CN116935315B - 一种病房环境的监控方法、装置、设备和介质 - Google Patents
一种病房环境的监控方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN116935315B CN116935315B CN202310902311.6A CN202310902311A CN116935315B CN 116935315 B CN116935315 B CN 116935315B CN 202310902311 A CN202310902311 A CN 202310902311A CN 116935315 B CN116935315 B CN 116935315B
- Authority
- CN
- China
- Prior art keywords
- information
- regulation
- ward
- environment
- environmental
- 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.)
- Active
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 84
- 238000000034 method Methods 0.000 title claims abstract description 43
- 230000006399 behavior Effects 0.000 claims abstract description 176
- 230000002159 abnormal effect Effects 0.000 claims abstract description 107
- 238000004458 analytical method Methods 0.000 claims abstract description 78
- 230000000694 effects Effects 0.000 claims abstract description 77
- 230000005856 abnormality Effects 0.000 claims abstract description 23
- 238000001514 detection method Methods 0.000 claims abstract description 18
- 230000000638 stimulation Effects 0.000 claims abstract description 11
- 230000007613 environmental effect Effects 0.000 claims description 175
- 238000009423 ventilation Methods 0.000 claims description 87
- 238000003891 environmental analysis Methods 0.000 claims description 48
- 238000012216 screening Methods 0.000 claims description 32
- 239000013566 allergen Substances 0.000 claims description 27
- 206010000117 Abnormal behaviour Diseases 0.000 claims description 23
- 230000000172 allergic effect Effects 0.000 claims description 23
- 208000010668 atopic eczema Diseases 0.000 claims description 23
- 230000009467 reduction Effects 0.000 claims description 22
- 238000012806 monitoring device Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 7
- 230000001105 regulatory effect Effects 0.000 claims description 7
- 239000000779 smoke Substances 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims 1
- 230000008569 process Effects 0.000 description 10
- 238000011084 recovery Methods 0.000 description 9
- 230000004936 stimulating effect Effects 0.000 description 8
- 238000012549 training Methods 0.000 description 8
- 238000012795 verification Methods 0.000 description 8
- 230000009471 action Effects 0.000 description 5
- 239000007789 gas Substances 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 238000011282 treatment Methods 0.000 description 5
- 206010020751 Hypersensitivity Diseases 0.000 description 4
- 208000026935 allergic disease Diseases 0.000 description 4
- 230000007815 allergy Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000005034 decoration Methods 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 4
- 102000037983 regulatory factors Human genes 0.000 description 4
- 108091008025 regulatory factors Proteins 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 235000013305 food Nutrition 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000002980 postoperative effect Effects 0.000 description 3
- 230000029058 respiratory gaseous exchange Effects 0.000 description 3
- 241001631030 Explorator Species 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000013145 classification model Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000391 smoking effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 206010020772 Hypertension Diseases 0.000 description 1
- 208000032376 Lung infection Diseases 0.000 description 1
- 208000035965 Postoperative Complications Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 230000004630 mental health Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000013450 outlier detection Methods 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 239000013618 particulate matter Substances 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 230000002889 sympathetic effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- 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
- G06V40/20—Movements or behaviour, e.g. gesture recognition
- G06V40/23—Recognition of whole body movements, e.g. for sport training
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Human Computer Interaction (AREA)
- Social Psychology (AREA)
- Psychiatry (AREA)
- Alarm Systems (AREA)
Abstract
本申请涉及病房监控的技术领域,尤其是涉及一种病房环境的监控方法、装置、设备和介质,方法包括:基于病房信息和探望人员数量进行病房人员分析,确定人数影响结果,基于每一探望人员的活动行为进行刺激行为检测,确定每一所述探望人员对应的行为影响结果,进而,综合人数影响结果、探望人员数量、每一探望人员的行为影响结果和每一探望人员的活动行为,确定环境分析结果。然后,在环境状态为异常时,则基于异常信息进行环境调控分析,确定环境调控信息和警示信息,并将环境调控信息发送至调控设备,将警示信息发送至警示设备。通过探望人员数量和活动行为来分析病房环境,能够在病房环境出现异常时快速响应和处理,提高了病房环节监控的准确性。
Description
技术领域
本申请涉及病房监控的技术领域,尤其是涉及一种病房环境的监控方法、装置、设备和介质。
背景技术
随着人们健康意识和医疗水平的提高,越来越多的人选择手术治疗来解决各种疾病。手术虽然能够对疾病起到很好的治疗效果,但是,手术之后的康复在整个治疗过程中也起到了至关重要的作用,因而,术后的恢复阶段同手术一样重要。一个良好的康复环境不仅可以降低病人发生术后并发症,还可以加快病人身体的康复速度。
病房环境作为术后康复过程中的重要一环,直接关系到病人的身体恢复和病情变化。随着信息化的快速发展,相关技术,实时监控病房内的温度、湿度、噪声、空气质量等信息,并对温度、湿度、噪声、空气质量进行分析和处理,自动发现环境问题并及时发出警报。在当今社会,病人手术后留院观察时,亲朋好友们都会前去医院探望,且,探望人员的异常行为也是影响病房环境的重要因素。然而,相关技术在进行病房环境监控时,仅考虑温度、湿度、噪声、空气质量等信息,导致病房环境的监控结果不准确。
因而,如何解决上述技术问题是本领域技术人员亟待解决的问题。
发明内容
本申请的目的是提供一种病房环境的监控方法、装置、设备和介质,用于解决以上至少一项技术问题。
本申请的上述发明目的是通过以下技术方案得以实现的:
第一方面,本申请提供一种病房环境的监控方法,采用如下的技术方案:
一种病房环境的监控方法,包括:
获取病房监控视频,并基于所述病房监控视频,确定探望人员数量和每一探望人员的活动行为;
获取病房信息,并基于所述病房信息和所述探望人员数量进行病房人数分析,确定人数影响结果,其中,所述人数影响结果包括:探望人员数量正常和探望人员超员;
基于每一所述探望人员对应的所述活动行为进行刺激行为检测,确定每一所述探望人员对应的行为影响结果,其中,所述行为影响结果包括:行为正常和行为异常;
基于所述人数影响结果、所述探望人员数量、每一探望人员的所述行为影响结果和每一探望人员的所述活动行为,确定环境分析结果,其中,所述环境分析结果包括:环境状态、异常信息;
当所述环境状态为异常时,则基于所述环境分析结果中所述异常信息进行环境调控分析,确定环境调控信息和警示信息;
将所述环境调控信息发送至调控设备,并将所述警示信息发送至警示设备。
通过采用上述技术方案,病房为一个面积小、通风性较差的环境,较多探望人员的驻留会影响病房内空气流通和空气质量,且,探望人员的行为也会对病房环境和病人休息产生影响。因而,基于病房信息和探望人员数量进行病房人员分析,确定人数影响结果,并基于每一探望人员的活动行为进行刺激行为检测,确定每一所述探望人员对应的行为影响结果,进而,综合人数影响结果、探望人员数量、每一探望人员的行为影响结果和每一探望人员的活动行为,确定环境分析结果,其中,环境分析结果用于表征探望人员数量和每一探望人员的活动行为对病房环境的影响。然后,在环境状态为异常时,则基于异常信息进行环境调控分析,确定环境调控信息和警示信息,并将环境调控信息发送至调控设备,以调节病房环境为适宜病人休息的环境,将警示信息发送至警示设备,以警示探望人员停止刺激行为,保障病人的正常休息。通过探望人员数量和活动行为来分析病房环境,能够在病房环境出现异常时快速响应和处理,提高了病房环节监控的准确性。
本申请在一较佳示例中可以进一步配置为:基于所述环境分析结果中所述异常信息进行环境调控分析,确定环境调控信息,包括:
基于所述环境分析结果中所述异常信息,确定调控类型,其中,所述调控类型包括:通风调控和警示调控;
当所述调控类型为所述通风调控时,则获取病房外的环境信息,并基于所述环境信息,确定环境调控方式,其中,所述环境调控方式包括:开窗通风方式和新风***换风方式;
基于所述环境分析结果中所述异常信息,确定目标调控因素,其中,所述目标调控因素包括:温度、气体含量、气味、烟雾含量;
获取所述目标调控因素对应的目标因素值,并基于所述目标因素值、所述环境调控方式,确定环境调控时长;
综合所述环境调控方式和所述环境调控时长,确定环境调控信息。
本申请在一较佳示例中可以进一步配置为:当所述环境调控信息中所述环境调控方式为开窗通风方式时,
所述将所述环境调控信息发送至调控设备之后,还包括:
获取病房的当前噪声信息,判断所述当前噪声信息是否符合病房的噪声要求;
当所述当前噪声信息不符合噪声要求时,则获取开窗通风前的初始噪声信息,并判断所述初始噪声信息是否符合所述噪声要求;
当所述初始噪声信息符合噪声要求时,则更换所述环境调控信息中的所述环境调控方式,并将调整后的环境调控信息发送至调控设备。
本申请在一较佳示例中可以进一步配置为:所述判断所述初始噪声信息是否符合所述噪声要求之后,还包括:
当所述初始噪声信息不符合噪声要求时,基于所述初始噪声信息进行噪声异常分析,确定噪声异常原因;
基于所述噪声异常原因,生成降噪信息,其中,所述降噪信息用于为医护人员提供降低病房内噪声的处理方式。
本申请在一较佳示例中可以进一步配置为:所述基于所述人数影响结果、所述探望人员数量、每一探望人员的所述行为影响结果和每一探望人员的所述活动行为,确定环境分析结果,包括:
当所述人数影响结果为探望人员超员时,则确定环境分析结果中的环境状态为异常,并基于所述探望人员数量,确定超员异常信息;
当所述行为影响结果为行为异常时,则确定环境分析结果中的环境状态为异常,并基于异常的行为影响结果对应的活动行为,确定行为异常信息;
当所述人数影响结果为探望人员正常,且,每一所述行为影响结果均为行为正常时,则确定环境分析结果中的环境状态为正常,并确定环境信息为空;
综合所述环境状态和异常信息,确定环境分析结果,其中,所述异常信息为所述超员异常信息、所述行为异常信息和所述环境信息中任意一种。
本申请在一较佳示例中可以进一步配置为:所述基于所述病房监控视频,确定探望人员数量,包括:
基于所述病房监控视频进行人员信息识别,得到多个人员信息;
获取医护人员信息和病人信息,并基于所述医护人员信息、所述病人信息和所述多个人员信息进行信息筛选,确定探望人员数量。
本申请在一较佳示例中可以进一步配置为:还包括:
获取病人的生理信息,判断所述生理信息是否存在波动;
当所述生理信息存在波动时,则获取病房的环境参数,并基于所述环境参数进行环境评估,得到环境评估结果;
当所述环境评估结果为达标时,则获取病人的过敏信息,并基于所述过敏信息和所述环境参数进行过敏因素筛查,确定筛查结果;
当所述筛查结果为存在过敏源时,则生成过敏源警示信息,并将所述过敏源警示信息发送至警示设备。
第二方面,本申请提供一种病房环境的监控装置,采用如下的技术方案:
一种病房环境的监控装置,包括:
探望人员确定模块,用于获取病房监控视频,并基于所述病房监控视频,确定探望人员数量和每一探望人员的活动行为;
人数影响模块,用于获取病房信息,并基于所述病房信息和所述探望人员数量进行病房人数分析,确定人数影响结果,其中,所述人数影响结果包括:探望人员数量正常和探望人员超员;
行为影响模块,用于基于每一所述探望人员对应的所述活动行为进行刺激行为检测,确定每一所述探望人员对应的行为影响结果,其中,所述行为影响结果包括:行为正常和行为异常;
环境分析模块,用于基于所述人数影响结果、所述探望人员数量、每一探望人员的所述行为影响结果和每一探望人员的所述活动行为,确定环境分析结果,其中,所述环境分析结果包括:环境状态、异常信息;
环境调控分析模块,用于当所述环境状态为异常时,则基于所述环境分析结果中所述异常信息进行环境调控分析,确定环境调控信息和警示信息;
信息发送模块,用于将所述环境调控信息发送至调控设备,并将所述警示信息发送至警示设备。
第三方面,本申请提供一种电子设备,采用如下的技术方案:
至少一个处理器;
存储器;
至少一个应用程序,其中至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行,所述至少一个应用程序配置用于:执行上述的病房环境的监控方法。
第四方面,本申请提供一种计算机可读存储介质,采用如下的技术方案:
一种计算机可读存储介质,其上存储有计算机程序,当所述计算机程序在计算机中执行时,令所述计算机执行上所述的病房环境的监控方法。
综上所述,本申请包括以下至少一种有益技术效果:
病房为一个面积小、通风性较差的环境,较多探望人员的驻留会影响病房内空气流通和空气质量,且,探望人员的行为也会对病房环境和病人休息产生影响。因而,基于病房信息和探望人员数量进行病房人员分析,确定人数影响结果,并基于每一探望人员的活动行为进行刺激行为检测,确定每一所述探望人员对应的行为影响结果,进而,综合人数影响结果、探望人员数量、每一探望人员的行为影响结果和每一探望人员的活动行为,确定环境分析结果,其中,环境分析结果用于表征探望人员数量和每一探望人员的活动行为对病房环境的影响。然后,在环境状态为异常时,则基于异常信息进行环境调控分析,确定环境调控信息和警示信息,并将环境调控信息发送至调控设备,以调节病房环境为适宜病人休息的环境,将警示信息发送至警示设备,以警示探望人员停止刺激行为,保障病人的正常休息。通过探望人员数量和活动行为来分析病房环境,能够在病房环境出现异常时快速响应和处理,提高了病房环节监控的准确性。
由于病房外环境的较为复杂,会存在因施工而带来噪声污染的问题,为了确保病房环境的宁静,当环境调控方式为开窗通风方式时,判断病房的当前噪声信息是否符合病房的噪声要求,当前噪声信息不符合噪声要求时,则判断初始噪声信息是否符合噪声要求,以判断当前噪声信息不符合噪声要求是否由开窗通风引起。当初始噪声信息符合噪声要求时,则表征当前噪声信息不符合噪声要求是由开窗通风引起,故,更换环境调控信息中的环境调控方式,并将调整后的环境调控信息发送至调控设备,以确定病房环境的宁静,保障环境调控信息的合理性。
附图说明
图1是本申请其中一实施例的一种病房环境的监控方法的流程示意图;
图2是本申请其中一实施例的环境调控分析的流程示意图;
图3是本申请其中一实施例的一种病房环境的监控装置的结构示意图;
图4是本申请其中一实施例的一种电子设备的结构示意图。
具体实施方式
以下结合图1至图4对本申请作进一步详细说明。
本具体实施例仅仅是对本申请的解释,其并不是对本申请的限制,本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改,但只要在本申请的范围内都受到专利法的保护。
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
另外,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,如无特殊说明,一般表示前后关联对象是一种“或”的关系。
下面结合说明书附图对本申请实施例作进一步详细描述。
本申请实施例提供了一种病房环境的监控方法,由电子设备执行,该电子设备可以为服务器也可以为终端设备,其中,该服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式***,还可以是提供云计算服务的云服务器。终端设备可以是智能手机、平板电脑、笔记本电脑、台式计算机等,但并不局限于此,该终端设备以及服务器可以通过有线或无线通信方式进行直接或间接地连接,本申请实施例在此不做限制,如图1所示,该方法包括步骤S101、步骤S102、步骤S103、步骤S104、步骤S105以及步骤S106,其中:
步骤S101:获取病房监控视频,并基于病房监控视频,确定探望人员数量和每一探望人员的活动行为。
在本申请实施例中,良好的病房环境便于病人的休息和恢复,但是,在病人的术后康复阶段会有较多的亲戚朋友前来探望,探望人员的数量和行为会影响病房内的环境和病人的休息,故本申请实施例在进行环境调控的过程中综合考虑了探望人员的数量和行为对病房环境的影响,并针对异常的病房环境进行调控,以使得病房环境适合于病人修养。
病房监控视频是由病房内的监控装置采集的,病房监控视频为病房内的全景视频,因而,便于通过病房监控视频准确地监测病房内情况,其中,电子设备与监控装置之间通过无线方式进行信息传输。进而,使用计算机视觉技术和深度学习算法对病房监控视频进行处理,确定探望人员数量和每一探望人员的活动行为。优选的,利用卷积神经网络对病房监控视频进行处理,具体的,针对病房监控视频进行预处理,得到预处理后的病房监控视频,其中,预处理包括但不限于:视频分解、色彩空间转换、图像增强等步骤,预处理用于提高后续特征提取和物体检测的准确性。然后,针对预处理后的病房监控视频中的每一帧监控图像进行卷积操作,提取出每一帧监控图像的特征信息,即,将监控图像的原始像素转换成多层抽象特征,在多层抽象特征中保留了监控图像的结构和纹理信息。进而,利用深度学习算法针对每一帧监控图像的特征信息进行目标检测,检测出病房监控视频中全部目标对象,其中,深度学习算法包括但不限于:Faster R-CNN、YOLO等目标检测算法。然后,利用对象分类模型对病房监控视频中全部目标对象进行分类,将探望人员类别的数量确定为探望人员数量,其中,对象分类模型是利用大量的训练集、验证集和测试集对神经网络进行训练得到的,训练集、验证集和测试集为不同对象类型各自对应的大量图像。关于确定探望人员的活动行为的处理过程具体如下,在预处理后的病房监控视频中提取探访人员的行为特征,并将探访人员的行为特征输入至行为识别模型中来确定探望人员的活动行为,活动行为包括但不限于:抽烟、吃刺激性食品、存在过激的肢体行为等,其中,行为识别模型是利用大量的训练集、验证集和测试集对神经网络进行训练得到的,训练集、验证集和测试集为不同人员活动各自对应的大量图像。
步骤S102:获取病房信息,并基于病房信息和探望人员数量进行病房人数分析,确定人数影响结果,其中,人数影响结果包括:探望人员数量正常和探望人员超员。
在本申请实施例中,病房信息包括但不限于:病房类型、病房面积,且,不同类型和不同病房面积的病房对病人探视要求不同,即,针对病人身体情况较差的病房类型,探视要求中的探望人员数量要少于普通病房;针对相同类型的病房而言,病房面积大的病房允许的探望人员数量会大于病房面积小的病房。因而,在针对探望人员数量进行病房人数分析时,不应该将所有病房一概论述,而是综合考虑病房信息对病房人数分析,以使得人数影响结果更加精准。
病房人数分析的方式有很多,在一种可实现的实施例中,电子设备内预先存储有病房信息和最高探望人数的对应关系,故从病房信息和最高探望人数的对应关系中选取病房信息对应的最高探望人数,并判断探望人员数量和最高探望人数的大小关系,当探望人员数量高于最高探望人数时,则确定人数影响结果为探望人员超员;否则,确定人数影响结果为探望人员数量正常。在另一种可实现的实施例中,病房门处于打开的状态下,病房监控视频中可能包括病房门口和走廊的图像,然而,仅在门口驻留的探望人员和走廊的探望人员通常情况下并不会对病房环境产生影响。因而,为了提升人数影响结果的准确性,本申请实施例会基于探望人员数量重新确定有效探望人员数量,有效探望人员数量为在病房的目标区域内活动的探望人员,目标区域的范围用户可以根据需求进行自行设定,优选的,目标区域的范围为不包括病房门口和走廊的区域。确定有效探望人员数量的步骤可以包括:获取每一探望人员的活动轨迹,基于每一活动轨迹和目标区域进行活动区域分析,当探望人员的活动轨迹在目标区域内时,则确定该探望人员为有效探望人员;否则,确定该探望人员为无效探望人员;并将有效探望人员的数量记为有效探望人员数量。进而,基于病房信息和最高探望人数的对应关系、有效探望人员数量来判断探望人员数量是否超员。
步骤S103:基于每一探望人员对应的活动行为进行刺激行为检测,确定每一探望人员对应的行为影响结果,其中,行为影响结果包括:行为正常和行为异常。
在本申请实施例中,刺激行为检测用于检测探望人员的活动是否会对病房环境造成影响,造成影响的方面包括但不限于:空气质量和噪声,预先设定了一个刺激行为库,刺激行为库存储了大量会对病房环境造成影响的刺激行为,其中,刺激行为包括但不限于:抽烟、吃刺激性食品、存在过激的肢体行为、争吵等。因而,基于每一探望人员对应的活动行为与刺激行为库进行行为匹配,当行为匹配成功时,则确定行为影响结果为行为异常;否则,确定行为影响结果为行为正常。
步骤S104:基于人数影响结果、探望人员数量、每一探望人员的行为影响结果和每一探望人员的活动行为,确定环境分析结果,其中,环境分析结果包括:环境状态、异常信息。
在本申请实施例中,环境分析结果是基于病房内探望人员数量和每一探望人员的活动行为综合分析确定的,从总体上表征探望人员对病房环境的影响结果。即,基于人数影响结果和每一探望人员的行为影响结果,确定环境分析结果的环境状态;当环境状态为异常时,则基于探望人员数量和/或每一探望人员的活动行为,确定环境分析结果的异常信息。
步骤S105:当环境状态为异常时,则基于环境分析结果中异常信息进行环境调控分析,确定环境调控信息和警示信息;
步骤S106:将环境调控信息发送至调控设备,并将警示信息发送至警示设备。
在本申请实施例中,当环境状态为异常时,则表征病房环境不适合病人的修养,在检测到环境状态为异常后及时地对病房环境进行调控,不仅能够保证病人的正常休息和恢复,而且,智能化的病房环境调控也提高了医护人员的工作效率。进而,基于环境分析结果中异常信息进行环境调控分析,确定环境调控信息和警示信息,并将环境调控信息发送至调控设备,将警示信息发送至警示设备,以完成对病房环境的智能调控。环境调控信息用于控制调控设备工作,以调节探望人员对病房内空气产生的影响,其中,调控设备包括但不限于:智能门窗、智能新风***;警示信息用于控制警示设备工作,以对探望人员影响病人休息的行为进行警告。
可见,在本申请实施例中,病房为一个面积小、通风性较差的环境,较多探望人员的驻留会影响病房内空气流通和空气质量,且,探望人员的行为也会对病房环境和病人休息产生影响。因而,基于病房信息和探望人员数量进行病房人员分析,确定人数影响结果,并基于每一探望人员的活动行为进行刺激行为检测,确定每一探望人员对应的行为影响结果,进而,综合人数影响结果、探望人员数量、每一探望人员的行为影响结果和每一探望人员的活动行为,确定环境分析结果,其中,环境分析结果用于表征探望人员数量和每一探望人员的活动行为对病房环境的影响。然后,在环境状态为异常时,则基于异常信息进行环境调控分析,确定环境调控信息和警示信息,并将环境调控信息发送至调控设备,以调节病房环境为适宜病人休息的环境,将警示信息发送至警示设备,以警示探望人员停止刺激行为,保障病人的正常休息。通过探望人员数量和活动行为来分析病房环境,能够在病房环境出现异常时快速响应和处理,提高了病房环节监控的准确性。
进一步的,为了使得环境调控信息与病房环境的复杂情况高度匹配,从而保障病房内的舒适性,在本申请实施例中,如图2所示,基于环境分析结果中异常信息进行环境调控分析,确定环境调控信息,包括:步骤S1051至步骤S1055,其中:
步骤S1051:基于环境分析结果中异常信息,确定调控类型,其中,调控类型包括:通风调控和警示调控。
对于本申请实施例,针对不同的异常信息采取对应的调控类型能够提升病房环境智能调控的效果,进而,基于环境分析结果中异常信息,确定调控类型,其中,探望人员超员和存在刺激性行为是异常信息的来源,故,针对探望人员超员确定的异常信息包括但不限于:超员人数、超员影响的环境因素;针对刺激性行为确定的异常信息包括但不限于:刺激行为名称、刺激行为影响的环境因素、刺激行为影响的其他因素。然后,当异常信息中包括超员影响的环境因素和刺激行为影响的环境因素中任意一项时,则确定调控类型为通风调控;当异常信息中包括刺激行为影响的其他因素时,则确定调控类型为警示调控。最终,确定的调控类型为通风调控和警示调控中至少一种。
步骤S1052:当调控类型为通风调控时,则获取病房外的环境信息,并基于环境信息,确定环境调控方式,其中,环境调控方式包括:开窗通风方式和新风***换风方式。
对于本申请实施例,通风调控对应的环境调控方式包括:开窗通风方式和新风***换风方式,开窗通风方式相较于新风***换风方式具有空气流通效果好、操作容易和成本低的优势,因而,在开窗通风满足需求时,优选开窗通风方式。然而,在实际工作中,并非所有情况均能够通过开窗通风方式进行环境调控,例如,病房外暴雨、大风、雾霾、高温等恶略天气,且,当病房外为不合适的环境时采取开窗通风会影响病人的正常休息和恢复。
具体的,获取病房外的环境信息,其中,环境信息包括但不限于:气温、天气、空气质量等,获取环境信息的方式有多种,在一种情况中,电子设备通过设置在病房外的各类传感器来获取环境信息;在另一种情况中,电子设备通过与互联网气象网站连接,以获取病房外的环境信息。进而,基于环境信息确定环境调控方式,即,根据环境信息中每一环境项和标准环境项进行匹配,当环境信息中每一环境项均与标准环境项匹配成功时,则确定环境调控方式为开窗通风方式;否则,确定环境调控方式为新风***换风方式,其中,标准环境项为适宜开窗通风的环境信息项。在确定环境调控方式时综合考虑环境信息,避免了在不合适环境状况下开窗通风给病人修养带来差的体验,且,在环境信息合适的条件下优先选择开窗通风方式进行环境调控,不仅能够保证较好的通风效果,且,还可以节省电力资源。
步骤S1053:基于环境分析结果中异常信息,确定目标调控因素,其中,目标调控因素包括:温度、气体含量、气味、烟雾含量;
步骤S1054:获取目标调控因素对应的目标因素值,并基于目标因素值、环境调控方式,确定环境调控时长;
步骤S1055:综合环境调控方式和环境调控时长,确定环境调控信息。
对于本申请实施例,不同的探望人员数量和行为给病房环境带来的影响不同,为了使得环境调控信息与病房环境更加匹配,故基于环境分析结果中异常信息,确定目标调控因素,异常信息中包括其影响的环境因素,故,基于异常信息能够准确且快速地确定目标调控因素,目标调控因素包括但不限于:温度、气味、气体含量、烟雾含量,当然,还可以包括:细颗粒物含量等。例如,超员影响的环境因素包括:温度、气体含量,即,病房内CO2含量偏高、O2含量偏低;当刺激行为是吃刺激性食品时,则刺激行为影响的环境因素包括:气味;当刺激行为抽烟时,则刺激行为影响的环境因素包括:烟雾含量和细颗粒物含量。进而,通过病房内的传感器获取目标调控因素对应的目标因素值,并基于目标因素值、目标因素值对应的标准因素值和环境调控方式进行调控时长预估,优选的,利用调控时长预估模型计算环境调控时长,即,将目标因素值、标准因素值、环境调控方式和环境信息输入至调控时长预估模型中,并将调控时长预估模型输出的预估时长确定为环境调控时长。利用调控时长预估模型能够快速且准确地计算出环境调控时长,且,调控时长预估模型是利用大量的训练集、验证集和测试集对神经网络进行训练得到的。
可见,在本申请实施例中,针对不同的环境分析结果会采取不同的调控类型,因而,首先基于环境分析结果中异常信息,确定调控类型,即,针对病房空气不流通、空气质量不好的情况,确定调控类型为通风调控。当调控类型为通风调控时,则基于环境信息,确定环境调控方式,即,当病房外的环境信息满足开窗通风要求,则确定环境调控方式为开窗通风方式,否则,确定环境调控方式为新风***换风方式,以降低病房外的环境信息不适宜而对病人造成伤害。进而,基于环境分析结果中异常信息,确定目标调控因素,其中,目标调控因素为通风重点调节的环境因素。然后,基于目标因素值和环境调控方式,确定环境调控时长,最终,综合环境调控方式和环境调节时长,确定环境调控信息,以使得环境调控信息与病房环境的复杂情况高度匹配,从而保障病房内的舒适性。
进一步的,为了确保病房环境的宁静,保障环境调控信息的合理性,在本申请实施例中,当环境调控信息中环境调控方式为开窗通风方式时,
将环境调控信息发送至调控设备之后,还包括:
获取病房的当前噪声信息,判断当前噪声信息是否符合病房的噪声要求;
当当前噪声信息不符合噪声要求时,则获取开窗通风前的初始噪声信息,并判断初始噪声信息是否符合噪声要求;
当初始噪声信息符合噪声要求时,则更换环境调控信息中的环境调控方式,并将调整后的环境调控信息发送至调控设备。
对于本申请实施例,由于病房外环境的较为复杂,会存在因施工而带来噪声污染的问题,为了确保病房环境的宁静,当环境调控方式为开窗通风方式时,判断病房的当前噪声信息是否符合病房的噪声要求,其中,当前噪声信息为控制智能门窗打开后病房内的噪声信息,且,电子设备内预先存储了病房的噪声要求,噪声要求内规定了噪声限值、噪声频率和噪声频谱等指标。若当前噪声信息符合噪声要求,则表明开窗通风方式并未影响病房宁静的环境,故不进行其他操作。若当前噪声信息不符合噪声要求,则表明病房内噪声不符合要求,但并不确定是否由开窗引起,因而,获取开窗通风前的初始噪声信息,其中,初始噪声信息为病房内噪声传感器在开窗通风前采集的噪声信息。当初始噪声信息符合噪声要求时,则表明病房内噪声不符合要求是由于开窗通风造成的,因而,关闭窗户能够解决噪声不符合要求的问题,故将环境调控方式由开窗通风方式更换成新风***换风方式。由于环境调控方式发生了改变,开窗通风方式的环境调控信息与新风***换风方式是不匹配的,因而,基于目标因素值、标准因素值、环境调控方式和环境信息重新计算环境调控时长,确定调整后的环境调控时长,并将调整后的环境调控信息发送至智能新风***,控制智能新风***进行换风处理。
当初始噪声信息不符合噪声要求时,则无法确定开窗通风是否影响了病房内病人的正常休息,仅当病房外噪声较大影响病人休息的情况下,进行关窗操作才是有效的,否则,关窗操作无效。优选的,获取相同时段内其他目标病房的环境调控方式,当其他目标病房的环境调控方式为开窗通风方式的比例超过阈值时,则表明开窗通风并不会给病人带来额外的噪声,关窗操作无效,则保持环境调控方式为开窗通风方式;否则,表明开窗通风不会给病人带来额外的噪声,关窗操作有效,则更换环境调控方式,其中,阈值的大小是相关技术人员基于大量实验确定的,用户可根据实际需求进行自行设定。
可见,在本申请实施例中,由于病房外环境的较为复杂,会存在因施工而带来噪声污染的问题,为了确保病房环境的宁静,当环境调控方式为开窗通风方式时,判断病房的当前噪声信息是否符合病房的噪声要求,当前噪声信息不符合噪声要求时,则判断初始噪声信息是否符合噪声要求,以判断当前噪声信息不符合噪声要求是否由开窗通风引起。当初始噪声信息符合噪声要求时,则表征当前噪声信息不符合噪声要求是由开窗通风引起,故,更换环境调控信息中的环境调控方式,并将调整后的环境调控信息发送至调控设备,以确定病房环境的宁静,保障环境调控信息的合理性。
进一步的,为了实现对病房环境噪声的智能监控,在噪声超标时能够及时提醒医护人员,提高医护工作的效率和质量,在本申请实施例中,判断初始噪声信息是否符合噪声要求之后,还包括:
当初始噪声信息不符合噪声要求时,基于初始噪声信息进行噪声异常分析,确定噪声异常原因;
基于噪声异常原因,生成降噪信息,其中,降噪信息用于为医护人员提供降低病房内噪声的处理方式。
对于本申请实施例,当初始噪声信息不符合噪声要求时,则表征未开窗通风时病房内的噪声就不符合噪声要求,为了能够给病人一个良好的病房环境,需要积极采取降噪措施以降低病房内的噪声,故精准地确定噪声来源能够便于医护人员从源头上抑制噪声。
利用数据挖掘技术对初始噪声信息进行噪声异常分析,首先,由于初始噪声信息通常包括噪声和干扰等因素,故对初始噪声信息进行预处理,得到更容易分析的预处理噪声信息,其中,预处理包括但不限于:去噪、去异常值和数据标准化操作。然后,基于预处理噪声信息进行特征提取,得到噪声特征,噪声特征包括但不限于:能量、频率、幅度、波形等特征。进而,利用噪声异常检测方法对噪声特征进行异常检测,即,基于噪声特征和正常情况下的标准噪声特征进行异常检测,确定异常噪声特征,其中,噪声异常检测方法包括但不限于:离群点检测、聚类分析和分类算法等。然后,利用决策树分析方法挖掘异常噪声特征与环境、设备和人员等因素之间的关系,确定噪声异常原因,其中,噪声原因包括但不限于:医疗器械工作异常、病房内装修、病房内吵闹。
进一步的,基于噪声异常原因进行异常原因验证,即,通过人工检查或机器学习的方法进行异常原因验证,以确保噪声异常原因真实存在。当采用机器学习的方法进行异常原因验证时,针对噪声源进行追踪,检测噪声源的真实情况,当噪声源为设备时,则检测设备的工作状态;当噪声源为人员时,则检测人员的行为状态。进而,针对异常原因验证后确定的噪声源进行降噪管控,生成降噪信息,其中,噪声源、噪声异常原因和降噪信息之间存在着预设关联,预设关联预先存储在电子设备的降噪管控数据库中,例如,当噪声源为装修设备,且,噪声异常原因为病房内装修时,则确定降噪信息为设置隔音挡板和隔断墙,以降低装修噪声对病房环境的影响。当噪声源为病房人员,且,噪声原因为病房内吵闹时,则确定降噪信息为加强对病房人员监管。由于噪声异常原因和噪声源的种类众多,确定的降噪信息能够有效地实现降噪目的即可,处理过程和降噪信息的具体过程,本申请实施例不再进行限定。
可见,在本申请实施例中,当初始噪声信息不符合噪声要求时,则表征未开窗通风时病房内的噪声就不符合噪声要求,故,基于初始噪声信息进行噪声异常分析,确定噪声异常原因,并基于噪声异常原因,生成降噪信息,降噪信息能够帮助医护人员采取有效的降噪方式,保持病房环境安静。通过这种方式,实现了对病房环境噪声的智能监控,在噪声超标时能够及时提醒医护人员,提高医护工作的效率和质量。
进一步的,在本申请实施例中,基于人数影响结果、探望人员数量、每一探望人员的行为影响结果和每一探望人员的活动行为,确定环境分析结果,包括:
当人数影响结果为探望人员超员时,则确定环境分析结果中的环境状态为异常,并基于探望人员数量,确定超员异常信息;
当行为影响结果为行为异常时,则确定环境分析结果中的环境状态为异常,并基于异常的行为影响结果对应的活动行为,确定行为异常信息;
当人数影响结果为探望人员正常,且,每一行为影响结果均为行为正常时,则确定环境分析结果中的环境状态为正常,并确定环境信息为空;
综合环境状态和异常信息,确定环境分析结果,其中,异常信息为超员异常信息、行为异常信息和环境信息中任意一种。
对于本申请实施例,环境分析结果是综合探望人员数量和每一探望人员的活动行为确定的,环境分析结果包括:环境状态和异常信息,其中,环境状态为一个结论性的内容,用于表征病房内环境是否需要进行调控,异常信息用于提供环境异常的详细内容。当人数影响结果为探望人员超员时,则基于探望人员数量进行影响环境分析,确定超员异常信息,其中,超员异常信息包括:超员人数、超员影响的环境因素,针对超员影响的环境因素包括但不限于:噪声、空气质量、温度、湿度。当行为影响结果为行为异常时,则基于异常的行为影响结果对应的活动行为,确定行为异常信息,其中,行为异常信息包括:刺激行为名称、刺激行为影响的环境因素、刺激行为影响的其他因素,针对刺激行为影响的环境因素包括但不限于:噪声、气味、温度、湿度,针对刺激行为影响的其他因素包括但不限于:病人的身心健康、病房的安全。
进一步的,仅当人数影响结果为探望人员正常和每一行为影响结果均为行为正常同时成立时,则表征病房内环境符合病人修养的条件,因而,不存在异常信息,故将环境信息记为空。最终,综合环境状态和异常信息,确定环境分析结果。
可见,在本申请实施例中,当人数影响结果为探望人员超员时,则确定环境分析结果中的环境状态为异常,并基于探望人员数量确定超员异常信息;当行为影响结果为行为异常时,则确定环境分析结果中的环境状态为异常,并基于异常的行为影响结果对应的活动行为,确定行为异常信息;当人数影响结果为探望人员正常,且,每一行为影响结果均为行为正常时,则确定环境分析结果中的环境状态为正常,并确定环境信息为空;综合环境状态和异常信息,确定环境分析结果,其中,异常信息为超员异常信息、行为异常信息和环境信息中任意一种。
进一步的,为了提高探望人员数量的准确性,在本申请实施例中,基于病房监控视频,确定探望人员数量,包括:
基于病房监控视频进行人员信息识别,得到多个人员信息;
获取医护人员信息和病人信息,并基于医护人员信息、病人信息和多个人员信息进行信息筛选,确定探望人员数量。
对于本申请实施例,在基于病房监控视频确定探望人员数量时,不能直接将病房监控视频中监测到的所有人员均标记为探望人员,为了提升探望人员数量的准确性,在计算探望人员数量需要剔除病房监控视频内的医护人员和病人的数量。因而,本申请实施例针对病房监控视频内的所有人员信息进行信息筛选,以提升探望人员数量的准确性。
具体的,基于病房监控视频进行人员信息识别,得到多个人员信息,其中,人员信息的形式有多种,表现形式包括但不限于:人脸信息、体型信息、着装信息等,故人员信息的形式可以为上述任一种或多种的组合,进而,获取预先存储在电子设备内的医护人员信息和病人信息,然后,将每一人员信息分别与医护人员信息和病人信息进行信息匹配,当匹配成功时,则表征该人员为医护人员或病人,故在确定探望人员数量不将该人员计入;当匹配失败时,则表征该人员不为医护人员或病人,故在确定探望人员数量将该人员计入。
优选的,当进行人员信息识别确定的人员信息选取人脸信息时,基于病房监控视频进行人脸检测,得到若干人脸特征。由于医护人员工作和病人入院均会进行人脸特征的采集,因而,在电子设备内存储了医护人员的人脸特征和病人的人脸特征,因而,基于若干人脸特征与医护人员的人脸特征、病人的人脸特征进行特征匹配,并将匹配失败的人脸特征记为探望人员人脸特征,故在匹配结束后,确定探望人员数量。
可见,在本申请实施例中,基于病房监控视频进行人员信息识别,得到多个人员信息,并基于医护人员信息、病人信息和多个人员信息进行信息筛选,确定探望人员数量。在确定探望人员数量时,进行了人员信息的筛选,提高了探望人员数量的准确性。
进一步的,为了使得病房环境监控更加全面,提升病房环境监控结果的准确性,在本申请实施例中,还包括:
获取病人的生理信息,判断生理信息是否存在波动;
当生理信息存在波动时,则获取病房的环境参数,并基于环境参数进行环境评估,得到环境评估结果;
当环境评估结果为达标时,则获取病人的过敏信息,并基于过敏信息和环境参数进行过敏因素筛查,确定筛查结果;
当筛查结果为存在过敏源时,则生成过敏源警示信息,并将过敏源警示信息发送至警示设备。
对于本申请实施例,良好的病房环境便于病人的修养和恢复,不适宜的病房环境会对病人的身体平衡产生不良影响,影响病人的正常休息和身体恢复,例如,病房内存在噪声和不良气味等因素,可能会刺激交感神经,导致病人心跳加速,心率增快;病人在不良的环境中经常会感到疲劳、精神不集中和不适等,导致血压增加;病房环境过于嘈杂或是空气质量不佳,可能会导致病人的呼吸不畅,血氧水平升高,如果长时间持续,还会引起肺部感染等问题。由于不同的病人针对不良病房环境的会存在不同的反应,严重的会出现呼吸不畅、心跳加速等状况,因而,良好的病房环境对于病人的恢复是异常重要的。
具体的,获取病人的生理信息,其中,生理信息包括但不限于:心率、血压、呼吸等,生理信息获取的方式有多种,本申请实施例不再进行限定,例如,针对需要实时监控生理信息的重病患者而言,直接基于生理监控装置获取生理信息即可;针对普通患者而言,医护人员一天内每间隔预设时间会为病人测量一次生理信息,便于医护人员能够清楚、准确地掌握病人的身体情况。进而,判断生理信息是否存在波动,优选的,针对病人生理信息中的每一项信息均划分了正常范围、波动范围和危险范围,当病人的生理信息均处于正常范围时,则确定病人的生理信息不存在波动;当病人的生理信息中任一项处于波动范围时,则确定病人的生理信息存在波动;当病人的生理信息中任一项处于危险范围,则表征病人存在危险。
当病人的生理信息存在波动时,则表征病人的身体出现了轻微不适,但是不足以上报医护人员进行救治,且,生理信息的波动大多是由于不良的病房环境引起的,因而,利用病房内的各类传感器获取病房的环境参数,其中,环境参数包括但不限于:温度、湿度、光照强度、噪声、空气质量等,并利用病房环境要求对环境参数进行环境评估,得到环境评估结果。当环境评估结果为未达标时,则针对未达标的环境参数进行环境调控,直至病房内的环境满足病房环境要求。当环境评估结果为达标时,则表征病人的生理信息波动并非病房环境引起,需要进行其他因素的筛查。由于病人的身体具有各自的特性,符合病房环境要求的一些因素可能并不能与每一病人的特性完全匹配,例如,在符合病房环境要求的情况下,A病人针对花粉过敏,因而,病房内存在花粉会引发A病人生理信息的波动;在符合病房环境要求的情况下,B病人针对阳光过敏,因而,病房内的光照会引发B病人生理信息的波动。故,在病房环境符合同一的病房环境要求后,需要考虑病房环境是否符合病人的个性化特性,进而,获取病人的过敏信息,其中,过敏信息可以直接通过病人的入院资料中获取。然后,基于病人的过敏信息与环境参数进行过敏因素筛查,当环境参数中包括过敏信息时,则确定筛查结果为存在过敏源,例如,B病人针对阳光过敏,且,环境参数包括光照强度,故确定存在过敏源;当环境参数中不包括过敏信息时,则基于病房监控视频来进行过敏源检测,当检测到过敏源时,则确定筛查结果为存在过敏源;否则,则确定筛查结果为不存在过敏源。例如,A病人针对花粉过敏,环境参数中不包括花粉信息,因而,基于病房监控视频识别鲜花,若检测到鲜花,则确定存在过敏源,否则,确定不存在过敏源。
当筛查结果为存在过敏源时,则生成过敏源警示信息,并将过敏源警示信息发送至警示设备,便于医护人员针对过敏源进行及时的处理并针对病人进行过敏的救治。当筛查结果为不存在过敏源时,则生成波动警示信息,波动警示信息用于在无法确定病人生理信息波动原因的前提下警示医护人员,便于医护人员及时地得知病人情况并进行处理。
可见,在本申请实施例中,实时监控病人的生理信息,判断生理信息是否存在波动,当生理信息存在波动时,则基于环境参数进行环境评估,为病人提供更加舒适的治疗环境。当环境评估结果为达标时,则基于过敏信息和环境参数进行过敏因素筛查,确定筛查结果,进而,当筛查结果为存在过敏源时,则生成过敏源警示信息,并将过敏源警示信息发送至警示设备。通过这种方式,使得病房环境监控更加全面,提升了病房环境监控结果的准确性,有效地保护了病人的身体健康和生命安全,为医护人员提供了更加便利和快捷的工作手段。
上述实施例从方法流程的角度介绍一种病房环境的监控方法,下述实施例从虚拟模块或者虚拟单元的角度介绍了一种病房环境的监控装置,具体详见下述实施例。
本申请实施例提供一种病房环境的监控装置,如图3所示,该病房环境的监控装置具体可以包括:
探望人员确定模块210,用于获取病房监控视频,并基于病房监控视频,确定探望人员数量和每一探望人员的活动行为;
人数影响模块220,用于获取病房信息,并基于病房信息和探望人员数量进行病房人数分析,确定人数影响结果,其中,人数影响结果包括:探望人员数量正常和探望人员超员;
行为影响模块230,用于基于每一探望人员对应的活动行为进行刺激行为检测,确定每一探望人员对应的行为影响结果,其中,行为影响结果包括:行为正常和行为异常;
环境分析模块240,用于基于人数影响结果、探望人员数量、每一探望人员的行为影响结果和每一探望人员的活动行为,确定环境分析结果,其中,环境分析结果包括:环境状态、异常信息;
环境调控分析模块250,用于当环境状态为异常时,则基于环境分析结果中异常信息进行环境调控分析,确定环境调控信息和警示信息;
信息发送模块260,用于将环境调控信息发送至调控设备,并将警示信息发送至警示设备。
对于本申请实施例,病房为一个面积小、通风性较差的环境,较多探望人员的驻留会影响病房内空气流通和空气质量,且,探望人员的行为也会对病房环境和病人休息产生影响。因而,人数影响模块220基于病房信息和探望人员数量进行病房人员分析,确定人数影响结果,行为影响模块230基于每一探望人员的活动行为进行刺激行为检测,确定每一探望人员对应的行为影响结果,进而,环境分析模块240综合人数影响结果、探望人员数量、每一探望人员的行为影响结果和每一探望人员的活动行为,确定环境分析结果,其中,环境分析结果用于表征探望人员数量和每一探望人员的活动行为对病房环境的影响。然后,在环境状态为异常时,环境调控分析模块250基于异常信息进行环境调控分析,确定环境调控信息和警示信息,信息发送模块260将环境调控信息发送至调控设备,以调节病房环境为适宜病人休息的环境,将警示信息发送至警示设备,以警示探望人员停止刺激行为,保障病人的正常休息。通过探望人员数量和活动行为来分析病房环境,能够在病房环境出现异常时快速响应和处理,提高了病房环节监控的准确性。
本申请实施例的一种可能的实现方式,环境调控分析模块250在执行基于环境分析结果中异常信息进行环境调控分析,确定环境调控信息时,用于:
基于环境分析结果中异常信息,确定调控类型,其中,调控类型包括:通风调控和警示调控;
当调控类型为通风调控时,则获取病房外的环境信息,并基于环境信息,确定环境调控方式,其中,环境调控方式包括:开窗通风方式和新风***换风方式;
基于环境分析结果中异常信息,确定目标调控因素,其中,目标调控因素包括:温度、气体含量、气味、烟雾含量;
获取目标调控因素对应的目标因素值,并基于目标因素值、环境调控方式,确定环境调控时长;
综合环境调控方式和环境调控时长,确定环境调控信息。
本申请实施例的一种可能的实现方式,当环境调控信息中环境调控方式为开窗通风方式时,病房环境的监控装置,还包括:
噪声监控模块,用于获取病房的当前噪声信息,判断当前噪声信息是否符合病房的噪声要求;
当当前噪声信息不符合噪声要求时,则获取开窗通风前的初始噪声信息,并判断初始噪声信息是否符合噪声要求;
当初始噪声信息符合噪声要求时,则更换环境调控信息中的环境调控方式,并将调整后的环境调控信息发送至调控设备。
本申请实施例的一种可能的实现方式,病房环境的监控装置,还包括:
降噪模块,用于当初始噪声信息不符合噪声要求时,基于初始噪声信息进行噪声异常分析,确定噪声异常原因;
基于噪声异常原因,生成降噪信息,其中,降噪信息用于为医护人员提供降低病房内噪声的处理方式。
本申请实施例的一种可能的实现方式,环境分析模块240在执行基于人数影响结果、探望人员数量、每一探望人员的行为影响结果和每一探望人员的活动行为,确定环境分析结果时,用于:
当人数影响结果为探望人员超员时,则确定环境分析结果中的环境状态为异常,并基于探望人员数量,确定超员异常信息;
当行为影响结果为行为异常时,则确定环境分析结果中的环境状态为异常,并基于异常的行为影响结果对应的活动行为,确定行为异常信息;
当人数影响结果为探望人员正常,且,每一行为影响结果均为行为正常时,则确定环境分析结果中的环境状态为正常,并确定环境信息为空;
综合环境状态和异常信息,确定环境分析结果,其中,异常信息为超员异常信息、行为异常信息和环境信息中任意一种。
本申请实施例的一种可能的实现方式,探望人员确定模块210在执行基于病房监控视频,确定探望人员数量时,用于:
基于病房监控视频进行人员信息识别,得到多个人员信息;
获取医护人员信息和病人信息,并基于医护人员信息、病人信息和多个人员信息进行信息筛选,确定探望人员数量。
本申请实施例的一种可能的实现方式,病房环境的监控装置,还包括:
过敏源筛查模块,用于获取病人的生理信息,判断生理信息是否存在波动;
当生理信息存在波动时,则获取病房的环境参数,并基于环境参数进行环境评估,得到环境评估结果;
当环境评估结果为达标时,则获取病人的过敏信息,并基于过敏信息和环境参数进行过敏因素筛查,确定筛查结果;
当筛查结果为存在过敏源时,则生成过敏源警示信息,并将过敏源警示信息发送至警示设备。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的一种病房环境的监控装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请实施例中提供了一种电子设备,如图4所示,图4所示的电子设备300包括:处理器301和存储器303。其中,处理器301和存储器303相连,如通过总线302相连。可选地,电子设备300还可以包括收发器304。需要说明的是,实际应用中收发器304不限于一个,该电子设备300的结构并不构成对本申请实施例的限定。
处理器301可以是CPU(Central Processing Unit,中央处理器),通用处理器,DSP(Digital Signal Processor,数据信号处理器),ASIC(Application SpecificIntegrated Circuit,专用集成电路),FPGA(Field Programmable Gate Array,现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。处理器301也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等。
总线302可包括一通路,在上述组件之间传送信息。总线302可以是PCI(Peripheral Component Interconnect,外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture,扩展工业标准结构)总线等。总线302可以分为地址总线、数据总线、控制总线等。为便于表示,图4中仅用一条粗线表示,但并不表示仅有一根总线或一型的总线。
存储器303可以是ROM(Read Only Memory,只读存储器)或可存储静态信息和指令的其他类型的静态存储设备,RAM(Random Access Memory,随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备,也可以是EEPROM(Electrically ErasableProgrammable Read Only Memory,电可擦可编程只读存储器)、CD-ROM(Compact DiscRead Only Memory,只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。
存储器303用于存储执行本申请方案的应用程序代码,并由处理器301来控制执行。处理器301用于执行存储器303中存储的应用程序代码,以实现前述方法实施例所示的内容。
其中,电子设备包括但不限于:移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。还可以为服务器等。图4示出的电子设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
本申请实施例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有计算机程序,当其在计算机上运行时,使得计算机可以执行前述方法实施例中相应内容。与相关技术相比,本申请实施例,病房为一个面积小、通风性较差的环境,较多探望人员的驻留会影响病房内空气流通和空气质量,且,探望人员的行为也会对病房环境和病人休息产生影响。因而,基于病房信息和探望人员数量进行病房人员分析,确定人数影响结果,并基于每一探望人员的活动行为进行刺激行为检测,确定每一探望人员对应的行为影响结果,进而,综合人数影响结果、探望人员数量、每一探望人员的行为影响结果和每一探望人员的活动行为,确定环境分析结果,其中,环境分析结果用于表征探望人员数量和每一探望人员的活动行为对病房环境的影响。然后,在环境状态为异常时,则基于异常信息进行环境调控分析,确定环境调控信息和警示信息,并将环境调控信息发送至调控设备,以调节病房环境为适宜病人休息的环境,将警示信息发送至警示设备,以警示探望人员停止刺激行为,保障病人的正常休息。通过探望人员数量和活动行为来分析病房环境,能够在病房环境出现异常时快速响应和处理,提高了病房环节监控的准确性。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上仅是本申请的部分实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (7)
1.一种病房环境的监控方法,其特征在于,包括:
获取病房监控视频,并基于所述病房监控视频,确定探望人员数量和每一探望人员的活动行为;
获取病房信息,并基于所述病房信息和所述探望人员数量进行病房人数分析,确定人数影响结果,其中,所述人数影响结果包括:探望人员数量正常和探望人员超员,其中,所述病房信息包括:病房类型和病房面积;
基于每一所述探望人员对应的所述活动行为进行刺激行为检测,确定每一所述探望人员对应的行为影响结果,其中,所述行为影响结果包括:行为正常和行为异常;
基于所述人数影响结果、所述探望人员数量、每一探望人员的所述行为影响结果和每一探望人员的所述活动行为,确定环境分析结果,其中,所述环境分析结果包括:环境状态、异常信息;
当所述环境状态为异常时,则基于所述环境分析结果中所述异常信息进行环境调控分析,确定环境调控信息和警示信息;
将所述环境调控信息发送至调控设备,并将所述警示信息发送至警示设备;
基于所述环境分析结果中所述异常信息进行环境调控分析,确定环境调控信息,包括:
基于所述环境分析结果中所述异常信息,确定调控类型,其中,所述调控类型包括:通风调控和警示调控;
当所述调控类型为所述通风调控时,则获取病房外的环境信息,并基于所述环境信息,确定环境调控方式,其中,所述环境调控方式包括:开窗通风方式和新风***换风方式;其中,所述环境信息包括:气温、天气、空气质量;
基于所述环境分析结果中所述异常信息,确定目标调控因素,其中,所述目标调控因素包括:温度、气体含量、气味、烟雾含量;
获取所述目标调控因素对应的目标因素值,并基于所述目标因素值、所述环境调控方式,确定环境调控时长;
综合所述环境调控方式和所述环境调控时长,确定环境调控信息;
当所述环境调控信息中所述环境调控方式为开窗通风方式时,所述将所述环境调控信息发送至调控设备之后,还包括:
获取病房的当前噪声信息,判断所述当前噪声信息是否符合病房的噪声要求;
当所述当前噪声信息不符合噪声要求时,则获取开窗通风前的初始噪声信息,并判断所述初始噪声信息是否符合所述噪声要求;
当所述初始噪声信息符合噪声要求时,则更换所述环境调控信息中的所述环境调控方式,并将调整后的环境调控信息发送至调控设备;
当所述初始噪声信息不符合噪声要求时,获取相同时段内其他病房的环境调控方式,当其他病房的环境调控方式为开窗通风方式的比例超过阈值时,则保持所述环境调控方式为开窗通风;
否则,更换所述环境调控信息中的所述环境调控方式,并将调整后的环境调控信息发送至调控设备;
基于所述病房信息和所述探望人员数量进行病房人数分析,确定人数影响结果之前,还包括:
获取每一探望人员的活动轨迹,基于每一所述活动轨迹和目标区域进行活动区域分析,其中,所述目标区域为不包括病房门口和走廊的病房区域;
当探望人员的活动轨迹在目标区域内时,则确定该探望人员为有效探望人员;否则,确定该探望人员为无效探望人员,并将有效探望人员的数量记为有效探望人员数量;
相应的,基于所述病房信息和所述探望人员数量进行病房人数分析,确定人数影响结果,包括:
基于所述病房信息和所述有效探望人员数量进行病房人数分析,确定人数影响结果;
所述基于所述病房监控视频,确定探望人员数量,包括:
基于所述病房监控视频进行人员信息识别,得到多个人员信息;
获取医护人员信息和病人信息,并基于所述医护人员信息、所述病人信息和所述多个人员信息进行信息筛选,确定探望人员数量,其中,信息筛选用于剔除病房监控视频内的医护人员和病人的数量。
2.根据权利要求1所述的病房环境的监控方法,其特征在于,所述判断所述初始噪声信息是否符合所述噪声要求之后,还包括:
当所述初始噪声信息不符合噪声要求时,基于所述初始噪声信息进行噪声异常分析,确定噪声异常原因;
基于所述噪声异常原因,生成降噪信息,其中,所述降噪信息用于为医护人员提供降低病房内噪声的处理方式。
3.根据权利要求1所述的病房环境的监控方法,其特征在于,所述基于所述人数影响结果、所述探望人员数量、每一探望人员的所述行为影响结果和每一探望人员的所述活动行为,确定环境分析结果,包括:
当所述人数影响结果为探望人员超员时,则确定环境分析结果中的环境状态为异常,并基于所述探望人员数量,确定超员异常信息;
当所述行为影响结果为行为异常时,则确定环境分析结果中的环境状态为异常,并基于异常的行为影响结果对应的活动行为,确定行为异常信息;
当所述人数影响结果为探望人员正常,且,每一所述行为影响结果均为行为正常时,则确定环境分析结果中的环境状态为正常,并确定环境信息为空;
综合所述环境状态和异常信息,确定环境分析结果,其中,所述异常信息为所述超员异常信息、所述行为异常信息和所述环境信息中任意一种。
4.根据权利要求1所述的病房环境的监控方法,其特征在于,还包括:
获取病人的生理信息,判断所述生理信息是否存在波动;
当所述生理信息存在波动时,则获取病房的环境参数,并基于所述环境参数进行环境评估,得到环境评估结果;
当所述环境评估结果为达标时,则获取病人的过敏信息,并基于所述过敏信息和所述环境参数进行过敏因素筛查,确定筛查结果;
当所述筛查结果为存在过敏源时,则生成过敏源警示信息,并将所述过敏源警示信息发送至警示设备。
5.一种病房环境的监控装置,其特征在于,包括:
探望人员确定模块,用于获取病房监控视频,并基于所述病房监控视频,确定探望人员数量和每一探望人员的活动行为;
人数影响模块,用于获取病房信息,并基于所述病房信息和所述探望人员数量进行病房人数分析,确定人数影响结果,其中,所述人数影响结果包括:探望人员数量正常和探望人员超员;
行为影响模块,用于基于每一所述探望人员对应的所述活动行为进行刺激行为检测,确定每一所述探望人员对应的行为影响结果,其中,所述行为影响结果包括:行为正常和行为异常;
环境分析模块,用于基于所述人数影响结果、所述探望人员数量、每一探望人员的所述行为影响结果和每一探望人员的所述活动行为,确定环境分析结果,其中,所述环境分析结果包括:环境状态、异常信息;
环境调控分析模块,用于当所述环境状态为异常时,则基于所述环境分析结果中所述异常信息进行环境调控分析,确定环境调控信息和警示信息;
信息发送模块,用于将所述环境调控信息发送至调控设备,并将所述警示信息发送至警示设备;
环境调控分析模块在执行所述基于所述环境分析结果中所述异常信息进行环境调控分析,确定环境调控信息时,用于:
基于所述环境分析结果中所述异常信息,确定调控类型,其中,所述调控类型包括:通风调控和警示调控;
当所述调控类型为所述通风调控时,则获取病房外的环境信息,并基于所述环境信息,确定环境调控方式,其中,所述环境调控方式包括:开窗通风方式和新风***换风方式;其中,所述环境信息包括:气温、天气、空气质量;
基于所述环境分析结果中所述异常信息,确定目标调控因素,其中,所述目标调控因素包括:温度、气体含量、气味、烟雾含量;
获取所述目标调控因素对应的目标因素值,并基于所述目标因素值、所述环境调控方式,确定环境调控时长;
综合所述环境调控方式和所述环境调控时长,确定环境调控信息;
当所述环境调控信息中所述环境调控方式为开窗通风方式时,噪声监控模块,用于:
获取病房的当前噪声信息,判断所述当前噪声信息是否符合病房的噪声要求;
当所述当前噪声信息不符合噪声要求时,则获取开窗通风前的初始噪声信息,并判断所述初始噪声信息是否符合所述噪声要求;
当所述初始噪声信息符合噪声要求时,则更换所述环境调控信息中的所述环境调控方式,并将调整后的环境调控信息发送至调控设备;
当所述初始噪声信息不符合噪声要求时,获取相同时段内其他病房的环境调控方式,当其他病房的环境调控方式为开窗通风方式的比例超过阈值时,则保持所述环境调控方式为开窗通风;
否则,更换所述环境调控信息中的所述环境调控方式,并将调整后的环境调控信息发送至调控设备;
有效探望人员计算模块,用于获取每一探望人员的活动轨迹,基于每一所述活动轨迹和目标区域进行活动区域分析,其中,所述目标区域为不包括病房门口和走廊的病房区域;
当探望人员的活动轨迹在目标区域内时,则确定该探望人员为有效探望人员;否则,确定该探望人员为无效探望人员,并将有效探望人员的数量记为有效探望人员数量;
相应的,人数影响模块在执行基于所述病房信息和所述探望人员数量进行病房人数分析,确定人数影响结果时,用于:
基于所述病房信息和所述有效探望人员数量进行病房人数分析,确定人数影响结果;
探望人员确定模块在执行所述基于所述病房监控视频,确定探望人员数量时,用于:
基于所述病房监控视频进行人员信息识别,得到多个人员信息;
获取医护人员信息和病人信息,并基于所述医护人员信息、所述病人信息和所述多个人员信息进行信息筛选,确定探望人员数量,其中,信息筛选用于剔除病房监控视频内的医护人员和病人的数量。
6.一种电子设备,其特征在于,包括:
至少一个处理器;
存储器;
至少一个应用程序,其中至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行,所述至少一个应用程序配置用于:执行权利要求1~4任一项所述的病房环境的监控方法。
7.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,当所述计算机程序在计算机中执行时,令所述计算机执行权利要求1~4任一项所述的病房环境的监控方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310902311.6A CN116935315B (zh) | 2023-07-21 | 2023-07-21 | 一种病房环境的监控方法、装置、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310902311.6A CN116935315B (zh) | 2023-07-21 | 2023-07-21 | 一种病房环境的监控方法、装置、设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116935315A CN116935315A (zh) | 2023-10-24 |
CN116935315B true CN116935315B (zh) | 2024-05-28 |
Family
ID=88380190
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310902311.6A Active CN116935315B (zh) | 2023-07-21 | 2023-07-21 | 一种病房环境的监控方法、装置、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116935315B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106647520A (zh) * | 2016-12-30 | 2017-05-10 | 林同棪国际工程咨询(中国)有限公司 | 医院病房环境智能监控*** |
CN109542060A (zh) * | 2018-11-20 | 2019-03-29 | 鲁玉军 | 一种基于物联网的智能化病房环境监控*** |
CN110071963A (zh) * | 2019-03-27 | 2019-07-30 | 南京巨鲨显示科技有限公司 | 一种医院人员行为监控以及设备监控*** |
CN110717358A (zh) * | 2018-07-12 | 2020-01-21 | 杭州海康威视数字技术股份有限公司 | 访客人数统计方法、装置、电子设备及存储介质 |
CN111121241A (zh) * | 2019-12-12 | 2020-05-08 | 长沙市万科企业有限公司 | 一种智能家居环境控制***及其方法 |
CN111307208A (zh) * | 2020-02-24 | 2020-06-19 | 杨春花 | 一种基于智慧医疗的患者病房环境监测***及方法 |
CN112041848A (zh) * | 2018-03-27 | 2020-12-04 | 菲力尔***公司 | 人数统计和跟踪***及方法 |
CN113066569A (zh) * | 2021-04-21 | 2021-07-02 | 复旦大学附属中山医院 | 基于多维数据融合关联技术的住院陪护管理***及操作方法 |
CN113569671A (zh) * | 2021-07-13 | 2021-10-29 | 北京大数医达科技有限公司 | 异常行为报警方法、装置 |
KR20210129842A (ko) * | 2020-04-21 | 2021-10-29 | 주식회사 지씨아이코퍼레이션 | 요양원 인공지능 자동관제 시스템 |
CN114061001A (zh) * | 2021-12-01 | 2022-02-18 | 上海市卫生建筑设计研究院有限公司 | 一种用于医疗建筑的通风*** |
CN114095701A (zh) * | 2021-11-09 | 2022-02-25 | 宋志洪 | 一种机房智能监控方法、***及计算机可读存储介质 |
CN116147112A (zh) * | 2023-04-21 | 2023-05-23 | 安徽逸天科技有限公司 | 一种基于人工智能的医院环境健康数据通信控制处理*** |
CN116452379A (zh) * | 2022-12-26 | 2023-07-18 | 西安大数网络科技有限公司 | 一种基于大数据的智慧校园管理*** |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150278456A1 (en) * | 2014-03-26 | 2015-10-01 | International Business Machines Corporation | Hygienic Enforcement and Nosocomial Diagnostic System (HEANDS) |
CN110837512A (zh) * | 2019-11-15 | 2020-02-25 | 北京市商汤科技开发有限公司 | 访客信息管理方法及装置、电子设备和存储介质 |
-
2023
- 2023-07-21 CN CN202310902311.6A patent/CN116935315B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106647520A (zh) * | 2016-12-30 | 2017-05-10 | 林同棪国际工程咨询(中国)有限公司 | 医院病房环境智能监控*** |
CN112041848A (zh) * | 2018-03-27 | 2020-12-04 | 菲力尔***公司 | 人数统计和跟踪***及方法 |
CN110717358A (zh) * | 2018-07-12 | 2020-01-21 | 杭州海康威视数字技术股份有限公司 | 访客人数统计方法、装置、电子设备及存储介质 |
CN109542060A (zh) * | 2018-11-20 | 2019-03-29 | 鲁玉军 | 一种基于物联网的智能化病房环境监控*** |
CN110071963A (zh) * | 2019-03-27 | 2019-07-30 | 南京巨鲨显示科技有限公司 | 一种医院人员行为监控以及设备监控*** |
CN111121241A (zh) * | 2019-12-12 | 2020-05-08 | 长沙市万科企业有限公司 | 一种智能家居环境控制***及其方法 |
CN111307208A (zh) * | 2020-02-24 | 2020-06-19 | 杨春花 | 一种基于智慧医疗的患者病房环境监测***及方法 |
KR20210129842A (ko) * | 2020-04-21 | 2021-10-29 | 주식회사 지씨아이코퍼레이션 | 요양원 인공지능 자동관제 시스템 |
CN113066569A (zh) * | 2021-04-21 | 2021-07-02 | 复旦大学附属中山医院 | 基于多维数据融合关联技术的住院陪护管理***及操作方法 |
CN113569671A (zh) * | 2021-07-13 | 2021-10-29 | 北京大数医达科技有限公司 | 异常行为报警方法、装置 |
CN114095701A (zh) * | 2021-11-09 | 2022-02-25 | 宋志洪 | 一种机房智能监控方法、***及计算机可读存储介质 |
CN114061001A (zh) * | 2021-12-01 | 2022-02-18 | 上海市卫生建筑设计研究院有限公司 | 一种用于医疗建筑的通风*** |
CN116452379A (zh) * | 2022-12-26 | 2023-07-18 | 西安大数网络科技有限公司 | 一种基于大数据的智慧校园管理*** |
CN116147112A (zh) * | 2023-04-21 | 2023-05-23 | 安徽逸天科技有限公司 | 一种基于人工智能的医院环境健康数据通信控制处理*** |
Non-Patent Citations (4)
Title |
---|
Monitoring the indoor environment for older people with dementia: a lesson learned;Chuan Ma et al.;《CLIMA 2022》;20220520;全文 * |
昆明社区医院普通病房自然通风优化研究;张世超;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20230315(第2023年03期期);全文 * |
李少波 等.《大数据技术原理与实践》.武汉:华中科技大学出版社,2020,150-152. * |
被动式低能耗办公建筑开窗预测模型及行为机理研究;孙志中;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20230115(第2023年01期期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116935315A (zh) | 2023-10-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11308325B2 (en) | Systems and methods for predicting real-time behavioral risks using everyday images | |
JP2016532459A (ja) | 患者のケアを調整する医療用意思決定支援システム | |
CA2631870A1 (en) | Residual-based monitoring of human health | |
US20200037945A1 (en) | Drowsy-driving prevention method and drowsy-driving prevention system | |
CN111768863B (zh) | 一种基于人工智能的婴幼儿发展监测***及其方法 | |
Ivanov et al. | Context-aware detection in medical cyber-physical systems | |
CN116965818A (zh) | 一种基于人工智能的异常情绪调控方法及*** | |
Fedushko | Adequacy of Personal Medical Profiles Data in Medical Information Decision-Making Support System. | |
CN116935315B (zh) | 一种病房环境的监控方法、装置、设备和介质 | |
CN117133464B (zh) | 一种老年人健康智能监测***及监测方法 | |
CN112037888B (zh) | 生理健康特征数据的监控方法、装置、设备及存储介质 | |
JP2021144708A (ja) | 治療推奨を提供するための医療システム | |
JP2017016185A (ja) | 在室の有無を判定する方法、プログラム、判定システム | |
Rachakonda et al. | Tr-estimate: a novel machine learning based early prediction system for post-traumatic stress disorder using IoMT | |
CN114723597B (zh) | 一种智慧居家养老方法及*** | |
CN111466877B (zh) | 一种基于lstm网络的氧减状态预测方法 | |
US10764387B2 (en) | Profile information system and information processing apparatus | |
JPWO2020008995A1 (ja) | 画像認識プログラム、画像認識装置、学習プログラム、および学習装置 | |
Mo et al. | A multimodal data-driven framework for anxiety screening | |
DE102005008386A1 (de) | Verfahren und Vorrichtung zur präventiven Gesundheitsüberwachung von Patienten | |
CN117238434B (zh) | 一种基于预防心内科潜在并发症的护理方法及*** | |
KR102601051B1 (ko) | 가축질병 실시간 예찰 기술 및 지능형 방역위생 시스템 | |
Scataglini et al. | Application of wearable monitoring system in tourette syndrome assessment | |
CN118038548A (zh) | 异常行为检测方法、装置、电子设备及存储介质 | |
CN115170996A (zh) | 一种情绪预测方法、***、介质及电子设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |