一种体征检测方法、系统、存储介质及计算装置

技术领域

本发明涉及体征检测技术领域，特别是涉及一种体征检测方法及体征检测系统。

背景技术

即时检验(POCT)是体外诊断器械(IVD)的一个细分行业，凭借便捷、快速的优势能够实现在患者身边快速取得诊断结果。智能尿检设备是家用即时检验领域的一个重要的分支，其用户群体包括老年人、病人。

智能尿检设备通常以家庭或组织为单位进行安装，也就是一台智能尿检设备通常是由家庭成员之间共同使用，或由组织成员之间共同使用。在不同成员之间进行尿检的时候需要对使用者的数据分别进行存储，也就是需要对使用者身份进行识别，并将尿检结果打上用户身份标签，以便于对尿检结果进行跟踪、分析和统计。有些智能尿检设备没有使用者身份识别和为尿检结果打上用户身份标签的功能，部分智能尿检设备需要用户自己确认身份标签，例如需要使用者每次借助与智能尿检设备通信连接的手机确认个人信息，才能给每次尿检结果数据打上身份标签，上述整个检测前期用户识别和确认的过程步骤繁琐，导致产品易用性较差。

发明内容

本发明的目的在于提供一种体征检测方法，以及提供一种体征检测系统，以解决检测前期用户识别和确认的过程步骤繁琐，导致产品易用性较差的问题。

本发明实施例提供一种体征检测方法，包括以下步骤：

S1，获取使用者的启动语音指令；

S2，根据所述启动语音指令形成所述启动语音指令的声纹特征向量；

S3，将所述启动语音指令的声纹特征向量与声纹模型库中的目标用户的声纹向量逐一进行匹配并获得匹配度评分；

S4，获取的最高的所述匹配度评分大于等于第一设定阈值时，所述使用者为目标用户，启动体征检测装置。

根据本发明上述实施例的体征检测方法，使用者只需要发出启动语音指令即可完成目标用户的识别和体征检测装置的启动，克服了需要使用者每次借助与智能尿检设备通信连接的手机确认个人信息，才能给每次尿检结果数据打上身份标签所存在的步骤繁琐和易用性差的问题。

在进一步优选的体征检测方法实施例中，还包括S5，目标用户注册的步骤：S51，获取使用者注册语音，对所述使用者注册语音进行声音质量评价，所述使用者注册语音的信噪比高于设定的信噪比的阈值时，记录一次通过次数；通过次数总和等于设定的通过次数阈值时停止获取使用者注册语音；S52，对所述使用者注册语音进行声纹特征提取以获取使用者的声纹向量，最终对所述使用者的声纹向量进行存储；目标用户注册的步骤中，S51以及S52两个子步骤同时进行。

根据本发明上述实施例的体征检测方法，完成S51以及S52两个子步骤同时进行，能够减少目标用户注册的时间，提高使用体验。

在进一步优选的体征检测方法实施例中，在步骤S1以及步骤S2之间还包括步骤S12-1，判断所述启动语音指令语音的内容是否包含预定的唤醒词，如果所述启动语音指令语音的内容包含预定的唤醒词则继续进行步骤S2。

根据本发明上述实施例的体征检测方法，由于上述实施例的体征检测方法不需要较高的第一设定阈值，因此不会由于第一设定阈值过高造成声纹模型库中的目标用户的误判(导致检测设备不能启动的误判)。

在进一步优选的体征检测方法实施例中，在步骤S1以及步骤S2之间还包括步骤S12-1，判断所述启动语音指令语音的内容是否包含预定的唤醒词，如果所述启动语音指令语音的内容包含预定的唤醒词则继续进行步骤S12-2，对所述启动语音指令进行声音质量评价，所述启动语音指令的信噪比高于设定的信噪比的阈值时继续进行步骤S2。

根据本发明上述实施例的体征检测方法，通过上述声音质量评价的步骤，能够提高启动语音指令的声纹特征向量的质量。

在进一步优选的体征检测方法实施例中，S1，获取使用者的启动语音指令的过程包括获取使用者的原始语音指令，对所述原始语音指令进行静音切除获得所述启动语音指令的过程。

在进一步优选的体征检测方法实施例中，在步骤S2中，根据所述启动语音指令利用声纹识别模型ECAPA-TDNN和ResNet34形成所述启动语音指令的声纹特征向量。

在进一步优选的体征检测方法实施例中，在步骤S2中，根据所述启动语音指令利用声纹识别模型形成所述启动语音指令的声纹特征向量；获取的最高的所述匹配度评分大于第二设定阈值且小于第一设定阈值时，利用所述启动语音指令对所述声纹识别模型进行热训练；所述第二设定阈值小于所述第一设定阈值。

在进一步优选的体征检测方法实施例中，在进行所述声纹识别模型的热训练时，训练所述声纹识别模型的声纹输出层，在热训练完成后利用新获取的声纹输出层参数替换初始声纹输出层参数。

根据本发明上述实施例的体征检测方法，仅替换初始声纹输出层参数相较加载更新整个声纹识别模型需要耗费的时间更短，能减少进行体征检测所花费的时间。

在进一步优选的体征检测方法实施例中，S1，获取使用者的启动语音指令的过程包括获取使用者的原始语音指令，对所述原始语音指令进行静音切除获得所述启动语音指令和环境音的过程；对所述环境音进行存储以构成环境音数据集；在步骤S2中，根据所述启动语音指令利用声纹识别模型形成所述启动语音指令的声纹特征向量；获取的最高的所述匹配度评分大于第二设定阈值且小于第一设定阈值时，利用所述启动语音指令和所述环境音数据集对所述声纹识别模型进行热训练；所述第二设定阈值小于所述第一设定阈值。

根据本发明上述实施例的体征检测方法，利用使用者所在环境的环境音对声纹识别模型进行训练，能提高声纹识别模型对使用者所在环境的环境音的适应性，进而能提高使用者在所在环境进行体征检测时的匹配度评分和更好的识别正确率。

本发明实施例还提供一种体征检测系统，其包括：

语音接获取模块，获取使用者的启动语音指令；

声纹特征向量形成模块，根据所述启动语音指令形成启动语音指令的声纹特征向量；

声纹向量匹配模块，将所述启动语音指令的声纹特征向量与声纹模型库中的目标用户的声纹向量逐一进行匹配并获得匹配度评分；

阈值比较模块，获取的最高的匹配度评分大于等于第一设定阈值时，所述使用者为目标用户，启动体征检测系统。

本发明实施例还提供一种存储有计算机程序的计算机可读存储介质，当所述计算机程序在被处理器执行时实现如上任一实施例所述的体征检测方法。

本发明实施例还提供一种计算装置，所述计算装置包括：处理和存储器，所述存储器存储有计算机程序，当所述计算机程序被处理器执行时，实现如上任一实施例所述的体征检测方法。

附图说明

为了更清楚地说明本发明，下面将对本发明的说明书附图进行描述和说明。显而易见地，下面描述中的附图仅仅说明了本发明的一些示例性实施方案的某些方面，对于本领域普通技术人员来说，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1为本发明一种实施例的体征检测方法流程示意图；

图2为本发明另一种实施例的体征检测方法流程示意图；

图3为本发明一种实施例的步骤S1和步骤S2流程示意图；

图4为本发明另一种实施例的步骤S1和步骤S2流程示意图；

图5为本发明一种实施例的体征检测系统示意图。

具体实施方式

以下参照附图详细描述本公开的各种示例性实施例。对示例性实施例的描述仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。本公开可以以许多不同的形式实现，不限于这里所述的实施例。提供这些实施例是为了使本公开透彻且完整，并且向本领域技术人员充分表达本公开的范围。应注意到：除非另有说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值等应被解释为仅仅是示例性的，而不是作为限制。

本公开中使用的“包括”或者“包含”等类似的词语意指在该词前的要素涵盖在该词后列举的要素，并不排除也涵盖其它要素的可能。

本公开使用的所有术语(包括技术术语或者科学术语)与本公开所属领域的普通技术人员理解的含义相同，除非另外特别定义。还应当理解，在诸如通用词典中定义的术语应当被理解为具有与它们在相关技术的上下文中的含义相一致的含义，而不应用理想化或极度形式化的意义来解释，除非本文有明确地这样定义。

对于本部分中未详细描述的部件、部件的具体型号等参数、部件之间的相互关系以及控制电路，可被认为是相关领域普通技术人员已知的技术、方法和设备，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。

下面结合图1详细说明本发明一种实施例的体征检测方法，体征检测可以为人体的某一体征检测，例如尿液检测、血液检测、血压检测等。体征检测方法包括以下步骤：

S1，获取使用者的启动语音指令；获取启动语音指令可以采用现有的拾音设备如麦克风和信号转换装置实现。例如，使用者在麦克风拾音范围内发出启动检测的语音，信号转换装置将采集的信号转换为数字信号即为启动语音指令。启动语音指令既可以是预定的语音内容，也可以是任意的语音内容。

在进一步优选的体征检测方法实施例中，S1，获取使用者的启动语音指令的过程包括获取使用者的原始语音指令，对所述原始语音指令进行静音切除获得所述启动语音指令的过程。通过上述方法能够解决获取使用者的启动语音指令的过程中用户录制的音频存在静音的时间帧较长的问题，提高启动语音指令的声纹特征向量的提取质量。

S2，根据所述启动语音指令形成所述启动语音指令的声纹特征向量；具体的在步骤S2中，可根据所述启动语音指令利用声纹识别模型ECAPA-TDNN和ResNet34形成所述启动语音指令的声纹特征向量。

S3，将所述启动语音指令的声纹特征向量与声纹模型库中的目标用户的声纹向量逐一进行匹配并获得匹配度评分；例如，声纹模型库中的目标用户的声纹向量为100组，则需要逐一将所述启动语音指令的声纹特征向量与声纹模型库中的目标用户的声纹向量进行匹配，并获得100组匹配度评分。

S4，继续以上述获得100组匹配度评分为例，当获取的最高的所述匹配度评分大于等于第一设定阈值时，所述使用者为目标用户，启动体征检测装置，使用者完成对应的体征检测。检测完成后获得对应的体征数据，并将上述体征数据与该目标用户关联。当获取的最高的所述匹配度评分小于第一设定阈值时，所述使用者为非目标用户，体征检测装置拒绝检测或对所述启动语音指令不做响应。

在本发明上述实施例的体征检测方法中，通过获取与使用者的启动语音指令对应的声纹特征向量，并将声纹特征向量与声纹模型库中的目标用户的声纹向量逐一进行匹配并获得匹配度评分，将匹配度评分作为使用者是否为目标用户的依据。使用者只需要发出启动语音指令即可完成目标用户的识别和体征检测装置的启动，克服了需要使用者每次借助与智能尿检设备通信连接的手机确认个人信息，才能给每次尿检结果数据打上身份标签所存在的步骤繁琐和易用性差的问题。

在上述体征检测方法实施例中，S3，将所述启动语音指令的声纹特征向量与声纹模型库中的目标用户的声纹向量逐一进行匹配并获得匹配度评分。通常声纹模型库中的目标用户的声纹向量通过S5，目标用户注册的步骤获得，结合图2说明目标用户注册的步骤。

S51，获取使用者注册语音，对所述使用者注册语音进行声音质量评价，所述使用者注册语音的信噪比高于设定的信噪比的阈值时，记录一次通过次数；通过次数总和等于设定的通过次数阈值时停止获取使用者注册语音；上述通过次数阈值通常为3-5次，也就是目标用户注册过程需要获取3-5次使用者注册语音，并分别对3-5次使用者注册语音进行声纹特征提取和存储，这样能够避免对于某一目标用户仅存储单一的声纹向量所存在的组匹配度评分可能较低的问题。

在步骤S51中，获取使用者注册语音的过程包括获取使用者的原始注册语音，对所述原始注册语音进行静音切除获得所述注册语音的过程。通过上述方法能够解决获取使用者注册语音过程中用户录制的音频存在静音的时间帧较长的问题，提高使用者的声纹向量的提取质量。

S52，对所述使用者注册语音进行声纹特征提取以获取使用者的声纹向量，最终对所述使用者的声纹向量进行存储，存储的上述使用者的声纹向量即为声纹模型库中的目标用户的声纹向量。

在一种具体实施例中，每获取一次使用者注册语音并且所述使用者注册语音的信噪比高于设定的信噪比的阈值，即进行对所述使用者注册语音进行声纹特征提取以获取使用者的声纹向量，最终对所述使用者的声纹向量进行存储；然后进行下一次获取一次使用者注册语音并对所述使用者注册语音进行声纹特征提取，重复上述过程直至通过次数总和等于设定的通过次数阈值。由于S51和S52交替进行，所耗费的时间为所有步骤消耗时间的总和，增加了目标用户注册的时间，造成使用体验差的问题。

在另一种优选的实施例中，所述设定的通过次数阈值大于等于二，目标用户注册的步骤中，S51以及S52两个子步骤同时进行。例如，所述设定的通过次数阈值为三。首先进行S51，获取使用者注册语音，对所述使用者注册语音进行声音质量评价，所述使用者注册语音的信噪比高于设定的信噪比的阈值时，记录一次通过次数；此时可以进行步骤S52，对所述使用者注册语音进行声纹特征提取以获取使用者的声纹向量，对所述使用者的声纹向量进行存储。并在进行S52的同时继续进行S51，获取使用者注册语音，对所述使用者注册语音进行声音质量评价，所述使用者注册语音的信噪比高于设定的信噪比的阈值时，记录一次通过次数；直至通过次数总和等于设定的通过次数阈值时停止获取使用者注册语音。上述过程中，完成S51以及S52两个子步骤同时进行，能够减少目标用户注册的时间，提高使用体验。

有时会有陌生人(非目标用户)尝试启动体征检测设备，对于非目标用户体征检测设备不需要进行响应和启动检测。但是为了避免由于获取的最高的所述匹配度评分大于第一设定阈值而造成误判(导致检测设备启动的误判)，需要将第一设定阈值定的较高。但是较高的第一设定阈值会造成声纹模型库中的目标用户的误判(导致检测设备不能启动的误判)。

为了解决上述问题，在进一步优选的体征检测方法实施例中，结合图3所示，在步骤S1以及步骤S2之间还包括步骤S12-1，判断所述启动语音指令语音的内容是否包含预定的唤醒词，如果所述启动语音指令语音的内容包含预定的唤醒词则继续进行步骤S2。由于陌生人(非目标用户)并不知晓预定的唤醒词，因此所述启动语音指令语音的内容不包含预定的唤醒词，无法继续进行步骤S2，以此实现对陌生人使用体征检测设备的过滤。由于上述实施例的体征检测方法不需要较高的第一设定阈值，因此不会由于第一设定阈值过高造成声纹模型库中的目标用户的误判(导致检测设备不能启动的误判)。

在进一步优选的体征检测方法实施例中，在步骤S1以及步骤S2之间还包括以下步骤：对所述启动语音指令进行声音质量评价，判断所述启动语音指令的信噪比是否高于设定的信噪比的阈值，所述启动语音指令的信噪比高于设定的信噪比的阈值时继续进行步骤S2。通过上述声音质量评价的步骤，能够提高启动语音指令的声纹特征向量的质量。在进一步优选的体征检测方法实施例中，结合图4所示，在步骤S1以及步骤S2之间还包括步骤S12-1，判断所述启动语音指令语音的内容是否包含预定的唤醒词，如果所述启动语音指令语音的内容包含预定的唤醒词则继续进行步骤S12-2，对所述启动语音指令进行声音质量评价，所述启动语音指令的信噪比高于设定的信噪比的阈值时继续进行步骤S2。或者，在步骤S1以及步骤S2之间还包括步骤S12-2，对所述启动语音指令进行声音质量评价，所述启动语音指令的信噪比高于设定的信噪比的阈值时继续进行S12-1，判断所述启动语音指令语音的内容是否包含预定的唤醒词，如果所述启动语音指令语音的内容包含预定的唤醒词则继续进行步骤S2。

发明人发现，在步骤S2中，根据所述启动语音指令利用声纹识别模型ECAPA-TDNN和ResNet34形成所述启动语音指令的声纹特征向量的过程中，如果所述启动语音指令包含噪音干扰时，形成的启动语音指令的声纹特征向量稳定性差，并对匹配度评分的获得造成影响。在进一步优选的体征检测方法实施例中，所述声纹识别模型ECAPA-TDNN和ResNet34经过噪音数据训练。例如对输入到声纹识别模型ECAPA-TDNN和ResNet34进行训练的语音数据进行如下处理：(1)添加混响效果，针对体征检测的应用场景，使用不同级别的混响增强。如智能尿检设备安装在厕所的场景，为语音数据添加小房间的混响增强。(2)添加至少一个其他说话人的呓语(一定分贝范围内的持续的说话声)。(3)添加音乐。(4)添加厕所环境下可能遇到的噪音(如水龙头或花洒流水声、手机的闹铃、开关门摩擦、宠物叫声等等)。由于声纹识别模型ECAPA-TDNN和ResNet34经过噪音数据训练，声纹识别模型的噪音鲁棒性得到一定的增强，进而提高了噪音存在场景下用户识别的准确性。

由于形成所述启动语音指令的声纹特征向量的声纹识别模型在进行训练时所用的数据和实际使用过程中使用者的语音指令不同，会导致部分用户识别效果不好。此外，特定用户的声音本身会随时间推移发生变化(如随着年龄会发生变化)，会导致对同一用户的识别效果变差。对上述实施例的体征检测方法进一步改进：在步骤S2中，根据所述启动语音指令利用声纹识别模型形成所述启动语音指令的声纹特征向量；获取的最高的所述匹配度评分大于第二设定阈值且小于第一设定阈值时，利用所述启动语音指令对所述声纹识别模型进行热训练；所述第二设定阈值小于所述第一设定阈值。在一种具体实施例中，第一设定阈值为60％，第二设定阈值为30％，当启动语音指令的声纹特征向量与目标用户的声纹向量的相似度都低于30％(第一阈值)时，则为陌生人；当启动语音指令的声纹特征向量与目标用户的声纹向量的相似度大于30％而低于60％(第二阈值)时，声纹识别模型不能很好的识别这一次的声音，启动热训练；当启动语音指令的声纹特征向量与目标用户的声纹向量的相似度大于60％时，不启动热训练。

在进行所述声纹识别模型的热训练时，训练所述声纹识别模型的声纹输出层(其他层的模型参数被冻结)，在热训练完成后利用新获取的声纹输出层参数替换初始声纹输出层参数，达到声纹识别模型的定制化。加载更新整个声纹识别模型需要耗费的时间相较于仅替换初始声纹输出层参数要更长，会增加进行体征检测所花费的时间。在一种具体实施例中，以ECAPA模型为例，ECAPA模型包括Fbank提取层，归一化层，1024核5维2D卷积层，ReLU激活层，第一BN层，第一1024核SeRes2block特征提取块，第二1024核SeRes2block特征提取块，第三1024核SeRes2block特征提取块，注意力统计池化层，第二BN层，196维全连接层，第三BN层，AAMSoftmax层。其中ECAPA模型的声纹输出层为196维全连接层，在热训练中，除声纹输出层外的参数都被冻结，仅训练声纹输出层。在另一种具体实施例中，以ResNet34模型为例，ResNet34模型包括Fbank提取层，归一化层，32核3×3卷积层，ReLU激活层，第一BN层，第一32核SeResNet特征提取块，第二64核SeResNet特征提取块，第三128核SeResNet特征提取块，第四256核SeResNet特征提取块，注意力统计池化层，256维全连接层，AAMSoftmax层。ResNet34模型的声纹输出层为256维全连接层，在热训练中，除声纹输出层外的参数都被冻结，仅训练声纹输出层。

由于体征检测设备可能处于不同的噪音环境，不同的噪音会对体征检测设备的声纹特征向量造成影响，为了减小噪音对启动语音指令的声纹特征向量的获取结果，对上述实施例的体征检测方法进一步改进：S1，获取使用者的启动语音指令的过程包括获取使用者的原始语音指令，对所述原始语音指令进行静音切除获得所述启动语音指令和环境音的过程，上述静音切除将使用者的原始语音指令切割为包含启动语音指令的部分和包含环境音的部分；对所述环境音进行存储以构成环境音数据集；在步骤S2中，根据所述启动语音指令利用声纹识别模型形成所述启动语音指令的声纹特征向量；获取的最高的所述匹配度评分大于第二设定阈值且小于第一设定阈值时，利用所述启动语音指令和所述环境音数据集对所述声纹识别模型进行热训练；所述第二设定阈值小于所述第一设定阈值。利用使用者所在环境的环境音对声纹识别模型进行训练，能提高声纹识别模型对使用者所在环境的环境音的适应性，进而能提高使用者在所在环境进行体征检测时的匹配度评分和更好的识别正确率。例如，使用者对体征检测设备之前已使用次数为50次，那么所述环境音数据集中包含50个环境音；在使用者进行第51次使用时，在步骤S2中，根据启动语音指令利用声纹识别模型形成启动语音指令的声纹特征向量；获取的最高的匹配度评分大于第二设定阈值且小于第一设定阈值，利用所述启动语音指令和环境音数据集(包含之前已使用50次所形成的50个环境音和本次使用时所形成的1个环境音)对所述声纹识别模型进行热训练。上述方法能提高声纹识别模型对使用者所在环境的环境音的适应性，进而能提高使用者在所在环境进行体征检测时的匹配度评分和更好的识别正确率。

图5为本发明一种实施例的体征检测系统示意图，其包括：

语音接获取模块，获取使用者的启动语音指令；

声纹特征向量形成模块，根据所述启动语音指令形成启动语音指令的声纹特征向量；

声纹向量匹配模块，将所述启动语音指令的声纹特征向量与声纹模型库中的目标用户的声纹向量逐一进行匹配并获得匹配度评分；

阈值比较模块，获取的最高的匹配度评分大于等于第一设定阈值时，所述使用者为目标用户，启动体征检测系统。

此外，结合上述实施例中提供的体征检测方法，本发明一种实施例提供一种存储介质。该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实施例中的任意一种体征检测方法。

在一个实施例中，提供了一种计算装置，该计算装置可以是服务器。该计算装置包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算装置的处理器用于提供计算和控制能力。该计算装置的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算装置的数据库用于存储光伏板热斑检测数据。该计算装置的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种体征检测方法。

本领域技术人员可以理解，上述实施例所述计算装置，仅仅是与本申请方案相关的部分结构，并不构成对本申请方案所应用于其上的计算装置的限定，具体的计算装置可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

应当理解，以上所述的具体实施例仅用于解释本发明，本发明的保护范围并不限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以变更、置换、结合，都应涵盖在本发明的保护范围之内。