【技術實現步驟摘要】
本申請涉及高空作業，特別是涉及一種高空作業狀態監測方法、系統和存儲介質。
技術介紹
1、高空作業涉及電力、化工、鐵路、建筑等多個行業及領域，需要高空作業人員進行登高施工，高空作業場景環境惡劣，如果高空作業人員身體狀態不佳容易發生危險事故，由于高空作業的特殊性，難以實現人工監護，市場上缺乏相應的監測設備，不能對高空作業人員的生理和心理狀態進行實時的監測。隨著物聯網技術、無線通信技術的發展出現了一些可穿戴設備，如智能手環、智能眼鏡等，這些設備在進行人體狀態監測方面具有便攜的特點，目前已經在老年人摔倒監測、心率監測、血氧濃度監測等方面取得一定的應用，基于這些傳感器及監測手段，在高空作業領域進行應用，需要對不同傳感器數據進行融合，建立高空作業人員狀態評價模型，實現對高空作業人員異常狀態進行預警。
技術實現思路
1、基于此，提供一種高空作業狀態監測方法、系統和存儲介質，用于解決當前高空作業難以對高空作業人員身體狀態監控導致高空作業人員生理和心理狀態突變造成發生危險事故的技術問題。
2、一方面，提供一種高空作業狀態監測方法，所述方法包括：
3、設置生理狀態檢測傳感器采集高空作業人員的生理狀態特征數據，所述生理狀態特征數據包括腦電信號數據、心電信號數據、脈搏信號數據、血氧飽和度數據和體溫數據；
4、將所述生理狀態特征數據進行融合，形成生理數據多維向量，采用深度神經網絡模型處理所述生理數據多維向量獲得生理狀態評估結果；
5、設置運動狀態檢測傳感器采集
6、將所述運動特征數據進行融合，形成運動數據多維向量，采用深度神經網絡模型處理所述運動數據多維向量獲得運動狀態評估結果；
7、根據所述生理狀態評估結果及所述運動狀態評估結果獲取高空作業人員的狀態評估得分，所述狀態評估得分包括健康得分、情緒得分和活動得分；
8、當所述狀態評估得分超出預設閾值時，發出報警信息。
9、在其中一個實施例中，所述設置生理狀態檢測傳感器采集高空作業人員的生理狀態特征數據，所述生理狀態特征數據包括腦電信號數據、心電信號數據、脈搏信號數據、血氧飽和度數據和體溫數據包括：
10、設置所述生理狀態檢測傳感器包括腦電信號采集模塊、心電信號采集模塊、脈搏采集模塊、血氧飽和度采集模塊和體溫采集模塊；
11、所述腦電信號采集模塊將腦電信號采集的電極與高空作業人員佩戴的安全帽進行集成，支持無線通信，采用所述腦電信號采集模塊采集高空作業人員的腦電信號數據；
12、所述心電信號采集模塊采用紐扣式電極，支持無線通信，采用所述心電信號采集模塊貼在高空作業人員的上臂、胸前、頸部位置采集高空作業人員的心電信號數據；
13、所述脈搏信號檢測模塊、所述血氧飽和度檢測模塊和所述體溫檢測模塊采用智能手環的方式采集高空作業人員的脈搏信號數據、血氧飽和度數據和體溫數據。
14、在其中一個實施例中，所述將所述生理狀態特征數據進行融合，形成生理數據多維向量，采用深度神經網絡模型處理所述生理數據多維向量獲得生理狀態評估結果包括：
15、設置生理數據多維向量為xfused＝[xs1,xs2,…,xsn]，其中xsn為所述生理狀態特征數據，下標sn為生理狀態特征數據的序號；
16、獲得的生理狀態評估結果為y＝f(xfused)，其中f是深度神經網絡模型。
17、在其中一個實施例中，所述設置運動狀態檢測傳感器采集高空作業人員的運動特征數據，所述運動特征數據包括運動的角度數據、速度數據和加速度數據包括：
18、設置所述運動狀態檢測傳感器包括加速度傳感器和陀螺儀；
19、所述加速度傳感器和陀螺儀與無線通信模塊進行集成，安裝固定在高空作業人員穿戴的全身式安全帶上，用于檢測高空作業人員的活動狀態數據；所述活動狀態數據包括靜止、行走、跑步、傾斜和搖晃；
20、通過所述活動狀態數據計算加速度模、角速度模，以及運動的角度數據、速度數據和加速度數據。
21、在其中一個實施例中，所述將所述運動特征數據進行融合，形成運動數據多維向量，采用深度神經網絡模型處理所述運動數據多維向量獲得運動狀態評估結果包括：
22、設置運動數據多維向量為xm,fused＝[xm,s1,xm,s2,…,xm,sn]，其中xm,sn為所述運動狀態特征數據，下標m，sn為運動狀態特征數據的序號；
23、獲得的運動狀態評估結果為m＝f(xm,fused)，其中f是深度神經網絡模型。
24、在其中一個實施例中，在將所述生理狀態特征數據進行融合之前，以及在將所述運動特征數據進行融合之前還包括：
25、通過數字濾波器對所述生理狀態特征數據進行噪聲過濾；判斷噪聲過濾后的生理狀態特征數據是否存在偏移或縮放誤差，若是則對噪聲過濾后的生理狀態特征數據進行數據校準；
26、通過數字濾波器對所述運動狀態特征數據進行噪聲過濾；判斷噪聲過濾后的運動狀態特征數據是否存在偏移或縮放誤差，若是則對噪聲過濾后的運動狀態特征數據進行數據校準；
27、設置對噪聲過濾后的生理狀態特征數據或對噪聲過濾后的運動狀態特征數據進行數據校準的校準公式為：ycalibration＝axraw+b；式中，ycalibration為校準后的數值，xraw為校準前的數值，a為校準系數，b為偏差系數。
28、在其中一個實施例中，所述方法還包括：
29、從所述心電信號數據中提取心率和心律變異性(hrv)，從所述脈搏信號數據中提取脈搏波形特征，從所述血氧飽和度數據中提取氧合血紅蛋白飽和度；
30、所述心律變異性由兩個相鄰的心跳峰值間期時間長短決定，所述心律變異性為式中，n是心跳峰值數量，ri是第i個心跳峰值的時間間隔。
31、在其中一個實施例中，所述方法還包括：
32、設置位置信息采集模塊采集高空作業人員的位置信息。
33、另一方面，提供了一種高空作業狀態監測系統，所述系統用于實現前文所述的高空作業狀態監測方法，所述系統包括生理狀態檢測傳感器、運動狀態檢測傳感器、無線通信模塊、智能終端和遠程服務器；
34、所述生理狀態檢測傳感器包括腦電信號采集模塊、心電信號采集模塊、脈搏采集模塊、血氧飽和度采集模塊和體溫采集模塊；所述生理狀態檢測傳感器用于采集高空作業人員的生理狀態特征數據，所述生理狀態特征數據包括腦電信號數據、心電信號數據、脈搏信號數據、血氧飽和度數據和體溫數據；
35、所述運動狀態檢測傳感器包括加速度傳感器和陀螺儀；所述運動狀態檢測傳感器用于采集高空作業人員的運動特征數據，所述運動特征數據包括運動的角度數據、速度數據和加速度數據；
36、所述生理狀態檢測傳感器及所述所述運動狀態檢測傳感器通過所述無線通信模塊與所述智能本文檔來自技高網...
【技術保護點】
1.一種高空作業狀態監測方法，其特征在于，包括：
2.根據權利要求1所述的高空作業狀態監測方法，其特征在于，所述設置生理狀態檢測傳感器采集高空作業人員的生理狀態特征數據，所述生理狀態特征數據包括腦電信號數據、心電信號數據、脈搏信號數據、血氧飽和度數據和體溫數據包括：
3.根據權利要求2所述的高空作業狀態監測方法，其特征在于，所述將所述生理狀態特征數據進行融合，形成生理數據多維向量，采用深度神經網絡模型處理所述生理數據多維向量獲得生理狀態評估結果包括：
4.根據權利要求1所述的高空作業狀態監測方法，其特征在于，所述設置運動狀態檢測傳感器采集高空作業人員的運動特征數據，所述運動特征數據包括運動的角度數據、速度數據和加速度數據包括：
5.根據權利要求4所述的高空作業狀態監測方法，其特征在于，所述將所述運動特征數據進行融合，形成運動數據多維向量，采用深度神經網絡模型處理所述運動數據多維向量獲得運動狀態評估結果包括：
6.根據權利要求1所述的高空作業狀態監測方法，其特征在于，在將所述生理狀態特征數據進行融合之前，以及在將所述運動特
7.根據權利要求1所述的高空作業狀態監測方法，其特征在于，所述方法還包括：
8.根據權利要求1所述的高空作業狀態監測方法，其特征在于，所述方法還包括：
9.一種高空作業狀態監測系統，其特征在于，所述系統用于實現權利要求1至8任一項所述的高空作業狀態監測方法，所述系統包括生理狀態檢測傳感器、運動狀態檢測傳感器、無線通信模塊、智能終端和遠程服務器；
10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現權利要求1至8中任一項所述的方法的步驟。
...【技術特征摘要】
1.一種高空作業狀態監測方法，其特征在于，包括：
2.根據權利要求1所述的高空作業狀態監測方法，其特征在于，所述設置生理狀態檢測傳感器采集高空作業人員的生理狀態特征數據，所述生理狀態特征數據包括腦電信號數據、心電信號數據、脈搏信號數據、血氧飽和度數據和體溫數據包括：
3.根據權利要求2所述的高空作業狀態監測方法，其特征在于，所述將所述生理狀態特征數據進行融合，形成生理數據多維向量，采用深度神經網絡模型處理所述生理數據多維向量獲得生理狀態評估結果包括：
4.根據權利要求1所述的高空作業狀態監測方法，其特征在于，所述設置運動狀態檢測傳感器采集高空作業人員的運動特征數據，所述運動特征數據包括運動的角度數據、速度數據和加速度數據包括：
5.根據權利要求4所述的高空作業狀態監測方法，其特征在于，所述將所述運動特征數據進行融合，形成...
【專利技術屬性】
技術研發人員：龔平治，
申請(專利權)人：上海安渺科技有限公司，
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。