本发明涉及呼吸检测，尤其涉及一种深度学习神经网络的呼吸模式检测方法、装置及控制器。
背景技术：
1、生命体征的监测和各项生理参数的测量在医疗临床门诊和病人分析当中起着极为关键的作用，是定量评价病人个体健康情况的核心环节。现有技术中，生命体征的监测和各项生理参数均是借助于接触式传感器和侵入式传感器进行测量，比如心电图探头、胸带、脉搏血氧仪和血压袖带等，这些技术方案需要与患者稳定的身体接触，很容易导致皮肤脆弱的患者受到刺激。目前，虽然存在以电阻式传感器、电容式传感器、电感式传感器为核心的非接触式检测，容易受到电磁干扰但检测精度低，环境鲁棒性和运动鲁棒性极低。
技术实现思路
1、本发明的目的在于克服现有技术中的生命体征的监测和生理参数的测量的精度低且鲁棒性极低的问题，提供一种深度学习神经网络的呼吸模式检测方法、装置及控制器。
2、本发明的目的通过下述技术方案实现：
3、一种深度学习神经网络的呼吸模式检测方法，包括：
4、搭建深度学习神经网络架构形成深度学习神经网络，并对深度学习神经网络进行模型训练和优化；
5、分别获取待检测者的可见光视频图像、红外视频图像、热成像视频图像并进行预处理；
6、将预处理后的可见光视频图像、红外视频图像、热成像视频图像输入深度学习神经网络进行胸廓检测，分别输出可见光视频图像、红外视频图像、热成像视频图像的胸廓关键区域；分别对可见光视频图像、红外视频图像、热成像视频图像的胸廓关键区域进行分割，提取各种图像的目标胸廓区域；
7、基于光流算法对可见光视频图像、红外视频图像、热成像视频图像的目标胸廓区域的图像数据分别分析，并分别提取各自的呼吸信号；
8、利用多模态信息融合的贝叶斯模型的平均算法分别计算出多模态可见光视频图像、多模态红外视频图像、多模态热成像视频图像的权重数值，并根据权重数值加权得到最终预测值；
9、对呼吸信号进行滤波处理和光谱分析，得到待检测者的呼吸频率，并根据呼吸波形提取呼吸强度；
10、分析待检测者呼吸频率和呼吸强度并识别呼吸模式。
11、一种深度学习神经网络的呼吸模式检测装置，包括：
12、训练优化模块，用于搭建深度学习神经网络架构形成深度学习神经网络，并对深度学习神经网络进行模型训练和优化；
13、预处理模块，用于分别获取待检测者的可见光视频图像、红外视频图像、热成像视频图像并进行预处理；
14、胸廓检测模块，用于将预处理后的可见光视频图像、红外视频图像、热成像视频图像输入深度学习神经网络进行胸廓检测，分别输出可见光视频图像、红外视频图像、热成像视频图像的胸廓关键区域；分别对可见光视频图像、红外视频图像、热成像视频图像的胸廓关键区域进行分割，提取各种图像的目标胸廓区域；
15、光流算法模块，用于基于光流算法对可见光视频图像、红外视频图像、热成像视频图像的目标胸廓区域的图像数据分别分析，并分别提取各自的呼吸信号；
16、多模态权重计算模块，用于运用多模态信息融合的贝叶斯模型的平均算法分别计算出多模态可见光视频图像、多模态红外视频图像、多模态热成像视频图像的权重数值，并根据权重数值加权得到最终预测值；
17、呼吸信号分析模块，用于对呼吸信号进行滤波处理和光谱分析，得到待检测者的呼吸频率，并根据呼吸波形提取呼吸强度；
18、呼吸模式识别模块，用于分析待检测者呼吸频率和呼吸强度并识别呼吸模式。
19、一种控制器，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令，所述处理器执行所述计算机可读指令时实现上述的深度学习神经网络的呼吸模式检测方法。
20、本发明较现有技术相比，具有以下优点及有益效果：
21、(1)本发明的深度学习神经网络能够自动学习并从输入数据中提取有用特征，高效地处理复杂的图像数据，通过大量的数据训练和模型优化，神经网络能够适应各种复杂环境和不同条件下的胸廓检测任务；通过获取可见光、红外和热成像三种不同类型的视频图像提供多元的信息，提高呼吸检测的准确性能够实现对呼吸的准确检测和分析，为呼吸健康监测和疾病诊断提供有力的技术支持。
22、(2)本发明采用数字摄像头进行非接触式呼吸监测，具有便捷、高效、远程、无创和舒适等诸多特点，通过深层卷积神经网络准确提取人体胸廓区域，使得在移动场景中也能进行有效监测。运用多模态融合技术结合权重网络，确保在不同光照条件下(正常、强光、弱光、无光照)的稳定性和鲁棒性。本发明集成了稠密光流算法、衰减函数去趋势方法、实时滤波算法和局部最大值提取算法，显著改善了传统光流算法中的误差累积问题，并能精确捕捉呼吸信号的幅值变化趋势，从而提高了呼吸模式和呼吸中止事件的判别准确性。特别地，胸部运动减缓的监测判别机制，通过长时问实时运算自适应地确定不同测试对象的呼吸中止阈值，大大增强了其应用价值和实用性。
1.一种深度学习神经网络的呼吸模式检测方法，其特征在于，包括：
2.按照权利要求1所述的深度学习神经网络的呼吸模式检测方法，其特征在于，所述步骤s10包括：
3.按照权利要求2所述的深度学习神经网络的呼吸模式检测方法，其特征在于，所述步骤s102包括：
4.按照权利要求1所述的深度学习神经网络的呼吸模式检测方法，其特征在于，所述步骤s40包括以下步骤：
5.按照权利要求1所述的深度学习神经网络的呼吸模式检测方法，其特征在于，所述步骤s50包括以下步骤：
6.按照权利要求5所述的深度学习神经网络的呼吸模式检测方法，其特征在于，所述步骤s503包括以下步骤：
7.按照权利要求1所述的深度学习神经网络的呼吸模式检测方法，其特征在于，所述步骤s60包括：
8.按照权利要求1所述的深度学习神经网络的呼吸模式检测方法，其特征在于，所述步骤s70包括：
9.一种深度学习神经网络的呼吸模式检测装置，其特征在于，包括：
10.一种控制器，其特征在于，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令，所述处理器执行所述计算机可读指令时实现如权利要求1至8任一项所述的深度学习神经网络的呼吸模式检测方法。
