(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 20221084676 5.1 (22)申请日 2022.07.19 (71)申请人 西安理工大 学 地址 710048 陕西省西安市碑林区金花 南 路5号 (72)发明人 李牧　杨恒　向君　王昭　李倩　 (74)专利代理 机构 西安弘理专利事务所 61214 专利代理师 弓长 (51)Int.Cl. A61B 5/0507(2021.01) A61B 5/0205(2006.01) A61B 5/00(2006.01) G01D 21/02(2006.01) G06Q 50/26(2012.01) G08B 7/06(2006.01) (54)发明名称 非接触式居家养老监护系统及监护方法 (57)摘要 本发明公开了非接触式居家养 老监护系统， 包括中央处理器， 中央处理器分别连接有报警模 块、 信息采集模块、 可触摸显示屏， 中央处理器通 过IoT模块与云服务器连接， 云服务器与手机APP 连接， 解决现有监测系统监测准确性及可靠性低 的问题。 本发 明还公开了非接触式居家养老监护 方法， 检测精度高， 报警及时， 且舒适性高， 使用 方便及隐私安全性高。 权利要求书3页 说明书9页 附图2页 CN 115089157 A 2022.09.23 CN 115089157 A 1.非接触 式居家养老监护系统， 其特征在于， 包括中央处理器， 所述中央处理器分别连 接有报警模块、 信息采集模块、 可触摸显示屏， 所述中央处理器通过IoT模块与云服务器连 接， 所述云服 务器与手机AP P连接。 2.根据权利要求1所述的非接触式居家养老监护系统， 其特征在于， 所述信 息采集模块 包括毫米波 雷达、 热红外摄像头、 环 境信号采集模块； 所述毫米波 雷达设置于被监护人床铺 上方； 所述热红外摄 像头设置 于被监护人床铺上 方， 能够检测到人脸部的位置 。 3.根据权利要求2所述的非接触式居家养老监护系统， 其特征在于， 所述环境信号采集 模块包括温湿度传感器、 甲烷检测传感器、 甲醛传感器、 二氧化碳传感器、 烟雾传感器， 所述 温湿度传感器、 甲醛传感器、 二氧化碳传感器、 烟雾传感器均设置于卧室内， 所述甲烷检测 传感器设置 于厨房。 4.根据权利要求3所述的非接触式居家养老监护系统， 其特征在于， 所述报 警模块包括 声光报警器、 预置号码紧急通 话。 5.根据权利要求4所述的非接触式居家养老监护系统， 其特征在于， 所述中央处理器设 置有存储单元， 用于存 储监测的数据信息 。 6.根据权利要求5所述的非接触式居家养老监护系统， 其特征在于， 所述中央处理器设 置有USB接口， 中央处 理器通过USB接口与信息采集模块连接 。 7.非接触 式居家养老监护方法， 其特征在于， 采用权利要求6所述的非接触式居家养老 监护系统， 具体按照以下步骤实施： 步骤1， 通过毫米波雷达检测回波信号幅值、 频率及相位信息， 热红外摄像头采集热红 外图像， 温湿度传感器检测环境的温度及湿度， 甲烷检测传感器检测环境中甲烷的含量， 甲 醛传感器检测环境中甲醛 的含量， 二氧化碳传感器检测环境中二氧化碳的含量， 烟雾传感 器检测环境中烟雾的含量； 步骤2， 中央处理器接收毫米波雷达、 热红外摄像头、 甲烷检测传感器、 甲醛传感器、 二 氧化碳传感器及烟雾传感器采集的数据， 中央处理器通过采集的热红外摄像头获取的热图 计算出老人的呼吸频率和体 温， 将毫米波 雷达获得的呼吸频率与热红外摄像头获得的呼吸 频率通过数据融合 算法， 得到最终的呼吸频率； 步骤3， 中央处理器将步骤2接收的信 息保存至存储单元， 便于随时查看历史数据， 当接 收的数据超过设定的阈值时， 则通过IoT模块传输至 云服务器， 再发送至手机APP， 提醒监护 人注意， 同时中央处 理器控制报警模块发出报警。 8.根据权利要求7所述的非接触 式居家养老监护方法， 其特征在于， 步骤2中， 中央处理 器计算通过毫米波雷达得到的老人呼吸频率、 心率的具体过程如下： 步骤A， 将毫米波雷达捕获的回波信号与本振信号混频 得到中频信号； 步骤B， 对步骤A得到的中频信号做一维F FT获得目标位置信息； 步骤C， 将步骤B得到的目标位置信息采用反正切函数求得目标相位时间序列； 式(1)中， θ(t)表示相位时间序列； AQ表示Q通道信号幅度； AI表示I通道信号幅度； f0表 示雷达本振信号的频率； τ表示雷达回波时延； I 通道、 Q通道为正交的两通道；权　利　要　求　书 1/3 页 2 CN 115089157 A 2步骤D， 对步骤C得到的目标相位时间序列进行相位 解缠， 得到原 始生命体征信号； 步骤E， 构建呼吸心率信号模型， 具体为： 式(2)中， AB为呼吸信号幅度， AH为心率信号幅度； fB表示呼吸信号的频率； 表示呼吸 信号初始相位； fH表示心跳信号的频率； 表示心跳信号初始相位； 步骤F， 将步骤D得到的原始生命体征信号通过通带为0.1 ‑0.6Hz的带通滤波器得到呼 吸信号时域波形， 再通过短时傅里叶变换获取频谱， 幅度最大值对应的频率乘以60即为呼 吸频率， 单位 为次/分钟； 将步骤D得到的原始生命体征信号通过通带为0.8 ‑4Hz的带通滤波器得到心率信号时 域波形， 再通过短时傅里叶变换得到频谱， 幅度最大值对应的频率乘以60 即为心率， 单位为 次/分钟。 9.根据权利要求7所述的非接触 式居家养老监护方法， 其特征在于， 步骤2中， 中央处理 器计算通过热红外摄 像头得到的老人呼吸频率、 心率的具体过程如下： 步骤S1， 中央处 理器获取红外摄 像头拍摄的热红外图像； 步骤S2， 将步骤S1获取的热红外图像的视频帧序列图片进行灰度处理、 OSTU二值化以 及腐蚀膨胀、 提取轮廓处理过程提取出二值化的前景目标， 再与原图进行掩膜位运算获得 人脸前景目标； 步骤S3， 使用yolov4 ‑tiny算法， 搭建口鼻检测网络， 训练得到模型权重； 使用高性能深 度学习支持引擎TensorRT对神经网络进行推理加速， 以提高检测帧数； 步骤S4， 使用步骤S3所使用的方法检测到口鼻， 并对口鼻进行框 选后作为感兴趣区域； 步骤S5， 将步骤S4中得到的感兴趣区域进行灰度值均值化处理， 即感兴趣区域内像素 点均值， 记录时间、 像素点均值序列； 步骤S6， 对步骤S5中获得的序列进行平滑滤波， 去除冲激噪声干扰， 再采用去趋势算法 去除时间序列中包 含的趋势成分； 步骤S7， 对步骤S6处 理后的序列使用峰值检测法提取呼吸频率； 在时域上， 由于存在环境干扰或识别精度的影响， 呼吸与心率的信号波形会出现短暂 的非完整性的周期波形， 将此波形称为M波， 为了消除此种情况的干扰， 提取出信号的一段 时间内的波形转折点， 设定阈值W， 判断当前转折点幅值ni与下一个 转折点幅值ni+1的差值Pi 与阈值W的大小， 如果Pi>W， 则认为检测到了一次完整的波形， 相应的次数增加1； 如果Pi<W， 则认为该波形还未完整检测到， 再将ni与ni+2做差值重新赋值给Pi， 再将差值与阈值W做比 较， 直到判断到Pi>W为止； 最后将剩余的波形转折点按照上面方法循环处理即可得到对应 时间段的呼吸次数， 即呼吸频率； 步骤S8， 使用步骤S3所使用的方法检测额头部位， 获取额温， 通过额温与环境温度对应 关系、 额温与体温对应关系进行体温修 正得到体温数据。 10.根据权利要求8所述的非接触式居家养老监护方法， 其特征在于， 步骤S8的具体过 程为： 当检测到额温后， 通过查找额温与环境温度的对应关系， 对额温进行修正得到修正后 的额温， 对修 正后的额温查找额温与体温的对应关系， 可 得到体温；权　利　要　求　书 2/3 页 3 CN 115089157 A 3