一种非接触式生命体征数据监测方法及系统与流程

本发明涉及生理信息监测，尤其涉及一种非接触式生命体征数据监测方法及系统。

背景技术：

1、生理信息监测技术领域专注于使用多种传感器和设备，实时采集和分析人体生理参数，包括体温、心率、脉搏、呼吸、血压、血氧水平多种生命体征，应用于医疗健康监控、运动科学、康复治疗和个人健康管理多个领域，通过对个体的健康状况进行连续监测，及时发现健康问题、调整治疗方案或优化运动训练计划，结合数据处理和分析，包括信号处理、模式识别和机器学习，提高监测数据的准确性和可靠性，使得监测结果更加实用和有指导意义。

2、其中，非接触式生命体征数据监测方法旨在实现不需要与被监测者的身体直接接触，远程采集生命体征数据，利用红外传感器、雷达、声波传感器、视频摄像头，在一定距离外捕捉并分析生理信号，应用于医院监护病人的生命体征、居家健康管理、老年人健康监测、传染病区及其它复杂环境进行无风险监测。通过非接触式的监测方法减少感染的风险，提高病人的舒适度，为医疗提供者提供连续且准确的健康数据。

3、传统非接触式生命体征数据监测方法的数据准确性和环境适应性不佳，是在动态或复杂环境中，缺乏足够的环境适应调整机制，不能有效调整传感器灵敏度以应对环境光变化，导致数据准确度下降，难以充分考虑个体差异，包括年龄、性别多种生理特点，在设计异常检测阈值时缺乏必要的个性化配置，使系统的适用性和灵敏度受限，导致监测结果的不稳定性，影响健康状况的判断，导致对患者健康状况监控的盲点，限制非接触式监测技术在更广泛医疗及家庭健康管理场景下的应用。

技术实现思路

1、本发明的目的是解决现有技术中存在的缺点，而提出的一种非接触式生命体征数据监测方法及系统。

2、为了实现上述目的，本发明采用了如下技术方案，一种非接触式生命体征数据监测方法，包括以下步骤：

3、s1：基于毫米波雷达传感器，实时采集目标个体的胸腔微动数据，分离心跳和呼吸引起的胸腔运动信号，识别呼吸的频率和变化，得到呼吸模式数据；

4、s2：基于所述呼吸模式数据，通过对心跳引起的胸腔运动信号进行分析，评估目标个体心跳数据的变化模式，识别心跳的速度、频率，生成心跳模式分析结果；

5、s3：基于所述心跳模式分析结果，利用红外传感器，实时监测目标个体发出的红外辐射数据并计算体温，输出体温监测结果；

6、s4：基于所述体温监测结果，根据目标个体的年龄、性别、身高、体重和实时活动状态，调整心率和呼吸频率的异常检测阈值，生成监测参数调整记录；

7、s5：基于所述监测参数调整记录，通过对目标个体的心率、呼吸、体温数据进行分析，识别目标个体的异常状态，生成异常状态识别记录；

8、s6：基于所述异常状态识别记录，对目标个体进行健康状态的实时评估，并计算健康指数，结合时间序列分析，预测目标个体健康状态的变化趋势，生成生理状态评估信息。

9、作为本发明的进一步方案，所述呼吸模式数据包括呼吸频率数据、呼吸循环持续时间信息、呼吸波形的振幅变化数据，所述心跳模式分析结果包括心跳速度、心跳频率的均值和方差、心跳引起的胸腔运动的时间序列特征，所述体温监测结果包括目标个体的实时体温值、体温的时间序列变化数据、环境光对体温测量影响的补偿数据，所述监测参数调整记录包括心率异常检测阈值、异常呼吸频率监测阈值、体温异常报警阈值，所述异常状态识别记录包括目标个体的异常心率事件、异常呼吸模式识别结果、体温异常事件记录，所述生理状态评估信息包括目标个体的健康指数、健康状态变化趋势信息、生理状态评估数据。

10、作为本发明的进一步方案，基于毫米波雷达传感器，实时采集目标个体的胸腔微动数据，分离心跳和呼吸引起的胸腔运动信号，识别呼吸的频率和变化，得到呼吸模式数据的步骤具体为：

11、s101：基于毫米波雷达传感器，实时采集目标个体胸腔的微动数据，记录胸腔运动信号和时间戳信息，得到胸腔运动数据；

12、s102：基于所述胸腔运动数据，通过高通滤波和低通滤波，分离心跳和呼吸引起的胸腔运动信号，识别引起胸腔运动的呼吸信号，得到呼吸信号数据；

13、s103：基于所述呼吸信号数据，通过对呼吸数据进行时间序列分析，识别目标个体呼吸的频率和变化模式，生成呼吸模式数据。

14、作为本发明的进一步方案，基于所述呼吸模式数据，通过对心跳引起的胸腔运动信号进行分析，评估目标个体心跳数据的变化模式，识别心跳的速度、频率，生成心跳模式分析结果的步骤具体为：

15、s201：基于所述呼吸模式数据，通过对心跳引起的胸腔运动信号进行分析，利用时间延迟嵌入将时间序列数据转换为多维空间数据，进行相空间重构，得到重构空间数据；

16、s202：基于所述重构空间数据，计算多个维度上的统计参数，包括方差和均值，分析心跳信号的变化模式，得到变化模式信息；

17、s203：基于所述变化模式信息，识别目标个体心跳的速度和频率，并根据变化模式对心跳类型进行分类，生成心跳模式分析结果。

18、作为本发明的进一步方案，基于所述心跳模式分析结果，利用红外传感器，实时监测目标个体发出的红外辐射数据并计算体温，输出体温监测结果的步骤具体为：

19、s301：基于所述心跳模式分析结果，利用红外传感器实时监测环境光强度，调整红外传感器的灵敏度补偿参数，优化数据采集的准确性，得到补偿参数配置；

20、s302：基于所述补偿参数配置，采集目标个体发出的红外辐射数据，记录红外光谱中多个波长的强度，生成红外数据测量结果；

21、s303：基于所述红外数据测量结果，通过红外数据实时计算目标个体的体温，生成体温监测结果。

22、作为本发明的进一步方案，基于所述体温监测结果，根据目标个体的年龄、性别、身高、体重和实时活动状态，调整心率和呼吸频率的异常检测阈值，生成监测参数调整记录的步骤具体为：

23、s401：基于所述体温监测结果，实时采集目标个体的年龄、性别、身高、体重和活动状态数据，得到个体生理和状态数据；

24、s402：基于所述个体生理和状态数据，考虑活动强度和个体差异，为目标个体计算心率异常检测阈值，生成检测参数计算结果；

25、s403：基于所述检测参数计算结果，根据个体的生理和实时状态数据，调整呼吸模式和体温的异常检测阈值，包括呼吸频率随活动变化的敏感度、体温正常波动范围，得到监测参数调整记录。

26、作为本发明的进一步方案，基于所述监测参数调整记录，通过对目标个体的心率、呼吸、体温数据进行分析，识别目标个体的异常状态，生成异常状态识别记录的步骤具体为：

27、s501：基于所述监测参数调整记录，对目标个体的心率、呼吸、体温数据进行时间戳对齐，生成生命体征数据集；

28、s502：基于所述生命体征数据集，通过将多种生理参数与异常检测阈值进行对比，识别超出正常范围的数据点，生成生理数据对比结果；

29、s503：基于所述生理数据对比结果，分析并识别目标个体的异常状态，包括心率过快、呼吸不规则、体温异常，生成异常状态识别记录。

30、作为本发明的进一步方案，基于所述异常状态识别记录，对目标个体进行健康状态的实时评估，并计算健康指数，结合时间序列分析，预测目标个体健康状态的变化趋势，生成生理状态评估信息的步骤具体为：

31、s601：接收所述异常状态识别记录，分析多项异常状态对目标个体健康的影响，评估目标个体的健康状态，生成健康状态评估结果；

32、s602：基于所述健康状态评估结果，计算目标个体的健康指数，量化目标个体的生命体征状态，生成健康状态评分；

33、s603：基于所述健康状态评分，结合时间序列数据分析，预测目标个体健康状态的变化趋势，生成生理状态评估信息。

34、作为本发明的进一步方案，所述计算目标个体的健康指数的具体公式为：其中，为健康指数，代表综合评估后的健康状态数值，为实际心率，测量的当前心率值，为实际呼吸频率，测量的当前呼吸频率值，为实际体温，测量的当前体温值，为标准心率，理想健康状态下的心率标准值，为标准呼吸频率，理想健康状态下的呼吸频率标准值，为标准体温，理想健康状态下的体温标准值，为截距项，模型中的常数项，表示在没有任何偏差时的基本健康指数，为心率偏差的权重系数，表示心率偏离标准值的影响程度对健康指数的贡献，为呼吸频率偏差的权重系数，表示呼吸频率偏离标准值的影响程度对健康指数的贡献，为体温偏差的权重系数，表示体温偏离标准值的影响程度对健康指数的贡献。

35、一种非接触式生命体征数据监测系统，所述非接触式生命体征数据监测系统用于执行上述非接触式生命体征数据监测方法，所述系统包括：

36、胸腔微动数据采集模块利用毫米波雷达传感器，实时采集目标个体的胸腔微动数据，分离心跳和呼吸引起的胸腔运动信号，并识别目标个体的呼吸模式，生成呼吸数据分析结果；

37、心跳数据分析模块基于所述呼吸数据分析结果，分析心跳引起的胸腔运动信号，评估心跳数据的变化模式，包括心跳的速度和频率，生成心跳数据变化模式信息；

38、体温测量模块基于所述心跳数据变化模式信息，使用红外传感器实时监测目标个体发出的红外辐射数据，根据环境光变化调整传感器的灵敏度，计算并修正体温读数，生成体温读数记录；

39、阈值参数调整模块基于所述体温读数记录，采集目标个体的年龄、性别、身高、体重和实时活动状态，调整心率和呼吸频率的异常检测阈值，生成检测阈值配置；

40、健康指数计算模块基于所述检测阈值配置，分析目标个体的心率、呼吸、体温数据并与异常检测阈值进行对比，识别异常状态，对目标个体进行健康状态的实时评估，计算健康指数，结合时间序列分析预测健康状态的变化趋势，生成生理状态评估信息。

41、与现有技术相比，本发明的优点和积极效果在于：

42、本发明中，通过利用毫米波雷达传感器和红外传感器实时采集和分析目标个体的胸腔微动及红外辐射数据，实现生命体征的准确监测，结合个体的生理状态，调整异常检测阈值，使监测结果贴合个体的实际健康状况，通过对多个生命体征的联合分析，实现健康状态的全面评估，结合健康趋势预测，为预防性健康管理和早期疾病诊断提供数据支持，提升监测系统的实用性，扩展非接触式监测技术在复杂环境下的应用范围。