[发明专利]一种基于智能安全帽的工人健康监控方法

权利要求书

1.基于智能安全帽的工人健康监控方法，其特征在于：包括体征数据采集、传输、存储、分析、监控和预警提示的步骤，所述体征数据的采集、传输、存储、分析、监控和预警提示的步骤为：

第一步：在服务器的状态管理模块中录入智能安全帽连接编码和其佩戴工人的信息，启动并佩戴智能安全帽；

第二步：智能安全帽采集工人脑电波、心率和血氧含量体征数据，通过无线网络实时传输到服务其中的健康数据模块；

第三步：特制的分析模块对体征数据进行实时同步并分析，判断工人的疲劳度、注意力集中度；

第四步：状态管理模块对工人的疲劳度、注意力、血氧和心率指标进行监控记录，实时更新工人的健康状态；

第五步：当健康状态的指标达到合理阈值之外时，服务器通过健康数据模块反馈健康异常指令给智能安全帽，智能安全帽发出蜂鸣，对工人进行风险提示和预警。

2.根据权利要求1所述的基于智能安全帽的工人健康监控方法，其特征在于：所述第一步和第二步中体征数据采集、传输和存储步骤具体流程为：

第一步：在服务器的状态管理模块中录入智能安全帽的连接编码，并填写智能安全帽对应工人所属的公司、项目、姓名和电话等身份信息；

第二步：打开智能安全帽开关并进行佩戴，智能安全帽采集工人的脑电波、心率和血氧含量信息；

第三步：脑电波信号、心率和血氧数据通过无线网络实时上传至服务器的健康数据模块；

第四步：健康数据模块接收工人体征数据，按工人的身份信息进行存储并实时传入特制的分析模块。

3.根据权利要求1所述的基于智能安全帽的工人健康监控方法，其特征在于：所述第三步进行实时体征数据分析的步骤具体流程为：

第一步：特制的分析模块对疲劳度和注意力相对应脑电波信号的时域和频域进行分析，提取信号特征参数并建立数据库；

第二步：通过随机森林算法建立机器学习模型，对数据库中的信号特征参数对应疲劳度和注意力指标进行分级并变换为分数值；

第三步：实时同步健康数据模块中的脑电波数据，通过回归法、自适应滤波法和独立分量分析法进行噪声和干扰去除；

第四步：对降噪后的脑电波数据的时域与频域进行功率谱密度和频谱分析，提取信号特征参数；

第五步：通过对比数据库中分类分级的信号特征参数，实时判断工人的疲劳度和注意力等级对应的分数值。

4.根据权利要求1所述的基于智能安全帽的工人健康监控方法，其特征在于：所述第四步对工人体征数据进行健康状态监控的步骤具体流程为：

第一步：状态管理模块汇总智能安全帽连接编码和工人身份信息，实时同步疲劳度、注意力等级和血氧心率数据；

第二步：与特制的分析模块和健康数据模块实时进行数据更新，记录最新工人的健康状态数据。

5.根据权利要求1所述的基于智能安全帽的工人健康监控方法，其特征在于：所述第五步健康状态指标达到合理阈值之外时进行预警提示的步骤具体流程为：

第一步：在状态管理模块设置健康指标分数阈值；

第二步：当实时更新的工人健康指标超过所设阈值时，状态管理模块发送健康异常指令给健康数据模块；

第三步：健康数据模块把健康异常指令通过无线网络传输给智能安全帽；

第四步：智能安全帽启动蜂鸣器，给工人健康风险进行提示预警。