本發(fā)明涉及健康監(jiān)測，特別是涉及一種用戶健康狀況監(jiān)控方法和裝置。

背景技術(shù)：

1、隨著科技的進(jìn)步和人們對(duì)健康管理的日益重視，綜合監(jiān)測用戶的生理與心理健康狀態(tài)已成為現(xiàn)代醫(yī)療與健康管理領(lǐng)域的重要研究方向。傳統(tǒng)的健康監(jiān)測手段往往側(cè)重于單一的生理指標(biāo)或心理健康評(píng)估，缺乏全面性和實(shí)時(shí)性，難以滿足現(xiàn)代人對(duì)健康管理的多元化需求。

2、在生理健康監(jiān)測方面，脈搏、心率、血壓、血氧飽和度、體溫以及運(yùn)動(dòng)量數(shù)據(jù)等生理參數(shù)是評(píng)估個(gè)體健康狀況的重要指標(biāo)。這些參數(shù)的異常變化往往預(yù)示著潛在的健康風(fēng)險(xiǎn)，如心血管疾病、糖尿病、高血壓等。因此，實(shí)時(shí)、準(zhǔn)確地監(jiān)測這些生理參數(shù)，并在發(fā)現(xiàn)異常時(shí)及時(shí)告警，對(duì)于預(yù)防疾病、保障用戶健康具有重要意義。

3、心理健康的重要性在各類人群中，特別是產(chǎn)后孕婦、孤巢老人等特定群體中，顯得尤為突出。這些群體由于身體條件、生活環(huán)境或社會(huì)角色的特殊性，往往面臨著更高的心理壓力，其心理健康狀況更加需要得到及時(shí)、有效的關(guān)注與干預(yù)。然而，傳統(tǒng)的心理健康評(píng)估方法多依賴于問卷調(diào)查、面談等主觀手段，難以實(shí)現(xiàn)實(shí)時(shí)、客觀的監(jiān)測。

4、此外，跌倒作為老年人及行動(dòng)不便人群常見的意外傷害之一，其檢測和預(yù)防也備受關(guān)注。傳統(tǒng)的跌倒檢測方法多依賴于視頻監(jiān)控或人工觀察，存在成本高、效率低、隱私泄露等問題。

5、綜上所述，為了全面、實(shí)時(shí)地監(jiān)測用戶的生理與心理健康狀態(tài)，提高健康管理的效率和準(zhǔn)確性，本發(fā)明提出了一種綜合健康監(jiān)測系統(tǒng)。

技術(shù)實(shí)現(xiàn)思路

1、鑒于以上所述現(xiàn)有技術(shù)的缺點(diǎn)，本發(fā)明的目的在于提供一種用戶健康狀況監(jiān)控方法和裝置，用于解決現(xiàn)有技術(shù)中心理健康評(píng)估方法存在主觀性強(qiáng)、難以實(shí)時(shí)監(jiān)測，以及健康管理的效率和準(zhǔn)確性不足等問題。

2、為實(shí)現(xiàn)上述目的及其他相關(guān)目的，本發(fā)明提供一種用戶健康狀況監(jiān)控方法。

3、采集反映用戶的生理狀態(tài)和健康狀況的生理反饋數(shù)據(jù)以及評(píng)估用戶心理健康水平的心理反饋數(shù)據(jù)；

4、基于用戶的生理反饋數(shù)據(jù)的預(yù)設(shè)閾值判斷是否發(fā)生異常，若是，則進(jìn)行告警提示，并將生理健康數(shù)據(jù)及異常監(jiān)測結(jié)果進(jìn)行存儲(chǔ)；

5、通過實(shí)際應(yīng)用中采集的跌倒檢測數(shù)據(jù)生成跌倒檢測模型，通過所述跌倒檢測模型對(duì)用戶實(shí)時(shí)產(chǎn)生的加速度和角速度數(shù)據(jù)進(jìn)行監(jiān)測，判斷是否跌倒，若跌倒，對(duì)跌倒位置進(jìn)行g(shù)ps定位；

6、提取所述心理反饋數(shù)據(jù)的特征，選擇其中與用戶情緒變量相關(guān)性強(qiáng)的特征，利用機(jī)器學(xué)習(xí)來構(gòu)建情緒識(shí)別模型，將實(shí)時(shí)處理得到的相關(guān)性強(qiáng)的特征輸入情緒識(shí)別模型，得到情緒識(shí)別結(jié)果，對(duì)消極情緒時(shí)間段進(jìn)行存儲(chǔ)和監(jiān)控，當(dāng)達(dá)到消極情緒時(shí)間閾值時(shí)進(jìn)行告警提示。

7、可選地，所述實(shí)際應(yīng)用中收集的跌倒檢測數(shù)據(jù)包含跌倒動(dòng)作和非跌倒動(dòng)作產(chǎn)生的加速度和角速度數(shù)據(jù)，生成跌倒檢測模型判斷用戶是否跌倒，包括：

8、設(shè)定加速度閾值和角速度閾值，遍歷所有數(shù)據(jù)樣本，刪除加速度和角速度數(shù)據(jù)小于各自閾值的數(shù)據(jù)樣本；

9、將剩余的加速度和角速度數(shù)據(jù)樣本值壓縮到區(qū)間[-1，1]標(biāo)準(zhǔn)化，通過下式實(shí)現(xiàn)：

10、

11、

12、式中，為合加速度，和分別是加速度數(shù)據(jù)的均值和標(biāo)準(zhǔn)差，為合角速度，和分別是角速度數(shù)據(jù)的均值和標(biāo)準(zhǔn)差；

13、將標(biāo)準(zhǔn)化后的加速度和角速度數(shù)據(jù)作為特征，構(gòu)造跌倒檢測特征向量，每個(gè)數(shù)據(jù)樣本對(duì)應(yīng)一個(gè)二維特征向量(，)；

14、通過所述跌倒檢測特征向量訓(xùn)練跌倒檢測模型，處理實(shí)時(shí)產(chǎn)生的加速度和角速度數(shù)據(jù)，并輸入到訓(xùn)練好的跌倒檢測模型中，得到用戶是否跌倒的判斷結(jié)果。。

15、可選地，所述合加速度和合角速度通過下式計(jì)算：

16、

17、式中，、、分別為、、z的軸向加速度；、、分別為、、z的軸向角速度。

18、可選地，所述跌倒檢測模型訓(xùn)練過程包括：

19、對(duì)于每個(gè)跌倒檢測樣本，其中為跌倒檢測特征向量，為跌倒檢測標(biāo)簽，的取值范圍為[-1?1]，為樣本個(gè)數(shù)，初始權(quán)重為，；

20、（1）對(duì)于每個(gè)，為弱跌倒檢測模型的數(shù)量，使用當(dāng)前帶權(quán)重的樣本訓(xùn)練弱跌倒檢測模型；

21、（2）對(duì)于每個(gè)弱跌倒檢測模型計(jì)算其錯(cuò)誤率：

22、

23、其中，表示第個(gè)樣本的跌倒檢測標(biāo)簽，為一個(gè)指示函數(shù)，當(dāng)時(shí)取值為1，否則為0；

24、（3）根據(jù)錯(cuò)誤率計(jì)算弱跌倒檢測模型的系數(shù)：

25、

26、（4）更新每個(gè)樣本權(quán)重，以便在下一個(gè)弱跌倒檢測模型的訓(xùn)練中更加關(guān)注那些被當(dāng)前跌倒檢測模型錯(cuò)誤分類的樣本：

27、

28、其中，為歸一化因子，確保所有樣本的權(quán)重之和為1：

29、；

30、經(jīng)過輪迭代后，構(gòu)建最終跌倒檢測模型

31、。

32、可選地，提取所述心理反饋數(shù)據(jù)的特征，計(jì)算每個(gè)特征與用戶情緒變量之間的相關(guān)性，具體包括：

33、提取所述合加速度和合角速度數(shù)據(jù)的時(shí)域特征和頻域特征，計(jì)算其特定幅值特征；提取所述音頻數(shù)據(jù)的時(shí)域特征和頻域特征，統(tǒng)計(jì)共振峰特定特征，并計(jì)算其特定幅值特征；獲取用戶體溫值和心率值；

34、使用皮爾遜相關(guān)系數(shù)計(jì)算每個(gè)特征與用戶情緒變量之間的相關(guān)性，所述用戶情緒變量為panas量表積極情緒評(píng)分和消極情緒評(píng)分；

35、所述相關(guān)性計(jì)算如下式：

36、

37、其中，為數(shù)據(jù)特征，為情緒評(píng)分，為的協(xié)方差，為的標(biāo)準(zhǔn)差，為的標(biāo)準(zhǔn)差。

38、可選地，根據(jù)計(jì)算出的相關(guān)性系數(shù)值，將特征分為：極強(qiáng)相關(guān)：；強(qiáng)相關(guān)：；中等程度相關(guān)：；弱相關(guān)：；極弱相關(guān)或無相關(guān)：。

39、可選地，利用機(jī)器學(xué)習(xí)來構(gòu)建情緒識(shí)別模型，將實(shí)時(shí)處理得到的相關(guān)性強(qiáng)的特征輸入情緒識(shí)別模型，得到情緒識(shí)別結(jié)果，具體包括：

40、構(gòu)建樣本集，每個(gè)情緒識(shí)別樣本表示一個(gè)情緒識(shí)別特征向量，其中包含極強(qiáng)相關(guān)和強(qiáng)相關(guān)特征，每個(gè)所述情緒識(shí)別樣本對(duì)應(yīng)積極情緒或消極情緒；

41、使用所述樣本集對(duì)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，將卷積神經(jīng)網(wǎng)絡(luò)的輸出作為積極情緒和消極情緒的表征，并帶入損失函數(shù)進(jìn)行計(jì)算；

42、當(dāng)損失函數(shù)值小于設(shè)定閾值時(shí)，完成對(duì)卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練；對(duì)預(yù)訓(xùn)練得到的卷積神經(jīng)網(wǎng)絡(luò)添加分類層，隨機(jī)選取有標(biāo)簽的數(shù)據(jù)，對(duì)分類層進(jìn)行訓(xùn)練，使得分類層的參數(shù)適應(yīng)情緒識(shí)別任務(wù)，得到成熟的情緒識(shí)別模型；

43、將實(shí)時(shí)處理得到的相關(guān)性強(qiáng)的特征輸入情緒識(shí)別模型中，輸出情緒識(shí)別結(jié)果。

44、本發(fā)明還提供了一種用戶健康狀況監(jiān)控裝置，包括：

45、數(shù)據(jù)采集模塊、用于采集反映用戶的生理狀態(tài)和健康狀況的生理反饋數(shù)據(jù)以及評(píng)估用戶心理健康水平的心理反饋數(shù)據(jù)；

46、生理監(jiān)測模塊、用于基于用戶的生理反饋數(shù)據(jù)的預(yù)設(shè)閾值判斷是否發(fā)生異常，若是，則進(jìn)行告警提示，并將生理健康數(shù)據(jù)及異常監(jiān)測結(jié)果進(jìn)行存儲(chǔ)；

47、跌倒檢測模塊、用于通過實(shí)際應(yīng)用中收集的跌倒檢測數(shù)據(jù)生成跌倒檢測模型，通過所述跌倒檢測模型對(duì)用戶實(shí)時(shí)產(chǎn)生的加速度和角速度數(shù)據(jù)進(jìn)行監(jiān)測，判斷是否跌倒，若跌倒，對(duì)跌倒位置進(jìn)行g(shù)ps定位；

48、情緒識(shí)別模塊、用于提取所述心理反饋數(shù)據(jù)的特征，選擇其中與用戶情緒變量相關(guān)性強(qiáng)的特征，利用機(jī)器學(xué)習(xí)來構(gòu)建情緒識(shí)別模型，將實(shí)時(shí)處理得到的相關(guān)性強(qiáng)的特征輸入情緒識(shí)別模型，得到情緒識(shí)別結(jié)果，對(duì)消極情緒時(shí)間段進(jìn)行存儲(chǔ)和監(jiān)控，當(dāng)達(dá)到消極情緒時(shí)間閾值時(shí)進(jìn)行告警提示。

49、如上所述，本發(fā)明提出的一種用戶健康狀況監(jiān)控方法和裝置，具有以下有益效果：

50、本發(fā)明通過持續(xù)采集用戶的脈搏、心率、血壓、血氧飽和度、體溫以及運(yùn)動(dòng)量數(shù)據(jù)等生理數(shù)據(jù)，系統(tǒng)能夠?qū)崟r(shí)評(píng)估用戶的生理健康狀況。當(dāng)這些數(shù)據(jù)超出預(yù)設(shè)的閾值時(shí)，系統(tǒng)能夠立即發(fā)出告警提示，使用戶或醫(yī)護(hù)人員能夠迅速響應(yīng)，采取必要的措施來預(yù)防或減輕潛在的健康風(fēng)險(xiǎn)；

51、針對(duì)老年人及行動(dòng)不便人群，本發(fā)明通過采集用戶的加速度和角速度數(shù)據(jù)，利用跌倒檢測模型實(shí)時(shí)監(jiān)測用戶的運(yùn)動(dòng)狀態(tài)，判斷是否存在跌倒風(fēng)險(xiǎn)。一旦檢測到跌倒事件，系統(tǒng)不僅能夠立即告警，還能通過gps定位功能確定跌倒位置，為緊急救援提供關(guān)鍵信息；

52、本發(fā)明的系統(tǒng)通過采集用戶的加速度、角速度、體溫、心率以及音頻數(shù)據(jù)等心理反饋數(shù)據(jù)，結(jié)合機(jī)器學(xué)習(xí)算法構(gòu)建情緒識(shí)別模型，能夠?qū)崿F(xiàn)對(duì)用戶心理健康狀態(tài)的實(shí)時(shí)監(jiān)測和評(píng)估。這不僅有助于用戶自我認(rèn)知情緒狀態(tài)，還能為心理咨詢師或醫(yī)生提供客觀的數(shù)據(jù)支持，以便更準(zhǔn)確地診斷和治療心理問題；

53、本發(fā)明特別關(guān)注殘疾人、產(chǎn)后孕婦、孤巢老人等特定群體的心理健康需求。這些群體由于身體條件、生活環(huán)境或社會(huì)角色的特殊性，往往面臨著更高的心理壓力。系統(tǒng)通過為他們提供實(shí)時(shí)、便捷的心理健康監(jiān)測服務(wù)，能夠更早地發(fā)現(xiàn)并解決潛在的心理問題，提升他們的生活質(zhì)量和社會(huì)融入感。