健康监测方法、装置及系统、健康检查设备及介质与流程

1.本技术涉及健康自检自查技术领域，尤其是涉及一种健康监测方法、装置及系统、健康检查设备及计算机可读存储介质。


背景技术：

2.随着人们水平的提高，人们的健康意识也越来越高，对及时了解身体的健康状况与风险的热情也越来越高，而通过体检对疾病的早期筛查与跟踪，对预防疾病、降低健康风险至关重要。
3.目前主流的体检途径是去医院或商业体检机构，其费用较昂贵、花费的时间成本高，便利性差，且不能及时地跟踪身体潜在疾病风险的变化趋势。而近年来逐渐出现的可适应于家庭场景下使用的健康监测产品，如采集使用者生理指标，血压、呼吸率等方式过于简单，反映不出人体内部的病变部位或器官组织，而且后端往往需要匹配医生进行人工诊断才能得到相对具有参考性的检查结果，检测效率低下，且能够检查出来的健康风险问题有限。


技术实现要素：

4.为解决现有存在的技术问题，本技术提供一种检测效率高、筛查健康风险问题更加全面且检测结果更准确的健康监测方法、装置及系统、健康检查设备及计算机可读存储介质。
5.为达到上述目的，本技术实施例的技术方案是这样实现的：
6.第一方面，本技术实施例提供一种健康监测方法，应用于健康检查设备，包括：
7.采集人体生命特征参数，基于红外热成像检测采集人体红外图像；
8.根据所述人体生命特征参数判断人体状态；
9.对所述人体状态处于健康检查状态时对应采集到的所述人体红外图像进行特征点识别，以确定是否存在病变部位。
10.第二方面，本技术实施例提供一种健康监测方法，应用于健康检查系统，包括：
11.云端根据标注有诊断结果的人体红外图像的样本集对深度学习模型进行训练，得到训练后的诊断数据模型并下发给健康检查设备；
12.所述健康检查设备采集人体生命特征参数，基于红外热成像检测采集人体红外图像；根据所述人体生命特征参数判断人体状态；对所述人体状态处于健康检查状态时对应采集到的所述人体红外图像输入所述诊断数据模型，以确定是否存在病变部位。
13.第三方面，本技术实施例提供一种健康监测装置，应用于健康检查设备，包括：
14.采集模块，用于采集人体生命特征参数，基于红外热成像检测采集人体红外图像；
15.判断模块，用于根据所述人体生命特征参数判断人体状态；
16.识别模块，用于对所述人体状态处于健康检查状态时对应采集到的所述人体红外图像进行特征点识别，以确定是否存在病变部位
17.第四方面，本技术实施例提供一种健康检查设备，包括处理器、与所述处理器连接的红外探测器和雷达传感器、存储器及存储在所述存储器上并可被所述处理器执行的计算机程序，所述计算机程序被所述处理器执行时实现本技术应用于终端设备侧的任一实施例所述的健康监测方法。
18.第五方面，本技术实施例提供一种健康监测系统，包括本技术实施例所述的健康检查设备、云端及终端设备；所述云端根据标注有诊断结果的人体红外图像的样本集对深度学习模型进行训练，得到训练后的诊断数据模型并下发给健康检查设备；所述终端设备接收所述健康检查设备发送的检查结果进行管理。
19.第六方面，本技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被所述处理器执行时实现如本技术任一实施例所述的健康监测方法。
20.上述实施例中，健康检查设备分别采集人体生命特征参数、及基于红外热成像检测采集人体红外图像，通过对人体红外图像进行特征点识别来确定是否存在病变部位，基于红外图像的诊断可根据人体表面温度分布结合炎症、关节疼痛、肿瘤等疾病的特征进行健康风险筛查，筛查健康风险问题更加全面；通过人体生命特征参数判断人体状态，确保进行健康风险问题筛查所依据的人体红外图像是针对人体处于健康检查状态时对应采集到的人体红外图像，以提升检测结果的准确性；健康检查设备尤其适应于家庭环境下使用，作为用户生活中对所关注的炎症、肿瘤等健康问题高效的自检自查，检测效率高，能够满足用户在家里方便的实现对疾病的早期筛查与跟踪。
21.上述实施例中，计算机可读存储介质与对应的健康监测方法实施例属于同一构思，从而分别与对应的健康监测方法实施例具有相同的技术效果，在此不再赘述。
附图说明
22.图1为本技术实施例中健康监测方法的可选应用场景示意图；
23.图2为本技术一实施例中健康监测方法的流程图；
24.图3为本技术另一实施例中健康监测方法的流程图；
25.图4为本技术又一实施例中健康监测方法的流程图；
26.图5为本技术为一可选的具体示例中健康监测系统的架构图；
27.图6为本技术为一可选的具体示例中健康监测方法的流程图
28.图7为本技术一实施例中健康监测装置的示意图；
29.图8为本技术一实施例中健康检查设备的结构示意图。
具体实施方式
30.以下结合说明书附图及具体实施例对本技术技术方案做进一步的详细阐述。
31.为了使本技术的目的、技术方案和优点更加清楚，下面将结合附图对本技术作进一步地详细描述，所描述的实施例不应视为对本技术的限制，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本技术保护的范围。
32.在以下的描述中，涉及到“一些实施例”的表述，其描述了所有可能实施例的子集，需要说明的是,“一些实施例”可以是所有可能实施例的相同子集或不同子集，并且可以在
不冲突的情况下相互结合。
33.在以下的描述中，所涉及的术语“第一、第二、第三”仅仅是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一、第二、第三”在允许的情况下可以互换特定的顺序或先后次序，以使这里描述的本技术实施例能够以除了在这里图示或描述的以外的顺序实施。
34.请参阅图1，为本技术实施例提供的健康监测方法的可选应用场景的示意图，其中，健康监测系统包括终端设备11、云端12、网关13及健康检查设备14。所述终端设备11是指具备通信和存储功能的设备，例如：智能手机、台式电脑、笔记本电脑、平板电脑或其他具有网络连接功能的智能通信设备。云端12可以包括一个或多个物理服务器，如网络接入服务器、数据库服务器、云服务器等。可选的，网关13可以为基于zigbee协议搭建网关设备，健康检查设备14可以通过网关13接入网络，并受控于终端设备11，终端设备11安装可以对健康检查设备14进行管理的客户端，所述客户端可以是应用程序客户端(如手机app)，也可以是网页客户端，小程序、微信公众号等，在此不作限定。用户可以通过操作客户端对健康检查设备14进行控制，终端设备11通过客户端接收用户输入的对健康检查设备14的控制指令，与云端12进行通信，由云端12通过网关13将用户输入的控制指令转发给对应的健康检查设备14，实现对健康检查设备14的远程智能控制。终端设备11也可以通过客户端接收用户输入的对健康检查设备14的工作参数配置信息，健康检查设备14根据这些工作参数配置信息确定自身当前所处工作模式。
35.可选的，所述健康检查设备14可以是预先加入网关13，例如，健康检查设备14可以是网关出厂时预先设置的网关13所归属套件中的设备；也可以是后续通过用户操作而连接至网关13中的设备。健康检查设备14及终端设备11均可以通过网关13接入到以太网中，网关13可以通过有线或无线的通信连接方式接入云端12。例如，健康检查设备14以及终端设备11可以通过网关13将获取的信息存储到云端12中。可选的，健康检查设备14也可以通过2g/3g/4g/5g、wifi等与云端12建立网络连接，从而可以获取云端12下发的数据。
36.其中，所述健康检查设备14可以是物联网系统内的各类智能家居设备，如智能镜子。
37.请参阅图2，为本技术一实施例提供的健康监测方法，可应用于图1所示的健康检查设备。其中，健康监测方法包括如下步骤：
38.s101，采集人体生命特征参数，基于红外热成像检测采集人体红外图像。
39.人体生命特征参数是指表征人体生命体征的相关参数，如呼吸、脉搏、体温、血压这四大生命体征相关参数。在一个可选的具体示例中，采集人体生命特征参数包括：基于微波雷达检测采集人体生命特征参数。健康检查设备可设置雷达模块，通过微波或毫米波雷达利用相位变化，计算采集对象的心率、呼吸频率，获得心率、呼吸频率作为采集到的人体生命特征参数。在另一些可选的实施例中，，采集人体生命特征参数包括：通过其它采集人体生命体征的相关参数的传感器，采集呼吸、脉搏、体温、血压等相关参数。基于红外热成像检测采集人体红外图像可以是指，红外热成像模块采集人体身体各部位的红外辐射，将其转换为数字信号而获取目标温度，并形成可视化的人体红外图像。其中，健康检查设备通常应用于家庭环境场景，使用者可以是将希望进行健康检查的身体部位对准健康检查设备，由健康检查设备获取其对应身体部位的人体红外图像；也可以是使用者站在健康检查设备
前方的一定距离，由健康检查设备直接获取其全身的人体红外图像。
40.s103，根据所述人体生命特征参数判断人体状态。
41.人体温度受使用者状态影响较大，例如人在运动后出汗，汗水会影响体表温度。健康检查设备通过获取人体生命特征参数对人体状态进行判断，以确定使用者当前的状态下采集到的人体红外图像是否能够准确、真实地反映其健康状态，而不是使用者由于出汗等状态下采集到的人体红外图像，避免由于使用者当前的状态由于运动出汗等状态下采集到的人体红外图像并不能真实反映出其健康状态。在一些可选的实施例中，人体状态包括当前适合进行健康检查的健康检查状态和当前不适合进行健康检查的等待状态，其中，健康检查状态表征使用者当前适合对其进行人体红外图像采集以对其是否存在健康风险问题进行识别，等待状态表征使用者当前需要等待至身份恢复平静，如汗水蒸发掉之后，直至能够达到健康检查状态，再使用健康检查设备对其进行人体红外图像采集以对其是否存在健康风险问题进行识别。
42.s105，对所述人体状态处于健康检查状态时对应采集到的所述人体红外图像进行特征点识别，以确定是否存在病变部位。
43.特征点识别可以是指对人体红外图像中表示体温较高的成像部位进行识别，在人体红外图像中体温较高的成像部位的颜色深度通常大于其它部位的颜色深度，可以通过提取图像特征以确定颜色较深的部位，从而确定人体红外图像中的特征点。在另一些可选的实施例中，特征点识别也可以是指通过对人体红外图像进行分析处理，形成人体红外图像中各部位与体温值的映射关系，通过识别体温值较高的对应部位以确定人体红外图像中的特征点。对人体红外图像进行特征点识别，是根据人体表面温度分布，结合当人体当存在一些设定的健康风险问题，如验证、淤堵、关节疼痛、肿瘤等疾病时，疾病的患处温度和周围温度会有明显差异，通过识别人体红外图像中是否体温异常的部位，以确定是否存在病变部位。
44.上述实施例中，健康检查设备分别采集人体生命特征参数、及基于红外热成像检测采集人体红外图像，通过对人体红外图像进行特征点识别来确定是否存在病变部位，基于红外图像的诊断可根据人体表面温度分布结合炎症、淤堵、关节疼痛、肿瘤等疾病的特征进行健康风险筛查，筛查健康风险问题更加全面；通过人体生命特征参数判断人体状态，确保进行健康风险问题筛查所依据的人体红外图像是针对人体处于健康检查状态时对应采集到的人体红外图像，以提升检测结果的准确性；健康检查设备尤其适应于家庭环境下使用，作为用户生活中对所关注的炎症、淤堵、肿瘤等健康问题高效的自检自查，检测效率高，能够满足用户在家里方便的实现对疾病的早期筛查与跟踪。
45.在一些实施例中，请参阅图3，所述s105，人体状态处于健康检查状态时对应采集到的所述人体红外图像进行特征点识别，以确定是否存在病变部位，包括：
46.s1051，对所述人体状态处于健康检查状态时对应采集到的所述人体红外图像进行特征点识别，识别疑似病变部位的位置；
47.s1052，提取疑似病变部位图像；
48.s1053，将所述疑似病变部位图像输入诊断数据模型，确定所述疑似病变部位的类型并返回病变部位提示信息。
49.健康检查设备对人体红外图像进行特征点识别，是根据人体表面温度分布结合当
人体当存在一些设定的健康风险问题，如验证、淤堵、关节疼痛、肿瘤等疾病时，疾病的患处温度和周围温度会有明显差异，识别人体红外图像中是否体温异常的部位来推定是否存在病变部位。本实施例中，将根据人体红外图像进行特征点识别确定的部位作为疑似病变部位，提取疑似病变部位图像，将所述疑似病变部位图像输入诊断数据模型，通过诊断数据模型进一步判断疑似病变部位是否存在误判，若确定疑似病变部位确实为存在健康风险问题的病变部位时，可进一步确定所述疑似病变部位的类型，并返回对应的病变部位提示信息。诊断数据模型确定疑似病变部位并非为病变部位时，返回的病变部位提示信息可以是表示当前无健康风险问题的提示信息；确定疑似病变部位确实为病变部位时，返回的病变部位提示信息可以是表示当前什么部位存在什么病变类型的提示信息。
50.诊断数据模型可以是根据已知的病变部位图像的特征所建立的疾病诊断数据库，疾病诊断数据库中存储有大量已确诊的包含有病变部位的样本图像，诊断数据模型接收从人体红外图像中提取出来的疑似病变部位图像，将疑似病变部位图像与样本图像进行对比，根据对比结果以确定疑似病变部位是否确实存在病变、及确实存在病变的情况下，所述疑似病变部位的类型。
51.可选的，诊断数据模型还可以是采用已确诊的包含有病变部位的样本图像进行训练后得到的深度学习模型。诊断数据模型接收从人体红外图像中提取出来的疑似病变部位图像，对疑似病变部位图像进行特征提取形成特征向量，基于所述特征向量确定疑似病变部位的类型。诊断数据模型是预先训练的，具体实施时，可以先构建初始的分类神经网络模型，如卷积神经网络模型，通过以下方式对初始的分类神经网络模型进行训练：首先获取样本图像，并对样本图像进行类别标注，这里样本图像是指各类诊断的包含病变部位的样本图像，标注是指对应样本图像表示的病变类型，可以根据能够唯一表征病变类型的标签信息对样本图像进行类别标注，如样本图像中包含有指定的病变类型1的图像的类别标注对应为1，样本图像中包含有指定的病变类型2的图像的类别标注对应为2，样本图像中不包含有任意指定的病变类型的图像的类别标注对应为0，以得到标注有目标类别的样本图像；然后将标注有目标类别的样本图像输入分类神经网络模型，以通过分类神经网络模型对样本图像进行类别预测，将预测类别与标准的目标类别进行比较，以基于预测类别与标准的目标类别之间的差异，确定分类神经网络模型的损失函数的值，将损失函数的值反向传中至分类神经网络模型的各个层，通过随机梯度下降法(sgd，stochastic gradient descent)更新各个层的模型参数，以实现模型的训练。
52.上述实施例中，健康检查设备对人体红外图像进行特征点识别而先判断疑似病变部位，再通过诊断数据模型进一步判断疑似病变部位以确定病变部位的类型，如此，健康检查设备可以在离线状态下实现对设定的健康风险问题的自检自查，尤其适应于家庭环境下对设定的健康风险问题的早期筛查和跟踪，提升健康监测的高效性、准确性。
53.在一些实施例中，所述提取疑似病变部位图像之后，还包括：
54.将所述疑似病变部位图像与历史提取图像进行配准，获得表征所述疑似病变部位图像的病变趋势的连续的病变部位图像数据。
55.历史提取图像可以是指，针对当前在先一设定时间段内所采集到的人体红外图像提取的与疑似病变部位相同位置的图像。如，用户可以每天通过健康检查设备执行一次健康检查，健康检查设备可以将一段时间内每天所采集到的用户的人体红外图像进行存储，
当根据某一天采集到的人体红外图像确定了疑似病变部位后，则可以调取该天之前一段时间内每天所采集到的人体红外图像对疑似病变部位的相同位置进行图像提取，得到与疑似病变部位对应的历史提取图像。图像配准(image registration)就是将不同时间、不同成像设备或不同条件下(天候、照度、摄像位置和角度等)获取的两幅或多幅图像进行匹配、叠加的过程。配准的可选流程可以是：对两幅图像进行特征提取得到特征点；通过进行相似性度量找到匹配的特征点对；然后通过匹配的特征点对得到图像空间坐标变换参数；最后由坐标变换参数进行图像配准。健康检查设备将所述疑似病变部位图像与历史提取图像进行配准，形成连续的病变部位图像数据，便于分析疑似病变部位图像的病变趋势。
56.上述实施例中，健康检查设备通过将疑似病变部位图像与历史提取的图像进行配准，获得表征所述疑似病变部位图像的病变趋势的连续的病变部位图像数据，如此，可以分析患处的发展趋势，便于获得更准确、具有参考性的健康检查结果。
57.在一些实施例中，所述将所述疑似病变部位图像输入诊断数据模型，确定所述疑似病变部位的类型并返回病变部位提示信息，包括：
58.将连续的所述病变部位图像数据输入诊断数据模型，确定所述疑似病变部位的类型并返回病变部位提示信息。
59.健康检查设备获得表征所述疑似病变部位图像的病变趋势的连续的病变部位图像数据，将连续的病变部位图像数据输入诊断数据模型，通过诊断数据模型进一步判断疑似病变部位的病变类型，并返回病变提示信息。
60.其中，诊断数据模型基于连续的病变部位图像数据来对疑似病变部位进行判断，可以提升健康结果的准确性，有效地减少误判的概率。
61.在一些实施例中，所述健康监测方法，还包括：
62.采集人脸图像，根据所述人脸图像确定身份信息；
63.将确定是否存在病变部位的检测结果与所述身份信息对应存储。
64.健康检查设备采集人体红外图像以进行健康风险问题筛查时，可以通过可见光图像的拍摄模块采集人脸图像，对人脸图像进行识别以确定身份信息，将当前根据人体红外图像所确定的是否存在病变部位的检测结果与身份信息进行对应存储。身份信息可以是通过预注册的方式录入的、唯一表征用户身份的相关信息。如，健康检查设备可以支持通过预注册的方式录入多个家庭成员分别对应的用户名及其对应的人脸图像，健康检查设备执行健康检查过程中，采集人脸图像可用于确定当前进行健康检查的人具体是哪个家庭成员，并将当前执行健康检查得到的检查结果与该家庭成员的用户名对应存储，由此，健康检查设备可以实现对多个不同家庭成员健康检查。可选的，身份信息也可以是非预设录入的，而由健康检查设备通过采集人脸图像，通过识别人脸图像是否为同一人而确定的表示用户身份的编号等信息。如，健康检查设备采集用户a的人脸图像，将当前执行健康检查得到的检查结果与用户a关联存储；采集用户b的人脸图像，将当前执行健康检查得到的检查结果与用户b关联存储；若后续再次针对用户a执行健康检查时，根据再次采集到用户a的人脸图像可以确定此时是针对用户a执行的检查，从而将检查结果自动与用户a关联存储。
65.上述实施例中，健康检查设备可通过采集人脸图像对使用者进行识别，从而可以实现对家庭环境下多个家庭成员的设定的健康风险问题的自检自查，适用于家庭内多人使用。
66.在一些实施例中，所述健康监测方法，还包括：
67.获取视频会诊指令，根据所述视频会诊指令与预设的医疗业务系统发送视频会诊请求；
68.根据所述医疗业务系统基于所述视频会诊请求的响应指令，与所述医疗业务系统的对应终端建立视频通信。
69.健康检查设备支持用户与关联的医生、医疗机构建立视频会诊。如，健康检查设备上可以设置控制启动视频会诊的会诊按键，用户可以通过点击会诊按键来触发创建视频会诊。健康检查设备检测到用户对会诊按键的点击操作，获取到视频会诊指令，根据所述视频会诊指令与预设的医疗业务系统发送视频会诊请求，根据所述医疗业务系统基于所述视频会诊请求的响应指令，与所述医疗业务系统的对应终端建立视频通信。对应终端可以是指关联的医生使用的手机终端、个人计算机终端等终端设备，也可以是指关联的医疗机构所预设的用于接收视频会诊请求的手机终端、个人计算机终端等终端设备。用户采用健康检查设备与关联的医生、医疗机构建立视频会诊，需要在健康检查设备联网的情况下进行，建立视频会诊的同时，启动可见光图像的拍摄模块拍摄用户视频数据。
70.作为一种可选的实施方式，健康检查设备获取视频会诊指令，也可以是基于预设的触发条件满足时自动获得。如，当健康检查设备根据当前的检查结果确定病变类型属于需要关联的医生、医疗机构尽量介入来解决的健康风险问题时，则满足视频会诊的触发条件，自动获取视频针对指令并向与预设的医疗业务系统发送视频会诊请求。
71.上述实施例中，健康检查设备可以根据用户需求，支持用户与预先关联的医生、医疗机构建立视频会诊，通过视频会诊为医生提供影像参考，提升基于健康检查结果进行诊断的便利性。
72.在一些实施例中，所述根据所述医疗业务系统基于所述视频会诊请求的响应指令，与所述医疗业务系统的对应终端建立视频通信之前，包括：
73.采集人脸图像，将所述人脸图像协同所述视频会诊请求发送所述医疗业务系统；和/或，
74.将所述人体红外图像、以及确定是否存在病变部位的检测结果协同所述视频会诊请求发送所述医疗业务系统。
75.健康检查设备向医疗业务系统发送视频会诊请求时，启动可见光图像的拍摄模块拍摄用户的人脸图像，或者对用户进行健康检查时即对应拍摄用户的人脸图像，将人脸图像协同视频会诊请求发送医疗业务系统。健康检查设备采集人脸图像协同视频会诊请求发送所述医疗业务系统，方便医疗业务系统接收到视频会诊请求同时，可以知晓发送视频会诊请求的用户身份。
76.作为另一种可选的实施方式，健康检查设备向医疗业务系统发送视频会诊请求时，将所述人体红外图像、以及确定是否存在病变部位的检测结果协同所述视频会诊请求发送所述医疗业务系统，方便医疗业务系统接收到视频会诊请求同时，可以知晓当前的视频会诊请求发出所依据的是什么健康检查结果。
77.上述实施例中，健康检查设备向医疗业务系统发送视频会诊请求时，将所述人脸图像协同所述视频会诊请求一并发送所述医疗业务系统，或将所述人体红外图像、以及确定是否存在病变部位的检测结果协同视频会诊请求一并发送所述医疗业务系统，可供医疗
业务系统判断是否接收该视频会诊请求或当同时接收到多个视频会诊请求时确定优先级，通过视频会诊为医生提供影像参考，提升基于健康检查结果进行诊断的便利性。
78.本技术实施例另一方面，还提供一种健康监测方法，应用于健康检查系统，包括如下步骤：
79.s201，云端根据标注有诊断结果的人体红外图像的样本集对深度学习模型进行训练，得到训练后的诊断数据模型并下发给健康检查设备；
80.诊断数据模型为采用样本集对深度学习模型进行训练得到，样本集包括标注有诊断结果的人体红外图像，如，可以采用已确诊的包含有病变部位的样本图像，将已确诊病变部位为某病变类型的样本图像作为正样本，将已确诊病变部位实际并未发生病变的样本图像作为负样本。
81.诊断数据模型是预先训练的，具体实施时，可以先构建初始的分类神经网络模型，如卷积神经网络模型，通过以下方式对初始的分类神经网络模型进行训练：首先获取样本图像，并对样本图像进行类别标注，这里样本图像是指各类包含病变部位的样本图像，标注是指对应样本图像表示的病变类型，可以根据能够唯一表征病变类型的标签信息对样本图像进行类别标注，如样本图像中包含有指定的病变类型1的图像的类别标注对应为1，样本图像中包含有指定的病变类型2的图像的类别标注对应为2，样本图像中不包含有任意指定的病变类型的图像的类别标注对应为0，以得到标注有目标类别的样本图像；然后将标注有目标类别的样本图像输入分类神经网络模型，以通过分类神经网络模型对样本图像进行类别预测，将预测类别与标准的目标类别进行比较，以基于预测类别与标准的目标类别之间的差异，确定分类神经网络模型的损失函数的值，将损失函数的值反向传中至分类神经网络模型的各个层，通过随机梯度下降法(sgd，stochastic gradient descent)更新各个层的模型参数，以实现模型的训练。
82.由云端获取样本集对深度学习模型进行训练，方便扩大样本集的来源，有利于加快诊断数据模型的训练速度和精度，其次由云端将训练后的诊断数据模型下发健康检查设备，方便通过云端对接入网络的健康检查设备统一升级。
83.s203，所述健康检查设备采集人体生命特征参数，基于红外热成像检测采集人体红外图像；根据所述人体生命特征参数判断人体状态；对所述人体状态处于健康检查状态时对应采集到的所述人体红外图像输入所述诊断数据模型，以确定是否存在病变部位。
84.健康检查设备采集人体生命特征参数可以是指，雷达模块通过微波或毫米波雷达利用相位变化，计算采集对象的心率、呼吸频率，获得心率、呼吸频率作为采集到的人体生命特征参数；或者，通过其它采集人体生命体征的相关参数的传感器，采集呼吸、脉搏、体温、血压等相关参数。基于红外热成像检测采集人体红外图像可以是指，红外热成像模块采集人体身体各部位的红外辐射，将其转换为数字信号而获取目标温度，并形成可视化的人体红外图像。其中，健康检查设备通常应用于家庭环境场景，使用者可以是将希望进行健康检查的身体部位对准健康检查设备，由健康检查设备获取其对应身体部位的人体红外图像；也可以是使用者站在健康检查设备前方的一定距离，由健康检查设备直接获取其全身的人体红外图像。
85.人体温度受使用者状态影响较大，例如人在运动后出汗，汗水会影响体表温度。健康检查设备通过获取人体生命特征参数对人体状态进行判断，以确定使用者当前的状态下
采集到的人体红外图像是否能够准确、真实地反映其健康状态，而不是使用者由于出汗等状态下采集到的人体红外图像，避免由于使用者当前的状态由于运动出汗等状态下采集到的人体红外图像并不能真实反映出其健康状态。在一些可选的实施例中，人体状态包括当前适合进行健康检查的健康检查状态和当前不适合进行健康检查的等待状态，其中，健康检查状态表征使用者当前适合对其进行人体红外图像采集以对其是否存在健康风险问题进行识别，等待状态表征使用者当前需要等待至身份恢复平静，如汗水蒸发掉之后，直至能够达到健康检查状态，再使用健康检查设备对其进行人体红外图像采集以对其是否存在健康风险问题进行识别。
86.健康检查设备将人体状态处于健康状态时采集到的人体红外图像输入诊断数据模型，通过诊断数据模型基于人体红外图像识别，以确定是否存在病变部位。
87.上述实施例中，健康检查设备分别采集人体生命特征参数、及基于红外热成像检测采集人体红外图像，通过诊断数据模型识别和确定是否存在病变部位，基于人体红外图像的诊断可根据人体表面温度分布结合炎症、淤堵、关节疼痛、肿瘤等疾病的特征进行健康风险筛查，筛查健康风险问题更加全面；通过人体生命特征参数判断人体状态，确保进行健康风险问题筛查所依据的人体红外图像是针对人体处于健康检查状态时对应采集到的人体红外图像，以提升检测结果的准确性；云端将训练后的诊断数据模型下发给健康检查设备，健康检查设备通过诊断数据模型的健康风险筛查可以离线进行，尤其适应于家庭环境下使用，作为用户生活中对所关注的炎症、淤堵、肿瘤等健康问题高效的自检自查，检测效率高，能够满足用户在家里方便的实现对疾病的早期筛查与跟踪。
88.在一些实施例中，所述健康监测方法，还包括：
89.所述健康检查设备将确定是否存在病变部位的检测结果以及对应的所述人体红外图像发送给所述云端，供所述云端对所述样本集进行更新；
90.所述云端基于更新后的所述样本集对所述诊断数据模型进行训练优化，将更新后的所述诊断数据模型下发给所述健康检查设备。
91.健康检查设备可以将确定是否存在病变部位的检测结果以及对应的所述人体红外图像进行关联存储，当健康检查设备接入网络时，按照设定的时间周期上报发送给云端。健康检查设备使用过程中，获得的人体红外图像及其确定是否存在病变部位的检测结果可形成为对诊断数据模型进行训练的样本图像，如此可以将健康检查设备获得的历史检测数据对样本集进行更新。云端可以利用更新的样本集对诊断数据模型进行训练优化，将更新后的诊断数据模型作为升级版下发给健康检查设备，以持续提升健康检查设备的检测精度。
92.上述实施例中，健康检查设备可以将使用过程中获得历史检测数据上报云端，供云端更新样本集，并对诊断数据模型进行训练优化，云端将更新后的诊断数据模型作为升级版下发给健康检查设备，以持续提升健康检查设备的检测精度。
93.在一些实施例中，所述健康监测方法，还包括：
94.所述健康检查设备采集人脸图像，根据所述人脸图像确定身份信息，将确定是否存在病变部位的检测结果协同所述身份信息发送对应终端设备；和/或，
95.所述健康检查设备接收对应终端设备发送的数据管理指令，根据所述数据管理指令执行相应动作；所述根据所述数据管理指令执行相应动作包括如下至少之一：根据健康
档案查看指令在当前界面显示对应的健康档案信息、根据视频会诊指令向预设的医疗业务系统发送视频会诊请求、根据家庭成员管理指令更新使用者权限信息，所述使用者权限信息用于所述健康检查设备确定对当前检测结果的处理方案。
96.健康检查系统包括终端设备，终端设备装设有可以对健康检查设备进行管理的客户端，所述客户端可以是应用程序客户端(如手机app)，也可以是网页客户端，小程序、微信公众号等，在此不作限定。用户可以采用终端设备上的客户端对家庭成员健康监测进行管理，如可以添加或移除家庭成员、查看各家庭成员的健康档案信息、挂号预约、就医咨询等。可选的，健康检查设备采集人体生命特征参数和人体红外图像进行健康监测时，还包括采集人脸图像，根据所述人脸图像确定身份信息，将确定是否存在病变部位的检测结果协同所述身份信息发送对应终端设备，供终端设备将检测结果按身份信息进行存储和管理。
97.作为另一可选的实施方式，健康检查设备可以接收对应终端设备发送的数据管理指令，根据所述数据管理指令执行相应动作。数据管理指令可以是终端设备根据用户在应用程序界面中的操作获取到的查看指定用户的健康档案信息的指令、发起视频会诊的指令、设置使用者权限的指令等。相应的，健康检查设备根据所述数据管理指令执行相应动作包括：根据健康档案查看指令在当前界面显示对应的健康档案信息、根据视频会诊指令向预设的医疗业务系统发送视频会诊请求、根据家庭成员管理指令更新使用者权限信息。健康检查设备包括显示模块，根据健康档案查看指令在当前界面显示对应的健康档案信息以供实时掌握健康动态。显示模块在日常状态下可用于显示日期时间、当地天气状况等基础生活相关信息。健康检查设备包括拍摄模块，根据视频会诊指令向预设的医疗业务系统发送视频会诊请求，建立视频会诊后可以拍摄采集人的可见光图像，为医生会诊提供影像参考。使用者权限信息可用于所述健康检查设备确定对当前检测结果的处理方案，如，健康检查设备根据终端设备配置的使用权限信息，如当前检测结果为不具有权限的用户的检测数据，则健康检查设备不进行本地存储和上报云端等处理。
98.上述实施例中，健康检查系统包括终端设备，终端设备可与健康检查设备进行交互，实现更多功能扩展和管理。
99.在一些实施例中，所述健康监测方法，还包括：
100.所述终端设备接收所述健康检查设备发送的健康检查数据进行管理；其中管理方案包括如下至少之一：将所述健康检查数据按照身份信息形成分别与不同身份信息对应的健康档案、根据设定的历史时段内的所述健康检查数据形成健康风险评估报告。
101.健康检查数据是指健康检查设备对使用者执行健康风险问题筛查过程中形成的数据，如身份信息、人体生命特征参数、人体红外图像及其确定是否存在病变部位的检查结果。终端设备接收健康检查设备发送的健康检查数据进行管理，可以是指将所述健康检查数据按照身份信息形成分别与不同身份信息对应的健康档案。健康档案可以包括设定时间周期内的各次检测数据，还可以包括针对每次检测数据生成的健康注意事项或建议。终端设备接收健康检查设备发送的健康检查数据进行管理，还可以是指根据设定的历史时段内的所述健康检查数据形成健康风险评估报告，健康风险评估报告可以根据设定的历史时段内的检测数据的某些指标值形成曲线图，还可以重点包括对指标值走向的预测和潜在风险的预测等信息。
102.上述实施例中，用户可以通过终端设备实现健康检测的更多管理，也便于利用终
端设备实现更多健康数据的分析、整理和应用功能，与健康检查设备配合，以满足更多健康管理场景。
103.为了能够对本技术实施例提供的健康监测方法具有更加整体的理解，请结合参阅图5和图6，以一可选的具体示例对所述健康监测方法进行说明。所述健康检查系统包括云端、终端设备、医疗业务系统、健康检查设备。其中，所述健康检查设备包括采集模块、可见光拍摄模块、音频模块、显示模块、通讯模块、处理器、存储器。
104.s11，云端对诊断数据模型进行训练后，下发到健康检查设备；
105.s12，采集模块通过雷达模块采集人体生命特征参数，通过红外热成像模块采集人体红外图像。采集模块包括雷达模块和红外热成像模块；雷达模块可以是微波或者是毫米波雷达，利用相位变化，计算人的心率、呼吸频率；红外热成像模块包括红外探测器、红外镜头、结构件、处理电路等元件，其中核心元件是红外探测器，例如长波非制冷红外探测器，其他类型红外探测器同理。红外探测器可以采集身体各部位的红外辐射，将其转换为数字信号，获取目标温度，并形成可视化的红外图像。
106.s13，处理器根据人体生命特征参数判断人体状态；其中，雷达模块和红外热成像模块两个模块可以进行如下配合，提高诊断的精确度：基于红外图像的诊断，是根据人体表面温度分布，结合炎症、关节疼痛、肿瘤等疾病的特征(疾病的患处温度和周围有明显差异)，进行医疗诊断；但人体温度受使用者状态影响较大，例如运动后出汗，汗水会影响体表温度。因而可以结合雷达模块，首先测量使用者的心率和呼吸频率，判断使用者状态，如果心率过快，提示使用者平静后测试；若使用者在心率过快的情况下继续测试，则对本次测得的数据单独标注，避免影响诊断结果。
107.s14，处理器根据人体状态处于健康检查状态时对应采集到的所述人体红外图像进行特征点识别，提取患处图像输入到诊断数据模型，以确定是否存在病变部位。
108.处理器接受采集模块的心率、呼吸频率、体温、红外图像数据，a)自动记录并生成心率、呼吸频率、体温的历史数据曲线；b)对红外图像进行处理，自动提取患处图像：由于不需要使用者额外注意拍摄角度，每次获取的红外图像中，患处的位置都不固定，不利于数据进一步分析和存档；处理器首先利用特征点识别，识别患处在图像中的位置，然后提取患处图像，利用特征点将患处图像和历史提取的图像进行配准，形成连续的影像数据，便于分析患处发展趋势；处理器结合现有的疾病诊断数据库，对影像进行匹配，给出初步诊断意见，例如，炎症在发展的早期和中后期图像红外图像特征不同，可以借此初步判断当前炎症的发展态势。结合a)b)两条，处理器可以离线给出诊断报告，并将分析前后的数据按时间进行存档。
109.s15，可见光拍摄模块采集人脸图像，处理器根据所述人脸图像识别当前用户的身份信息，将检测结果与身份信息关联存储。
110.s16，处理器将确定是否存在病变部位的检测结果通过显示模块显示。其中显示模块还可以用于显示除了用于显示日期时间、当地天气状况等基础生活相关信息。显示模块可以为oled触摸屏，显示模块可显示装设于健康检查设备的应用程序界面，支持用户在应用程序界面执行点击、触控等交互操作而实现人机交互。如，支持用户手指触控交互，进行查阅健康检查报告、音视频会诊等健康管理服务。
111.s17，健康检查设备根据用户触发的建立视频会诊的操作，向关联的医疗业务系统
发送视频会诊请求，根据所述医疗业务系统基于所述视频会诊请求的响应指令，与所述医疗业务系统的对应终端建立视频通信。建立视频通信后，可见光拍摄模块采集人体视频数据为医生会诊提供影像参考、音频模块支持音频交互部分，分为扬声器与麦克风，用于视频会诊或音频会诊中医生和用户双方的实时对讲和通话，语音播报健康报告等。
112.存储器可以包括各类存储介质，如emmc、sd卡等，用于存储处理模块分析前和分析后的数据。通信模块由通讯元件组成，如wi
‑
fi芯片等，主要用于接收并发送处理器发出数据流、以及接收云端发送的深度学习模型，并传递到处理器等，还负责与合作的医疗业务系统进行业务对接数据交换等。
113.s18，健康检查设备将检测结果上报到云端；云端根据采集到的红外图像和医生的诊断结果，不断优化疾病诊断数据库，更新诊断数据模型，发送到健康检查设备，提高诊断准确度。
114.其中，云端设有存储模块，用于存储红外图像、心率、体温等原始数据以及历史诊断报告，避免健康检查设备因故损坏导致数据丢失。云端设有通信模块，用于接收健康检查模块采集设备的原始数据，并向健康检查模块传递更新后的模型。
115.终端设备上装设有，如小程序、app、微信公众号网页等形态的应用，主要有家庭成员管理、体检数据管理和健康服务等功能模块，方便人们添加或移除家庭成员，查看健康档案、数据和健康风险、以及挂号预约、就医咨询等。
116.医疗业务系统可以包括各类医疗机构，如公立医院、体检机构等，医疗业务系统可以接入其业务，进行问诊、挂号、紧急呼叫等。
117.上述实施例中，健康检查设备可以是物联网系统内的智能家居设备，如智能镜子，用户进行使用时，智能镜子通过可见光摄像头人脸识别自动识别确定当前人的身份，然后采集心率、呼吸频率、红外图像，由处理器分析后生成报告，报告实时展现在智能镜子的屏幕上，相关数据和分析结果会上传到医疗业务系统或云端或终端设备，使用者可以通过镜子向医疗机构进行视频问诊等操作。健康检查设备采用雷达和红外热成像计数结合，提高诊断的精确度；体检的过程不需要医护人员的远程协助，拍摄多帧红外视频，经过特征点识别、图像识别与处理技术，自动识别同一器官或部位的同一角度的关键帧，可得到角度一致、匹配度高、质量高的红外图像数据，再经过分析即可得到病患处发展趋势。体检过程更加智能高效，免去用户校准拍摄姿态与角度、甚至重新拍摄的环节。
118.请参阅图7，本技术另一方面，提供一种健康监测装置，在示例性实施例中，该健康监测装置可以采用智能镜子实施。该健康监测装置包括：采集模块31，用于采集人体生命特征参数，基于红外热成像检测采集人体红外图像；判断模块32，用于根据所述人体生命特征参数判断人体状态；识别模块33，用于对所述人体状态处于健康检查状态时对应采集到的所述人体红外图像进行特征点识别，以确定是否存在病变部位。
119.可选的，所述识别模块33，具体用于对所述人体状态处于健康检查状态时对应采集到的所述人体红外图像进行特征点识别，识别疑似病变部位的位置；提取疑似病变部位图像；将所述疑似病变部位图像输入诊断数据模型，确定所述疑似病变部位的类型并返回病变部位提示信息。
120.可选的，所述识别模块33，还用于将所述疑似病变部位图像与历史提取图像进行配准，获得表征所述疑似病变部位图像的病变趋势的连续的病变部位图像数据。
121.可选的，所述识别模块33，还用于将连续的所述病变部位图像数据输入诊断数据模型，确定所述疑似病变部位的类型并返回病变部位提示信息。
122.可选的，所述采集模块31，还用于采集人脸图像，根据所述人脸图像确定身份信息；存储模块，用于将确定是否存在病变部位的检测结果与所述身份信息对应存储。
123.可选的，还包括通信模块，用于获取视频会诊指令，根据所述视频会诊指令与预设的医疗业务系统发送视频会诊请求；根据所述医疗业务系统基于所述视频会诊请求的响应指令，与所述医疗业务系统的对应终端建立视频通信。
124.可选的，所述采集模块31，还用于采集人脸图像，将所述人脸图像协同所述视频会诊请求发送所述医疗业务系统。所述通信模块，还用于将所述人体红外图像、以及确定是否存在病变部位的检测结果协同所述视频会诊请求发送所述医疗业务系统。
125.需要说明的是：上述实施例提供的健康监测装置在实现人体健康检查过程中，仅以上述各程序模块的划分进行举例说明，在实际应用中，可以根据需要而将上述处理分配由不同的程序模块完成，即可将装置的内部结构划分成不同的程序模块，以完成以上描述的全部或者部分方法步骤。另外，上述实施例提供的健康监测装置与应用于健康检查设备侧的健康监测方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
126.本技术另一方面提供一种健康检查设备，请参阅图8，为本技术实施例提供的健康检查设备的一个可选的硬件结构示意图，所述健康检查设备包括处理器111、与所述处理器111连接的红外探测器113和雷达传感器114、及存储器112，存储器112内用于存储各种类别的数据以支持健康监测装置的操作，且存储有用于实现本技术任一实施例提供的健康监测方法的计算机程序，所述计算机程序被所述处理器执行时，实现本技术任一实施例提供的健康监测方法的步骤，且能达到相同的技术效果，为避免重复，这里不再赘述。所述健康检查设备可以是图1所示的智能家居设备。
127.可选的，健康检查设备还包括与所述处理器111连接的拍摄模块115及显示模块116，所述拍摄模块115用于拍摄人脸图像发送给所述处理器，以确定身份信息；所述显示模块116用于显示检查结果信息。所述健康检查设备可以为智能镜子。
128.本技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述健康监测方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。其中，所述的计算机可读存储介质，如只读存储器(read
‑
onlymemory，简称rom)、随机存取存储器(randomaccessmemory，简称ram)、磁碟或者光盘等。
129.需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
130.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质
(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
131.以上所述，仅为本技术的具体实施方式，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围之内，可轻易想到变化或替换，都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应以所述权利要求的保护范围为准。