【技術實現步驟摘要】
本申請屬于計算機應用，尤其涉及一種檢測呼吸頻率的方法、裝置、終端設備及存儲介質。
技術介紹
1、近年來，呼吸檢測技術在醫療、健康監測和安防等領域取得了顯著進展。傳統的呼吸檢測方法主要依賴于接觸式傳感器或專業設備，限制了檢測的便捷性和實時性。而無接觸式呼吸檢測技術逐漸成為了研究熱點。
2、相關技術中，無接觸式呼吸檢測技術可以采用紅外熱線技術、攝像頭圖像分析以及微波雷達技術等，但是在實際應用的過程中，上述各無接觸式呼吸檢測技術可能存在不同的問題，例如紅外熱線技術對環境溫度和背景干擾較為敏感，可能受到溫度變化和其他熱源的影響，導致呼吸檢測的準確性下降；攝像頭圖像分析需要對圖像進行復雜的算法處理，對硬件和計算資源要求較高，而且可能受到光線和背景干擾的影響，不適用于較暗的環境；微波雷達技術對目標距離較為敏感，對于靠近雷達的人體可能具有較高的靈敏度，但對于較遠距離的人體可能檢測效果較差。
技術實現思路
1、本申請實施例提供了一種檢測呼吸頻率的方法、裝置、終端設備及存儲介質，可以解決目前墻穿透場景下，一般需要接觸式傳感器來檢測被檢測者呼吸頻率，從而導致的靈活性差、便捷度低，難以滿足不同人群需求的問題。
2、第一方面，本申請實施例提供了一種檢測呼吸頻率的方法，包括：接收當前預設區域內的無線信號并進行解析，獲取所述無線信號對應的振幅數據；根據所述振幅數據以及預設的集成分類模型，確定被檢測者的狀態分類，所述集成分類模型是根據歷史振幅數據訓練得到；根據所述被檢測者的所述狀態分類與
3、在第一方面的一種可能的實現方式中，上述預設的集成分類模型輸出的分類狀態為人體存在或人體不存在，預設的集成分類模型由多個支持向量機構成。
4、可選的，在第一方面的另一種可能的實現方式中，上述根據振幅數據以及預設的集成分類模型，確定被檢測者的狀態分類，包括：
5、根據預設的數據特征提取算法對振幅數據進行特征提取，獲取振幅數據對應的多組特征向量；
6、利用每個支持向量機對多組特征向量進行分類預測，獲取每個支持向量機輸出的振幅數據對應的狀態分類；
7、根據每個支持向量機輸出的振幅數據對應的狀態分類進行投票，確定被檢測者的狀態分類。
8、可選的，在第一方面的再一種可能的實現方式中，上述根據被檢測者的狀態分類與預設的估算算法，確定被檢測者的呼吸頻率，包括：
9、當檢測者的狀態分類為人體存在時，利用小波變換對振幅數據進行處理，獲取振幅數據對應的小波系數；
10、根據峰谷間隔率估算算法對小波系數進行計算，獲取被檢測者的呼吸頻率。
11、可選的，在第一方面的又一種可能的實現方式中，在上述當檢測者的狀態分類為人體存在時，利用小波變換對振幅數據進行處理，獲取振幅數據對應的小波系數之前，還包括：
12、利用信號質量優化算法對振幅數據進行優化處理。
13、可選的，在第一方面的又一種可能的實現方式中，上述利用信號質量優化算法對振幅數據進行優化處理，包括：
14、根據子信道去除方法對振幅數據進行去噪處理；
15、根據子載波選擇方法對經過去噪處理后的振幅數據進行優化處理。
16、可選的，在第一方面的又一種可能的實現方式中，上述根據被檢測者的狀態分類與預設的估算算法，確定被檢測者的呼吸頻率，包括：
17、當檢測者的狀態分類為人體不存在時，停止檢測呼吸頻率。
18、第二方面，本申請實施例提供了一種檢測呼吸頻率的裝置，包括：獲取模塊，用于接收當前預設區域內的無線信號并進行解析，獲取所述無線信號對應的振幅數據；第一確定模塊，用于根據所述振幅數據以及預設的集成分類模型，確定被檢測者的狀態分類，所述集成分類模型是根據歷史振幅數據訓練得到；第二確定模塊，用于根據所述被檢測者的所述狀態分類與預設的估算算法，確定所述被檢測者的呼吸頻率。
19、在第二方面的一種可能的實現方式中，上述預設的集成分類模型輸出的分類狀態為人體存在或人體不存在，預設的集成分類模型由多個支持向量機構成。
20、可選的，在第二方面的另一種可能的實現方式中，上述第一確定模塊，包括：
21、第一獲取單元，用于根據預設的數據特征提取算法對振幅數據進行特征提取，獲取振幅數據對應的多組特征向量；
22、第二獲取單元，利用每個支持向量機對多組特征向量進行分類預測，獲取每個支持向量機輸出的振幅數據對應的狀態分類；
23、確定單元，用于根據每個支持向量機輸出的振幅數據對應的狀態分類進行投票，確定被檢測者的狀態分類。
24、可選的，在第二方面的再一種可能的實現方式中，上述第二確定模塊，包括：
25、第三獲取單元，用于當檢測者的狀態分類為人體存在時，利用小波變換對振幅數據進行處理，獲取振幅數據對應的小波系數；
26、第四獲取單元，用于根據峰谷間隔率估算算法對小波系數進行計算，獲取被檢測者的呼吸頻率。
27、可選的，在第二方面的又一種可能的實現方式中，上述第二確定模塊，還包括：
28、優化單元，用于利用信號質量優化算法對振幅數據進行優化處理。
29、可選的，在第二方面的又一種可能的實現方式中，上述優化單元，具體用于：
30、根據子信道去除方法對振幅數據進行去噪處理；
31、根據子載波選擇方法對經過去噪處理后的振幅數據進行優化處理。
32、可選的，在第二方面的又一種可能的實現方式中，上述第二確定模塊，包括：
33、停止單元，用于當檢測者的狀態分類為人體不存在時，停止檢測呼吸頻率。
34、第三方面，本申請實施例提供了一種終端設備，包括：存儲器、處理器以及存儲在存儲器中并可在處理器上運行的計算機程序，其中，處理器執行計算機程序時實現如前所述的檢測呼吸頻率的方法。
35、第四方面，本申請實施例提供了一種計算機可讀存儲介質，其上存儲有計算機程序，所述計算機程序被處理器執行時實現如前所述的檢測呼吸頻率的方法。
本文檔來自技高網...【技術保護點】
1.一種檢測呼吸頻率的方法，其特征在于，包括：
2.如權利要求1所述的方法，其特征在于，所述預設的集成分類模型輸出的狀態分類為人體存在或人體不存在，所述預設的集成分類模型由多個支持向量機構成。
3.如權利要求2所述的方法，其特征在于，所述根據所述振幅數據以及預設的集成分類模型，確定被檢測者的狀態分類，包括：
4.如權利要求1所述的方法，特征在于，所述根據所述被檢測者的所述狀態分類與預設的估算算法，確定所述被檢測者的呼吸頻率，包括：
5.如權利要求4所述的方法，在所述當所述檢測者的所述狀態分類為人體存在時，利用小波變換對所述振幅數據進行處理，獲取所述振幅數據對應的小波系數之前，還包括：
6.如權利要求5所述的方法，其特征在于，所述利用信號質量優化算法對所述振幅數據進行優化處理，包括：
7.如權利要求1-6任一所述的方法，其特征在于，所述根據所述被檢測者的所述狀態分類與預設的估算算法，確定所述被檢測者的呼吸頻率，包括：
8.一種檢測呼吸頻率的裝置，其特征在于，包括：
9.一種終端設備，包括
10.一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求1至7中任一項所述的方法。
...【技術特征摘要】
1.一種檢測呼吸頻率的方法，其特征在于，包括：
2.如權利要求1所述的方法，其特征在于，所述預設的集成分類模型輸出的狀態分類為人體存在或人體不存在，所述預設的集成分類模型由多個支持向量機構成。
3.如權利要求2所述的方法，其特征在于，所述根據所述振幅數據以及預設的集成分類模型，確定被檢測者的狀態分類，包括：
4.如權利要求1所述的方法，特征在于，所述根據所述被檢測者的所述狀態分類與預設的估算算法，確定所述被檢測者的呼吸頻率，包括：
5.如權利要求4所述的方法，在所述當所述檢測者的所述狀態分類為人體存在時，利用小波變換對所述振幅數據進行處理，獲取所述振幅數據對應的小波系數之前，還包括：
6....
【專利技術屬性】
技術研發人員：周小琳，王瑞琳，王博，郭永新，
申請(專利權)人：新加坡國立大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。