本發(fā)明涉及嬰幼兒看護，尤其涉及一種基于熱紅外數(shù)據(jù)分析的嬰幼兒側(cè)睡識別方法、裝置及設(shè)備。

背景技術(shù)：

1、如今，在針對嬰幼兒的看護場景中，檢測嬰幼兒的睡姿，特別是區(qū)分側(cè)睡程度，對于保障嬰幼兒的安全和促進其健康發(fā)展是十分必要的，不同程度的側(cè)睡姿勢在某些情況下會增加窒息風(fēng)險，尤其是當(dāng)嬰幼兒在柔軟的床墊或靠近松散的床上用品時，因此，通過精準識別嬰幼兒的側(cè)睡姿勢，可以及時發(fā)出提醒，幫助護理人員或父母調(diào)整嬰兒的睡姿，降低意外窒息的風(fēng)險，確保嬰幼兒在安全的環(huán)境中獲得充足的睡眠，側(cè)睡睡姿精確識別的技術(shù)對預(yù)防嬰兒猝死綜合癥(s?ids)也具有重要的意義。監(jiān)測嬰幼兒側(cè)睡睡姿的技術(shù)在過去幾年取得了顯著進展，包括嵌入嬰兒床的傳感器、可穿戴設(shè)備、智能攝像頭以及使用人工智能進行實時分析的系統(tǒng)等，盡管如此，仍存在一些不足之處，現(xiàn)有技術(shù)無法準確識別所有側(cè)睡睡姿變化，尤其是在光線不足或有遮擋的情況下，會容易誤報或漏報。

2、現(xiàn)有中國專利cn115171033a公開了一種異類圖像源結(jié)合智能監(jiān)測嬰幼兒睡姿的方法、裝置及設(shè)備，所述方法包括：實時采集圍欄區(qū)域內(nèi)各熱源區(qū)域的實時位置信息，以便及時調(diào)整第一熱源區(qū)域和第二熱源區(qū)域的位置，當(dāng)?shù)谝粺嵩磪^(qū)域發(fā)生改變后，第二熱源區(qū)域也必然跟隨第一熱源區(qū)域發(fā)生變化，如：嬰幼兒第一時刻在圍欄區(qū)域內(nèi)的a區(qū)域，則a區(qū)域記為第一熱源區(qū)域，a的周圍區(qū)域記為第二熱源區(qū)域，在第二時刻時，嬰幼兒從a區(qū)域移動至b區(qū)域，b區(qū)域為a的部分周圍區(qū)域，此時b區(qū)域為第一熱源區(qū)域，b的周圍區(qū)域為第二熱源區(qū)域，由于第二時刻和第一時刻對應(yīng)的第一熱源區(qū)域、第二熱源區(qū)域的初始溫度不同，以及最后能夠達到的最高溫度也不一定相同；因此對不同時刻的各熱源區(qū)域分別配置對應(yīng)的溫度變化閾值；當(dāng)任一熱源區(qū)域存在溫度變化超出溫度變化閾值時，則對該變化時段對應(yīng)的睡眠視頻進行圖像分析，確定嬰幼兒睡姿是否改變，以及是否存在異常睡姿現(xiàn)象，上述專利雖然也結(jié)合了可見光圖像和熱紅外圖像來確定嬰幼兒睡姿，同時公開了先通過熱源區(qū)域的溫度變化來決定是否進行圖像分析，再通過圖像分析來確定嬰幼兒睡姿的技術(shù)方案，然而，視頻圖像分析存在一定的局限性，例如，光線不足、嬰幼兒動作頻繁等因素都會影響圖像分析的效果，使得側(cè)睡睡姿的識別不夠準確；同時，側(cè)睡睡姿異?？赡懿粫?dǎo)致明顯的可見光圖像特征變化，例如，輕微的頭部傾斜或身體側(cè)向的改變，這些細微的變化難以被視頻圖像分析系統(tǒng)準確捕捉和識別，從而無法及時發(fā)現(xiàn)嬰幼兒的側(cè)睡睡姿問題；綜上所述，雖然上述專利采用了先進的技術(shù)手段進行嬰幼兒睡姿識別，但在實際應(yīng)用中仍存在諸多挑戰(zhàn)和局限性，需要進一步完善和優(yōu)化，以提高側(cè)睡睡姿識別的準確性和全面性。

3、為此，如何準確地識別嬰幼兒的側(cè)睡睡姿是亟待解決的問題。

技術(shù)實現(xiàn)思路

1、有鑒于此，本發(fā)明提供了一種基于熱紅外數(shù)據(jù)分析的嬰幼兒側(cè)睡識別方法、裝置及設(shè)備，用以解決現(xiàn)有技術(shù)中無法準確地識別嬰幼兒的側(cè)睡睡姿的問題。

2、本發(fā)明采用的技術(shù)方案是：

3、第一方面，本發(fā)明提供了一種基于熱紅外數(shù)據(jù)分析的嬰幼兒側(cè)睡識別方法，所述方法包括：

4、獲取嬰幼兒看護場景下的熱紅外實時圖像中嬰幼兒頭部區(qū)域內(nèi)像素點的溫度值；

5、依據(jù)所述溫度值，確定與嬰幼兒頭部區(qū)域內(nèi)熱度分布對應(yīng)的實時統(tǒng)計特征信息；

6、對所述實時統(tǒng)計特征信息進行計算，獲取熱度分布的偏斜系數(shù)；

7、依據(jù)所述偏斜系數(shù)和預(yù)設(shè)的與側(cè)睡睡姿對應(yīng)的第一閾值、第二閾值和第三閾值，識別嬰幼兒側(cè)睡睡姿，其中，側(cè)睡睡姿包括輕度側(cè)睡、中度側(cè)睡或重度側(cè)睡，其中，第一閾值小于第二閾值，第二閾值小于第三閾值。

8、優(yōu)選地，在所述獲取嬰幼兒看護場景下的熱紅外實時圖像中嬰幼兒頭部區(qū)域內(nèi)像素點的溫度值之前還包括：

9、獲取嬰幼兒看護場景下的熱紅外實時圖像和可見光實時圖像；

10、對所述可見光實時圖像進行目標(biāo)檢測，輸出嬰幼兒頭部的第一位置信息；

11、依據(jù)熱紅外實時圖像與可見光實時圖像之間預(yù)設(shè)的映射關(guān)系，結(jié)合所述第一位置信息，確定嬰幼兒頭部在熱紅外實時圖像中的第二位置信息；

12、依據(jù)所述第二位置信息，獲取嬰幼兒頭部區(qū)域內(nèi)像素點的溫度值。

13、優(yōu)選地，所述對所述可見光實時圖像進行目標(biāo)檢測，輸出嬰幼兒頭部的第一位置信息包括：

14、將所述可見光實時圖像輸入預(yù)訓(xùn)練的目標(biāo)檢測模型中，輸出嬰幼兒頭部初始位置信息；

15、依據(jù)所述嬰幼兒頭部初始位置信息，利用目標(biāo)跟蹤算法，對嬰幼兒頭部進行實時跟蹤，輸出所述第一位置信息。

16、優(yōu)選地，在所述依據(jù)熱紅外實時圖像與可見光實時圖像之間預(yù)設(shè)的映射關(guān)系，結(jié)合所述第一位置信息，確定嬰幼兒頭部在熱紅外實時圖像中的第二位置信息之前包括：

17、獲取嬰幼兒看護場景下的熱紅外樣本圖像和可見光樣本圖像；

18、對所述可見光樣本圖像進行閾值分割和角點檢測，獲取預(yù)設(shè)參照物的第一頂點位置信息；

19、對所述熱紅外樣本圖像進行閾值分割和直線檢測，獲取預(yù)設(shè)參照物的第二頂點位置信息；

20、依據(jù)所述第一頂點位置和所述第二頂點位置信息，確定所述映射關(guān)系。

21、優(yōu)選地，在所述依據(jù)所述溫度值，確定與嬰幼兒頭部區(qū)域內(nèi)熱度分布對應(yīng)的實時統(tǒng)計特征信息之后還包括：

22、對所述實時統(tǒng)計特征信息進行計算，獲取熱度分布的均勻性指標(biāo)；

23、若所述均勻性指標(biāo)小于預(yù)設(shè)的與正睡睡姿對應(yīng)的均勻性閾值，則識別嬰幼兒正睡睡姿；

24、獲取正臉?biāo)讼聥胗變侯^部區(qū)域內(nèi)熱度分布對應(yīng)的統(tǒng)計特征模板信息和嬰幼兒臉部區(qū)域面積；

25、獲取實時的嬰幼兒頭部區(qū)域面積，依據(jù)統(tǒng)計特征模板信息、嬰幼兒臉部區(qū)域面積、嬰幼兒頭部區(qū)域面積和實時統(tǒng)計特征信息，識別嬰幼兒趴睡睡姿。

26、優(yōu)選地，所述依據(jù)所述偏斜系數(shù)和預(yù)設(shè)的與側(cè)睡睡姿對應(yīng)的第一閾值、第二閾值和第三閾值，識別嬰幼兒側(cè)睡睡姿包括：

27、若所述偏斜系數(shù)大于所述第一閾值且小于所述第二閾值，則識別嬰幼兒為輕度側(cè)睡；

28、若所述偏斜系數(shù)大于等于所述第二閾值且小于所述第三閾值，則識別嬰幼兒為中度側(cè)睡；

29、若所述偏斜系數(shù)大于等于所述第三閾值，則識別嬰幼兒為重度側(cè)睡。

30、優(yōu)選地，所述獲取實時的嬰幼兒頭部區(qū)域面積，依據(jù)統(tǒng)計特征模板信息、嬰幼兒臉部區(qū)域面積、嬰幼兒頭部區(qū)域面積和實時統(tǒng)計特征信息，識別嬰幼兒趴睡睡姿包括：

31、依據(jù)所述嬰幼兒頭部區(qū)域面積和嬰幼兒臉部區(qū)域面積，確定第一評估值；

32、依據(jù)實時統(tǒng)計特征信息中的實時均值和統(tǒng)計特征模板信息中的目標(biāo)均值，確定第二評估值；

33、獲取實時統(tǒng)計特征信息中的實時標(biāo)準差，依據(jù)所述第一評估值、第二評估值和實時標(biāo)準差，識別嬰幼兒趴睡睡姿。

34、第二方面，本發(fā)明提供了一種基于熱紅外數(shù)據(jù)分析的嬰幼兒側(cè)睡識別裝置，所述裝置包括：

35、溫度值獲取模塊，用于獲取嬰幼兒看護場景下的熱紅外實時圖像中嬰幼兒頭部區(qū)域內(nèi)像素點的溫度值；

36、實時統(tǒng)計特征信息提取模塊，用于依據(jù)所述溫度值，確定與嬰幼兒頭部區(qū)域內(nèi)熱度分布對應(yīng)的實時統(tǒng)計特征信息；

37、偏斜系數(shù)計算模塊，用于對所述實時統(tǒng)計特征信息進行計算，獲取熱度分布的偏斜系數(shù)；

38、側(cè)睡分類模塊，用于依據(jù)所述偏斜系數(shù)和預(yù)設(shè)的與側(cè)睡睡姿對應(yīng)的第一閾值、第二閾值和第三閾值，識別嬰幼兒側(cè)睡睡姿，其中，側(cè)睡睡姿包括輕度側(cè)睡、中度側(cè)睡或重度側(cè)睡，其中，第一閾值小于第二閾值，第二閾值小于第三閾值。第三方面，本發(fā)明實施例還提供了一種電子設(shè)備，包括：至少一個處理器、至少一個存儲器以及存儲在存儲器中的計算機程序指令，當(dāng)計算機程序指令被處理器執(zhí)行時實現(xiàn)如上述實施方式中第一方面的方法。

39、第四方面，本發(fā)明實施例還提供了一種存儲介質(zhì)，其上存儲有計算機程序指令，當(dāng)計算機程序指令被處理器執(zhí)行時實現(xiàn)如上述實施方式中第一方面的方法。

40、綜上所述，本發(fā)明的有益效果如下：

41、本發(fā)明提供的基于熱紅外數(shù)據(jù)分析的嬰幼兒側(cè)睡識別方法、裝置及設(shè)備，所述方法包括:獲取嬰幼兒看護場景下的熱紅外實時圖像中嬰幼兒頭部區(qū)域內(nèi)像素點的溫度值；依據(jù)所述溫度值，確定與嬰幼兒頭部區(qū)域內(nèi)熱度分布對應(yīng)的實時統(tǒng)計特征信息；對所述實時統(tǒng)計特征信息進行計算，獲取熱度分布的偏斜系數(shù)；依據(jù)所述偏斜系數(shù)和預(yù)設(shè)的與側(cè)睡睡姿對應(yīng)的第一閾值、第二閾值和第三閾值，識別嬰幼兒側(cè)睡睡姿，其中，側(cè)睡睡姿包括輕度側(cè)睡、中度側(cè)睡或重度側(cè)睡，其中，第一閾值小于第二閾值，第二閾值小于第三閾值。本發(fā)明通過獲取嬰幼兒看護場景下的熱紅外實時圖像，并基于頭部區(qū)域內(nèi)的溫度值和熱度分布偏斜系數(shù)來識別嬰幼兒的側(cè)睡睡姿，具有顯著的優(yōu)勢，首先，通過熱紅外技術(shù)實時監(jiān)測嬰幼兒的頭部熱度分布，能夠準確捕捉嬰幼兒側(cè)睡時的溫度變化和偏斜程度，其次，設(shè)置了多個閾值(第一、第二、第三閾值)，能夠?qū)?cè)睡睡姿細化為輕度、中度、重度側(cè)睡，提供更精細的姿勢判斷，這種多級閾值判斷方法不僅提高了識別的準確性，還能夠?qū)Σ煌潭鹊膫?cè)睡姿勢進行區(qū)分，有助于護理人員采取更有針對性的措施，降低嬰幼兒因側(cè)睡姿勢不當(dāng)而引發(fā)的風(fēng)險，與現(xiàn)有技術(shù)相比，該方案有效解決了無法準確識別側(cè)睡睡姿的問題，從而大幅提升了嬰幼兒睡眠監(jiān)測的可靠性和安全性。