本发明公开一种基于数字化的健康数据智能在线监测分析管理云平台，通过设置健康监测设备设置模块、行为习惯健康监测模块、睡眠健康监测模块、健康综合分析模块、健康数据库、健康数据集合构建模块和健康数据加密模块实现对目标用户的行为习惯及睡眠状况的健康监测，并且评估目标用户的综合健康指数和综合健康等级。一方面使目标用户在家庭中就能够实现对健康地实时监测，进而能够及时了解自身的健康状况，并提前对健康问题进行干预。另一方面降低了医疗工作者的健康体检工作量，并关注到目标用户的个体化差异，且涵盖行为姿态、行为姿态持续时长、入睡时长、脑电波和睡眠体态变化多个维度，为健康检测结果提供了可靠性依据。
1.一种基于数字化的健康数据智能在线监测分析管理云平台，其特征在于，包括：
健康监测设备设置模块，用于将目标用户的家庭内部进行区域划分为公共区域和私人区域，并在公共区域内设置家庭视频图像监测终端，在私人区域内设置睡眠监测仪，进而在睡眠监测仪上安装光亮传感器、脑电波传感器、体动传感器和高清摄像仪；
行为习惯健康监测模块，用于对目标用户的行为习惯进行健康监测，其中行为习惯健康监测模块包括行为姿态健康监测单元和行为姿态持续时间监测单元；
睡眠健康监测模块，用于对目标用户的睡眠状况进行健康监测，其中睡眠健康监测模块包括入睡时长监测单元、脑电波监测单元和睡眠体态变化监测单元；
健康数据库，用于存储各种行为姿态类型对应的姿态特征、各种行为姿态类型所属各种姿态轮廓对应的健康指数、各种行为姿态类型对应的健康持续时长、健康入睡时长、脑电波健康变化曲线、健康睡眠体动频次、健康睡眠体态移动间距和各健康等级对应的综合健康指数；
健康综合分析模块，用于基于行为习惯健康监测模块和睡眠健康监测模块的监测结果分析目标用户的综合健康指数，并将目标用户的综合健康指数与健康数据库中各健康等级对应的综合健康指数进行匹配，评估目标用户的综合健康等级；
健康数据集合构建模块，用于将目标用户在监测周期内的所有行为姿态图像、行为姿态健康指数、行为姿态持续时长的健康指数，入睡时长健康指数、睡眠状态下的脑电波变化曲线、睡眠状态下的脑电波健康指数、睡眠状态下的体动频次、睡眠体动频次健康指数、各次睡眠体动后的睡眠体态三维图像、初始睡眠体态三维图像、睡眠体动幅度变化指数、睡眠体态移动间距变化指数、综合健康指数和综合健康等级构建健康数据集合；
健康数据加密模块，用于对目标用户的健康数据集合进行人脸加密，用户在查看健康数据时需通过人脸识别进行解锁，并只能查看用户本人的健康数据；
所述睡眠体态变化监测单元包括睡眠体动频次监测子单元，睡眠体动幅度监测子单元和睡眠体态移动间距监测子单元；
所述睡眠体态移动间距监测子单元用于对目标用户的睡眠体态移动间距进行健康监测，其具体监测过程执行以下步骤：H1:基于提取的目标用户各次睡眠体动后的睡眠体态和初始睡眠体态对应的外形轮廓，进而获取目标用户各次睡眠体动后的睡眠体态和初始睡眠体态对应的外形轮廓中心点；
H2:将目标用户的初始睡眠体态外形轮廓中心点作为参考点，进而获取目标用户各次睡眠体动后的睡眠体态对应的外形轮廓中心点距离参考点的间距，并将其记为各次睡眠体动对应的体态移动间距；
H3:将各次睡眠体动对应的体态移动间距与健康数据库中存储的健康睡眠体态移动间距进行对比，计算目标用户对应的睡眠体态移动间距变化指数， 其中v表示为各次睡眠体动对应的体态移动间距的编号，v＝1,2.......q,η表示为目标用户的睡眠体态移动间距变化指数，J0表示为健康睡眠体态移动间距，Jv表示为第v次睡眠体动对应的体态移动间距。
2.根据权利要求1所述的一种基于数字化的健康数据智能在线监测分析管理云平台，其特征在于：所述行为姿态健康监测单元用于对目标用户的行为姿态进行健康监测，其具体监测过程执行以下步骤：A1:启动公共区域的家庭视频图像监测终端，并将设定的监测周期按照预设的时间间隔对目标用户的行为姿态进行实时监测，得到各采集间隔对应的目标用户行为姿态图像；
A2:从各采集间隔对应的目标用户行为姿态图像中提取姿态特征和姿态轮廓，并将姿态特征与各种行为姿态类型对应的姿态特征进行匹配，由此匹配出各采集间隔对应的目标用户行为姿态类型；
A3:基于各采集间隔对应的目标用户行为姿态类型从健康数据库中筛选出各采集间隔对应目标用户行为姿态类型所属各种行为姿态轮廓对应的健康指数；
A4:将各采集间隔对应的目标用户姿态轮廓与该采集间隔对应目标用户行为姿态类型所属各种姿态轮廓对应的健康指数进行匹配，从中筛选出各采集间隔对应的目标用户行为姿态健康指数，记为Za,a表示为采集间隔的编号，a＝1,2.......c；
A5:根据各采集间隔对应的目标用户行为姿态健康指数统计目标用户对应的行为姿态健康指数，其计算公式为： 其中ζ表示为目标用户对应的行为姿态健康指数，Za表示为第a个采集间隔对应的目标用户行为姿态健康指数。
3.根据权利要求2所述的一种基于数字化的健康数据智能在线监测分析管理云平台，其特征在于：所述行为姿态持续时间监测单元用于对目标用户的行为姿态持续时间进行健康监测，其具体监测过程执行以下步骤：B1:从各采集间隔对应的目标用户行为姿态类型中统计目标用户出现的行为姿态类型数量，并对各种行为姿态类型进行编号1,2,...,b,...,d，同时获取各种行为姿态类型对应的持续时长；
B2:基于获取的目标用户各种行为姿态类型从健康数据库中提取目标用户的各种行为姿态类型对应的健康持续时长；
B3:将目标用户的各种行为姿态所持续的时间与各种行为姿态对应的健康持续时间进行对比，计算目标用户对应的行为姿态持续时长的健康指数，其计算公式为：其中α表示为目标用户的行为姿态持续时长的健康指数，Tb和 分别表
示为目标用户的第b种行为姿态类型对应的持续时长和第b种行为姿态类型对应的健康持续时间。
4.根据权利要求3所述的一种基于数字化的健康数据智能在线监测分析管理云平台，其特征在于：所述入睡时长监测单元用于对目标用户的入睡时长进行健康监测，其具体监测过程执行以下步骤：D1:启动私人区域内设置的睡眠监测仪，并由睡眠监测仪内的光亮传感器采集室内灯光的关闭时间点，进而将其作为目标用户的关灯时间点，与此同时由体动传感器采集目标用户的体动处于平稳状态下的时间点，将其作为体动平稳时间点；
D2:获取关灯时间点与体动平稳时间点之间的时间间隔，将其作为目标用户的入睡时长；
D3:将目标用户的入睡时长与健康数据库中的健康入睡时长进行对比，计算目标用户对应的入睡时长健康指数，其计算公式为： 其中β表示为目标用户入睡时长的健康指数，t标表示为健康入睡时长，t′表示为目标用户的入睡时长，e表示为自然常数。
5.根据权利要求4所述的一种基于数字化的健康数据智能在线监测分析管理云平台，其特征在于：所述脑电波监测单元用于对目标用户处于睡眠状态时的脑电波进行健康监测，其具体监测过程执行以下步骤：E1:通过睡眠监测仪上安装的脑电波传感器对目标用户处于睡眠状态时的脑电波进行监测，进而获取目标用户处于睡眠状态下的脑电波变化曲线；
E2：基于健康数据库中存储的脑电波健康变化曲线，进而提取脑电波健康变化曲线长度；
E3：将目标用户处于睡眠状态下的脑电波变化曲线与健康数据库中存储的脑电波健康变化曲线进行重合对比，并提取重合曲线的长度，计算目标用户处于睡眠状态下的脑电波健康指数，其计算公式为： 其中δ表示为目标用户处于睡眠状态下的脑电波健康指数，l表示为目标用户处于睡眠状态下的脑电波变化曲线重合的长度，L表示为脑电波健康变化曲线长度。
6.根据权利要求5所述的一种基于数字化的健康数据智能在线监测分析管理云平台，其特征在于：所述睡眠体动频次监测子单元用于对目标用户的睡眠体动频次进行健康监测，其具体监测过程执行以下步骤：F1:通过睡眠监测仪上安装的体动传感器对目标用户处于睡眠状态下的体动频次进行监测并统计；
F2:将目标用户处于睡眠状态下的体动频次与健康数据库中的健康睡眠体动频次进行对比，计算目标用户的睡眠体动频次健康指数，其计算公式为： 其中ε表示为目标用户的睡眠体动频次健康指数，PC0表示为健康睡眠体动频次，PC′表示为目标用户处于睡眠状态下的体动频次。
7.根据权利要求6所述的一种基于数字化的健康数据智能在线监测分析管理云平台，其特征在于：所述睡眠体动幅度监测子单元用于对目标用户的睡眠体动幅度进行健康监测，其具体监测过程执行以下步骤：G1:对目标用户的各次睡眠体动分别进行编号为1,2,...,f,...,h；
G2:通过睡眠监测仪上安装的高清摄像仪分别对目标用户各次睡眠体动后的睡眠体态和初始睡眠体态进行三维图像采集，并获取目标用户各次睡眠体动后的睡眠体态和初始睡眠体态对应的三维图像，进而提取目标用户各次睡眠体动后的睡眠体态和初始睡眠体态对应的外形轮廓和外形轮廓面积；
G3:将目标用户各次睡眠体动后的睡眠体态对应的外形轮廓同初始睡眠体态外形轮廓进行重合对比，并提取出目标用户各次睡眠体动后的睡眠体态对应的外形轮廓同初始睡眠体态外形轮廓的重合面积，计算目标用户的睡眠体动幅度变化指数，其计算公式为：其中λ表示为目标用户的睡眠体动幅度变化指数，S0表示为目标
用户的初始睡眠体态外形轮廓面积，Sf表示为目标用户的第f次睡眠体动后的睡眠体态对应的外形轮廓重合面积。
8.根据权利要求7所述的一种基于数字化的健康数据智能在线监测分析管理云平台，其特征在于：所述目标用户的综合健康指数计算公式为： 其中ψ表示为目标用户的综合健康指数。
一种基于数字化的健康数据智能在线监测分析管理云平台
技术领域
[0001] 本发明属于健康数据监测分析技术领域，具体而言，涉及一种基于数字化的健康数据智能在线监测分析管理云平台。
背景技术
[0002] 近年来伴随着现代生活节奏的加快，许多健康问题随之产生，研究发现，一些慢性疾病的发病率呈现上升趋势，同时由于生活水平的日益提高，人们对自身的健康关注度也越来越高，疾病的及时预防和治疗现已成为社会关注的焦点，在这种情形下，对健康地监测分析就显得尤为重要，若能够对人体健康进行实时检测，就有可能提前发现健康问题并进行干预。
[0003] 如今，对健康地监测分析多采用传统的线下医院体检医疗模式，而传统的线下医院体检医疗模式已然不能满足当今人们对于健康的需求，且存在耗费时间久和成本高等问题，具体体现在以下几个方面：
[0004] (1)一方面对于患者来说，采用线下医院体检医疗模式需要耗费大量的时间和金钱成本驱身前往医院并进行健康检查，且进行健康检查的原因大多由于身体已经出现健康问题，同时健康检查的结果存在等待周期较长的问题，进而使患者不能及时了解自身的健康状况，无法提前对健康问题进行干预，从而不能够很好地满足患者的健康需求，且不利于降低疾病所带来的危害。
[0005] (2)另一方面对于医疗工作者来说，每天需要面临庞大的健康体检工作量，不仅给身体带来极大的工作负荷，同时还存在人为主观因素，进而无法精准地关注到患者的个体化差异，从而无法为患者的的健康检测结果提供可靠性依据。
发明内容
[0006] 为了克服背景技术中的缺点，本发明实施例提供了一种基于数字化的健康数据智能在线监测分析管理云平台,能够有效解决上述背景技术中涉及的问题。
[0007] 本发明的目的可以通过以下技术方案来实现：
[0008] 本发明提供了一种基于数字化的健康数据智能在线监测分析管理云平台，包括健康监测设备设置模块、行为习惯健康监测模块、睡眠健康监测模块、健康综合分析模块、健康数据库、健康数据集合构建模块和健康数据加密模块。
[0009] 所述健康监测设备设置模块分别与行为习惯健康监测模块和睡眠健康监测模块相连接，健康数据库分别与行为习惯健康监测模块、睡眠健康监测模块和健康综合分析模块相连接，健康数据集合构建模块分别与行为习惯健康监测模块、睡眠健康监测模块、健康综合分析模块和健康数据加密模块相连接。
[0010] 所述健康监测设备设置模块用于将目标用户的家庭内部进行区域划分为公共区域和私人区域，并在公共区域内设置家庭视频图像监测终端，在私人区域内设置睡眠监测仪，进而在睡眠监测仪上安装光亮传感器、脑电波传感器、体动传感器和高清摄像仪；
[0011] 所述行为习惯健康监测模块用于对目标用户的行为习惯进行健康监测，其中行为习惯健康监测模块包括行为姿态健康监测单元和行为姿态持续时间监测单元；
[0012] 所述睡眠健康监测模块用于对目标用户的睡眠状况进行健康监测，其中睡眠健康监测模块包括入睡时长监测单元、脑电波监测单元和睡眠体态变化监测单元；
[0013] 所述健康数据库用于存储各种行为姿态类型对应的姿态特征、各种行为姿态类型所属各种姿态轮廓对应的健康指数、各种行为姿态类型对应的健康持续时长、健康入睡时长、脑电波健康变化曲线、健康睡眠体动频次、健康睡眠体态移动间距和各健康等级对应的综合健康指数；
[0014] 所述健康综合分析模块用于基于行为习惯健康监测模块和睡眠健康监测模块的监测结果分析目标用户的综合健康指数，并将目标用户的综合健康指数与健康数据库中各健康等级对应的综合健康指数进行匹配，评估目标用户的综合健康等级；
[0015] 所述健康数据集合构建模块用于将目标用户在监测周期内的所有行为姿态图像、行为姿态健康指数、行为姿态持续时长的健康指数，入睡时长健康指数、睡眠状态下的脑电波变化曲线、睡眠状态下的脑电波健康指数、睡眠状态下的体动频次、睡眠体动频次健康指数、各次睡眠体动后的睡眠体态三维图像、初始睡眠体态三维图像、睡眠体动幅度变化指数、睡眠体态移动间距变化指数、综合健康指数和综合健康等级构建健康数据集合；
[0016] 所述健康数据加密模块用于对目标用户的健康数据集合进行人脸加密，用户在查看健康数据时需通过人脸识别进行解锁，并只能查看用户本人的健康数据。
[0017] 根据一个优选实施方式，所述行为姿态健康监测单元用于对目标用户的行为姿态进行健康监测，其具体监测过程执行以下步骤：
[0018] A1:启动公共区域的家庭视频图像监测终端，并将设定的监测周期按照预设的时间间隔对目标用户的行为姿态进行实时监测，得到各采集间隔对应的目标用户行为姿态图像；
[0019] A2:从各采集间隔对应的目标用户行为姿态图像中提取姿态特征和姿态轮廓，并将姿态特征与各种行为姿态类型对应的姿态特征进行匹配，由此匹配出各采集间隔对应的目标用户行为姿态类型；
[0020] A3:基于各采集间隔对应的目标用户行为姿态类型从健康数据库中筛选出各采集间隔对应目标用户行为姿态类型所属各种行为姿态轮廓对应的健康指数；
[0021] A4:将各采集间隔对应的目标用户姿态轮廓与该采集间隔对应目标用户行为姿态类型所属各种姿态轮廓对应的健康指数进行匹配，从中筛选出各采集间隔对应的目标用户行为姿态健康指数，记为Za,a表示为采集间隔的编号，a＝1,2.......c；
[0022] A5:根据各采集间隔对应的目标用户行为姿态健康指数统计目标用户对应的行为姿态健康指数，其计算公式为： 其中ζ表示为目标用户对应的行为姿态健康指数，Za表示为第a个采集间隔对应的目标用户行为姿态健康指数。
[0023] 根据一个优选实施方式，所述行为姿态持续时间监测单元用于对目标用户的行为姿态持续时间进行健康监测，其具体监测过程执行以下步骤：
[0024] B1:从各采集间隔对应的目标用户行为姿态类型中统计目标用户出现的行为姿态类型数量，并对各种行为姿态类型进行编号1,2,...,b,...,d，同时获取各种行为姿态类型对应的持续时长；
[0025] B2:基于获取的目标用户各种行为姿态类型从健康数据库中提取目标用户的各种行为姿态类型对应的健康持续时长；
[0026] B3:将目标用户的各种行为姿态所持续的时间与各种行为姿态对应的健康持续时间进行对比，计算目标用户对应的行为姿态持续时长的健康指数，其计算公式为：其中α表示为目标用户的行为姿态持续时长的健康指数，Tb和 分别表
示为目标用户的第b种行为姿态类型对应的持续时长和第b种行为姿态类型对应的健康持续时间。
[0027] 根据一个优选实施方式，所述入睡时间监测单元用于对目标用户的入睡时间进行健康监测，其具体监测过程执行以下步骤：
[0028] D1:启动私人区域内设置的睡眠监测仪，并由睡眠监测仪内的光亮传感器采集室内灯光的关闭时间点，进而将其作为目标用户的关灯时间点，与此同时由体动传感器采集目标用户的体动处于平稳状态下的时间点，将其作为体动平稳时间点；
[0029] D2:获取关灯时间点与体动平稳时间点之间的时间间隔，将其作为目标用户的入睡时长；
[0030] D3:将目标用户的入睡时长与健康数据库中的健康入睡时长进行对比，计算目标用户对应的入睡时长健康指数，其计算公式为： 其中β表示为目标用户入睡时长的健康指数，t标表示为健康入睡时长，t′表示为目标用户的入睡时长，e表示为自然常数。
[0031] 根据一个优选实施方式，所述脑电波监测单元用于对目标用户处于睡眠状态时的脑电波进行健康监测，其具体监测过程执行以下步骤：
[0032] E1:通过睡眠监测仪上安装的脑电波传感器对目标用户处于睡眠状态时的脑电波进行监测，进而获取目标用户处于睡眠状态下的脑电波变化曲线；
[0033] E2：基于健康数据库中存储的脑电波健康变化曲线，进而提取脑电波健康变化曲线长度；
[0034] E3：将目标用户处于睡眠状态下的脑电波变化曲线与健康数据库中存储的脑电波健康变化曲线进行重合对比，并提取重合曲线的长度，计算目标用户处于睡眠状态下的脑电波健康指数，其计算公式为： 其中δ表示为目标用户处于睡眠状态下的脑电波健康指数，l表示为目标用户处于睡眠状态下的脑电波变化曲线重合的长度，L表示为脑电波健康变化曲线长度。
[0035] 根据一个优选实施方式，所述睡眠体态变化监测单元包括睡眠体动频次监测子单元，睡眠体动幅度监测子单元和睡眠体态移动间距监测子单元。
[0036] 根据一个优选实施方式，所述睡眠体动频次监测子单元用于对目标用户的睡眠体动频次进行健康监测，其具体监测过程执行以下步骤：
[0037] F1:通过睡眠监测仪上安装的体动传感器对目标用户处于睡眠状态下的体动频次进行监测并统计；
[0038] F2:将目标用户处于睡眠状态下的体动频次与健康数据库中的健康睡眠体动频次进行对比，计算目标用户的睡眠体动频次健康指数，其计算公式为： 其中ε表示为目标用户的睡眠体动频次健康指数，PC0表示为健康睡眠体动频次，PC′表示为目标用户处于睡眠状态下的体动频次。
[0039] 根据一个优选实施方式，所述睡眠体动幅度监测子单元用于对目标用户的睡眠体动幅度进行健康监测，其具体监测过程执行以下步骤：
[0040] G1:对目标用户的各次睡眠体动分别进行编号为1,2,...,f,...,h；
[0041] G2:通过睡眠监测仪上安装的高清摄像仪分别对目标用户各次睡眠体动后的睡眠体态和初始睡眠体态进行三维图像采集，并获取目标用户各次睡眠体动后的睡眠体态和初始睡眠体态对应的三维图像，进而提取目标用户各次睡眠体动后的睡眠体态和初始睡眠体态对应的外形轮廓和外形轮廓面积；
[0042] G3:将目标用户各次睡眠体动后的睡眠体态对应的外形轮廓同初始睡眠体态外形轮廓进行重合对比，并提取出目标用户各次睡眠体动后的睡眠体态对应的外形轮廓同初始睡眠体态外形轮廓的重合面积，计算目标用户的睡眠体动幅度变化指数，其计算公式为：其中λ表示为目标用户的睡眠体动幅度变化指数，S0表示为目标
用户的初始睡眠体态外形轮廓面积，Sf表示为目标用户的第f次睡眠体动后的睡眠体态对应的外形轮廓重合面积。
[0043] 根据一个优选实施方式，所述睡眠体态移动间距监测子单元用于对目标用户的睡眠体态移动间距进行健康监测，其具体监测过程执行以下步骤：
[0044] H1:基于提取的目标用户各次睡眠体动后的睡眠体态和初始睡眠体态对应的外形轮廓，进而获取目标用户各次睡眠体动后的睡眠体态和初始睡眠体态对应的外形轮廓中心点；
[0045] H2:将目标用户的初始睡眠体态外形轮廓中心点作为参考点，进而获取目标用户各次睡眠体动后的睡眠体态对应的外形轮廓中心点距离参考点的间距，并将其记为各次睡眠体动对应的体态移动间距；
[0046] H3:将各次睡眠体动对应的体态移动间距与健康数据库中存储的健康睡眠体态移动间距进行对比，计算目标用户对应的睡眠体态移动间距变化指数， 其中v表示为各次睡眠体动对应的体态移动间距的编号，v＝1,2.......q,η表示为目标用户的睡眠体态移动间距变化指数，J0表示为健康睡眠体态移动间距，Jv表示为第v次睡眠体动对应的体态移动间距。
[0047] 根据一个优选实施方式，所述目标用户的综合健康指数计算公式为：其中ψ表示为目标用户的综合健康指数。
[0048] 相对于现有技术，本发明的实施例至少具有如下有益效果：
[0049] (1)本发明通过提供一种基于数字化的健康数据智能在线监测分析管理云平台，能够在家庭中实现对目标用户的健康实时监测，有效克服了传统线下医院体检医疗模式需要耗费大量的时间和金钱成本驱身前往医院并进行健康检查的弊端，且能够预测一些潜在的健康问题，同时避免了健康检查的结果存在等待周期较长的问题，进而使患者能够及时了解自身的健康状况，提前对健康问题进行干预，不仅极大地满足了患者的健康需求，还有利于降低疾病所带来的危害。
[0050] (2)本发明通过设置家庭视频图像监测终端和睡眠监测仪对目标用户的行为习惯和睡眠状况进行健康监测和分析，并且涵盖行为姿态、行为姿态持续时长、入睡时长、脑电波和睡眠体态变化多个健康监测维度，进而计算目标用户的综合健康指数，并且评估目标用户的综合健康等级，从而大幅降低了医疗工作者的健康体检工作量，缓轻了工作负荷，同时还避免了人为主观因素所造成无法精准地关注到患者个体化差异的局面，并且能够为目标用户的健康检测结果提供可靠性依据。
附图说明
[0051] 利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
[0052] 图1为本发明的连接结构示意图。
[0053] 图2为本发明的行为习惯健康监测模块结构示意图。
[0054] 图3为本发明的睡眠健康监测模块结构示意图。
具体实施方式
[0055] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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他实施例，都属于本发明保护的范围。
[0056] 参照图1所示，本发明提供一种基于数字化的健康数据智能在线监测分析管理云平台，包括健康监测设备设置模块、行为习惯健康监测模块、睡眠健康监测模块、健康综合分析模块、健康数据库、健康数据集合构建模块和健康数据加密模块。
[0057] 所述健康监测设备设置模块分别与行为习惯健康监测模块和睡眠健康监测模块相连接，健康数据库分别与行为习惯健康监测模块、睡眠健康监测模块和健康综合分析模块相连接，健康数据集合构建模块分别与行为习惯健康监测模块、睡眠健康监测模块、健康综合分析模块和健康数据加密模块相连接。
[0058] 所述健康监测设备设置模块用于将目标用户的家庭内部进行区域划分为公共区域和私人区域，并在公共区域内设置家庭视频图像监测终端，在私人区域内设置睡眠监测仪，进而在睡眠监测仪上安装光亮传感器、脑电波传感器、体动传感器和高清摄像仪；
[0059] 需要说明的是，上述公共区域包括客厅、餐厅和阳台，私人区域为卧室。
[0060] 所述行为习惯健康监测模块用于对目标用户的行为习惯进行健康监测。
[0061] 参照图2所示，行为习惯健康监测模块包括行为姿态健康监测单元和行为姿态持续时间监测单元；
[0062] 具体地，所述行为姿态健康监测单元用于对目标用户的行为姿态进行健康监测，其具体监测过程执行以下步骤：
[0063] A1:启动公共区域的家庭视频图像监测终端，并将设定的监测周期按照预设的时间间隔对目标用户的行为姿态进行实时监测，得到各采集间隔对应的目标用户行为姿态图像；
[0064] A2:从各采集间隔对应的目标用户行为姿态图像中提取姿态特征和姿态轮廓，并将姿态特征与各种行为姿态类型对应的姿态特征进行匹配，由此匹配出各采集间隔对应的目标用户行为姿态类型；
[0065] 需要说明的是上述姿态特征指的是基于目标用户的行为姿态轮廓，选取头部中心点和脚部中心点进行直线连接，并将其标记为行为姿态轮廓中位线，以地面为参考水平面，进而获取行为姿态轮廓中位线与参考水平面之间形成的夹角，同时获取头部中心点距离参考水平面的间距，进而根据行为姿态轮廓中位线与参考水平面之间形成的夹角和头部中心点距离参考水平面的间距判断目标用户的行为姿态类型，其中行为姿态类型包括站姿、坐姿，睡姿和蹲姿等。
[0066] 示例性地，若目标用户的行为姿态轮廓中位线与参考水平面之间形成的夹角为180度，同时目标用户行为姿态轮廓中的头部中心点距离参考水平面的间距与目标用户的身高相近，则判断目标用户的行为姿态类型为站姿。
[0067] A3:基于各采集间隔对应的目标用户行为姿态类型从健康数据库中筛选出各采集间隔对应目标用户行为姿态类型所属各种行为姿态轮廓对应的健康指数；
[0068] A4:将各采集间隔对应的目标用户姿态轮廓与该采集间隔对应目标用户行为姿态类型所属各种姿态轮廓对应的健康指数进行匹配，从中筛选出各采集间隔对应的目标用户行为姿态健康指数，记为Za,a表示为采集间隔的编号，a＝1,2.......c；
[0069] A5:根据各采集间隔对应的目标用户行为姿态健康指数统计目标用户对应的行为姿态健康指数，其计算公式为： 其中ζ表示为目标用户对应的行为姿态健康指数，Za表示为第a个采集间隔对应的目标用户行为姿态健康指数。
[0070] 具体地，所述行为姿态持续时间监测单元用于对目标用户的行为姿态持续时间进行健康监测，其具体监测过程执行以下步骤：
[0071] B1:从各采集间隔对应的目标用户行为姿态类型中统计目标用户出现的行为姿态类型数量，并对各种行为姿态类型进行编号1,2,...,b,...,d，同时获取各种行为姿态类型对应的持续时长；
[0072] B2:基于获取的目标用户各种行为姿态类型从健康数据库中提取目标用户的各种行为姿态类型对应的健康持续时长；
[0073] B3:将目标用户的各种行为姿态所持续的时间与各种行为姿态对应的健康持续时间进行对比，计算目标用户对应的行为姿态持续时长的健康指数，其计算公式为：其中α表示为目标用户的行为姿态持续时长的健康指数，Tb和 分别表
示为目标用户的第b种行为姿态类型对应的持续时长和第b种行为姿态类型对应的健康持续时间。
[0074] 需要说明的是，上述目标用户对应的行为姿态持续时长的健康指数计算公式中，某种行为姿态类型对应的健康持续时间同目标用户的该种行为姿态类型对应的持续时长之间的比值越大，则目标用户对应的行为姿态持续时长的健康指数越大，表明目标用户的行为姿态持续时长越符合健康标准。
[0075] 所述睡眠健康监测模块用于对目标用户的睡眠状况进行健康监测。
[0076] 参照图3所示，睡眠健康监测模块包括入睡时长监测单元、脑电波监测单元和睡眠体态变化监测单元；
[0077] 具体地，所述入睡时间监测单元用于对目标用户的入睡时间进行健康监测，其具体监测过程执行以下步骤：
[0078] D1:启动私人区域内设置的睡眠监测仪，并由睡眠监测仪内的光亮传感器采集室内灯光的关闭时间点，进而将其作为目标用户的关灯时间点，与此同时由体动传感器采集目标用户的体动处于平稳状态下的时间点，将其作为体动平稳时间点；
[0079] D2:获取关灯时间点与体动平稳时间点之间的时间间隔，将其作为目标用户的入睡时长；
[0080] D3:将目标用户的入睡时长与健康数据库中的健康入睡时长进行对比，计算目标用户对应的入睡时长健康指数，其计算公式为： 其中β表示为目标用户入睡时长的健康指数，t标表示为健康入睡时长，t′表示为目标用户的入睡时长，e表示为自然常数。
[0081] 需要说明的是，上述目标用户对应的入睡时长健康指数计算公式中，健康入睡时长同目标用户的入睡时长之间的比值越大，则目标用户对应的入睡时长健康指数越大，表明目标用户的入睡时长越符合健康标准。
[0082] 具体地，所述脑电波监测单元用于对目标用户处于睡眠状态时的脑电波进行健康监测，其具体监测过程执行以下步骤：
[0083] E1:通过睡眠监测仪上安装的脑电波传感器对目标用户处于睡眠状态时的脑电波进行监测，进而获取目标用户处于睡眠状态下的脑电波变化曲线；
[0084] E2：基于健康数据库中存储的脑电波健康变化曲线，进而提取脑电波健康变化曲线长度；
[0085] E3：将目标用户处于睡眠状态下的脑电波变化曲线与健康数据库中存储的脑电波健康变化曲线进行重合对比，并提取重合曲线的长度，计算目标用户处于睡眠状态下的脑电波健康指数，其计算公式为： 其中δ表示为目标用户处于睡眠状态下的脑电波健康指数，l表示为目标用户处于睡眠状态下的脑电波变化曲线重合的长度，L表示为脑电波健康变化曲线长度。
[0086] 需要说明的是，上述目标用户处于睡眠状态下的脑电波健康指数计算公式中，目标用户处于睡眠状态下的脑电波变化曲线重合的长度同脑电波健康变化曲线长度之间的比值越大，则目标用户处于睡眠状态下的脑电波健康指数越大，表明目标用户处于睡眠状态下的脑电波越符合健康标准。
[0087] 具体地，所述睡眠体态变化监测单元包括睡眠体动频次监测子单元，睡眠体动幅度监测子单元和睡眠体态移动间距监测子单元。
[0088] 进一步地，所述睡眠体动频次监测子单元用于对目标用户的睡眠体动频次进行健康监测，其具体监测过程执行以下步骤：
[0089] F1:通过睡眠监测仪上安装的体动传感器对目标用户处于睡眠状态下的体动频次进行监测并统计；
[0090] F2:将目标用户处于睡眠状态下的体动频次与健康数据库中的健康睡眠体动频次进行对比，计算目标用户的睡眠体动频次健康指数，其计算公式为： 其中ε表示为目标用户的睡眠体动频次健康指数，PC0表示为健康睡眠体动频次，PC′表示为目标用户处于睡眠状态下的体动频次。
[0091] 需要说明的是，上述目标用户的睡眠体动频次健康指数计算公式中，健康睡眠体动频次同目标用户处于睡眠状态下的体动频次之间的比值越大，则目标用户的睡眠体动频次健康指数越大，表明目标用户处于睡眠状态下的体动频次越符合健康标准。
[0092] 进一步地，所述睡眠体动幅度监测子单元用于对目标用户的睡眠体动幅度进行健康监测，其具体监测过程执行以下步骤：
[0093] G1:对目标用户的各次睡眠体动分别进行编号为1,2,...,f,...,h；
[0094] G2:通过睡眠监测仪上安装的高清摄像仪分别对目标用户各次睡眠体动后的睡眠体态和初始睡眠体态进行三维图像采集，并获取目标用户各次睡眠体动后的睡眠体态和初始睡眠体态对应的三维图像，进而提取目标用户各次睡眠体动后的睡眠体态和初始睡眠体态对应的外形轮廓和外形轮廓面积；
[0095] G3:将目标用户各次睡眠体动后的睡眠体态对应的外形轮廓同初始睡眠体态外形轮廓进行重合对比，并提取出目标用户各次睡眠体动后的睡眠体态对应的外形轮廓同初始睡眠体态外形轮廓的重合面积，计算目标用户的睡眠体动幅度变化指数，其计算公式为：其中λ表示为目标用户的睡眠体动幅度变化指数，S0表示为目标
用户的初始睡眠体态外形轮廓面积，Sf表示为目标用户的第f次睡眠体动后的睡眠体态对应的外形轮廓重合面积。
[0096] 需要说明的是，上述目标用户的睡眠体动幅度变化指数计算公式中，目标用户的第f次睡眠体动后的睡眠体态对应的外形轮廓重合面积同目标用户的初始睡眠体态外形轮廓面积之间的差值越小，则目标用户的睡眠体动幅度变化指数越小，表明目标用户的睡眠体动幅度变化越符合健康标准。
[0097] 进一步地，所述睡眠体态移动间距监测子单元用于对目标用户的睡眠体态移动间距进行健康监测，其具体监测过程执行以下步骤：
[0098] H1:基于提取的目标用户各次睡眠体动后的睡眠体态和初始睡眠体态对应的外形轮廓，进而获取目标用户各次睡眠体动后的睡眠体态和初始睡眠体态对应的外形轮廓中心点；
[0099] H2:将目标用户的初始睡眠体态外形轮廓中心点作为参考点，进而获取目标用户各次睡眠体动后的睡眠体态对应的外形轮廓中心点距离参考点的间距，并将其记为各次睡眠体动对应的体态移动间距；
[0100] H3:将各次睡眠体动对应的体态移动间距与健康数据库中存储的健康睡眠体态移动间距进行对比，计算目标用户对应的睡眠体态移动间距变化指数， 其中v表示为各次睡眠体动对应的体态移动间距的编号，v＝1,2.......q,η表示为目标用户的睡眠体态移动间距变化指数，J0表示为健康睡眠体态移动间距，Jv表示为第v次睡眠体动对应的体态移动间距。
[0101] 需要说明的是，上述目标用户对应的睡眠体态移动间距变化指数计算公式中，第v次睡眠体动对应的体态移动间距同健康睡眠体态移动间距之间的比值越小，则目标用户对应的睡眠体态移动间距变化指数越小，表明目标用户对应的睡眠体态移动间距变化越符合健康标准。
[0102] 所述健康数据库用于存储各种行为姿态类型对应的姿态特征、各种行为姿态类型所属各种姿态轮廓对应的健康指数、各种行为姿态类型对应的健康持续时长、健康入睡时长、脑电波健康变化曲线、健康睡眠体动频次、健康睡眠体态移动间距和各健康等级对应的综合健康指数。
[0103] 所述健康综合分析模块用于基于行为习惯健康监测模块和睡眠健康监测模块的监测结果分析目标用户的综合健康指数，并将目标用户的综合健康指数与健康数据库中各健康等级对应的综合健康指数进行匹配，评估目标用户的综合健康等级；
[0104] 本发明实施例通过评估目标用户的综合健康等级，进而能够为目标用户制定健康改善计划提供可靠依据。
[0105] 具体地，所述目标用户的综合健康指数计算公式为：其中ψ表示为目标用户的综合健康指数。
[0106] 本发明实施例通过设置家庭视频图像监测终端和睡眠监测仪对目标用户的行为习惯和睡眠状况进行健康监测和分析，并且涵盖行为姿态、行为姿态持续时长、入睡时长、脑电波和睡眠体态变化多个健康监测维度，进而计算目标用户的综合健康指数，并且评估目标用户的综合健康等级，从而大幅降低了医疗工作者的健康体检工作量，缓轻了工作负荷，同时还避免了人为主观因素所造成无法精准地关注到患者个体化差异的局面，并且能够为目标用户的健康检测结果提供可靠性依据。
[0107] 所述健康数据集合构建模块用于将目标用户在监测周期内的所有行为姿态图像、行为姿态健康指数、行为姿态持续时长的健康指数，入睡时长健康指数、睡眠状态下的脑电波变化曲线、睡眠状态下的脑电波健康指数、睡眠状态下的体动频次、睡眠体动频次健康指数、各次睡眠体动后的睡眠体态三维图像、初始睡眠体态三维图像、睡眠体动幅度变化指数、睡眠体态移动间距变化指数、综合健康指数和综合健康等级构建健康数据集合。
[0108] 所述健康数据加密模块用于对目标用户的健康数据集合进行人脸加密，用户在查看健康数据时需通过人脸识别进行解锁，并只能查看用户本人的健康数据；
[0109] 本发明实施例通过对目标用户的健康数据进行加密，有效确保了目标用户的个人健康数据不泄露，进而保障了目标用户的个人隐私安全。
[0110] 本发明实施例通过提供一种基于数字化的健康数据智能在线监测分析管理云平台，能够在家庭中实现对目标用户的健康实时监测，有效克服了传统线下医院体检医疗模式需要耗费大量的时间和金钱成本驱身前往医院并进行健康检查的弊端，且能够预测一些潜在的健康问题，同时避免了健康检查的结果存在等待周期较长的问题，进而使患者能够及时了解自身的健康状况，提前对健康问题进行干预，不仅极大地满足了患者的健康需求，还有利于降低疾病所带来的危害。
[0111] 以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。
