一种基于穿衣气象指数的健康预测模型的构建方法及装置

技术领域

本发明属于医学信息领域，具体涉及一种基于穿衣气象指数的健康预测模型的构建方法及装置。

背景技术

“三个月以下宝宝比大人多一层，三个月以上可以和家长穿一样多/少一件”的说法流传已久，但实际操作中略有难度，即使是成人，每个人的体质不同，穿衣也有差异。否则不仅不利于健康，还有可能生病。

随着人们生活水平的提高，儿童特别是3岁以下的儿童的穿衣问题日益受到家长们的重视，而每个儿童对天气变化、穿衣的感受不尽相同，家长需要长时间的陪伴和观察才能准确作出判断：儿童是否对天气敏感、穿衣搭配是否合适是、是否已经患病。

考虑到每个人的身体素质不同，在搭配不同的衣物、搭配的布料质量和厚度对气候的表现不尽相同，所表现出健康影响也不尽相同。目前，还没有出现针对不同人群、不同的穿衣搭配以及在不同气象条件下能够作出健康预测或提醒的技术方案。

发明内容

为解决现有健康预测技术没有综合考虑人群身体素质、穿衣搭配以及气候条件的问题，在本发明的第一方面提供一种基于穿衣气象指数的健康预测模型的构建方法，包括如下步骤：获取不同年龄人群在不同的季节、不同的气候条件下的衣着搭配信息；根据衣着搭配信息和气候信息确定穿衣气象指数；计算人体舒适度指数，根据不同人群在不同人体舒适度指数条件下获取对应的健康风险信息；将所述人体舒适度指数、穿衣气象指数与健康风险信息进行匹配，构建样本数据集；利用所述样本数据集训练多任务卷积神经网络，直至其误差低于阈值且趋于稳定，得到训练好的多任务卷积神经网络；将待预测人的年龄信息、气候信息、穿衣信息输入到所述训练好的多任务卷积神经网络，得到待预测人的健康风险以及穿衣推荐信息。

在本发明的一些实施例中，所述穿衣气象指数根据不同温度范围划分为8个等级。

在本发明的一些实施例中，所述人体舒适度指数计算方法为：ssd＝(1.818t+18.18)(0.88+0.002f)+(t-32)/(45-t)-3.2v+18.2，其中ssd为人体舒适度指数，为t为平均气温，f为相对湿度，v为风速。

进一步的，所述穿衣气象指数分为8个等级。

在本发明的一些实施例中，所述多任务卷积神经网络包括第一卷积神经网络、第二卷积神经网络，所述第一卷积神经网络、第二卷积神经网络共用一个全连接层；所述第一卷积神经网络，用于根据待预测人的年龄信息、气候信息、穿衣信息预测待预测人的健康风险；所述第二卷积神经网络，用于待预测人的年龄信息、气候信息、穿衣信息输出待测人的穿衣推荐信息。

在本发明的一些实施例中，所述将所述人体舒适度指数、穿衣气象指数与健康风险信息进行匹配，构建样本数据集包括如下步骤：将样本人的年龄信息、人体舒适度指数、穿衣气象指数、衣着搭配信息和健康风险信息进行一一匹配，构建第一数据集；将第一数据集进行依次进行数据筛选、标准化、归一化，得到第二数据集；根据聚类算法对第二数据集进行聚类，得到样本数据集。

本发明的第二方面，提供了一种基于穿衣气象指数的健康预测模型的构建装置，包括获取模块、计算模块、构建模块、训练模块、预测模块，所述获取模块，用于获取不同年龄人群在不同的季节、不同的气候条件下的衣着搭配信息；根据衣着搭配信息和气候信息确定穿衣气象指数；所述计算模块，用于计算人体舒适度指数，根据不同人群在人体舒适度指数条件下获取对应的健康风险信息；所述构建模块，用于将所述人体舒适度指数、穿衣气象指数与健康风险信息进行匹配，构建样本数据集；所述训练模块，用于利用所述样本数据集训练多任务卷积神经网络，直至其误差低于阈值且趋于稳定，得到训练好的多任务卷积神经网络；所述预测模块，用于将待预测人的年龄信息、气候信息、穿衣信息输入到所述训练好的多任务卷积神经网络，得到待预测人的健康风险以及穿衣推荐信息。

进一步的，所述预测模块包括第一预测模块、第二预测模块、定位模块，所述第一预测模块，用于根据将待预测人的年龄信息、气候信息、穿衣信息预测待预测人的健康风险；所述第二预测模块，用于根据将待预测人的年龄信息、气候信息、穿衣信息预测输出待测人的穿衣推荐信息；所述定位模块，用于获取待测人所在地理位置信息，并根据所述地理位置信息获取其气候信息。

本发明的第三方面，提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明第一方面提供的方法。

本发明的第四方面，提供了一种计算机可读介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现本发明第一方面提供的方法。

本发明的有益效果是：

1.本发明通过建立在不同的季节、不同的气候条件下穿衣气象指数等级、人体舒适度指数级别、穿衣建议与方案以及对应的疾病和健康风险程度建立跨模态疾病风险预测模型和穿衣推荐模型，并利用卷积神经网络，得到可能的健康和疾病风险概率以及从所有有效衣物中匹配出至少一种穿衣方案和推荐指数，并用于辅助着装管理和健康管理，是一个非常实用、方便、经济的系统；

2.相对于人工繁琐的多条件决策过程，本发明提供了一种健康、快速、有效的穿衣推荐方法。

3.通过设置定位模块，可自动获取气候信息，更加方便快捷的输出穿衣推荐信息或健康风险信息。

附图说明

图1为本发明的一些实施例中的基于穿衣气象指数的健康预测模型的构建方法的基本流程图；

图2为本发明的一些实施例中的基于穿衣气象指数的健康预测模型的构建装置的结构示意图；

图3为本发明的一些实施例中的基于穿衣气象指数的健康预测模型的构建装置的预测模块的结构示意图；

图4为本发明的一些实施例中的电子设备的基本结构图。

具体实施方式

以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。

参考图1，在本发明的第一方面提供一种基于穿衣气象指数的健康预测模型的构建方法，包括如下步骤：S101.获取不同年龄人群在不同的季节、不同的气候条件下的衣着搭配信息；根据衣着搭配信息和气候信息确定穿衣气象指数；S102.计算人体舒适度指数，根据不同人群在不同人体舒适度指数条件下获取对应的健康风险信息；S103.将所述人体舒适度指数、穿衣气象指数与健康风险信息进行匹配，构建样本数据集；S104.利用所述样本数据集训练多任务卷积神经网络，直至其误差低于阈值且趋于稳定，得到训练好的多任务卷积神经网络；S105.将待预测人的年龄信息、气候信息、穿衣信息输入到所述训练好的多任务卷积神经网络，得到待预测人的健康风险以及穿衣推荐信息。

在本发明的一些实施例中，所述穿衣气象指数根据不同温度范围划分为8个等级。具体地，穿衣气象指数一般分8级，指数越小，穿衣的厚度越薄。每个级别对应的温度分别为：一级：炎热。一般温度>28摄氏度。夏季着装：轻棉织物制作的短衣、短裙、薄短裙、短裤；二级：热、舒适。温度一般在24.0～27.9摄氏度之间。夏季着装：棉麻面料的衬衫、薄长裙、薄T恤；三级：舒适。温度一般在21.0～23.9摄氏度之间。春秋过渡装：单层棉麻面料的短套装、T恤衫、薄牛仔衫裤、休闲服、职业套装；四级：凉、舒适。温度一般在18.0～20.9摄氏度之间。春秋过渡装：套装、夹衣、风衣、休闲装、夹克衫、西装、薄毛衣；五级：温凉。温度一般在15.0～17.9摄氏度之间。春秋着装：风衣、大衣、夹大衣、外套、毛衣、毛套装、西装、防寒服；六级：凉。温度一般在11.0～14.9这是度之间。秋冬着装：毛衣、风衣、毛套装、西服套装；七级：冷。温度一般在6.0～10.9摄氏度之间。冬季着装：棉衣、冬大衣、皮夹克、厚呢外套、呢帽、手套、羽绒服、皮袄；八级：寒冷。一般温度<6.0摄氏度。冬季着装：棉衣、冬大衣、皮夹克、厚呢外套、呢帽、手套、羽绒服、皮袄等。

在本发明的一些实施例中，所述人体舒适度指数计算方法为：ssd＝(1.818t+18.18)(0.88+0.002f)+(t-32)/(45-t)-3.2v+18.2，其中ssd为人体舒适度指数，为t为平均气温，f为相对湿度，v为风速。

进一步的，所述穿衣气象指数分为8个等级。具体地，人体舒适度指数分级为8级：4级：人体感觉很热，极不适应，希注意防暑降温，以防中暑；3级：人体感觉炎热，很不舒适，希注意防暑降温；2级：人体感觉偏热，不舒适，可适当降温；1级：人体感觉偏暖，较为舒适；0级：人体感觉最为舒适，最可接受；-1级：人体感觉略偏凉，较为舒适；-2级：人体感觉较冷(清凉)，不舒适，请注意保暖；-3级：人体感觉很冷，很不舒适，希注意保暖防寒；-4级：人体感觉寒冷，极不适应，希注意保暖防寒，防止冻伤。再比如，以秋冬季节儿童穿了过多的衣服过度保暖为例。比如在皮肤上，尤其对于湿疹宝宝来说，衣服穿太多，出汗多，皮肤干燥就会加重湿疹与瘙痒；比如由于儿童出汗多，导致尿少，更容易患有一些泌尿系统疾病；比如儿童过度出汗，水分丢失过多，还会导致大便干燥、排便困难等便秘的症状；过多的出汗也会因为呼吸道黏膜的干燥，引起呼吸道感染机会的增加，有很多研究显示，穿衣过多和儿童反复呼吸道感染是呈正相关的。由于儿童的新陈代谢比较快，而且儿童天生好动，活动量相较成人大。如果穿太多出汗，冷风一吹，反而更容易感冒。当儿童感冒的时候，有些父母常常担心儿童会再受凉，使劲给儿童添衣，这会让儿童非常难受，而且，发热的时候如果还捂热，甚至可能诱发高热惊厥。穿得过厚，就会降低身体对气温变化的适应能力，反而会让儿童机体的调整能力变差，抗病能力反而变弱。可以理解，上述仅示出了穿衣气象指数与皮肤、呼吸道、肠道等方面的健康信息，不应理解作为上述由穿衣不当引起的疾病信息的限定，例如心脏疾病、血管疾病等。

在本发明的一些实施例中，所述多任务卷积神经网络包括第一卷积神经网络、第二卷积神经网络，所述第一卷积神经网络、第二卷积神经网络共用一个全连接层；所述第一卷积神经网络，用于根据待预测人的年龄信息、气候信息、穿衣信息预测待预测人的健康风险；所述第二卷积神经网络，用于待预测人的年龄信息、气候信息、穿衣信息输出待测人的穿衣推荐信息。优选的，所述第一卷积神经网络、第二卷积神经网络为深度卷积神经网络(DNN，Deep Neural Networks)。

在本发明的一些实施例中，所述将所述人体舒适度指数、穿衣气象指数与健康风险信息进行匹配，构建样本数据集包括如下步骤：将样本人的年龄信息、人体舒适度指数、穿衣气象指数、衣着搭配信息和健康风险信息进行一一匹配，构建第一数据集；将第一数据集进行依次进行数据筛选、标准化、归一化，得到第二数据集；根据聚类算法对第二数据集进行聚类，得到样本数据集。

可选的聚类算法有：原型聚类、层次聚类、密度聚类。K-means算法是最常用的一种聚类算法。算法的输入为一个样本集(或者称为点集)，通过该算法可以将样本进行聚类，具有相似特征的样本聚为一类。针对每个点，计算这个点距离所有中心点最近的那个中心点，然后将这个点归为这个中心点代表的簇。一次迭代结束之后，针对每个簇类，重新计算中心点，然后针对每个点，重新寻找距离自己最近的中心点。如此循环，直到前后两次迭代的簇类没有变化。

参考图2，本发明的第二方面，提供了一种基于穿衣气象指数的健康预测模型的构建装置1，包括获取模块11、计算模块12、构建模块13、训练模块14、预测模块15，所述获取模块11，用于获取不同年龄人群在不同的季节、不同的气候条件下的衣着搭配信息；根据衣着搭配信息和气候信息确定穿衣气象指数；所述计算模块12，用于计算人体舒适度指数，根据不同人群在人体舒适度指数条件下获取对应的健康风险信息；所述构建模块13，用于将所述人体舒适度指数、穿衣气象指数与健康风险信息进行匹配，构建样本数据集；所述训练模块14，用于利用所述样本数据集训练多任务卷积神经网络，直至其误差低于阈值且趋于稳定，得到训练好的多任务卷积神经网络；所述预测模块15，用于将待预测人的年龄信息、气候信息、穿衣信息输入到所述训练好的多任务卷积神经网络，得到待预测人的健康风险以及穿衣推荐信息。

具体地，上述穿衣推荐信息包括但不限于以下形式：比如，温度在4.0～5.0摄氏度之间。儿童如果穿着的是单衣、单裤。那么，人体会感觉冷，很不舒适，这时要注意防寒，防止感冒。也就是说，感冒的风险很高。5℃左右上衣着装方案推荐：外套：羽绒服、羊绒大衣、皮夹克；打底：毛衫、保暖内衣；围巾：毛线围巾、呢质围巾、棉毛质围巾；手套：棉手套、皮手套；帽子：毛线帽。年老体弱者建议穿着厚军大衣、冬大衣或者厚羽绒服等；5℃左右裤子方案：厚拉绒紧身裤、羽绒裤、保暖裤、厚棉裤、牛仔裤、棉裤等或休闲裤与保暖裤搭配。5℃左右裤子的选择：这样的天气通常寒冷、干燥，腿脚的保暖尤为重要，不建议只穿一条裤子，建议穿着保暖裤外加裤子等。5℃左右穿的鞋子推荐：鞋子：短靴、高筒靴、雪地靴、棉鞋、旅游鞋；袜子：棉线袜、厚线袜、天鹅绒裤袜。建议穿着厚袜加上棉鞋或者旅游鞋，由于运动鞋大多透气不建议穿着，下雪天气可穿上雪地靴，鞋子建议购买鞋底厚一些。这样传递温度较慢，冷气上升的慢。

参考图3，进一步的，所述预测模块5包括第一预测模块、第二预测模块、定位模块，所述第一预测模块，用于根据将待预测人的年龄信息、气候信息、穿衣信息预测待预测人的健康风险；所述第二预测模块，用于根据将待预测人的年龄信息、气候信息、穿衣信息预测输出待测人的穿衣推荐信息；所述定位模块，用于获取待测人所在地理位置信息，并根据所述地理位置信息获取其气候信息。

为了便于待预测人(用户、使用者)根据需要了解天气情况和快捷的选择适合天气的衣服，节省时间，为日常生活带来便利。具体地，预测模块还包括用于设定出行目的城市和提醒时间的设定单元；GPS单元；用于获取天气预报信息的获取单元；连接设定单元和GPS单元的控制单元，当系统时间到达提醒时间时控制单元根据出行目的城市与接收的卫星定位信息在同一城市的判断结果控制获取单元获取本地城市的天气预报信息，根据设定的出行目的城市与接收的卫星定位信息不在同一城市的判断结果控制获取单元获取本地城市和出行目的城市的天气预报信息，控制显示单元显示获取单元传输过来的天气预报信息以及控制语音播报单元播报获取单元传输过来的天气预报信息。

本发明的第三方面，提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明第一方面提供的基于曲率约束的引导线生成方法。

参考图4，电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。

通常以下装置可以连接至I/O接口505：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507；包括例如硬盘等的存储装置508；以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图4示出了具有各种装置的电子设备500，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图4中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置509从网络上被下载和安装，或者从存储装置508被安装，或者从ROM502被安装。在该计算机程序被处理装置501执行时，执行本公开的实施例的方法中限定的上述功能。需要说明的是，本公开的实施例所描述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个计算机程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++、Python，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。