侦听终端，该方法可以包括以下步骤：
S201：采集当前环境的声音信号。
S202：对声音信号进行特征提取，得到特征提取结果。
S203：利用机器学习算法模型对特征提取结果进行测试识别，得到测试识别结果。
S204：当根据测试识别结果确定声音信号包含医疗监护设备报警数据时，将医疗监护设备报警数据发送给云端服务器，以利用云端服务器将医疗监护设备报警数据转发给用户客户端。
当根据测试识别结果确定声音信号包含医疗监护设备报警数据时，可以将医疗监护设备报警数据发送给云端服务器，云端服务器再将医疗监护设备报警数据转发给用户客户端。云端服务器可以主要由显示***、存储***、控制***、机器学习***和传输***组成，显示***可以由云端UI前端组成，主要便于对用户客户端的添加和删除进行云端管理。存储***可以由数据库***组成，对医疗监护设备报警数据进行存储，机器学习***中可以部署机器学习框架(与报警侦听终端的嵌入式机器学习模块等同支持，以确保模型一致性)，主要进行机器学习模型训练和测试，传输***负责同报警侦听终端***、用户客户端***进行数据和指令通信和交付，云端控制***负责实施云端各模块之间的控制协调。
报警侦听终端和云端服务器的联网方式有多种方式，根据应用条件不限定使用有线网络或无线网络方式，如WIFI以及通用的移动通信网络，用户客户端与云端服务器的联网方式主要由用户客户端上网条件设定，可以主要通过移动通信网络或WIFI实现联网工作。
S205：接收云端服务器返回的调整后模型参数。
报警侦听终端可以接收云端服务器返回的调整后模型参数。承接步骤S104中的举例，当用户客户端将训练用数据实施标注并上传给云端服务器之后，云端服务器可以提取训练用语音数据以及训练标注结果进行语音特征提取，生成合成特征其语音特征提取过程可以参照报警侦听终端的语音特征提取过程。根据合成特征和对应标注结果在一定算法约束条件下计算得到模型最佳识别参数{HC}，即调整后模型参数，满足数学表达式：
S206：将机器学习算法模型中的相应模型参数更新为调整后模型参数。
在获得调整后模型参数之后，可以将机器学习算法模型中的相应模型参数更新为调整后模型参数，从而使得报警侦听终端的机器学习算法模型以最佳的识别参数对医疗监护设备报警数据进行测试识别。
实施例三：
参见图3，图3为本发明实施例中报警数据的传输方法的另一种实施流程图，应用于报警侦听终端，该方法可以包括以下步骤：
S301：采集当前环境的声音信号。
S302：对声音信号进行特征提取，得到特征提取结果。
S303：利用机器学习算法模型对特征提取结果进行测试识别，得到测试识别结果。
S304：当根据测试识别结果确定声音信号包含医疗监护设备报警数据时，将医疗监护设备报警数据发送给云端服务器，以利用云端服务器将医疗监护设备报警数据转发给用户客户端。
S305：接收云端服务器返回的目标机器学习算法模型。
可以预先设置机器学习算法模型对医疗监护设备报警数据进行识别需要达到的测试效果标准。如果当前选定的机器学习算法模型经训练和调参后，测试效果不达标，云端服务器可以更换其他的机器学习算法模型重新训练，得到对医疗监护设备报警数据进行模型训练输出的测试效果达标的目标机器学习算法模型，并将目标机器学习算法模型发送给报警侦听终端，报警侦听终端接收云端服务器返回的目标机器学习算法模型。
S306：将原机器学习算法模型替换为目标机器学习算法模型。
其中，目标机器学习算法模型为对医疗监护设备报警数据进行模型训练输出的测试效果达标的模型。
在接收到目标机器学习算法模型之后，可以将原机器学习算法模型替换为目标机器学习算法模型。
相应于上面的方法实施例，本发明实施例还提供了一种报警数据的传输装置，下文描述的报警数据的传输装置与上文描述的报警数据的传输方法可相互对应参照。
参见图4，图4为本发明实施例中一种报警数据的传输装置的结构框图，应用于报警侦听终端，该装置可以包括：
信号采集模块41，用于采集当前环境的声音信号；
特征提取模块42，用于对声音信号进行特征提取，得到特征提取结果；
测试识别模块43，用于将特征提取结果输入到机器学习算法模型进行测试识别，得到测试识别结果；
报警数据发送模块44，用于当根据测试识别结果确定声音信号包含医疗监护设备报警数据时，将医疗监护设备报警数据发送给用户客户端。
应用本发明实施例所提供的装置，应用于报警侦听终端，采集当前环境的声音信号；对声音信号进行特征提取，得到特征提取结果；利用机器学习算法模型对特征提取结果进行测试识别，得到测试识别结果；当根据测试识别结果确定声音信号包含医疗监护设备报警数据时，将医疗监护设备报警数据发送给用户客户端。通过在报警侦听终端中部署机器学习算法模型，能够及时对采集到的声音信号进行处理，当利用机器学习算法模型测试识别到声音信号包含医疗监护设备报警数据时，将医疗监护设备报警数据发送给用户客户端。实现了对医疗设备报警声音的及时掌握并响应，较大地节省了医护资源，通过对声音信号处理后仅将医疗监护设备报警数据发送给用户客户端，较大地降低了声音信号中存在的隐私声音信息被窃听的概率，降低了数据传输量，从而降低了数据传输成本。
在本发明的一种具体实施方式中，报警数据发送模块44具体为将医疗监护设备报警数据发送给云端服务器，以利用云端服务器将医疗监护设备报警数据转发给用户客户端的模块。
在本发明的一种具体实施方式中，该装置还可以包括：
参数接收模块，用于接收云端服务器返回的调整后模型参数；
参数更新模块，用于将机器学习算法模型中的相应模型参数更新为调整后模型参数。
在本发明的一种具体实施方式中，该装置还可以包括：
模型接收模块，用于接收云端服务器返回的目标机器学习算法模型；
模型替换模块，用于将原机器学习算法模型替换为目标机器学习算法模型；
其中，目标机器学习算法模型为对医疗监护设备报警数据进行模型训练输出的测试效果达标的模型。
相应于上面的方法实施例，本发明实施例还提供了一种报警数据的传输***，下文描述的报警数据的传输***与上文描述的报警数据的传输方法可相互对应参照。
参见图5，图5为本发明实施例中报警数据的传输***的一种结构框图，该***可以包括：
报警侦听终端1，用于采集当前环境的声音信号；对声音信号进行特征提取，得到特征提取结果；利用机器学习算法模型对特征提取结果进行测试识别，得到测试识别结果；
用户客户端2，用于接收报警侦听终端1根据测试识别结果确定声音信号包含医疗监护设备报警数据时，发送的医疗监护设备报警数据。
应用本发明实施例所提供的***，应用于报警侦听终端，采集当前环境的声音信号；对声音信号进行特征提取，得到特征提取结果；利用机器学习算法模型对特征提取结果进行测试识别，得到测试识别结果；当根据测试识别结果确定声音信号包含医疗监护设备报警数据时，将医疗监护设备报警数据发送给用户客户端。通过在报警侦听终端中部署机器学习算法模型，能够及时对采集到的声音信号进行处理，当利用机器学习算法模型测试识别到声音信号包含医疗监护设备报警数据时，将医疗监护设备报警数据发送给用户客户端。实现了对医疗设备报警声音的及时掌握并响应，较大地节省了医护资源，通过对声音信号处理后仅将医疗监护设备报警数据发送给用户客户端，较大地降低了声音信号中存在的隐私声音信息被窃听的概率，降低了数据传输量，从而降低了数据传输成本。
在本发明的一种具体实施方式中，该***还可以包括：
云端服务器3，用于接收报警侦听终端1根据测试识别结果确定声音信号包含医疗监护设备报警数据时，发送的医疗监护设备报警数据；
用户客户端2，具体用于接收云端服务器3转发的医疗监护设备报警数据。
在本发明的一种具体实施方式中，云端服务器3，还用于生成调整后模型参数，将调整后模型参数返回给报警侦听终端1；
报警侦听终端1，还用于将机器学习算法模型中的相应模型参数更新为调整后模型参数。
在本发明的一种具体实施方式中，云端服务器3，还用于获取对医疗监护设备报警数据进行模型训练输出的测试效果达标的目标机器学习算法模型；将目标机器学习算法模型返回给报警侦听终端1；
报警侦听终端1，还用于将原机器学习算法模型替换为目标机器学习算法模型。
相应于上面的方法实施例，本发明还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时可实现如下步骤：
采集当前环境的声音信号；对声音信号进行特征提取，得到特征提取结果；利用机器学习算法模型对特征提取结果进行测试识别，得到测试识别结果；当根据测试识别结果确定声音信号包含医疗监护设备报警数据时，将医疗监护设备报警数据发送给用户客户端。
该计算机可读存储介质可以包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
对于本发明提供的计算机可读存储介质的介绍请参照上述方法实施例，本发明在此不做赘述。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置、设备及计算机可读存储介质而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的技术方案及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (10)
1.一种报警数据的传输方法，其特征在于，应用于报警侦听终端，包括：
采集当前环境的声音信号；
对所述声音信号进行特征提取，得到特征提取结果；
利用机器学习算法模型对所述特征提取结果进行测试识别，得到测试识别结果；
当根据所述测试识别结果确定所述声音信号包含医疗监护设备报警数据时，将所述医疗监护设备报警数据发送给用户客户端。
2.根据权利要求1所述的报警数据的传输方法，其特征在于，将所述医疗监护设备报警数据发送给用户客户端，包括：
将所述医疗监护设备报警数据发送给云端服务器，以利用所述云端服务器将所述医疗监护设备报警数据转发给所述用户客户端。
3.根据权利要求2所述的报警数据的传输方法，其特征在于，还包括：
接收所述云端服务器返回的调整后模型参数；
将所述机器学习算法模型中的相应模型参数更新为所述调整后模型参数。
4.根据权利要求2或3所述的报警数据的传输方法，其特征在于，还包括：
接收所述云端服务器返回的目标机器学习算法模型；
将原机器学习算法模型替换为所述目标机器学习算法模型；
其中，所述目标机器学习算法模型为对所述医疗监护设备报警数据进行模型训练输出的测试效果达标的模型。
5.一种报警数据的传输装置，其特征在于，应用于报警侦听终端，包括：
信号采集模块，用于采集当前环境的声音信号；
特征提取模块，用于对所述声音信号进行特征提取，得到特征提取结果；
测试识别模块，用于将所述特征提取结果输入到机器学习算法模型进行测试识别，得到测试识别结果；
报警数据发送模块，用于当根据所述测试识别结果确定所述声音信号包含医疗监护设备报警数据时，将所述医疗监护设备报警数据发送给用户客户端。
6.一种报警数据的传输***，其特征在于，包括：
报警侦听终端，用于采集当前环境的声音信号；对所述声音信号进行特征提取，得到特征提取结果；利用机器学习算法模型对所述特征提取结果进行测试识别，得到测试识别结果；
用户客户端，用于接收所述报警侦听终端根据所述测试识别结果确定所述声音信号包含医疗监护设备报警数据时，发送的所述医疗监护设备报警数据。
7.根据权利要求6所述的报警数据的传输***，其特征在于，还包括：
云端服务器，用于接收所述报警侦听终端根据所述测试识别结果确定所述声音信号包含医疗监护设备报警数据时，发送的所述医疗监护设备报警数据；
所述用户客户端，具体用于接收所述云端服务器转发的所述医疗监护设备报警数据。
8.根据权利要求7所述的报警数据的传输***，其特征在于，所述云端服务器，还用于生成调整后模型参数，将所述调整后模型参数返回给所述报警侦听终端；
所述报警侦听终端，还用于将所述机器学习算法模型中的相应模型参数更新为所述调整后模型参数。
9.根据权利要求7或8所述的报警数据的传输***，其特征在于，所述云端服务器，还用于获取对所述医疗监护设备报警数据进行模型训练输出的测试效果达标的目标机器学习算法模型；将所述目标机器学习算法模型返回给所述报警侦听终端；
所述报警侦听终端，还用于将原机器学习算法模型替换为所述目标机器学习算法模型。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述报警数据的传输方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910729559.0A CN110415724A (zh) | 2019-08-08 | 2019-08-08 | 报警数据的传输方法、装置、***及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910729559.0A CN110415724A (zh) | 2019-08-08 | 2019-08-08 | 报警数据的传输方法、装置、***及计算机可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110415724A true CN110415724A (zh) | 2019-11-05 |
Family
ID=68366699
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910729559.0A Pending CN110415724A (zh) | 2019-08-08 | 2019-08-08 | 报警数据的传输方法、装置、***及计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110415724A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111179527A (zh) * | 2019-12-26 | 2020-05-19 | 数海信息技术有限公司 | 基于动态音频信息的报警方法、装置、***及存储介质 |
| CN111243623A (zh) * | 2019-12-26 | 2020-06-05 | 数海信息技术有限公司 | 一种渐进音频报警方法、装置及*** |
| CN111259461A (zh) * | 2020-01-20 | 2020-06-09 | 北京科芮智盈技术有限公司 | 防窃照方法、终端设备及*** |
| CN112908357A (zh) * | 2021-01-19 | 2021-06-04 | 广州橙行智动汽车科技有限公司 | 仪表声音测试方法、装置、测试设备以及存储介质 |
Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070183604A1 (en) * | 2006-02-09 | 2007-08-09 | St-Infonox | Response to anomalous acoustic environments |
| CN103875034A (zh) * | 2011-10-17 | 2014-06-18 | 皇家飞利浦有限公司 | 基于医疗环境中的声音分析的医疗反馈*** |
| CN107122807A (zh) * | 2017-05-24 | 2017-09-01 | 努比亚技术有限公司 | 一种家庭监控方法、服务端及计算机可读存储介质 |
| CN107133612A (zh) * | 2017-06-06 | 2017-09-05 | 河海大学常州校区 | 基于图像处理与语音识别技术的智能病房及其运行方法 |
| CN107222865A (zh) * | 2017-04-28 | 2017-09-29 | 北京大学 | 基于可疑行为识别的通讯诈骗实时检测方法和*** |
| CN107247945A (zh) * | 2017-07-04 | 2017-10-13 | 刘艺晴 | 一种基于Kinect设备的病房病患监护***及监护方法 |
| CN107610702A (zh) * | 2017-09-22 | 2018-01-19 | 百度在线网络技术（北京）有限公司 | 终端设备待机唤醒方法、装置及计算机设备 |
| CN107707657A (zh) * | 2017-09-30 | 2018-02-16 | 苏州涟漪信息科技有限公司 | 基于多传感器的安全监护*** |
| CN108010537A (zh) * | 2017-12-30 | 2018-05-08 | 长沙迪普美医疗科技有限公司 | 一种声音报警处理方法、装置、*** |
| CN108511086A (zh) * | 2018-04-13 | 2018-09-07 | 广州红象医疗科技有限公司 | 医疗监护方法和***、计算机存储介质及设备 |
| CN109473113A (zh) * | 2018-11-13 | 2019-03-15 | 北京物灵智能科技有限公司 | 一种声音识别方法及装置 |
| CN109658953A (zh) * | 2019-01-12 | 2019-04-19 | 深圳先进技术研究院 | 一种婴儿哭声识别方法、装置及设备 |
| CN109803207A (zh) * | 2017-11-17 | 2019-05-24 | 英特尔公司 | 对周围声音中的音频信号的标识以及响应于该标识的对自主交通工具的引导 |
| CN208903379U (zh) * | 2018-08-17 | 2019-05-24 | 深圳伊艾克斯信息技术有限公司 | 一种基于人脸和声音识别的防盗报警*** |
| CN109863553A (zh) * | 2016-04-07 | 2019-06-07 | M.S.T.医学外科技术有限公司 | 声音激活的手术控制*** |
| CN110097876A (zh) * | 2018-01-30 | 2019-08-06 | 阿里巴巴集团控股有限公司 | 语音唤醒处理方法和被唤醒设备 |
-
2019
- 2019-08-08 CN CN201910729559.0A patent/CN110415724A/zh active Pending
Patent Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070183604A1 (en) * | 2006-02-09 | 2007-08-09 | St-Infonox | Response to anomalous acoustic environments |
| CN103875034A (zh) * | 2011-10-17 | 2014-06-18 | 皇家飞利浦有限公司 | 基于医疗环境中的声音分析的医疗反馈*** |
| CN109863553A (zh) * | 2016-04-07 | 2019-06-07 | M.S.T.医学外科技术有限公司 | 声音激活的手术控制*** |
| CN107222865A (zh) * | 2017-04-28 | 2017-09-29 | 北京大学 | 基于可疑行为识别的通讯诈骗实时检测方法和*** |
| CN107122807A (zh) * | 2017-05-24 | 2017-09-01 | 努比亚技术有限公司 | 一种家庭监控方法、服务端及计算机可读存储介质 |
| CN107133612A (zh) * | 2017-06-06 | 2017-09-05 | 河海大学常州校区 | 基于图像处理与语音识别技术的智能病房及其运行方法 |
| CN107247945A (zh) * | 2017-07-04 | 2017-10-13 | 刘艺晴 | 一种基于Kinect设备的病房病患监护***及监护方法 |
| CN107610702A (zh) * | 2017-09-22 | 2018-01-19 | 百度在线网络技术（北京）有限公司 | 终端设备待机唤醒方法、装置及计算机设备 |
| CN107707657A (zh) * | 2017-09-30 | 2018-02-16 | 苏州涟漪信息科技有限公司 | 基于多传感器的安全监护*** |
| CN109803207A (zh) * | 2017-11-17 | 2019-05-24 | 英特尔公司 | 对周围声音中的音频信号的标识以及响应于该标识的对自主交通工具的引导 |
| CN108010537A (zh) * | 2017-12-30 | 2018-05-08 | 长沙迪普美医疗科技有限公司 | 一种声音报警处理方法、装置、*** |
| CN110097876A (zh) * | 2018-01-30 | 2019-08-06 | 阿里巴巴集团控股有限公司 | 语音唤醒处理方法和被唤醒设备 |
| CN108511086A (zh) * | 2018-04-13 | 2018-09-07 | 广州红象医疗科技有限公司 | 医疗监护方法和***、计算机存储介质及设备 |
| CN208903379U (zh) * | 2018-08-17 | 2019-05-24 | 深圳伊艾克斯信息技术有限公司 | 一种基于人脸和声音识别的防盗报警*** |
| CN109473113A (zh) * | 2018-11-13 | 2019-03-15 | 北京物灵智能科技有限公司 | 一种声音识别方法及装置 |
| CN109658953A (zh) * | 2019-01-12 | 2019-04-19 | 深圳先进技术研究院 | 一种婴儿哭声识别方法、装置及设备 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111179527A (zh) * | 2019-12-26 | 2020-05-19 | 数海信息技术有限公司 | 基于动态音频信息的报警方法、装置、***及存储介质 |
| CN111243623A (zh) * | 2019-12-26 | 2020-06-05 | 数海信息技术有限公司 | 一种渐进音频报警方法、装置及*** |
| CN111259461A (zh) * | 2020-01-20 | 2020-06-09 | 北京科芮智盈技术有限公司 | 防窃照方法、终端设备及*** |
| CN112908357A (zh) * | 2021-01-19 | 2021-06-04 | 广州橙行智动汽车科技有限公司 | 仪表声音测试方法、装置、测试设备以及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110415724A (zh) | 报警数据的传输方法、装置、***及计算机可读存储介质 | |
| CN104574617B (zh) | 楼宇门禁安全管理*** | |
| CN110176226A (zh) | 一种语音识别、及语音识别模型训练方法及装置 | |
| CN106707788B (zh) | 一种智能家居语音控制识别***与方法 | |
| CN103310089A (zh) | 互动可视化家庭健康管理平台 | |
| CN107426023A (zh) | 云平台日志收集和转发方法、***、设备及存储介质 | |
| CN108196820A (zh) | 用于调节播放参数的方法和装置 | |
| CN107852437A (zh) | 用于在电子设备中输出音频的方法和装置 | |
| CN109447156A (zh) | 用于生成模型的方法和装置 | |
| CN104352248A (zh) | 心音、肺音、胎心音的采集及健康管理***和方法 | |
| CN102903068A (zh) | 一种基于人脸识别的社区远程健康服务*** | |
| CN109145828A (zh) | 用于生成视频类别检测模型的方法和装置 | |
| CN110189756A (zh) | 一种用于监测生猪异常声音的方法及*** | |
| CN107835490A (zh) | 楼层位置定位方法、***、服务器和计算机可读存储介质 | |
| CN110720946A (zh) | 一种基于深度学习的智能听诊*** | |
| CN104042208B (zh) | 心电监护*** | |
| CN110211121A (zh) | 用于推送模型的方法和装置 | |
| CN108133197A (zh) | 用于生成信息的方法和装置 | |
| CN104462786A (zh) | 一种网络化智能化多参数生命体征监护装置及云平台*** | |
| CN109976697A (zh) | 获取音频数据的方法及装置、设备、计算机可读存储介质 | |
| KR102063723B1 (ko) | 박쥐의 전시 관람 시스템 및 그 방법 | |
| CN204595935U (zh) | 一种用于急诊的分诊*** | |
| CN104027070A (zh) | 一种健康监测报警求救***及其工作方法 | |
| CN114117053A (zh) | 病种分类模型训练方法、装置、存储介质及电子装置 | |
| CN208044664U (zh) | 社区服务人员工作终端 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191105 |