CN113198067A - 自动医护监控*** - Google Patents
自动医护监控*** Download PDFInfo
- Publication number
- CN113198067A CN113198067A CN202110628881.1A CN202110628881A CN113198067A CN 113198067 A CN113198067 A CN 113198067A CN 202110628881 A CN202110628881 A CN 202110628881A CN 113198067 A CN113198067 A CN 113198067A
- Authority
- CN
- China
- Prior art keywords
- module
- monitoring module
- heart rate
- monitoring
- detection
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 126
- 238000001514 detection method Methods 0.000 claims abstract description 65
- 210000004369 blood Anatomy 0.000 claims abstract description 38
- 239000008280 blood Substances 0.000 claims abstract description 38
- 230000036760 body temperature Effects 0.000 claims abstract description 27
- 230000008859 change Effects 0.000 claims abstract description 24
- 201000010099 disease Diseases 0.000 claims abstract description 24
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 24
- 230000005540 biological transmission Effects 0.000 claims abstract description 16
- 238000012545 processing Methods 0.000 claims abstract description 14
- 210000004709 eyebrow Anatomy 0.000 claims description 57
- 238000001802 infusion Methods 0.000 claims description 34
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 16
- 239000001301 oxygen Substances 0.000 claims description 16
- 229910052760 oxygen Inorganic materials 0.000 claims description 16
- 238000000034 method Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 12
- 230000014509 gene expression Effects 0.000 claims description 9
- 240000007651 Rubus glaucus Species 0.000 claims description 8
- 235000011034 Rubus glaucus Nutrition 0.000 claims description 8
- 235000009122 Rubus idaeus Nutrition 0.000 claims description 8
- 239000004973 liquid crystal related substance Substances 0.000 claims description 8
- 230000008921 facial expression Effects 0.000 claims description 7
- 239000004072 C09CA03 - Valsartan Substances 0.000 claims description 6
- 230000003287 optical effect Effects 0.000 claims description 6
- ACWBQPMHZXGDFX-QFIPXVFZSA-N valsartan Chemical compound C1=CC(CN(C(=O)CCCC)[C@@H](C(C)C)C(O)=O)=CC=C1C1=CC=CC=C1C1=NN=NN1 ACWBQPMHZXGDFX-QFIPXVFZSA-N 0.000 claims description 6
- 230000001276 controlling effect Effects 0.000 claims description 5
- 230000004397 blinking Effects 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 230000001815 facial effect Effects 0.000 claims description 4
- 238000012886 linear function Methods 0.000 claims description 4
- 230000001105 regulatory effect Effects 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 claims description 4
- 230000017531 blood circulation Effects 0.000 claims description 3
- 238000012806 monitoring device Methods 0.000 claims description 3
- 230000035945 sensitivity Effects 0.000 claims description 3
- 230000006870 function Effects 0.000 abstract description 14
- 239000007788 liquid Substances 0.000 abstract description 7
- 238000013461 design Methods 0.000 abstract description 6
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 230000036772 blood pressure Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 26
- 210000004027 cell Anatomy 0.000 description 7
- 238000005259 measurement Methods 0.000 description 7
- 108010054147 Hemoglobins Proteins 0.000 description 4
- 102000001554 Hemoglobins Human genes 0.000 description 4
- 238000005452 bending Methods 0.000 description 4
- 238000009529 body temperature measurement Methods 0.000 description 4
- 108010064719 Oxyhemoglobins Proteins 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000009532 heart rate measurement Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 206010035664 Pneumonia Diseases 0.000 description 2
- 210000004204 blood vessel Anatomy 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 239000013078 crystal Substances 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000013186 photoplethysmography Methods 0.000 description 2
- 238000012805 post-processing Methods 0.000 description 2
- 108010017384 Blood Proteins Proteins 0.000 description 1
- 102000004506 Blood Proteins Human genes 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 210000000601 blood cell Anatomy 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 210000000624 ear auricle Anatomy 0.000 description 1
- 210000003743 erythrocyte Anatomy 0.000 description 1
- 230000004399 eye closure Effects 0.000 description 1
- 230000000193 eyeblink Effects 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 210000003811 finger Anatomy 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000004660 morphological change Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000024883 vasodilation Effects 0.000 description 1
- 210000000707 wrist Anatomy 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M5/00—Devices for bringing media into the body in a subcutaneous, intra-vascular or intramuscular way; Accessories therefor, e.g. filling or cleaning devices, arm-rests
- A61M5/14—Infusion devices, e.g. infusing by gravity; Blood infusion; Accessories therefor
- A61M5/168—Means for controlling media flow to the body or for metering media to the body, e.g. drip meters, counters ; Monitoring media flow to the body
- A61M5/16831—Monitoring, detecting, signalling or eliminating infusion flow anomalies
- A61M5/1684—Monitoring, detecting, signalling or eliminating infusion flow anomalies by detecting the amount of infusate remaining, e.g. signalling end of infusion
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M5/00—Devices for bringing media into the body in a subcutaneous, intra-vascular or intramuscular way; Accessories therefor, e.g. filling or cleaning devices, arm-rests
- A61M5/14—Infusion devices, e.g. infusing by gravity; Blood infusion; Accessories therefor
- A61M5/168—Means for controlling media flow to the body or for metering media to the body, e.g. drip meters, counters ; Monitoring media flow to the body
- A61M5/16886—Means for controlling media flow to the body or for metering media to the body, e.g. drip meters, counters ; Monitoring media flow to the body for measuring fluid flow rate, i.e. flowmeters
- A61M5/1689—Drip counters
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/165—Detection; Localisation; Normalisation using facial parts and geometric relationships
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/174—Facial expression recognition
-
- 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
- G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M2205/00—General characteristics of the apparatus
- A61M2205/18—General characteristics of the apparatus with alarm
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M2230/00—Measuring parameters of the user
- A61M2230/04—Heartbeat characteristics, e.g. ECG, blood pressure modulation
- A61M2230/06—Heartbeat rate only
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M2230/00—Measuring parameters of the user
- A61M2230/20—Blood composition characteristics
- A61M2230/205—Blood composition characteristics partial oxygen pressure (P-O2)
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M2230/00—Measuring parameters of the user
- A61M2230/50—Temperature
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Public Health (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Veterinary Medicine (AREA)
- Vascular Medicine (AREA)
- Anesthesiology (AREA)
- Multimedia (AREA)
- Heart & Thoracic Surgery (AREA)
- Hematology (AREA)
- Theoretical Computer Science (AREA)
- Animal Behavior & Ethology (AREA)
- Human Computer Interaction (AREA)
- Fluid Mechanics (AREA)
- Geometry (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明涉及一种自动医护监控***,包括步骤:病况监测模块利用信号采集装置采集人脸信号,将采集得到的人脸信号传输给raspiberry pi 4b进行病况监测;输液监测模块利用红外对管接收的信号变化对应的电阻电压变化,检测出输液滴速后在显示模块显示。本发明的有益效果是:本发明设计了自动医护监控***,该***具有滴速检测、滴速显示、自动报警、停止输液、体温监测、血压监测、病况监测、无线传输等功能。自动医护监控***以raspiberry pi 4b为核心,利用红外对管检测液滴滴落,然后将数据通过电路传到单片机当中,实现信号处理和控制,并最终实现对滴速过阈和血液回流的报警功能以及停止输液功能。
Description
技术领域
本发明属于医护领域,尤其涉及一种自动医护监控***。
背景技术
由于近些年人工智能的迅速发展,自动医护监控***近些年来发展迅速。自动医护监控***指的是可以代替医护人员对病人进行医护监控的***。常见的医护行为有输液、测温、测心率等,这些都属于简单重复性高的医护行为;多年来国内外为了更好地实现对病人的监护,设计了相当多的医护***,常见的如自动测心率机、电子测温计、智能点滴器等。但是总体来说,功能单一、创新性不强,而较为大型的医护***如智能手术机器人等,成本高昂,且不适用于上述简单的医护行为。在2020年的新冠肺炎疫情中,这一弊端被放大,一方面由于肺炎传播能力强导致病人数量众多,另一方面医护人员有限且大部分病人是轻型患者,需要的是隔离、定时测温测心率、按时输液等简单但是耗费劳动力的医护行为。所以,需要一个可以满足以上需求并且同时具备一定程度智能化的医护***。
发明内容
本发明的目的是克服现有技术中的不足,提供一种自动医护监控***。
这种自动医护监控***,包括:主模块、病况监测模块、输液监测模块、体温监测模块、心率监测模块和无线传输模块;其中病况监测模块、输液监测模块、体温监测模块和心率监测模块通过无线传输模块与主模块蓝牙连接;
其中病况监测模块由raspiberry pi 4b构成,病况监测模块上设有信号采集装置;
输液监测模块上设有主控模块、声光报警模块、显示模块、按键模块、回血报警模块、滴速检测模块、蓝牙模块、电机模块和电源插口开关模块;声光报警模块、显示模块、按键模块、回血报警模块、滴速检测模块、蓝牙模块均电连接主控模块;主控模块通过电机模块对输液管进行滴速调节;主控模块和电源之间接有电源插口开关模块;滴速检测模块上设有红外对管(一个红外发射管和一个红外接收管)和电压比较器;回血报警模块上也设有红外对管(一个红外发射管和一个红外接收管)和电压比较器;电机模块上设有步进电机;
体温监测模块上设有红外感应芯片,体温监测模块还内置信号处理芯片;
心率监测模块上设有集成脉搏血氧和心率检测一体的传感器、优化的光学信号处理器和模拟信号处理器,集成脉搏血氧和心率检测一体的传感器包括两个LED灯和一个高精准光电传感器。
作为优选,主模块为手机。
作为优选,无线传输模块为串口蓝牙模块或树莓派自带蓝牙模块;输液监测模块、体温监测模块和心率监测模块通过串口蓝牙模块与主模块蓝牙连接;病况监测模块通过树莓派自带蓝牙模块与主模块蓝牙连接,使得滴速、体温、心率等数据可以通过蓝牙传输到手机或电脑等可连接蓝牙的设备上。
作为优选,输液监测模块上的主控模块为STC89C52RC单片机,蓝牙模块为HC-05蓝牙模块,显示模块为1602液晶显示器,电机模块为ULN2003,电压比较器为LM393;步进电机为 28BYJ48。
作为优选,体温监测模块上的红外感应芯片为MLX90614。
作为优选,心率监测模块上集成脉搏血氧和心率检测一体的传感器为Max30100。
这种自动医护监控***的工作方法,包括如下步骤:
步骤1、病况监测模块利用信号采集装置采集人脸信号,将采集得到的人脸信号传输给 raspiberry pi 4b进行病况监测;
步骤2、输液监测模块利用红外对管接收的信号变化对应的电阻电压变化,检测出输液滴速后在显示模块显示,判断患者输液时是否回血,当有血液回流时候,红外接收管接收到对应信号,通过声光报警模块进行报警;用电机模块来驱动输液电路、调控滴速:当输液速度超过设定的阈值时,电机启动,然后夹紧输液管,降低滴速;当输液速度低于设定的阈值的时,电机相反驱动,加快滴速;
步骤3、体温监测模块利用红外感应芯片对目标进行测温,然后通过内置信号处理芯片进行体温计算;
步骤4、心率监测模块采用光容积法,通过集成脉搏血氧和心率检测一体的传感器采集心率信号,内部的低噪声模拟信号处理器对心率信号进行ADC处理,然后进入数组滤波器,心率信号最后通过IIC总线输出;根据细胞的光反射到传感器的光量的变化,计算出心率。
作为优选,步骤1中病况监测模块中信号采集装置为pi camera;步骤2中输液监测模块内电源插口开关模块采用DC电源插口,用按键控制电源通断。
作为优选,步骤1具体包括以下步骤:
步骤1.1、病况监测模块进行人脸检测:调用dlib特有的人脸特征点检测器(dlib计算机深度学习开源库的shape_predictor_68_face_landmark),检测出人脸中的眼睛、嘴部、眉毛和鼻子区域并且返回相应的坐标,结合坐标计算人脸中的眼睛、嘴部、眉毛和鼻子区域之间的欧式几何距离,然后收集人脸发生状态变化时眼睛、嘴部、眉毛和鼻子区域之间的欧式几何距离变化,比较欧式几何距离变化和设定的判断阈值大小,对面部区域进行检测和表情识别;若欧式几何距离变化达到设定的判断阈值,则人脸中该面部区域发生判断阈值对应的表情;
步骤1.2、病况监测模块进行疲劳检测;进行疲劳检测的内容有眨眼检测、嘴部张闭检测、挑眉程度检测和鼻间距检测;
步骤1.2.1、眨眼检测:采集人在面部发生状态变化时人眼上的12个特征点之间欧式几何距离的变化,其中每只眼睛各6个特征点;计算人眼张闭阈值:
上式中,EAR为眼睛纵横比,p1到p6分别表示从左开始顺时针的6个眼部特征点;分子上的两个模计算之和||p2-p6||+||p3-p5||为人眼特征点垂直方向的距离,分母上的模计算||p1-p4||为人眼特征点水平方向的距离,||p1-p4||通过乘2拟合分子的项数,使分子与分母的权重相同;
将计算得到的EAR与EAR参考值进行对比,若计算得到的EAR远小于EAR参考值,则判断发生眨眼;
步骤1.2.2、嘴部张闭检测:采集人在面部发生状态变化时上下嘴唇的4个标志点和左右嘴角的2个特征点之间欧式几何距离的变化,计算嘴部张闭阈值:
上式为采用二范数来求取嘴巴特征点阈值,具体为求取对应特征点之间距离的平方和并且开根号;
若计算得到的嘴部张闭阈值大于正常嘴部阈值,则判定嘴部张开,若计算得到的嘴部张闭阈值小于正常嘴部阈值,则判定嘴部闭合;
步骤1.2.3、挑眉程度检测:利用numpy中的polyfit函数对眉毛上的十个特征点进行线性拟合,其中左右眉毛各五个特征点;拟合出一个一次函数后,通过斜率判断挑眉程度;建立line_brow_x和line_brow_y两个列表存放眉毛的x和y位置信息,设置变量brow_sum 来存放眉毛特征点坐标的高度之和、设置变量frown_sum来存放两边眉毛距离之和;以矩形框上线为横轴,眉毛特征点坐标的高度之和为对每一个坐标与矩形框左上角坐标的纵坐标之差的求和;两边眉毛距离之和为对每一个坐标与矩形框左上角坐标的横坐标之差的求和;用 numpy中的array函数把列表line_brow_x和line_brow_y数组化,并且用np.polyfit函数对数组化后的列表line_brow_x和line_brow_y进行最小二乘多项式拟合,最后再用round 函数求取其眉毛最终斜率拟合值:
上式中,|p(xj)-yj|表示特征点与固定点之间最小化平方误差的系数的绝对值之差的平方;其中p(xj)表示特征点最小化平方误差的系数,yj表示固定点最小化平方误差的系数;通过检测眉毛特征点距离人脸方框的长度和高度,判断眉毛长度、高度在人脸框中的比例,结合分析出挑眉程度;若计算得到的眉毛最终斜率拟合值低于临界阈值,则发生挑眉;
步骤1.2.4、统计人脸在面部表情发生变化时的鼻梁长度、鼻子宽度的变化程度和人脸表情变化的关系;
步骤1.3、病况监测模块根据步骤1.2进行表情识别。
作为优选,步骤3具体包括以下步骤:
步骤3.1、计算热电堆的输出温度:
Vir(Ta,To)=A.(To4-Ta4),
其中To是待测物体的绝对温度,单位为开尔文;Ta是环境的绝对温度,A是敏感度;
步骤3.2、计算出对应的环境温度Ta和物体温度To;
将RAM内容转换为环境的绝对温度Ta:
Ta[K]=Tareg×0.02,or 0.02K/LSB
上式中,Tareg为内部线性传感器所测得环境的温度;
则待测物体的绝对温度To为:
To[K]=Toreg×0.02,or 0.02K/LSB
上式中,Toreg为内部线性传感器所测得物体的温度。
本发明的有益效果是:
本发明设计了自动医护监控***,该***具有滴速检测、滴速显示、自动报警、停止输液、体温监测、血压监测、病况监测、无线传输等功能。自动医护监控***以raspiberrypi 4b为核心,利用红外对管检测液滴滴落,然后将数据通过电路传到单片机当中,实现信号处理和控制,并最终实现对滴速过阈和血液回流的报警功能以及停止输液功能。
本发明立足于边缘计算和实时性、应用性强的出发点,自行在嵌入式设备上部署人脸识别所需库文件,并且对已有算法进行改进,从新的思路创新了算法,并且可有针对性的在各种场合对人物的脸部状态进行分析。本发明结合无线传输技术、嵌入式***技术和计算机编程技术,综合性强,且可改造移植性好。
本发明可广泛应用于多个场合,且不受网络、地域、空间限制、硬件设备极其简单,只需要类似***大小的树莓派和摄像头加以组合改造就可实现病人病况的监测,硬件成本低廉。
本发明所用体温、心率监测,均采用非侵入式的红外测温和光电测心率,实用性强;同时输液模块主控仅用STM89C52RC单片就可以实现,而体温、心率等模块也仅采用了Arduino nano芯片,病况监测模块则采用了树莓派4b开发,一芯一用,成本合适,且每个模块可独立使用,可分可合。
附图说明
图1为本发明的模块组成框图;
图2为raspiberry pi 4b的部分电路连接图;
图3为68个人脸特征点检测示意图;
图4为人眼张闭阈值变化图;
图5为嘴巴张闭阈值图;
图6为生气和自然时眉毛弯曲阈值图;
图7为生气和自然时鼻梁长度变化阈值图;
图8为MLX90614模块的电路连接图;
图9为MLX90614的逻辑功能图;
图10为MLX90614 SMBUS连接图;
图11为MLX90614的PWM输出模式配置图;
图12为MLX90614的PWM输出模式配置图;
图13为MAX30100模块的电路连接图;
图14为光容积法的基本原理图;
图15为Max30100的逻辑功能图;
图16为单片机主控模块的电路连接图;
图17为声光报警模块的电路连接图;
图18为1602液晶显示模块的电路连接图;
图19为按键模块的电路连接图;
图20为滴速检测模块的电路连接图;
图21为回血报警模块的电路连接图;
图22为蓝牙传输模块的电路连接图;
图23为ULN2003的电路连接图;
图24为电源插口开关的电路连接图。
具体实施方式
下面结合实施例对本发明做进一步描述。下述实施例的说明只是用于帮助理解本发明。应当指出,对于本技术领域的普通人员来说,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。
实施例1:
如图1所示,一种自动医护监控***,包括:手机、病况监测模块、输液监测模块、体温监测模块、心率监测模块和无线传输模块;其中病况监测模块、输液监测模块、体温监测模块和心率监测模块通过无线传输模块与手机蓝牙连接;无线传输模块为串口蓝牙模块或树莓派自带蓝牙模块;输液监测模块、体温监测模块和心率监测模块通过串口蓝牙模块与主模块蓝牙连接;病况监测模块通过树莓派自带蓝牙模块与主模块蓝牙连接,使得滴速、体温、心率等数据可以通过蓝牙传输到手机或电脑等可连接蓝牙的设备上。各个模块既可以独立工作提高效率也可以传输数据给手机终端。
其中病况监测模块由如图2所示的raspiberry pi 4b构成,病况监测模块上设有信号采集装置;
输液监测模块上设有主控模块(STC89C52RC单片机)、声光报警模块、显示模块、按键模块、回血报警模块、滴速检测模块、蓝牙模块(HC-05蓝牙模块)、电机模块(ULN2003) 和电源插口开关模块;声光报警模块、显示模块(1602液晶显示器)、按键模块、回血报警模块、滴速检测模块、蓝牙模块均电连接主控模块;主控模块通过电机模块对输液管进行滴速调节;主控模块和电源之间接有电源插口开关模块;滴速检测模块上设有红外对管(一个红外发射管和一个红外接收管)和电压比较器(LM393);回血报警模块上也设有红外对管(一个红外发射管和一个红外接收管)和电压比较器;电机模块上设有步进电机(28BYJ48);
体温监测模块上设有红外感应芯片(MLX90614),体温监测模块还内置信号处理芯片;
心率监测模块上设有集成脉搏血氧和心率检测一体的传感器(Max30100)、优化的光学信号处理器和模拟信号处理器,集成脉搏血氧和心率检测一体的传感器包括两个LED灯和一个高精准光电传感器。
实施例2:
一种自动医护监控***的工作方法,实施步骤如下:
一.病况监测模块:
病况监测模块由raspiberrypi4b构成,raspiberrypi4b采用博通BCM2711B0作为SoC, 是一款基于ARM架构的微型电脑主板,目前运行内存最高可达8GB,以SD卡为内存。有4个USB口和2个MircoHDMI口以及一个3.5mmAV口和CSI接口,支持千兆以太网和双频无线网络以及蓝牙。其部分电路原理图如图2所示;
而病况监测模块的算法大致分为三部分,人脸检测算法、疲劳监测算法、表情识别算法;其中疲劳监测算法又分为眨眼检测、嘴巴闭合检测、挑眉程度检测、鼻间距检测。
人脸检测算法是通过调用dlib计算机深度学习开源库的 shape_predictor_68_face_landmark.即dlib特有的人脸特征点检测器,获得如图3所示68 个人脸特征点检测图。人脸中的眼睛、嘴巴、眉毛、鼻子等区域的特征非常明显,且人脸的主要形态变化也集中在这几部分区域;shape_predictor_68_face_landmarks特征点模型可以很好地检测出人脸的这些关键部位并且返回其坐标,结合坐标可以计算其之间欧式几何距离,然后收集人脸发生状态变化时候的关键区域的欧式几何距离变化,通过判断阈值来实现面部区域的检测和表情识别。
1.眨眼检测算法实现:
眼睛作为人脸的关键特征部位,对其进行检测十分重要,人在发生不同表情变化和疲劳困乏时候,人眼眨眼频率、幅度,均会发生变化,通过采集人在面部发生状态变化时候,人眼上的12个特征点(每只眼睛各6个)之间欧式几何距离的变化情况;然后设定合适的阈值,就可以统计出眨眼频率的变化和人脸状态的关系,以下关于眉毛弯曲程度、嘴巴闭合频率的算法设计也是同样原理。特征点的选择原则是选取能够描述眼睛、眉毛、嘴巴的轮廓和大致运动特征的点。如图3中68个特征点是使用dlib库调用模型时候会自动选择的。嘴巴的阈值公式原理和眼睛一样,但是形式有些不同。而眉毛的则需要用到更为复杂的拟合曲线函数公式。
本发明所用的眨眼检测算法与传统的计算眨眼图像处理方法是不同的,传统的眨眼检测是通过比拍摄图片中人的眼白区域的阈值和模型中的是否接近,这种方法受图片质量、光线等外界因素干扰大。但是本项目使用的眼睛特征点采集方法是一种更为简洁高效使用并且鲁棒性强的方法。
如图4所示,眼睛的长宽比在眼睛张开的时候大致是恒定的,按照设计的函数算法。张开时候的眼睛阈值大约是0.25左右,;但是在发生闭眼时,该阈值会迅速下降到0.1附近甚至接近0。由此可以推算出这个简单的方程,这样就可以避免使用图像处理技术,简单地依靠眼睛地标距离的比例来确定一个人是否眨眼。接下来将详细介绍眨眼检测采取的算法。
从上面公式中可以看到,p1到p6分别表示的是人眼特征点从左开始顺时针的6个眼部特征点;而其中分子的两个模计算的是人眼特征点垂直方向的距离,分母的模计算的是人眼特征点水平方向的距离,乘2是为了拟合分子的项数,保证分子与分母的权重相同。当在进行实时人脸检测的时候,通过这个公式会得到一个实时的EAR,然后将该EAR与参考的EAR 进行比对,由此就可以判断是否眨眼。
2.嘴巴闭合检测算法实现:
嘴巴闭合检测原理和眨眼检测一样,利用shape_predictor_68_face_landmarks提供的嘴巴上的多个特征点,可实现对嘴巴张闭、弯曲程度的精确检测。同时,设计相关函数方法,然后多次测试数据,则可以不断迭代得到最优函数。
如图5所示,可以发现正常嘴巴阈值在于0.45左右,而张开时候嘴巴阈值可达0.5以上,即认为嘴巴张开阈值为0.5,当阈值大于0.5时候,认为嘴巴是张开的。公式如下:
上式为采用二范数来求取嘴巴特征点阈值,具体为求取对应特征点之间距离的平方和并且开根号;这里的原理和眼睛阈值的确立是一样,其不同点在于所选择的特征点不同,则其嘴巴张闭的临界阈值的结果也会有所不同,这里选取的是上下嘴唇的4个标志点,因为此处嘴巴张闭最为明显有效。
3.眉毛弯曲程度检测算法实现:
眉毛弯曲检测中需要对眉毛上的十个特征点(左右眉毛各五个特征点)进行线性拟合,利用numpy中的polyfit函数可轻松实现一次函数的拟合。拟合出一个一次函数后,通过斜率判断挑眉程度。首先,需要建立两个数组列表存放眉毛的x和y位置信息,这里建立line_brow_x和line_brow_y两个列表。其次,还需要设置两个变量,brow_sum和frown_sum,分别用来存放眉毛特征点坐标的高度之和两边眉毛距离之和。以矩形框上线为横轴,高度之和即每一个坐标与矩形框左上角坐标的纵坐标之差的求和,长度之和即每一个坐标与矩形框左上角坐标的横坐标之差的求和,所以最后所求斜率需要转换一下。然后,用numpy中的array 函数把列表line_brow_x和line_brow_y数组化,并且用np.polyfit函数对其进行最小二乘多项式拟合,最后再用round函数求取其眉毛最终斜率拟合值。这个拟合公式用数学表示为:
上式中,|p(xj)-yj|表示特征点与固定点之间最小化平方误差的系数的绝对值之差的平方;其中p(xj)表示特征点最小化平方误差的系数,yj表示固定点最小化平方误差的系数;该公式是最小化平方误差最佳解决方案,用适合的多项式度的度来分(x,y)。返回最小化平方误差的系数p向量。同时,因为眉毛是弯曲的,所以还需要通过检测眉毛特征点距离人脸方框的长度、高度,如图6所示,通过判断眉毛长度高度在人脸框中的比例,结合分析出挑眉程度。
这里计算了生气时候的眉毛阈值,实际测试为0.1比较合适;即正常时候阈值在0.25附近,当生气时候,该阈值迅速下降到0.1以下,以0.1为临界阈值。
4.鼻梁距检测算法实现:
人脸在面部表情发生变化的时候鼻梁长度、鼻子宽度等会发生变化,如图7所示,生气时鼻梁长度缩短,鼻子宽度增加,自然时鼻子舒张,鼻梁长度较长。通过统计其变化程度和人脸表情变化的关系可以增加人脸部表情识别的准确率。
二.体温监测模块
MLX90614是一种红外线测量非接触温度计,它内部封装集成了红外感应热电堆探测器芯片和信号处理专用集成芯片。同时也集成了低噪声放大器、17位模数转换器和强大的数字信号处理单元,这样就可以实现高精度和高分辨率的测量。MLX90614是由内部状态机控制物体温度和环境温度的检测和计算。其最后结果是通过PWN或者SMBus总线输出。其模块原理图如图8所示;
如图9所示,MLX90614是由内部状态机控制物体温度和环境温度的测量和计算,进行温度后处理,并将结果通过PWM或是SMBus模式输出(这里选择的是SMBus输出,若想得到的是具体的数字体温数据,则选择PWM;如果用固定频率和一定占空比来表示测量数据,则选择PWM输出模式)。MLX90614是由内部状态机控制物体温度和环境温度的测量和计算,进行温度后处理,并将结果通过PWM或是SMBus模式输出。其内部工作逻辑图如图9所示,其工作原理是红外热电器传感器测量外界温度并输出信号给内部的运算放大器进行处理放大,然后再经过A\D转换器把模拟信号转换为数字信号,然后经过DSP的数字滤波器调制处理输出,然后结果保存在内部的RAM里。MLX90614内部是有32个16B的EEPROM存储单元,通过改写存储单元寄存器的地址就可以实现对测温的一些基础设定的改变。
IR传感器包含有若干个串接的热电偶,热电偶的冷接头置于芯片衬底上,热接头置于薄膜上。薄膜通过吸收或是辐射IR使自身加热会冷却。热电堆的输出信号为:
Vir(Ta,To)=A.(To4-Ta4),
其中To是物体的绝对温度(开尔文),Ta是传感器芯片的绝对温度,A是敏感度。
一个附加的片上温度传感器用来测量芯片的温度。测量完两个传感器的输出后,对应的环境温度和物体温度被计算出。计算是由内部DSP处理的,它可产生数字输出,并和测量温度成线性比例。传感器芯片温度是通过PTC或是PTAT元件测量的,传感器所有的状态和数据处理都是在片内进行的,处理好的线性传感器温度Ta存于芯片内存里。计算好的温度输出分辨率为0.02℃,传感器的出厂校准范围为40…+125℃。在RAM单元地址006h中,2DE4h对应 -38.2℃(线性输出最低限度),4DC4h(19908d)对应125℃。通过下式将RAM内容转换为实际的 Ta温度:
Ta[K]=Tareg×0.02,or 0.02K/LSB
上式中,Tareg为内部线性传感器所测得环境的温度;
而对于物体温度To,输出结果分辨率为0.02℃,并存于RAM。To的实际温度为:
To[K]=Toreg×0.02,or 0.02K/LSB
上式中,Toreg为内部线性传感器所测得物体的温度;基于以上测量结果,计算出对应的环境温度Ta和物体温度To,两个温度分辨率都为0.01℃。Ta和To可通过两种方式读取:通过两线接口读取RAM单元,(0.02℃分辨率,固定范围)或者通过PWM数字模式输出。(10位分辨率,范围可配置)
测量周期的最后一步为:测量所得Ta和To被重新调节为PWM所需的输出分辨率,并且该数据存在PWM状态机的寄存器中,状态机可以产生固定频率和一定占空比来表示测量的数据;
如图10所示,3.3V电源电压连接MLX90614和SMBus的电路。MLX90614有箝位二极管,连接在SDA/SCL和Vdd之间,以提供给MLX90614器件电源,而使SMBus线不成为负载。MLX90614 的PWM输出模式比较简单,在EEPROM配置为PWM,POR之后,PWM模式是自由运行的。对于 PWM工作模式,SCL引脚必须为高电平。(可以短接到Vdd引脚。
例如图11所示将PWM作为默认模式时,上拉电阻可用来保持SMBus的输出模式,
同理,如图12所示,SMBus存在时,在EEPROM中配置POR模式,此时,SCL线为高阻抗。外接上拉电阻R1的目的是为了确保SCL线为高电平并且PWMPOR默认模式也是激活的。SMBus依然可用。(例如进一步重新配置MLX90614,或是睡眠模式的电源管理)。
三.心率监测模块
心率监测模块:
Max30100是一款集成脉搏血氧和心率检测一体的传感器,它有两个LED和一个高精准光电传感器,同时内部含有优化的光学信号处理器和模拟信号处理器。主要应用于可穿戴设备、健身设备、医疗监控设备,该模块电路原理图如图13所示。
MAX30100采用光容积法的原理检测人的血氧饱和度和心率。其基本原理是利用了人体细胞对动脉血和静脉血的透光率的不同来进行脉搏的测量和血氧饱和度的测量。它的传感器是由光电发射器和光电转换器两部分组成。然后可以把它固定在病人的耳垂、手指、手腕等地方。测量血氧饱和度时,根据氧合血红蛋白(HBO2)和血红蛋白(HB)对红外光的吸收量来计算;因为外红光的波长范围大致为(850-1000nm),而红光的波长范围则为(600-750nm)。而血细胞和氧合血红细胞对红光和红外光的吸收率不同。血管会随着心跳舒张和收缩产生不同量的氧合血红蛋白,舒张时血量多,氧合血红蛋白多,则吸收的红外光多。收缩时,血量少,血蛋白多,则吸收的红外光少。那么根据细胞的光反射到传感器的光量的变化,就可以计算出心率。
正如图14所示,当血管舒张时血量多,即氧合血红蛋白(HBO2)多,则其吸收红外光(IR) 多;当血管收缩时,血红蛋白多,则其吸收红光(RED)多;因为血液含氧量对发的红光比较敏感,所以Max30100通过使用特定红光发射一定波长的光,然后使用接收管接收(发射接收都是16位原始数据),根据接收反射光的强弱就可以判定血氧含量;
由图15可见,RED和IR是红光和红外光,光电传感器收集到光电信号后输入到内部的 ADC进行数据采集,然后进入数组滤波器进入数据寄存器,最后通过IIC总线输出。这里需要知道,IIC总线实际上只需要SCL和SDA,即***时钟线和***数据线,就可以进行传输。相比于UART和SPI,IIC总线更加简单,传输数据量小。
四.输液监测模块
本模块以STC89C52RC为核心,利用红外对管检测液滴是否滴落;滴落时候红外对管所连接电阻阻值发生变化,然后经过LM393电压比较器输出液滴滴落信号;单片机接收到信息后,对液滴速度进行计算并且将计算结果在1602液晶显示器上显示;同时该信息还经过HC-05蓝牙传输给手机显示。本模块大致分为9个小模块,分别是STC89C52RC单片机主控模块、声光报警模块、1602液晶显示模块、按键模块、回血报警模块、滴速检测模块、蓝牙模块、ULN2003 电机模块、电源插口模块。其硬件设计如下:
1.单片机主控模块
如图16所示,这里选用的是STC89C52RC单片机,该单片机虽然是十多年前生产的产品,但是其性能优越稳定,功耗很低,价格便宜,所以依旧广泛应用于高校教学、科研制作。其外观黑色,有四十个引脚,然后一般外接12MHz晶振,工作电压一般为3V到5V。它是一款具有8位CPU和4K字节EEPROM的使用MCS-51经典内核的单片机,同时具有8K字节的程序存储单元,而输液监控模块所需程序存储空间完完全全足够。并且它有UART,单独的RXD和TXD串行接口,这就为接下来使用串口转蓝牙模块提供了很大方便。它具有三个定时器T0、T1、T2,相对于STM系列单片机动辄8个16位的定时器来说,STC的单片机较好入手,并且编程使用以C为基础的单片机语言,也方便之后改写。
2.声光报警模块
声光报警模块电路结构图如图17所示,从图中可以看到,电阻R10一端与PNP三极管 8550的基级连接,另一端和单片机P2.1脚连接。而对于PNP型三极管,当基级输入电压为高电平的话,三极管则会截止。而当基级输入电压为低电平的话,三极管就会导通。所以当点滴速度超过设定的阈值时,单片机会使得P2.1输出低电平,然后三极管导通,蜂鸣器发出警报,报警***发生报警。而当滴速在合理区间时,P2.1口由于单片机独特设计会处于高电平,这样就不会触发警报。
3.1602液晶显示模块
如图18所示,LCD1602是单片机经常使用的一种基础液晶显示模块,它是一种字符型显示模块LCD1602的意思表达的是该显示模块可以显示16个字节,显示2行。同时它分为背光和不背光两种,目的是为了可以适应昏暗环境。这里选取1602液晶显示是因为其成本低廉并且和单片机接口简单稳定,编程简单。使用的时候只需要使单片机对应接口输出相应电平,就可以使得显示器显示不同字符。它可以显示英文字母和一些常用符号。但是注意,如果使用的是51单片机的P0接口,那么对应接口必须接上拉电阻提供其稳定的输出能力。
4.按键模块
如图19所示,将按键分别接入单片机的P3.5、P3.6、P3.7脚,对应按下则将对应引脚接入低电平。这里选用的是最简单的按键模块单元。将按键分别接入单片机的P3.5、P3.6、 P3.7脚,当按下按键的时候,就会使得单片机对应接口输入低电平,那么当单片机检测到低电平的时候,就意味着对应按键按下了。值得注意的是,这种按键是没有高级按键的机械消抖功能的,当人按下按键的时候,理想状态下输入电平应该一瞬间转换为低电平。但是现实是单片机检测这个转换需要时间,如果在这个时间内按的手指松开了,并且此时电平还没有转换完成,那么输入电平就一直没有转换成低电平,就会导致单片机没有检测到有按键落下,那么就会导致检测失败。所以需要通过设计一个延时程序,使得单片机检测两次,中间有一个延时,这样就可以实现软件去抖动,提高按键模块的可靠性了。
5.滴速检测模块
如图20所示,该模块主要由一个红外发射管、一个红外接收管和一个LM393电压比较器构成。如图22所示,红外发射管D8发射红外信号,而D1则接收该信号。这个信号的变化会导致红外接收管D1内部电路的电阻发生变化,那么电阻R3和红外接收管D1上所分得的电压就会不同;即LM393的6脚输入电压发生变化。当有液滴滴落的时候,红外接收管D1的阻值变大,LM393的6脚所分得的电压就会变大。当LM393的6脚电压比LM939设置的5脚参考电压大的时候,LM393的7脚就会输出低电平使得发光二极管D3亮。同时单片机P3.3 口接收到低电平信号,统计一定时间内该口电平变化,就可以测得液滴滴落速度。
6.回血报警模块
如图21所示,该模块原理与滴速检测模块原理一样,不过是程序设计时候,其阈值设计有所不同。因为血液和滴管介质的阈值与液滴和滴管介质的阈值区别很大,所以通过设定阈值,当有血液回流时候,红外接收管接收到对应信号,则LM393输出低电平给P1.0口。程序设计上,当P1.0口检测到低电平并持续一段时间,则发出警报提醒。
7.蓝牙模块
如图22所示,HC-05模块是一款常见的简单高性能的蓝牙转串口模块,它省去了中间通讯协议的麻烦和复杂,使得使用者仅需知道串口相关知识便可以实现***的蓝牙传输。它一般和单片机的TXD和RXD上连接便可,使得单片机通过蓝牙连接与其他设备通信。该模块有主模式和从模式两种工作方式,可以应用于各种应用。HC-05使用的是标准AT命令,用户在启动设备时需要进入特殊命令模式。如果没有启动特殊命令模式,设备就会启动数据模式,此时单片机就可以与其他设备进行无线通信。Slave(从角色)、Master(主角色)、Slave-Loop(回环角色)是它的三种工作角色名称。Slave是被动连接,即别人连接我。Master 则是“主人”,我主动查找并且连接别人。Slave-Loop的意思是被动连接,这种情况下,模块会接收蓝牙主设备数据并将数据传送给远程蓝牙主设备。使用时候,只需要设置好能配对连接的AT模式,然后设定好串口波特率,则可以进行与其他设备之间的蓝牙连接。
8.驱动电机模块
步进电机用来调控滴速在合理区间内,即当滴速过快或者过慢,电机会自动正转或者反转调节滴速。步进电机是一种将电脉冲转化为角位移的执行机构。步进电机是一中可以把电脉冲转化为角位移的电机。简单来说,就是可以通过控制电脉冲的数量、频率来达到控制电机的角度和速度,这样便可以实现给电机调整旋转角度和速度。
这里使用的步进电机是28BYJ48,它是一种单片机上常见的四相八拍电机,工作电压一般为直流5V—12V。对步进电机施加一系列连续不断的电脉冲后,电机就会连续不断地转动。这里是用电机模块来达到驱动输液电路、调控滴速的目的。当输液速度超过设定的阈值的时候,电机启动,然后夹紧输液管,降低滴速。当输液速度低于设定的阈值的时候,电机相反驱动,然后适当加快滴速。同时由于使用的单片机接口信号不够大,所以这里通过ULN2003 把单片机的控制信号放大后再输出到对应的电机接口,其连接图如图23所示。
9.电源开关模块
这里采用的是DC电源插口,并且利用自锁开关原理,可用按键控制电源通断,十分方便。如图24所示,该电源开关有6个引脚,可是使用的时候只需要两边各接2个,总共四个引脚便可。其中这里将2脚接了高电平,5脚接了低电平,1脚连接到单片机,4脚连接到单片机的另外一端。这样做的好处是,当按下开关,自锁开关不会自动返回原位置,而是会保持按下的状态,那么就可以一直持续电源的开或者关,这就是自锁开关和按键的区别。
Claims (10)
1.一种自动医护监控***,其特征在于,包括:主模块、病况监测模块、输液监测模块、体温监测模块、心率监测模块和无线传输模块;其中病况监测模块、输液监测模块、体温监测模块和心率监测模块通过无线传输模块与主模块蓝牙连接;
其中病况监测模块由raspiberry pi 4b构成,病况监测模块上设有信号采集装置;
输液监测模块上设有主控模块、声光报警模块、显示模块、按键模块、回血报警模块、滴速检测模块、蓝牙模块、电机模块和电源插口开关模块;声光报警模块、显示模块、按键模块、回血报警模块、滴速检测模块、蓝牙模块均电连接主控模块;主控模块通过电机模块对输液管进行滴速调节;主控模块和电源之间接有电源插口开关模块;滴速检测模块上设有红外对管和电压比较器;回血报警模块上也设有红外对管和电压比较器;电机模块上设有步进电机;
体温监测模块上设有红外感应芯片,体温监测模块还内置信号处理芯片;
心率监测模块上设有集成脉搏血氧和心率检测一体的传感器、光学信号处理器和模拟信号处理器,集成脉搏血氧和心率检测一体的传感器包括两个LED灯和一个光电传感器。
2.根据权利要求1所述自动医护监控***,其特征在于:主模块为手机。
3.根据权利要求1所述自动医护监控***,其特征在于:无线传输模块为串口蓝牙模块或树莓派自带蓝牙模块;输液监测模块、体温监测模块和心率监测模块通过串口蓝牙模块与主模块蓝牙连接;病况监测模块通过树莓派自带蓝牙模块与主模块蓝牙连接。
4.根据权利要求1所述自动医护监控***,其特征在于:输液监测模块上的主控模块为STC89C52RC单片机,蓝牙模块为HC-05蓝牙模块,显示模块为1602液晶显示器,电机模块为ULN2003,电压比较器为LM393;步进电机为28BYJ48。
5.根据权利要求1所述自动医护监控***,其特征在于:体温监测模块上的红外感应芯片为MLX90614。
6.根据权利要求1所述自动医护监控***,其特征在于:心率监测模块上集成脉搏血氧和心率检测一体的传感器为Max30100。
7.一种如权利要求1所述自动医护监控***的工作方法,其特征在于,包括如下步骤:
步骤1、病况监测模块利用信号采集装置采集人脸信号,将采集得到的人脸信号传输给raspiberry pi 4b进行病况监测;
步骤2、输液监测模块利用红外对管接收的信号变化对应的电阻电压变化,检测出输液滴速后在显示模块显示,判断患者输液时是否回血,当有血液回流时候,红外接收管接收到对应信号,通过声光报警模块进行报警;用电机模块来驱动输液电路、调控滴速:当输液速度超过设定的阈值时,电机启动,然后夹紧输液管,降低滴速;当输液速度低于设定的阈值的时,电机相反驱动,加快滴速;
步骤3、体温监测模块利用红外感应芯片对目标进行测温,然后通过内置信号处理芯片进行体温计算;
步骤4、心率监测模块采用光容积法,通过集成脉搏血氧和心率检测一体的传感器采集心率信号,内部的低噪声模拟信号处理器对心率信号进行ADC处理,然后进入数组滤波器,心率信号最后通过IIC总线输出;根据细胞的光反射到传感器的光量的变化,计算出心率。
8.根据权利要求7所述自动医护监控***的工作方法,其特征在于:步骤1中病况监测模块中信号采集装置为pi camera;步骤2中输液监测模块内电源插口开关模块采用DC电源插口,用按键控制电源通断。
9.根据权利要求7所述自动医护监控***的工作方法,其特征在于,步骤1具体包括以下步骤:
步骤1.1、病况监测模块进行人脸检测:调用dlib特有的人脸特征点检测器,检测出人脸中的眼睛、嘴部、眉毛和鼻子区域并且返回相应的坐标,结合坐标计算人脸中的眼睛、嘴部、眉毛和鼻子区域之间的欧式几何距离,然后收集人脸发生状态变化时眼睛、嘴部、眉毛和鼻子区域之间的欧式几何距离变化,比较欧式几何距离变化和设定的判断阈值大小,对面部区域进行检测和表情识别;若欧式几何距离变化达到设定的判断阈值,则人脸中该面部区域发生判断阈值对应的表情;
步骤1.2、病况监测模块进行疲劳检测;进行疲劳检测的内容有眨眼检测、嘴部张闭检测、挑眉程度检测和鼻间距检测;
步骤1.2.1、眨眼检测:采集人在面部发生状态变化时人眼上的12个特征点之间欧式几何距离的变化,其中每只眼睛各6个特征点;计算人眼张闭阈值:
上式中,EAR为眼睛纵横比,p1到p6分别表示从左开始顺时针的6个眼部特征点;分子上的两个模计算之和||p2-p6||+||p3-p5||为人眼特征点垂直方向的距离,分母上的模计算||p1-p4||为人眼特征点水平方向的距离||p1-p4||通过乘2拟合分子的项数,使分子与分母的权重相同;
将计算得到的EAR与EAR参考值进行对比,若计算得到的EAR远小于EAR参考值,则判断发生眨眼;
步骤1.2.2、嘴部张闭检测:采集人在面部发生状态变化时上下嘴唇的4个标志点和左右嘴角的2个特征点之间欧式几何距离的变化,计算嘴部张闭阈值:
上式为采用二范数来求取嘴巴特征点阈值,具体为求取对应特征点之间距离的平方和并且开根号;
若计算得到的嘴部张闭阈值大于正常嘴部阈值,则判定嘴部张开,若计算得到的嘴部张闭阈值小于正常嘴部阈值,则判定嘴部闭合;
步骤1.2.3、挑眉程度检测:利用numpy中的polyfit函数对眉毛上的十个特征点进行线性拟合,其中左右眉毛各五个特征点;拟合出一个一次函数后,通过斜率判断挑眉程度;建立line_brow_x和line_brow_y两个列表存放眉毛的x和y位置信息,设置变量brow_sum来存放眉毛特征点坐标的高度之和、设置变量frown_sum来存放两边眉毛距离之和;以矩形框上线为横轴,眉毛特征点坐标的高度之和为对每一个坐标与矩形框左上角坐标的纵坐标之差的求和;两边眉毛距离之和为对每一个坐标与矩形框左上角坐标的横坐标之差的求和;用numpy中的array函数把列表line_brow_x和line_brow_y数组化,并且用np.polyfit函数对数组化后的列表line_brow_x和line_brow_y进行最小二乘多项式拟合,最后再用round函数求取其眉毛最终斜率拟合值:
上式中,|p(xj)-yj|表示特征点与固定点之间最小化平方误差的系数的绝对值之差的平方;其中p(xj)表示特征点最小化平方误差的系数,yj表示固定点最小化平方误差的系数;通过检测眉毛特征点距离人脸方框的长度和高度,判断眉毛长度、高度在人脸框中的比例,结合分析出挑眉程度;若计算得到的眉毛最终斜率拟合值低于临界阈值,则发生挑眉;
步骤1.2.4、统计人脸在面部表情发生变化时的鼻梁长度、鼻子宽度的变化程度和人脸表情变化的关系;
步骤1.3、病况监测模块根据步骤1.2进行表情识别。
10.根据权利要求7所述自动医护监控***的工作方法,其特征在于,步骤3具体包括以下步骤:
步骤3.1、计算热电堆的输出温度:
Vir(Ta,To)=A.(To4-Ta4),
其中To是待测物体的绝对温度,单位为开尔文;Ta是环境的绝对温度,A是敏感度;
步骤3.2、计算出对应的环境温度Ta和物体温度To;
将RAM内容转换为环境的绝对温度Ta:
Ta[K]=Tareg×0.02,or 0.02K/LSB
上式中,Tareg为内部线性传感器所测得环境的温度;
则待测物体的绝对温度To为:
To[K]=Toreg×0.02,or 0.02K/LSB
上式中,Toreg为内部线性传感器所测得物体的温度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110628881.1A CN113198067A (zh) | 2021-06-03 | 2021-06-03 | 自动医护监控*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110628881.1A CN113198067A (zh) | 2021-06-03 | 2021-06-03 | 自动医护监控*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113198067A true CN113198067A (zh) | 2021-08-03 |
Family
ID=77024083
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110628881.1A Pending CN113198067A (zh) | 2021-06-03 | 2021-06-03 | 自动医护监控*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113198067A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115880858A (zh) * | 2022-10-19 | 2023-03-31 | 慧之安信息技术股份有限公司 | 一种基于边缘计算的医疗辅助监控方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107440698A (zh) * | 2017-09-18 | 2017-12-08 | 齐鲁工业大学 | 一种分布式病房监护*** |
CN108187186A (zh) * | 2017-12-27 | 2018-06-22 | 东南大学 | 一种输液监控及生命体征检测*** |
CN109063643A (zh) * | 2018-08-01 | 2018-12-21 | 中国科学院合肥物质科学研究院 | 一种用于脸部信息部分隐藏条件下的面部表情痛苦度识别方法 |
CN109165630A (zh) * | 2018-09-19 | 2019-01-08 | 南京邮电大学 | 一种基于二维人眼识别的疲劳监测方法 |
CN109276236A (zh) * | 2018-11-14 | 2019-01-29 | 绍兴天宏激光科技有限公司 | 一种基于表情识别的智能医疗监护***及使用方法 |
CN109602974A (zh) * | 2018-12-12 | 2019-04-12 | 怀化学院 | 输液控制***及输液*** |
CN109621086A (zh) * | 2019-01-11 | 2019-04-16 | 防灾科技学院 | 一种便捷式医疗场所患者智能监控*** |
CN110069979A (zh) * | 2019-03-05 | 2019-07-30 | 北京航空航天大学 | 管制员状态检测方法、装置及*** |
CN110197169A (zh) * | 2019-06-05 | 2019-09-03 | 南京邮电大学 | 一种非接触式的学习状态监测***及学习状态检测方法 |
CN111375102A (zh) * | 2020-03-20 | 2020-07-07 | 四川轻化工大学 | 一种多功能智能输液装置 |
CN212914090U (zh) * | 2020-04-24 | 2021-04-09 | 广东交通职业技术学院 | 一种医用点滴控制器 |
-
2021
- 2021-06-03 CN CN202110628881.1A patent/CN113198067A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107440698A (zh) * | 2017-09-18 | 2017-12-08 | 齐鲁工业大学 | 一种分布式病房监护*** |
CN108187186A (zh) * | 2017-12-27 | 2018-06-22 | 东南大学 | 一种输液监控及生命体征检测*** |
CN109063643A (zh) * | 2018-08-01 | 2018-12-21 | 中国科学院合肥物质科学研究院 | 一种用于脸部信息部分隐藏条件下的面部表情痛苦度识别方法 |
CN109165630A (zh) * | 2018-09-19 | 2019-01-08 | 南京邮电大学 | 一种基于二维人眼识别的疲劳监测方法 |
CN109276236A (zh) * | 2018-11-14 | 2019-01-29 | 绍兴天宏激光科技有限公司 | 一种基于表情识别的智能医疗监护***及使用方法 |
CN109602974A (zh) * | 2018-12-12 | 2019-04-12 | 怀化学院 | 输液控制***及输液*** |
CN109621086A (zh) * | 2019-01-11 | 2019-04-16 | 防灾科技学院 | 一种便捷式医疗场所患者智能监控*** |
CN110069979A (zh) * | 2019-03-05 | 2019-07-30 | 北京航空航天大学 | 管制员状态检测方法、装置及*** |
CN110197169A (zh) * | 2019-06-05 | 2019-09-03 | 南京邮电大学 | 一种非接触式的学习状态监测***及学习状态检测方法 |
CN111375102A (zh) * | 2020-03-20 | 2020-07-07 | 四川轻化工大学 | 一种多功能智能输液装置 |
CN212914090U (zh) * | 2020-04-24 | 2021-04-09 | 广东交通职业技术学院 | 一种医用点滴控制器 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115880858A (zh) * | 2022-10-19 | 2023-03-31 | 慧之安信息技术股份有限公司 | 一种基于边缘计算的医疗辅助监控方法 |
CN115880858B (zh) * | 2022-10-19 | 2023-11-28 | 慧之安信息技术股份有限公司 | 一种基于边缘计算的医疗辅助监控方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109717846A (zh) | 一种基于柔性传感器的自动脉象检测***及检测方法 | |
CN107803843A (zh) | 一种基于树莓派的人体健康监测机器人 | |
Agustine et al. | Heart rate monitoring device for arrhythmia using pulse oximeter sensor based on android | |
Al-Aubidy et al. | Real-time patient health monitoring and alarming using wireless-sensor-network | |
CN106968979A (zh) | 一种风扇控制*** | |
CN113198067A (zh) | 自动医护监控*** | |
CN114916914A (zh) | 一种具有自动佩戴检测的可穿戴设备和实现方法 | |
CN210697642U (zh) | 一种穿戴式下肢骨骼运动检测装置 | |
CN106073740A (zh) | 一种WiFi上臂式智能电子血压计及其使用方法 | |
Elango et al. | A low‐cost wearable remote healthcare monitoring system | |
WO2019119670A1 (zh) | 一种基于智能设备和穿戴式手环的血压监测装置 | |
CN209575092U (zh) | 智能轮椅控制装置、智能轮椅以及远程健康监护智能轮椅*** | |
Wulandari et al. | Design and Implementation of Real-Time Health Vital Sign Monitoring Device with Wireless Sensor-based on Arduino Mega | |
CN106361307B (zh) | 基于光传感的可佩带式生命体征监测设备及血压检测方法 | |
CN208002783U (zh) | 一种可穿戴式智能儿童体温测量装置 | |
CN206499453U (zh) | 一种手持式多参数健康检测仪 | |
Deivasigamani et al. | Design of smart pulse oximeter using ATMEGA 328 microcontroller | |
Arora et al. | IOT smart health monitoring system | |
Dai et al. | Design of an Instrument for Measuring Heart Rate and Blood Oxygen Based on Arduino | |
CN107230414A (zh) | 一种基于单片机的手语识别翻译*** | |
CN108043009A (zh) | 一种包括有智能运动护腕的篮球运动组件及其使用方法 | |
WO2019179175A1 (zh) | 一种可扩展多生理参数监测指环 | |
WO2019119669A1 (zh) | 一种基于智能设备的血压监测装置 | |
CN221411210U (zh) | 一种具有联网功能的便携血氧仪 | |
CN209032336U (zh) | 一种血氧血压检测手机及*** |
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 |
Application publication date: 20210803 |
|
RJ01 | Rejection of invention patent application after publication |