CN112951267A - 一种乘车人健康监测方法和车载终端 - Google Patents
一种乘车人健康监测方法和车载终端 Download PDFInfo
- Publication number
- CN112951267A CN112951267A CN202110201862.0A CN202110201862A CN112951267A CN 112951267 A CN112951267 A CN 112951267A CN 202110201862 A CN202110201862 A CN 202110201862A CN 112951267 A CN112951267 A CN 112951267A
- Authority
- CN
- China
- Prior art keywords
- information
- passenger
- cough
- sound
- vehicle
- 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
- 230000036541 health Effects 0.000 title claims abstract description 82
- 238000012544 monitoring process Methods 0.000 title claims abstract description 78
- 238000000034 method Methods 0.000 title claims abstract description 44
- 206010011224 Cough Diseases 0.000 claims abstract description 191
- 230000036760 body temperature Effects 0.000 claims description 4
- 230000036772 blood pressure Effects 0.000 claims description 2
- 230000036391 respiratory frequency Effects 0.000 claims description 2
- 208000035473 Communicable disease Diseases 0.000 abstract description 51
- 208000015181 infectious disease Diseases 0.000 abstract description 39
- 230000006399 behavior Effects 0.000 description 42
- 206010035664 Pneumonia Diseases 0.000 description 10
- 238000004590 computer program Methods 0.000 description 8
- 230000002265 prevention Effects 0.000 description 8
- 230000000241 respiratory effect Effects 0.000 description 8
- 208000024891 symptom Diseases 0.000 description 8
- 208000017574 dry cough Diseases 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 241000711573 Coronaviridae Species 0.000 description 5
- 241000700605 Viruses Species 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000006806 disease prevention Effects 0.000 description 4
- 206010036790 Productive cough Diseases 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000006855 networking Effects 0.000 description 3
- 208000025721 COVID-19 Diseases 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 210000002345 respiratory system Anatomy 0.000 description 2
- 208000007190 Chlamydia Infections Diseases 0.000 description 1
- 208000001528 Coronaviridae Infections Diseases 0.000 description 1
- 208000000059 Dyspnea Diseases 0.000 description 1
- 206010013975 Dyspnoeas Diseases 0.000 description 1
- 241000589248 Legionella Species 0.000 description 1
- 208000007764 Legionnaires' Disease Diseases 0.000 description 1
- 208000032923 Lobar pneumonia Diseases 0.000 description 1
- 206010068319 Oropharyngeal pain Diseases 0.000 description 1
- 201000007100 Pharyngitis Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 239000000443 aerosol Substances 0.000 description 1
- 208000006673 asthma Diseases 0.000 description 1
- 230000009351 contact transmission Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000009365 direct transmission Effects 0.000 description 1
- 238000011841 epidemiological investigation Methods 0.000 description 1
- 230000002458 infectious effect Effects 0.000 description 1
- 206010022000 influenza Diseases 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 208000013220 shortness of breath Diseases 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000013526 transfer learning Methods 0.000 description 1
- 201000008827 tuberculosis Diseases 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
- 230000007482 viral spreading Effects 0.000 description 1
Images
Classifications
-
- 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
- G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
-
- 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
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
- G10L25/66—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination for extracting parameters related to health condition
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/80—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for detecting, monitoring or modelling epidemics or pandemics, e.g. flu
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Physics & Mathematics (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Computational Linguistics (AREA)
- Signal Processing (AREA)
- Databases & Information Systems (AREA)
- Primary Health Care (AREA)
- Pathology (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明公开了一种乘车人健康监测方法和车载终端,用以高效准确地对乘车人的健康进行监测。本方案包括:监听车辆内的声音;当车辆内的声音的声音特征与咳嗽声的声音特征相匹配时,根据车辆内的声音的声音特征获取发出咳嗽声的乘车人的咳嗽信息;如果乘车人的咳嗽信息符合预设告警标准,则获取乘车人的指定历史行为信息;根据乘车人的咳嗽信息和指定历史行为信息确定乘车人的健康监测结果。本发明实施例的方案,能及时监听到乘车人发出的咳嗽,并结合咳嗽信息和乘车人的历史行为信息生成健康监测结果,提高健康监测的及时性和准确性。本方案能自动进行健康监测,降低人力成本,提高生成健康监测结果的效率,有助于及时发现传染病患者。
Description
技术领域
本发明涉及终端技术领域,尤其涉及一种乘车人健康监测方法和车载终端。
背景技术
新型冠状病毒肺炎(Corona Virus Disease 2019,COVID-19),简称“新冠肺炎”,世界卫生组织将其命名为“2019冠状病毒病”,是指2019新型冠状病毒感染导致的肺炎。新冠肺炎传播途径主要为直接传播、气溶胶传播和接触传播。部分感染者可能由于症状较轻等原因未及时意识到已被感染,可能会传播给更多的人。
根据新冠病毒的传播方式,感染者有可能将新冠肺炎传染至乘坐同一辆车的乘客。由于车内空间较小,在部分恶劣天气下难以保证持续开窗通风,一旦有感染者乘车,则有可能传染给驾驶员或同车人,出现聚集性病例。
如何高效准确地对乘车人的健康进行监测,是本申请所要解决的技术问题。
发明内容
本申请实施例的目的是提供一种乘车人健康监测方法和车载终端,用以高效准确地对乘车人的健康进行监测。
第一方面,提供了一种乘车人健康监测方法,其特征在于,应用于车载终端,包括:
监听车辆内的声音;
当所述车辆内的声音的声音特征与咳嗽声的声音特征相匹配时,根据所述车辆内的声音的声音特征获取发出所述咳嗽声的乘车人的咳嗽信息;
如果所述乘车人的咳嗽信息符合预设告警标准,则获取所述乘车人的指定历史行为信息;
根据所述乘车人的咳嗽信息和指定历史行为信息确定所述乘车人的健康监测结果。
第二方面,提供了一种车载终端,其特征在于,包括:
监听模块,监听车辆内的声音;
第一获取模块,当所述车辆内的声音的声音特征与咳嗽声的声音特征相匹配时,根据所述车辆内的声音的声音特征获取发出所述咳嗽声的乘车人的咳嗽信息;
第二获取模块,如果所述乘车人的咳嗽信息符合预设告警标准,则获取所述乘车人的指定历史行为信息;
确定模块,根据所述乘车人的咳嗽信息和指定历史行为信息确定所述乘车人的健康监测结果。
第三方面,提供了一种电子设备,该电子设备包括处理器、存储器及存储在该存储器上并可在该处理器上运行的计算机程序,该计算机程序被该处理器执行时实现如第一方面的方法的步骤。
第四方面,提供了一种计算机可读存储介质,该计算机可读存储介质上存储计算机程序,该计算机程序被处理器执行时实现如第一方面的方法的步骤。
在本申请实施例中,通过监听车辆内的声音;当所述车辆内的声音的声音特征与咳嗽声的声音特征相匹配时,根据所述车辆内的声音的声音特征获取发出所述咳嗽声的乘车人的咳嗽信息;如果所述乘车人的咳嗽信息符合预设告警标准,则获取所述乘车人的指定历史行为信息;根据所述乘车人的咳嗽信息和指定历史行为信息确定所述乘车人的健康监测结果。本发明实施例的方案,能及时监听到乘车人发出的咳嗽,并结合咳嗽信息和乘车人的历史行为信息生成健康监测结果,提高健康监测的及时性和准确性。本方案能自动进行健康监测,降低人力成本,提高生成健康监测结果的效率,有助于及时发现传染病患者。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本发明的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是本发明的一个实施例一种乘车人健康监测方法的流程示意图之一。
图2是本发明的一个实施例一种乘车人健康监测方法的流程示意图之二。
图3是本发明的一个实施例一种乘车人健康监测方法的流程示意图之三。
图4是本发明的一个实施例一种乘车人健康监测方法的流程示意图之四。
图5是本发明的一个实施例一种乘车人健康监测方法的流程示意图之五。
图6是本发明的一个实施例一种乘车人健康监测方法的流程示意图之六。
图7是本发明的一个实施例一种乘车人健康监测方法的流程示意图之七。
图8是本发明的一个实施例一种乘车人健康监测方法的流程示意图之八。
图9是本发明的一个实施例一种车载终端的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例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作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。本申请中附图编号仅用于区分方案中的各个步骤,不用于限定各个步骤的执行顺序,具体执行顺序以说明书中描述为准。
在日常生活中,部分传染病能通过飞沫传播病毒,例如军团菌病、大叶性肺炎、流行性感冒、新型冠状病毒肺炎、衣原体感染、肺结核等,这些疾病都是可以通过呼吸道传染的。感染上述传染病的患者也往往会出现咳嗽的症状,且不同患者的咳嗽严重程度不一。为了高效准确地对乘车人的健康进行监测,及时发现通过呼吸道传染的传染病患者,本申请实施例提供一种乘车人健康监测方法,本实施例提供的方法可以应用于车载终端,如图1所示,该方法包括以下步骤:
S11:监听车辆内的声音。
车载终端可以通过设置在车内的麦克风等音频接收设备来监听车辆内的声音。为了提高监听到的声音质量,车载终端还可以通过有线或无线的方式与车内的其他电子设备通信连接,协同多个电子设备共同监听车辆内的声音。例如,车载终端可以协同行车记录仪、驾乘人员的手机或耳机等具有音频接收功能的电子设备共同监听车辆内的声音,提高监听到的声音的质量。
S12:当所述车辆内的声音的声音特征与咳嗽声的声音特征相匹配时,根据所述车辆内的声音的声音特征获取发出所述咳嗽声的乘车人的咳嗽信息。
在本步骤中,可以实时将监听到的车辆内的声音与咳嗽声的声音特征进行比对,当所述车辆内的声音的声音特征与咳嗽声的声音特征相匹配时,可以确定车辆内的声音中包含有咳嗽声。在比对的过程中可以利用预先训练的模型或算法执行比对,提高匹配结果的准确性。
举例而言,可以预先获取大量的咳嗽声并提取这些咳嗽声的声音特征,提取到的声音特征能用于区分咳嗽声与其他声音。在本步骤中,判断车辆内的声音的声音特征与咳嗽声的声音特征是否匹配,从而判断车辆内的声音中是否包含咳嗽声。
或者,可以预先设定咳嗽声的声音特征,由于咳嗽声的声音相对于说话声音大,且具有一定的连续性和节奏性,因此,可以预先设定咳嗽声的声音特征为音频曲线呈节奏性波动且波峰大于预设音量值。在本步骤中,基于咳嗽声的声音特征对车辆内的声音进行判断,即判断车辆内的声音的音频曲线是否呈节奏性波动且波峰大于预设音量值。需要说明的是,本实施例中的音频曲线可以是以时间为横坐标,以音量为纵坐标的音频曲线。在实际应用中,也可以结合咳嗽声的其他特点来设定上述咳嗽声的声音特征,例如也可以结合咳嗽声的音调来设定咳嗽声的声音特征。也可以结合传统的语音特征如通过傅里叶转换计算梅尔倒谱系数(Mel-Frequency Cepstral Coefficient,MFCC)或者线性感知预测(Perceptual Linear Prediction,PLP)作为特征。也可以使用频域图谱作为简单的特征,并通过卷积神经网络来进行模型的训练和识别。优选地,该卷积神经网络可以使用预训练的图像识别领域的模型,通过迁移学习完成建模。优选地,可以结合声音和视频的信息进行模型训练。
当所述车辆内的声音的声音特征与咳嗽声的声音特征相匹配时,可以先从车辆内的声音中提取出咳嗽声,然后根据提取到的咳嗽声来获取发出咳嗽声的乘车人的咳嗽信息。该咳嗽信息可以包括咳嗽的种类,例如干咳、咳痰等。咳嗽信息还可以包括咳嗽的次数、咳嗽的时间长度、咳嗽的频率等信息。该咳嗽信息能够表征乘车人发出的咳嗽的特点,能用于判断乘车人的健康状况,提高生成的健康监测结果的准确性。
S13:如果所述乘车人的咳嗽信息符合预设告警标准,则获取所述乘车人的指定历史行为信息。
上述预设告警标准可以根据实际需求设定,例如,预设告警标准可以包括咳嗽的时间长度大于预设时间长度、咳嗽的频率大于预设频率等。如果咳嗽信息符合上述预设告警标准,则获取乘车人的指定历史行为信息。该历史行为信息可以包括乘车人在历史时段的途径轨迹,也可以包括乘车人接触的人和物等。乘车人的指定历史行为信息能用于判断乘车人是否有感染传染病的风险。该历史行为信息能有效提高生成的健康监测结果的准确性。
具体的,可以结合预设的咳嗽算法来判断乘车人的咳嗽信息是否符合预设告警标准。比如,基于预设的咳嗽算法确定乘车人发出的咳嗽声属于临时性一般咳嗽、长时间一般咳嗽、长时间干咳等。基于咳嗽算法的输出结果来确定咳嗽信息是否符合预设告警标准。
S14:根据所述乘车人的咳嗽信息和指定历史行为信息确定所述乘车人的健康监测结果。
乘车人的健康监测结果可以包括乘车人感染传染病的可能性,另外,该健康监测结果还可以包括上述乘车人的咳嗽信息和指定历史行为信息。生成的健康监测结果可以提供至乘车人,以便乘车人及时获知自己感染传染病的风险,及时执行防疫措施。另外,生成的健康监测结果也可以联网上传至云端数据库,以便为流行病学调查提供数据基础,便于防疫人员梳理传染途径并确定密切接触者,有利于控制传染病的传播。
本申请实施例提供的方案,通过监听车辆内的声音,当车辆内的声音的声音特征与咳嗽声的声音特征相匹配时,根据车辆内的声音的声音特征获取发出咳嗽声的乘车人的咳嗽信息,如果乘车人的咳嗽信息符合预设告警标准,则获取乘车人的指定历史行为信息,根据乘车人的咳嗽信息和指定历史行为信息确定乘车人的健康监测结果。本发明实施例的方案,能及时监听到乘车人发出的咳嗽,并结合咳嗽信息和乘车人的历史行为信息生成健康监测结果,提高健康监测的及时性和准确性。本方案能自动进行健康监测,降低人力成本,提高生成健康监测结果的效率,有助于及时发现传染病患者。
基于上述实施例提供的方案,可选的,如图2所示,上述步骤S12,包括:
S21:根据所述车辆内的声音的声音特征获取发出所述咳嗽声的乘车人的咳嗽频次和咳嗽类型。
本步骤中获取发出咳嗽声的乘车人的咳嗽频次,能用于判断发出咳嗽声的乘车人患有呼吸道传染病的风险。健康的人在闻到特殊气味或喉咙不适时也可能偶然发出咳嗽声,这种咳嗽声往往频次较低。而患有呼吸道传染病的患者咳嗽的频次往往会高于健康人咳嗽的频次。本步骤中获取乘车人的咳嗽频次,能使生成的咳嗽信息表征乘车人患有呼吸道传染病的可能性。
另外,由于不同的呼吸道传染病的患者咳嗽特点不同,因此可以针对于传染病患者的咳嗽特点来生成咳嗽信息。举例而言,新冠患者的咳嗽症状往往是干咳,通过获取乘车人发出咳嗽声的咳嗽类型,能使生成的咳嗽信息表征乘车人可能患有传染病的种类。
在获取乘车人的咳嗽频次和咳嗽类型时,具体可以根据获取的咳嗽声的音频曲线来确定咳嗽频次和咳嗽类型。可选的,可以预先利用干咳类型的咳嗽声训练模型,将咳嗽声输入预先训练的模型并根据输出结果来判断乘车人发出的咳嗽声是否是干咳。另外,还可以基于模型或算法识别咳嗽声后是否有咳痰、吐痰、哮喘的声音,用以辅助判断咳嗽声的咳嗽类型。
S22:根据所述咳嗽频次和所述咳嗽类型生成发出所述咳嗽声的乘车人的咳嗽信息。
在本步骤中,乘车人的咳嗽信息基于咳嗽频次和咳嗽类型生成,由于咳嗽频次能表征乘车人患有呼吸道传染病的可能性,且咳嗽类型能表征乘车人可能患有传染病的种类,所以,生成的咳嗽信息能表征乘车人可能患有某种呼吸道传染病的可能性。该咳嗽信息能有效提高生成的健康监测结果的准确性,有利于呼吸道传染病患者的识别和传染病防控。
基于上述实施例提供的方案,可选的,如图3所示,上述步骤S13:,包括:
S31:如果所述乘车人的咳嗽频次大于预设告警频次,且所述咳嗽类型包括指定咳嗽类型,则获取所述乘车人的指定历史行为信息。
在本步骤中,如果乘车人的咳嗽频次大于预设告警频次,则表明乘车人患有呼吸道传染病的风险较高。在此基础上,如果乘车人的咳嗽类型也包括指定的咳嗽类型,则表明乘车人患有某种传染病的可能性较大。
举例而言,新冠肺炎患者往往会表现出干咳症状,如果乘车人的咳嗽频次较高,且咳嗽类型为干咳,则表明乘车人患有新冠肺炎的可能性较大,随即获取该乘车人的指定历史行为信息,以便进一步确定乘车人患有新冠肺炎的可能性。
通过本申请实施例提供的方案,在咳嗽频次和咳嗽类型与指定的标准相符的情况下获取乘车人的指定历史行为信息,有利于对某种目标传染病实现有针对性的识别,及时发现传染病患者,有利于对传染病执行有效防控。
基于上述实施例提供的方案,可选的,如图4所示,上述步骤S13中,获取所述乘车人的指定历史行为信息,包括:
S41:根据所述乘车人的咳嗽信息获取所述乘车人的个人身份信息。
在本步骤中,车载终端可以联网获取乘车人的个人身份信息。举例而言,如果驾驶人员是出租车司机,乘车人是出租车乘客,且出租车乘客是通过打车应用程序线上下单打车,那么车载终端可以与出租车司机的接单手机通信连接,通过接单手机中记载的乘客信息获取乘车人的个人身份信息。
或者,车载终端也可以与乘车人的下单手机通信连接,通过下单手机中记载的信息获取乘车人的个人身份信息。
当乘车人的数量有多个时,可以车载终端可以利用语音识别软件对乘车人的声音进行识别,以此确定发出咳嗽声的乘车人,进而获取上述个人身份信息。
另外,还可以通过人工输入、二维码扫描、面部识别等方式即时获取乘车人的个人身份信息。获取乘车人的个人身份信息的具体方式可以根据实际需求预先设定。
S42:获取与所述个人身份信息关联的指定历史行为信息。
在本步骤中,基于获取到的个人身份信息,可以联网通过大数据查询该乘车人的指定历史行为信息。比如,查询该乘车人途径线路,以确定乘车人是否经过流行病高风险地区。或者,查询乘车人工作是否与流行病相关等。获取到的指定历史行为信息能表征该乘车人被感染流行病的风险,有利于提高随后生成的健康监测结果的准确性。
基于上述实施例提供的方案,可选的,如图5所示,上述步骤S13,包括:
S51:如果所述乘车人的咳嗽信息符合预设告警标准,输出与所述乘车人的咳嗽信息相匹配的预设提问信息。
在日常生活中,老人、残障人士使用电子设备多有不便,这些人的身份信息以及行动轨迹难以被大数据记录。为了全面准确地生成健康监测结果,可以通过灵活的交互方式来问询乘车人的历史行为。
举例而言,可以通过音频播放设备播放预设提问信息并在显示屏上同步显示预设提问信息。预设提问信息可以根据传染病的特点预先设定,例如该预设提问信息可以包括“您近期是否途径传染病高风险地区”。乘车人可以通过说话的方式直接回答该问题,车载设备能通过监听到的车辆内的声音获取到乘车人的反馈结果。
或者,乘车人也可以通过在显示屏上输入文字的方式输入反馈结果。再或者,车载终端可以在具有触控功能的显示屏上显示多个可选项,供乘车人根据问题以触控点选的方式选择反馈结果。
S52:根据接收到的响应于所述预设提问信息的反馈结果生成所述乘车人的指定历史行为信息。
本实施例提供的方案通过输出预设提问信息的方式直接问询乘车人,并根据乘车人的回答生成乘车人的指定历史行为信息。能有针对性地获取到与传染病相关的历史行为信息,且获取到的信息是乘车人提供的,具有较好的真实有效性,有利于提高生成的健康监测结果的准确性。
基于上述实施例提供的方案,所述指定历史行为信息包括以下至少一项:
历史途径地信息、历史接触人信息、历史接触物信息。
上述历史途径地信息具体可以包括乘车人的居住地、工作地等乘车人停留一段时间的地点,也可以包括乘车人途径未停留的地点。对于乘车人长时间停留的地点信息与乘车人短暂经过的地点信息可以关联不同的风险标记,以便提高生成健康监测结果的准确性。
上述历史接触人信息可以包括乘车人直接接触人也可以包括间接接触人,直接接触人和间接接触人的信息可以关联不同的风险标记,以便提高生成健康监测结果的准确性。
上述历史接触物信息可以包括与传染病相关的的物品信息,例如,如果乘车人是冷链物流员工,在工作过程中可能接触冷链包装,而冷链包装在运输过程中可能携带有传染病毒,那么乘车人所接触的冷链物品可以确定为高风险历史接触物,能有效提高生成健康监测结果的准确性。
通过本申请实施例提供的方案,能从乘车人途径地点、接触人和接触物多维度确定乘车人感染传染病的风险,有效提高生成的健康监测结果的准确性,及时发现传染病患者,有利于传染病防控。
基于上述实施例提供的方案,可选的,如图6所示,上述步骤S14,包括:
S61:根据所述乘车人的咳嗽信息和指定历史行为信息确定所述乘车人的健康风险等级。
其中,乘车人的咳嗽信息能表征乘车人是否表现出传染病的症状,历史行为信息能表征乘车人感染传染病的风险。根据乘车人的咳嗽信息和指定历史行为信息能准确确定乘车人患有传染病的风险,确定健康风险等级。该健康风险等级可以根据传染病的特点预先设定。举例而言,假设乘车人的咳嗽信息表征乘车人表现出了传染病症状,且历史行为信息表征该乘车人经过了传染病发病地区,有可能接触了传染病病毒,那么可以确定乘车人的健康风险等级为“高”。
如果乘车人咳嗽信息表明该乘车人表现出传染病的症状,但历史行为信息表征乘车人未接触传染病病毒,则乘车人的风险等级为“中”。
如果乘车人的咳嗽信息和历史行为信息都表明该乘车人未感染传染病,则乘车人的风险等级为“低”。
本申请实施例仅用于说明本方案,在实际应用中可以根据传染病的特点预先设定风险等级的判断标准。
S62:生成与所述乘车人的健康风险等级相匹配的健康监测结果。
对于各风险等级的乘车人可以预先制定不同的健康监测结果内容。举例而言,对于风险等级为“高”的乘车人,可以通过网络上传乘车人的咳嗽信息、历史行为信息进行云端存储,并建议乘车人及时在指定防疫点做传染病检测,以确定是否已经感染了传染病。对于风险等级为“中”的乘车人,可以建议乘车人去医院做进一步诊断,及时治疗等。
另外,生成的健康监测结果中还可以包括乘车人的咳嗽信息和历史行为信息等,以便驾乘人员查看。
通过本申请实施例提供的方案,能提高生成的健康监测结果的准确性,为乘车人提供有价值的信息,便于乘车人及时了解自身的健康状态,有利于传染病防控。
基于上述实施例提供的方案,可选的,如果所述乘车人的咳嗽信息符合预设告警标准,如图7所示,还包括:
S71:获取所述乘车人的以下至少一项生命体征信息:呼吸频次信息、体温信息、脉搏频次信息、血压信息;
上述生命体征信息可以通过手环、红外摄像头等设备采集。如果乘车人自身佩戴有手环,则车载终端可以通过连接乘车人手机的方式获取手环采集到的生命体征信息,或者,车载终端直接与手环通信连接以获取上述生命体征信息。另外,车内可以设置有红外摄像头,用以采集乘车人的体温信息。当然,在实际应用中,还可以根据实际情况灵活地选用其他的电子设备来采集乘车人的生命体征信息。
其中,上述步骤S14,包括:
S72:根据所述乘车人的咳嗽信息、指定历史行为信息和所述生命体征信息确定所述乘车人的健康监测结果。
由于大部分传染病患者往往会出现体温升高、呼吸急促、脉搏过快等特点,本方案结合乘车人的咳嗽信息、指定历史行为信息以及生命体征信息共同确定乘车人的健康监测结果,能有效提高生成的健康监测结果的准确性。
基于上述实施例提供的方案,可选的,如图8所示,所述方法还包括:
S81:获取包含所述乘车人的图像信息。
具体可以通过设置在车内的摄像头来采集乘车人的图像信息,图像信息至少包括乘车人头部的图像信息。
S82:将所述图像信息输入预设口罩识别模型。
S83:根据所述预设口罩识别模型的输出结果,确定所述乘车人是否正确佩戴口罩。
上述预设口罩识别模型可以基于大量头部图像预先训练的模型,用于训练模型的样本例如可以包括正确佩戴口罩的人的头部图像、未佩戴口罩的人的头部图像、将口罩下拉露出鼻子或嘴的人的头部图像。通过这些样本训练得到的口罩识别模型能准确识别出图像中的人是否正确佩戴口罩。
上述图像信息不仅可以用于识别乘车人是否佩戴了口罩,也可以用于辅助判断乘车人是否咳嗽。例如,可以根据乘车人的动作识别乘车人咳嗽的程度、频次等信息,辅助生成健康监测结果。
S84:在所述乘车人未正确佩戴口罩时,生成佩戴口罩提示信息。
当乘车人未佩戴口罩时,可以通过语音播放佩戴口罩提示信息,例如“请您佩戴口罩”。当乘车人未正确佩戴口罩时,可以根据乘车人当前佩戴口罩的状态有针对性地播放口罩提示信息,例如“请您将口罩上拉,遮住鼻子”。
通过本申请实施例提供的方案能判断乘车人是否佩戴口罩,检查乘车人是否做好个人防护,有利于传染病防控。
可选的,为了进一步提高传染病防控效果,及时切断传染病传播渠道,对于风险较高的乘车人,还可以通过车载终端即刻通过i-call***或者第三方服务接通专家问诊,进行专家答疑解惑,或进行门诊预约,以避免患者在就诊途中扩散病毒。
可选的,对于风险较高的乘车人,车载终端还可以控制车辆执行预设防疫操作,例如可以包括关闭车窗、关闭空调外循环、辅助导航至指定传染病医院、拨打应急电话等。对于支持自动驾驶的汽车,可以即刻自动导航至传染病医院,降低病毒扩散风险。
本申请实施例提供的方案,能及时监测驾乘人员健康状况,能够实现语音慰问,凸显了人文关怀,有利于打造拟人化语音交互***。通过声音监测结合疫情防控,能提供乘用车智能防疫检测产品。针对有严重咳嗽症状的驾乘人员提出健康建议,能有效的降低驾驶员的驾驶风险。
为了解决现有技术中的问题,本申请实施例还提供一种车载终端90,如图9所示,包括:
监听模块91,监听车辆内的声音;
第一获取模块92,当所述车辆内的声音的声音特征与咳嗽声的声音特征相匹配时,根据所述车辆内的声音的声音特征获取发出所述咳嗽声的乘车人的咳嗽信息;
第二获取模块93,如果所述乘车人的咳嗽信息符合预设告警标准,则获取所述乘车人的指定历史行为信息;
确定模块94,根据所述乘车人的咳嗽信息和指定历史行为信息确定所述乘车人的健康监测结果。
优选的,本发明实施例还提供一种车载终端,包括处理器,存储器,存储在存储器上并可在所述处理器上运行的计算机程序,该计算机程序被处理器执行时实现上述一种乘车人健康监测方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
本发明实施例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,该计算机程序被处理器执行时实现上述一种乘车人健康监测方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。其中,所述的计算机可读存储介质,如只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random AccessMemory,简称RAM)、磁碟或者光盘等。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
上面结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,均属于本发明的保护之内。
Claims (10)
1.一种乘车人健康监测方法,其特征在于,应用于车载终端,包括:
监听车辆内的声音;
当所述车辆内的声音的声音特征与咳嗽声的声音特征相匹配时,根据所述车辆内的声音的声音特征获取发出所述咳嗽声的乘车人的咳嗽信息;
如果所述乘车人的咳嗽信息符合预设告警标准,则获取所述乘车人的指定历史行为信息;
根据所述乘车人的咳嗽信息和指定历史行为信息确定所述乘车人的健康监测结果。
2.如权利要求1所述的方法,其特征在于,当所述车辆内的声音的声音特征与咳嗽声的声音特征相匹配时,根据所述车辆内的声音的声音特征获取发出所述咳嗽声的乘车人的咳嗽信息,包括:
根据所述车辆内的声音的声音特征获取发出所述咳嗽声的乘车人的咳嗽频次和咳嗽类型;
根据所述咳嗽频次和所述咳嗽类型生成发出所述咳嗽声的乘车人的咳嗽信息。
3.如权利要求2所述的方法,其特征在于,如果所述乘车人的咳嗽信息符合预设告警标准,则获取所述乘车人的指定历史行为信息,包括:
如果所述乘车人的咳嗽频次大于预设告警频次,且所述咳嗽类型包括指定咳嗽类型,则获取所述乘车人的指定历史行为信息。
4.如权利要求3所述的方法,其特征在于,获取所述乘车人的指定历史行为信息,包括:
根据所述乘车人的咳嗽信息获取所述乘车人的个人身份信息;
获取与所述个人身份信息关联的指定历史行为信息。
5.如权利要求2所述的方法,其特征在于,如果所述乘车人的咳嗽信息符合预设告警标准,则获取所述乘车人的指定历史行为信息,包括:
如果所述乘车人的咳嗽信息符合预设告警标准,输出与所述乘车人的咳嗽信息相匹配的预设提问信息;
根据接收到的响应于所述预设提问信息的反馈结果生成所述乘车人的指定历史行为信息。
6.如权利要求1-5任一项所述的方法,其特征在于,所述指定历史行为信息包括以下至少一项:
历史途径地信息、历史接触人信息、历史接触物信息。
7.如权利要求1所述的方法,其特征在于,根据所述乘车人的咳嗽信息和指定历史行为信息确定所述乘车人的健康监测结果,包括:
根据所述乘车人的咳嗽信息和指定历史行为信息确定所述乘车人的健康风险等级;
生成与所述乘车人的健康风险等级相匹配的健康监测结果。
8.如权利要求1所述的方法,其特征在于,如果所述乘车人的咳嗽信息符合预设告警标准,还包括:
获取所述乘车人的以下至少一项生命体征信息:呼吸频次信息、体温信息、脉搏频次信息、血压信息;
其中,根据所述乘车人的咳嗽信息和指定历史行为信息确定所述乘车人的健康监测结果,包括:
根据所述乘车人的咳嗽信息、指定历史行为信息和所述生命体征信息确定所述乘车人的健康监测结果。
9.如权利要求1所述的方法,其特征在于,还包括:
获取包含所述乘车人的图像信息;
将所述图像信息输入预设口罩识别模型;
根据所述预设口罩识别模型的输出结果,确定所述乘车人是否正确佩戴口罩;
在所述乘车人未正确佩戴口罩时,生成佩戴口罩提示信息。
10.一种车载终端,其特征在于,包括:
监听模块,监听车辆内的声音;
第一获取模块,当所述车辆内的声音的声音特征与咳嗽声的声音特征相匹配时,根据所述车辆内的声音的声音特征获取发出所述咳嗽声的乘车人的咳嗽信息;
第二获取模块,如果所述乘车人的咳嗽信息符合预设告警标准,则获取所述乘车人的指定历史行为信息;
确定模块,根据所述乘车人的咳嗽信息和指定历史行为信息确定所述乘车人的健康监测结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110201862.0A CN112951267A (zh) | 2021-02-23 | 2021-02-23 | 一种乘车人健康监测方法和车载终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110201862.0A CN112951267A (zh) | 2021-02-23 | 2021-02-23 | 一种乘车人健康监测方法和车载终端 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112951267A true CN112951267A (zh) | 2021-06-11 |
Family
ID=76245570
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110201862.0A Pending CN112951267A (zh) | 2021-02-23 | 2021-02-23 | 一种乘车人健康监测方法和车载终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112951267A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113409825A (zh) * | 2021-08-19 | 2021-09-17 | 南京裕隆生物医学发展有限公司 | 健康智能检测方法、装置、电子设备及可读存储介质 |
CN113488071A (zh) * | 2021-07-16 | 2021-10-08 | 河南牧原智能科技有限公司 | 一种猪只咳嗽识别方法、装置、设备及可读存储介质 |
CN114023461A (zh) * | 2022-01-10 | 2022-02-08 | 新石器慧通(北京)科技有限公司 | 无人车控制方法、装置、介质和无人车 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109431507A (zh) * | 2018-10-26 | 2019-03-08 | 平安科技(深圳)有限公司 | 基于深度学习的咳嗽疾病识别方法及装置 |
CN110853620A (zh) * | 2018-07-25 | 2020-02-28 | 音频分析有限公司 | 声音检测 |
CN111383422A (zh) * | 2020-06-01 | 2020-07-07 | 北京隆普智能科技有限公司 | 一种监控方法及其*** |
CN111444279A (zh) * | 2020-04-03 | 2020-07-24 | 长春市万易科技有限公司 | 一种基于区块链的人员流动记录***及方法 |
CN111524607A (zh) * | 2020-03-26 | 2020-08-11 | 北京三快在线科技有限公司 | 配送员的信息处理方法、获取方法、展示方法及*** |
CN111653368A (zh) * | 2020-05-08 | 2020-09-11 | 梁步阁 | 一种人工智能疫情大数据防控预警*** |
CN112102958A (zh) * | 2020-10-26 | 2020-12-18 | 南京工程学院 | 一种传染病接触史追踪***及其运行控制方法 |
CN112216387A (zh) * | 2020-09-02 | 2021-01-12 | 成都大汇智联科技有限公司 | 基于云数据平台的复工复产管理方法及*** |
CN112309423A (zh) * | 2020-11-04 | 2021-02-02 | 北京理工大学 | 驾驶环境下基于智能手机音频感知的呼吸道症状检测方法 |
EP3779857A1 (en) * | 2018-04-12 | 2021-02-17 | Sony Corporation | Information processing device and information processing method |
-
2021
- 2021-02-23 CN CN202110201862.0A patent/CN112951267A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3779857A1 (en) * | 2018-04-12 | 2021-02-17 | Sony Corporation | Information processing device and information processing method |
CN110853620A (zh) * | 2018-07-25 | 2020-02-28 | 音频分析有限公司 | 声音检测 |
CN109431507A (zh) * | 2018-10-26 | 2019-03-08 | 平安科技(深圳)有限公司 | 基于深度学习的咳嗽疾病识别方法及装置 |
CN111524607A (zh) * | 2020-03-26 | 2020-08-11 | 北京三快在线科技有限公司 | 配送员的信息处理方法、获取方法、展示方法及*** |
CN111444279A (zh) * | 2020-04-03 | 2020-07-24 | 长春市万易科技有限公司 | 一种基于区块链的人员流动记录***及方法 |
CN111653368A (zh) * | 2020-05-08 | 2020-09-11 | 梁步阁 | 一种人工智能疫情大数据防控预警*** |
CN111383422A (zh) * | 2020-06-01 | 2020-07-07 | 北京隆普智能科技有限公司 | 一种监控方法及其*** |
CN112216387A (zh) * | 2020-09-02 | 2021-01-12 | 成都大汇智联科技有限公司 | 基于云数据平台的复工复产管理方法及*** |
CN112102958A (zh) * | 2020-10-26 | 2020-12-18 | 南京工程学院 | 一种传染病接触史追踪***及其运行控制方法 |
CN112309423A (zh) * | 2020-11-04 | 2021-02-02 | 北京理工大学 | 驾驶环境下基于智能手机音频感知的呼吸道症状检测方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113488071A (zh) * | 2021-07-16 | 2021-10-08 | 河南牧原智能科技有限公司 | 一种猪只咳嗽识别方法、装置、设备及可读存储介质 |
CN113409825A (zh) * | 2021-08-19 | 2021-09-17 | 南京裕隆生物医学发展有限公司 | 健康智能检测方法、装置、电子设备及可读存储介质 |
CN114023461A (zh) * | 2022-01-10 | 2022-02-08 | 新石器慧通(北京)科技有限公司 | 无人车控制方法、装置、介质和无人车 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112951267A (zh) | 一种乘车人健康监测方法和车载终端 | |
JP6953464B2 (ja) | 情報プッシュ方法及び装置 | |
US11375338B2 (en) | Method for smartphone-based accident detection | |
US7822611B2 (en) | Speaker intent analysis system | |
US8078470B2 (en) | System for indicating emotional attitudes through intonation analysis and methods thereof | |
US20130070928A1 (en) | Methods, systems, and media for mobile audio event recognition | |
CN105632049A (zh) | 一种基于可穿戴设备的预警方法和装置 | |
US20100131263A1 (en) | Identifying and Generating Audio Cohorts Based on Audio Data Input | |
US20070241915A1 (en) | Medical applications in telematics | |
CN111241357A (zh) | 对话训练方法、装置、***及存储介质 | |
Wan et al. | On‐road experimental study on driving anger identification model based on physiological features by ROC curve analysis | |
JP3151489B2 (ja) | 音声による疲労・居眠り検知装置及び記録媒体 | |
Kim et al. | Predicting the EEG level of a driver based on driving information | |
CN112744174B (zh) | 车辆碰撞监测方法、装置、设备及计算机可读存储介质 | |
CN112086098B (zh) | 一种驾乘人员分析方法、装置及计算机可读存储介质 | |
JP2021146214A (ja) | ドライバー監視システムでメディア誘発感情から運転感情を分離するための技術 | |
CN110580799A (zh) | 一种出租车网约车驾乘人员言行自动预判报警*** | |
CN113053386A (zh) | 一种网约车安全预警*** | |
Wan et al. | Driving anger states detection based on incremental association markov blanket and least square support vector machine | |
CN110379443A (zh) | 声音识别装置和声音识别方法 | |
JP2020042785A (ja) | 無人車内の乗客状態の識別方法、装置、機器及び記憶媒体 | |
US20180354129A1 (en) | Service providing system, database, and service providing device | |
JP7092656B2 (ja) | シミュレーション評価装置、列車運転シミュレーションシステム、および、列車運転シミュレーション評価方法、ならびに、プログラム | |
CN112201351A (zh) | 基于声音收集分析进行健康提示的方法、装置及介质 | |
Miyajima et al. | Behavior signal processing for vehicle applications |
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: 20210611 |