本發(fā)明涉及監(jiān)管場所管理領域，具體涉及一種監(jiān)管場所醫(yī)療監(jiān)控系統(tǒng)。

背景技術：

相關技術中的監(jiān)管場所管理系統(tǒng)，無法對監(jiān)管場所人員進行高精度定位、定位穩(wěn)定性不足，導致難以確定進入醫(yī)療區(qū)域的監(jiān)管場所人員，且需要手動采集監(jiān)管場所人員的醫(yī)療信息，降低了醫(yī)療信息的采集效率，不利于掌握監(jiān)管場所人員的醫(yī)療情況。

技術實現(xiàn)要素：

針對上述問題，本發(fā)明旨在提供一種監(jiān)管場所醫(yī)療監(jiān)控系統(tǒng)。

本發(fā)明的目的采用以下技術方案來實現(xiàn)：

一種監(jiān)管場所醫(yī)療監(jiān)控系統(tǒng)，包括定位器、信號接收器和監(jiān)控中心，所述定位器用于穿戴在用戶身上并實時發(fā)送超寬頻脈沖信號；所述信號接收器用于接收所述超寬頻脈沖信號并上傳接收到所述超寬頻脈沖信號的時刻；所述監(jiān)控中心與信號接收器連接，用于根據(jù)預設的定位算法和所述超寬頻脈沖信號的時刻，定位所述定位器，當所述定位器被定位在醫(yī)療區(qū)域時，生成所述定位器的醫(yī)療信息。

本發(fā)明的有益效果為：利用超寬頻無線通訊技術對穿戴在用戶身上的定位器進行高精度定位，進而對穿戴定位器的監(jiān)管場所人員進行高精度定位，增強了定位的穩(wěn)定性；在定位器不脫落的前提下，可以確定監(jiān)管場所人員進入醫(yī)療區(qū)域，當定位器被定位在醫(yī)療區(qū)域時，可生成用戶設備的醫(yī)療信息，自動采集監(jiān)管場所人員的醫(yī)療信息，提高了醫(yī)療信息的采集效率，同時提高了監(jiān)控醫(yī)療的實時性和全面性，從而有利于掌握監(jiān)管場所人員的醫(yī)療情況。

附圖說明

利用附圖對本發(fā)明作進一步說明，但附圖中的實施例不構成對本發(fā)明的任何限制，對于本領域的普通技術人員，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)以下附圖獲得其它的附圖。

圖1是本發(fā)明的結構連接示意圖；

圖2是本發(fā)明隱匿物品檢測裝置的結構連接示意圖。

附圖標記：

定位器1、信號接收器2、監(jiān)控中心3、隱匿物品檢測裝置4、掃描模塊11、圖像處理模塊12、背景消減模塊13、人體區(qū)域檢測模塊14、隱匿物品檢測模塊15。

具體實施方式

結合以下實施例對本發(fā)明作進一步描述。

參見圖1、圖2，本實施例的一種監(jiān)管場所醫(yī)療監(jiān)控系統(tǒng)，包括定位器1、信號接收器2和監(jiān)控中心3，所述定位器1用于穿戴在用戶身上并實時發(fā)送超寬頻脈沖信號；所述信號接收器2用于接收所述超寬頻脈沖信號并上傳接收到所述超寬頻脈沖信號的時刻；所述監(jiān)控中心3與信號接收器2連接，用于根據(jù)預設的定位算法和所述超寬頻脈沖信號的時刻，定位所述定位器1，當所述定位器1被定位在醫(yī)療區(qū)域時，生成所述定位器1的醫(yī)療信息。

優(yōu)選的，所述信號接收器2為3個。

優(yōu)選的，所述信號接收器2之間通過無線網絡互聯(lián)。

本發(fā)明上述實施例利用超寬頻無線通訊技術對穿戴在用戶身上的定位器1進行高精度定位，進而對監(jiān)管場所人員進行高精度定位，增強了定位的穩(wěn)定性；在定位器1不脫落的前提下，可以確定監(jiān)管場所人員進入醫(yī)療區(qū)域，當定位器1被定位在醫(yī)療區(qū)域時，可生成用戶設備的醫(yī)療信息，自動采集監(jiān)管場所人員的醫(yī)療信息，提高了醫(yī)療信息的采集效率，同時提高了監(jiān)控醫(yī)療的實時性和全面性，從而有利于掌握監(jiān)管場所人員的醫(yī)療情況。

優(yōu)選的，所述監(jiān)管場所醫(yī)療監(jiān)控系統(tǒng)還包括隱匿物品檢測裝置4，所述隱匿物品檢測裝置4連接監(jiān)控中心3，用于檢測穿戴定位器1的監(jiān)管場所人員身上是否帶有違反規(guī)定的隱匿物品，所述隱匿物品檢測裝置4包括：

(1)掃描模塊11，用于對監(jiān)管場所人員進行毫米波掃描獲得原始被動毫米波圖像；

(2)圖像處理模塊12，用于對所述原始被動毫米波圖像進行處理獲得目標圖像；

(3)人體區(qū)域檢測模塊14，用于基于所述目標圖像，通過對人體是否存在的預判斷，進行人體區(qū)域檢測，獲取人體區(qū)域；

(4)隱匿物品檢測模塊15，用于在所述人體區(qū)域內，采用Canny邊緣算子和置信區(qū)間結合的混合分割的方法，對隱匿物品進行檢測，并對檢測到的隱匿物品區(qū)域進行標記；

(5)隱匿物品識別模塊，用于對隱匿物品進行識別。

本優(yōu)選實施例設計了隱匿物品檢測裝置4的模塊架構，實現(xiàn)了隱匿物品檢測裝置4對危險物品的檢測。

優(yōu)選地，所述圖像處理模塊12包括：

(1)二值化單元，用于對所述原始被動毫米波圖像進行二值化獲得二值化圖像,包括：將所述原始被動毫米波圖像進行平滑區(qū)P₁、過渡區(qū)P₂和邊緣區(qū)P₃的區(qū)域劃分,其采用平方奇異值作為區(qū)域能量的衡量，并定義區(qū)域劃分公式為：

其中，v(i)為原始被動毫米波圖像中像素點i處的觀測值，Q(i)為對應原始被動毫米波圖像中像素點i處的平方奇異值，為平方奇異值的均值；

對于平滑區(qū)P₁，設定閾值T₁，T₁為平滑區(qū)P₁所有像素灰度值的平均值，將平滑區(qū)P₁的每個像素灰度值與閾值T₁進行比較，若大于T₁，則取值為255，否則取值為0；對于過渡區(qū)P₂和邊緣區(qū)P₃，過渡區(qū)P₂和邊緣區(qū)P₃中每個像素點i為中心的(2a+1)x(2a+1)窗口，a∈[1，3]，各像素點閾值T₂(i)定義為該像素窗口內最大灰度值與最小灰度值和的一半，將過渡區(qū)P₂和邊緣區(qū)P₃的每個像素灰度值和相應閾值T₂(i)比較，若大于T₂(i)，則取值為255，否則取值為0；

(2)預處理單元，用于對二值化圖像進行穩(wěn)像以及去噪處理以獲得初步去噪圖像，包括：

a、圖像穩(wěn)像子單元，用于消除人在運動時造成的圖像抖動，包括：

(1)對被檢對象進行毫米波掃描時，選定第一幀圖像作為參考幀，將參考幀劃分為互不重疊三個區(qū)域1、2、3，K表示圖像寬度，G表示圖像高度，從圖像左上開始按照順時針方向依次為區(qū)域1、2、3，區(qū)域1、2的大小為0.5K×0.5G，區(qū)域3的大小為K×0.5G；

(2)在下一幀掃描到的圖像中心位置選定區(qū)域A₀，A₀的大小選定為0.5K×0.5G，按照step1的方法將A₀劃分為三個圖像子塊A₁、A₂、A₃，A₁和A₂用于估算垂直方向上的局部運動向量，A₃用于估算水平方向上的局部運動向量，令A₁、A₂、A₃分別在1、2、3三個區(qū)域內搜尋最佳匹配，從而估計出圖像序列的全局運動矢量，然后進行反向運動補償，消除圖像模糊；

b、分區(qū)去噪子單元，用于對平滑區(qū)P₁、過渡區(qū)P₂和邊緣區(qū)P₃分別進行去噪處理，設平滑區(qū)P₁、過渡區(qū)P₂和邊緣區(qū)P₃的去噪估計分別為G₁(i)、G₂(i)和G₃(i)，各區(qū)域的去噪估計的計算公式分別為：

式中，N₁為平滑區(qū)的像素總數(shù)量，V(j)為平滑區(qū)P₁在點j處的灰度值，s₁v(i)為通過均值濾波器處理后提取出的像素點i處的平滑區(qū)均值，s₁v(j)為通過均值濾波器處理后提取出的像素點j處的平滑區(qū)均值；v(j)表示邊緣區(qū)P₃中所有的像素點，為歸一化常數(shù)，d為邊緣區(qū)P₃中像素點i和像素點j的環(huán)形特征向量的高斯加權歐氏距離，γ為高斯核函數(shù)的標準差，μ為邊緣區(qū)P₃中噪聲的標準差，且

c、再次去噪子單元，連接分區(qū)去噪子單元，用于采用基于分裂Bregman迭代的全變分去噪算法對由分區(qū)去噪子單元處理后的被動毫米波圖像進行進一步去噪，從而進一步去除被動毫米波圖像中的高斯白噪聲。

本優(yōu)選實施例設置圖像穩(wěn)像子單元，能夠消除人在運動時造成的圖像抖動；二值化單元中，采用全局閾值二值化和局部閾值二值化結合的方法，在保證速度的前提下取得了良好的效果；被動毫米波圖像由少量近似分塊平滑的圖像塊組成，包含有大量的冗余信息，根據(jù)這一特點，設置預處理單元，采用奇異值分解將被動毫米波圖像劃分為平滑區(qū)、過渡區(qū)和邊緣區(qū)，并根據(jù)這三類區(qū)域各自的特征設置分區(qū)去噪子單元，用于對平滑區(qū)、過渡區(qū)和邊緣區(qū)分別進行去噪處理，與目前較為主流的集中圖像去噪算法相比，能夠獲得較高的BRISQUE，提高了計算的速度，且能夠明顯抑制掃描線噪聲以及高斯白噪聲的影響；采用再次去噪子單元，結合分區(qū)去噪子單元，進一步去除被動毫米波圖像中的高斯白噪聲，提高去噪效果。

優(yōu)選的，所述隱匿物品檢測模塊15在進行混合分割時，選用合適的閾值T_y對所述目標圖像進行閾值處理，所述置信區(qū)間表示隱匿物品邊緣分布的灰度范圍，其中包含目標圖像所有邊緣的全局置信區(qū)間為[int((V_l+V_h)/2),V_h],其中int()為取整算子，V_l為整個目標圖像的邊緣點的最小灰度值的下界，V_h為整個目標圖像的邊緣點的最大灰度值的上界；計算每一個隱匿物品的置信區(qū)間時，使用從V_l+1開始逐點增加的閾值T_g對目標圖像進行分割，直至閾值T_g＝V_h-1時停止分割，當前景中出現(xiàn)了一個新的獨立區(qū)域時，定義對應位置有另一個隱匿物品，隱匿物品的置信區(qū)間定義為：P_z＝[(T_g+V_h)/2,V_h]，采用邊緣算子提取隱匿物品的置信區(qū)間中的邊緣曲線，定義邊緣曲線內所包含的區(qū)域為P_c，最終得到的隱匿物品的精確分割區(qū)域P_y為：

式中，為由較小的閾值T_y＝(T_g+V_h)/2對目標圖像進行分割得到的區(qū)域。

本優(yōu)選實施例采用Canny邊緣算子和置信區(qū)間結合的混合分割的方法實現(xiàn)了對隱匿物品的分割，提高了分割的速度和精度。

優(yōu)選地，所述人體區(qū)域檢測模塊14能夠對人體隱私部位進行屏蔽，具體包括：

(1)通過臉部識別對人員的性別進行判斷，根據(jù)性別不同確定不同的隱私部位，劃定隱私區(qū)域；

(2)對確定的隱私區(qū)域進行模糊處理，圖像模糊采用如下方法：

對于隱私區(qū)域任一點(x,y),采用函數(shù)確定(x,y)的5×5鄰域點的取值權重，對該點進行鄰域加權平均，得到該點的模糊值，從而達到模糊效果。

本優(yōu)選實施例使得檢測更加人性化。

最后應當說明的是，以上實施例僅用以說明本發(fā)明的技術方案，而非對本發(fā)明保護范圍的限制，盡管參照較佳實施例對本發(fā)明作了詳細地說明，本領域的普通技術人員應當理解，可以對本發(fā)明的技術方案進行修改或者等同替換，而不脫離本發(fā)明技術方案的實質和范圍。