[发明专利]一种家庭护理智能监督方法、系统及装置

权利要求书

1.一种家庭护理智能监督方法，其特征是，包括：

获取多组护理组合按护理标准规范执行各类护理服务项目全过程中的多帧护理数据，其中，每组护理组合包含一名卧床病人与一名护理人员；

间隔获取每组护理组合按护理标准规范执行某一类护理服务项目全过程中的多帧护理数据，构成多个第一监测样本序列，分别标注对应的护理服务项目类型，并将多个第一监测样本序列的护理服务项目标注映射为标签向量；

将标注对应护理服务项目类型的多个第一监测样本序列划分为训练集以及验证集，利用训练集中第一监测样本序列训练护理服务项目类型识别模型；利用验证集中第一监测样本序列选取第一监测样本序列被识别为不同护理服务项目类型的置信度阈值向量；

将待监测时段采集到的多帧护理数据划分为多个用于获取当前护理服务项目类型的第二监测样本序列，将多个第二监测样本序列分别输入训练好的护理服务项目类型识别模型，将某一第二监测样本序列通过训练好的护理服务项目类型识别模型获得的置信度向量与置信度阈值向量按位比较，根据获得的置信度向量与置信度阈值向量的比较结果，识别所述第二监测样本序列对应的护理服务项目类型。

2.根据权利要求1所述的一种家庭护理智能监督方法，其特征是，还包括：

获取待监测时段各个第二监测样本序列的识别结果，与预设护理服务项目类型进行对比，若待监测时段中识别为预设护理服务类型项目的第二监测样本序列数大于预设数值时，则判断待监测时段护理服务项目按护理标准规范执行完毕；否则判断待监测时段护理服务项目未按照护理标准规范完成并及时进行提醒上报。

3.根据权利要求1或2所述的一种家庭护理智能监督方法，其特征是，根据获得的置信度向量与置信度阈值向量的比较结果，识别所述第二监测样本序列对应的护理服务项目类型具体是：

如果获得的置信度向量大于置信度阈值向量中的置信度阈值，则将所述第二监测样本序列预测为对应的护理服务项目类型的正样本；如果获得的置信度向量不大于置信度阈值向量中的置信度阈值，则将所述第二监测样本序列预测为对应的护理服务项目类型的负样本；当所述第二监测样本序列被预测为正样本的护理服务项目类型数大于1时，获取最高置信度对应的护理服务项目类型，即为所述第二监测样本序列对应的护理服务项目类型。

4.根据权利要求1或2所述的一种家庭护理智能监督方法，其特征是，利用训练集中第一监测样本序列训练护理服务项目类型识别模型；利用验证集中第一监测样本序列选取第一监测样本序列被识别为不同护理服务项目类型的置信度阈值向量具体包括：

利用训练好的护理服务项目类型识别模型识别验证集，得到第一监测样本序列识别为各个护理服务项目类型正样本的置信度；

对于某一护理服务项目类型，将每个第一监测样本序列识别为该类护理服务项目正样本的置信度组成一个集合，分别计算集合中的各元素作为阈值时该类护理服务项目在验证集的约登指数，选择最大约登指数对应的置信度作为该类护理服务项目类型的置信度阈值；

将所有护理服务项目类型的置信度阈值组成置信度阈值向量。

5.根据权利要求1或2所述的一种家庭护理智能监督方法，其特征是，所述护理数据至少包括姿态监测数据以及生命体征监测数据，所述姿态监测数据包括每帧点云数据中每个反射点的三维坐标属性信息、速度信息和信噪比信息，所述生命体征监测数据包括每帧点云数据中卧床病人的心率信息、呼吸信息。

6.根据权利要求5所述的一种家庭护理智能监督方法，其特征是，护理服务项目类型识别模型包括若干依次连接的密集连接模块，初始密集连接模块的输入参数为t×p×m的三维矩阵，其中t为第一监测样本序列或第二监测样本序列中包含的点云数据的预设帧数，p为每帧点云数据中反射点的预设数量，m为数据的属性数目；最后一个密集连接模块的输出端通过全局平均池化层与全连接层的输入端连接，所述全连接层激活函数采用sigmoid函数，所述全连接层的输出为多维向量，分别对应各类护理服务项目正样本的置信度。