电子设备、手部按压深度检测方法、系统以及穿戴设备与流程

1.本技术属于图像处理技术领域，具体而言，涉及一种电子设备、手部按压深度检测方法、系统以及穿戴设备


背景技术：

2.据估计，加拿大和美国每年共有33万例院外心脏骤停(ohca)导致的死亡。在治疗的ohca中，总体生存率很低，出院率从3.0％到16.3％不等。患者生存率的差异可部分归因于下列5个重要环节：快速紧急医疗系统(ens)通道、早期心肺复苏(cpr)、早期除颤、早期高级生命支持(acls)、有效的复苏后治疗。近些年，在社区和医院大力加强上述环节后，生存率也只得到轻微的提高。人们已经认识到心脏复苏中cpr的质量、次数和及时性对心脏骤停患者的生存至关重要。相关的研究发现，cpr时按压深度的增加与生存率改善的程度密切相关，而当按压深度为4.03-5.53cm(峰值4.56cm)时，患者的生存率最高。但是在实际的心脏复苏的过程中，由于缺乏测量深度的工具，很难评价心脏复苏中的按压深度。传统的接触式测量测距精度高、稳定性好，但由于受到体积、质量、安装条件、结构以及操作不方便等因素影响而得不到广泛利用；在实际情况中也很难实现在按压者和患者身上通过接触性的仪器进行测距。
3.目前的手部按压深度检测方法的准确性还有待进一步提升。


技术实现要素：

4.本技术为了改善上述现有技术的不足，提出了电子设备、手部按压深度检测方法、系统以及穿戴设备。
5.在一些实施方式中，提出一种电子设备，用于用户为患者提供心肺复苏场景中检测用户按压动作深度，所述电子设备至少包括处理器；
6.所述处理器被配置为执行如下步骤：
7.获取图像采集设备提供的视频，所述视频中包含按照时间顺序生成的视频帧序列的多个图像；其中，每个所述图像中包含有所述用户按压患者时按压部位附近佩戴的穿戴设备，所述穿戴设备上设置有所述穿戴设备的定位标志图像作为跟踪框；
8.根据所述视频帧序列中的至少一帧图像识别所述图像中的穿戴设备中的跟踪框；
9.跟踪所述视频帧序列中的多个图像中所述跟踪框在按压方向上位置的起伏变化；
10.根据所述位置的起伏变化确定用户按压动作的深度并将所述按压动作的深度输出到所述电子设备和/或所述穿戴设备。
11.在一些实施方式中，根据所述视频帧序列中的至少一帧图像识别所述图像中的穿戴设备中的跟踪框，具体包括：
12.同时根据预先设定的穿戴设备的背景图像的形状和颜色，以及根据预先设定的所述背景图像中的局部图像的颜色和形状识别所述跟踪框。
13.在一些实施方式中，根据所述视频帧序列中的至少一帧图像识别所述图像中的穿
戴设备中的跟踪框，具体包括：
14.将所述至少一个图像转换到hsv颜色空间，提取图像中的颜色特征，所述提取出的颜色特征与预先设定的颜色特征一致，所述预先设定的颜色特征包含所述预先设定的背景图像的颜色特征以及预先设定的所述局部图像的颜色特征；
15.在所述提取出的颜色特征所对应的图像区域中，根据预先设定的背景图像的形状和颜色以及所述局部图像的形状和颜色，提取方向梯度直方图特征和灰度共生矩阵特征；
16.将所述方向梯度直方图特征和灰度共生矩阵特征作为分类器的输入识别穿戴设备中的跟踪框；
17.所述分类器是预先训练过的，训练所述分类器时将所述预先设定的背景图像的形状和颜色以及所述局部图像的形状和颜色作为输入。
18.在一些实施方式中，所述预先设定的背景图像为红色矩形区域或绿色矩形区域；所述预先设定的局部图像包括所述红色矩形区域或所述绿色矩形区域中的多个白色矩形区域和黑色矩形区域；
19.所述多个白色矩形区域的其中一个位于所述红色矩形区域或绿色矩形区域的中心，所述多个白色矩形区域至少部分位于红色矩形区域或绿色矩形区域的至少相对的两个边上，所述白色方形区域所在的位置与矩形中位线相交。
20.在一些实施方式中，所述图像采集设备为所述电子设备上的摄像头，通过所述摄像头对佩戴有穿戴设备的用户进行拍摄；
21.所述穿戴设备为手环，所述手环包括腕带，所述腕带上设置有硬质方形区域，所述硬质方形区域的背景颜色为红色或绿色，所述的硬质方形区域的中心设置有白色方形区域，和/或所述硬质方形区域的至少相对的两个边上分别设置有白色方形区域，所述白色方形区域所在的位置与矩形中位线相交。
22.在一些实施方式中，跟踪所述视频帧序列中的多个图像中所述跟踪框在按压方向上位置的起伏变化，具体包括：
23.采用kcf算法对所述跟踪框进行跟踪，所述kcf算法至少融合方向梯度直方图特征、颜色域和分类器的得分。
24.在一些实施方式中，根据所述位置的起伏变化确定用户按压动作的深度并将所述按压动作的深度输出到所述电子设备的显示器和/或所述穿戴设备的显示器，或者在所述显示器或所述穿戴设备上输出语音提示信息。
25.本技术一些实施方式中提供一种穿戴设备，所述穿戴设备用于上述电子设备场景中，用于用户为患者提供心肺复苏场景中佩戴在用户的按压部位附近，使得摄像头拍摄用户为患者提供心肺复苏的视频图像并提供给电子设备，通过电子设备识别所述视频图像中的穿戴设备并跟踪穿戴设备上的跟踪框；
26.所述穿戴设备设置有硬质方形区域，所述硬质方形区域的背景颜色为红色或绿色，所述硬质方形区域设置有白色方形区域。
27.在一些实施方式中，所述硬质方形区域设置有白色方形区域，具体包括：
28.所述硬质方形区域的中心设置有白色方形区域；和/或
29.所述硬质方形区域的四边上至少其中两个相对的边上设置有白色方形区域；和/或
30.所述硬质方形区域的两个中位线上设置有黑色条形区域，所述黑色条形区域从所述硬质方形区域的中心延伸到四个边中的一个或多个边上。
31.在一些实施方式中，所述硬质方形区域的红色或绿色背景图像的周边设置有白色线条，所述白色线条为所述硬质方形区域的红色或绿色背景图像的轮廓。
32.在一些实施方式中，所述跟踪框包括所述白色方形区域的轮廓、所述黑色条形区域的轮廓、所述红色或绿色背景图像的轮廓中的之一或任意两个或两个以上的组合。
33.在一些实施方式中，所述穿戴设备为佩戴在手腕上的手环，所述手环包括腕带，所述腕带上设置有所述硬质方形区域。
34.在一些实施方式中，多个所述硬质方形区域的背景颜色不相同并且不构成中心对称或轴对称。
35.本技术实施例提供一种手部按压深度检测方法，包括：
36.获取图像采集设备提供的视频，所述视频中包含按照时间顺序生成的视频帧序列的多个图像；其中，每个所述图像中包含有所述用户按压患者时按压部位附近佩戴的穿戴设备，所述穿戴设备上设置有所述穿戴设备的定位标志图像作为跟踪框；
37.根据所述视频帧序列中的至少一帧图像识别所述图像中的穿戴设备中的跟踪框；
38.跟踪所述视频帧序列中的多个图像中所述跟踪框在按压方向上位置的起伏变化；
39.根据所述位置的起伏变化确定用户按压动作的深度并将所述按压动作的深度输出到所述电子设备和/或所述穿戴设备。
40.在一些实施方式中，根据所述视频帧序列中的至少一帧图像识别所述图像中的穿戴设备中的跟踪框，具体包括：
41.同时根据预先设定的穿戴设备的背景图像的形状和颜色，以及根据预先设定的所述背景图像中的局部图像的颜色和形状识别所述跟踪框。
42.在一些实施方式中，根据所述视频帧序列中的至少一帧图像识别所述图像中的穿戴设备中的跟踪框，具体包括：
43.将所述至少一个图像转换到hsv颜色空间，提取图像中的颜色特征，所述提取出的颜色特征与预先设定的颜色特征一致，所述预先设定的颜色特征包含所述预先设定的背景图像的颜色特征以及预先设定的所述局部图像的颜色特征；
44.在所述提取出的颜色特征所对应的图像区域中，根据预先设定的背景图像的形状和颜色以及所述局部图像的形状和颜色，提取方向梯度直方图特征和灰度共生矩阵特征；
45.将所述方向梯度直方图特征和灰度共生矩阵特征作为分类器的输入识别穿戴设备中的跟踪框；
46.所述分类器是预先训练过的，训练所述分类器时将所述预先设定的背景图像的形状和颜色以及所述局部图像的形状和颜色作为输入。
47.在一些实施方式中，所述预先设定的背景图像为红色矩形区域或绿色矩形区域；所述预先设定的局部图像包括所述红色矩形区域或所述绿色矩形区域中的多个白色矩形区域和黑色矩形区域；
48.所述多个白色矩形区域的其中一个位于所述红色矩形区域或绿色矩形区域的中心，所述多个白色矩形区域至少部分位于红色矩形区域或绿色矩形区域的至少相对的两个边上，所述白色方形区域所在的位置与矩形中位线相交。
49.在一些实施方式中，所述图像采集设备为所述电子设备上的摄像头，通过所述摄像头对佩戴有穿戴设备的用户进行拍摄；
50.所述穿戴设备为手环，所述手环包括腕带，所述腕带上设置有硬质方形区域，所述硬质方形区域的背景颜色为红色或绿色，所述的硬质方形区域的中心设置有白色方形区域，和/或所述硬质方形区域的至少相对的两个边上分别设置有白色方形区域，所述白色方形区域所在的位置与矩形中位线相交。
51.在一些实施方式中，跟踪所述视频帧序列中的多个图像中所述跟踪框在按压方向上位置的起伏变化，具体包括：
52.采用kcf算法对所述跟踪框进行跟踪，所述kcf算法至少融合方向梯度直方图特征、颜色域和分类器的得分。
53.本技术实施例提供一种手部按压深度检测系统，包括电子设备、穿戴设备；
54.所述电子设备包括：
55.一个或多个处理器；
56.存储装置，其上存储有一个或多个程序，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上述任一一个实施例所述的方法。
57.本技术实施例提供一种非瞬态计算机可读存储介质，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上述任一一个实施例所述的方法。
58.本技术提供的电子设备，用于用户为患者提供心肺复苏场景中检测用户按压动作深度，所述电子设备至少包括处理器；所述处理器被配置为获取图像采集设备提供的视频，所述视频中包含按照时间顺序生成的视频帧序列的多个图像；其中，每个所述图像中包含有所述用户按压患者时按压部位附近佩戴的穿戴设备，所述穿戴设备上设置有所述穿戴设备的定位标志图像作为跟踪框；以及根据所述视频帧序列中的至少一帧图像识别所述图像中的穿戴设备中的跟踪框；以及跟踪所述视频帧序列中的多个图像中所述跟踪框在按压方向上位置的起伏变化；以及根据所述位置的起伏变化确定用户按压动作的深度并将所述按压动作的深度输出到所述电子设备和/或所述穿戴设备，以提高对用户按压动作的深度检测的准确性。
附图说明
59.通过参考附图会更加清楚的理解本技术的特征和优点，附图是示意性的而不应理解为对本技术进行任何限制，在附图中：
60.图1为本技术一些实例中的手部按压深度检测方法、检测装置运行的系统架构示意图；
61.图2为本技术一些实施例中的手部按压深度检测方法中拍摄视频的示意图；
62.图3为本技术一些实施例中的手环结构示意图；
63.图4为本技术一些实施例中的手环结构示意图；
64.图5为本技术一些实施例中的手环结构示意图；
65.图6为本技术一些实施例手部按压深度检测方法流程示意图；
66.图7为本技术一些实施例中的手部按压深度检测方法中跟踪坐标位置检测结果示意图；
67.图8为本技术一些实施例中的手部按压深度检测方法中跟踪坐标位置检测结果示意图；
68.图9为本技术一些实施例中手部按压深度检测方法检测到的跟踪框的示意图；
69.图10为本技术一些实施例中根据所述视频帧序列中的至少一帧图像识别所述图像中的穿戴设备中的跟踪框实现方式流程示意图；
70.图11为其示出了适于用来实现本技术实施例的控制设备的计算机系统的结构示意图。。
具体实施方式
71.为了能够更清楚地理解本技术的上述目的、特征和优点，下面结合附图和具体实施方式对本技术进行进一步的详细描述。需要说明的是，在不冲突的情况下，本技术的实施例及实施例中的特征可以相互组合。
72.在下面的描述中阐述了很多具体细节以便于充分理解本技术，但是，本技术还可以采用其他不同于在此描述的其他方式来实施，因此，本技术的保护范围并不受下面公开的具体实施例的限制。
73.图1示出了可以应用本技术实施例的手部按压深度检测系统、手部按压深度检测方法、手部按压深度检测装置、电子设备、穿戴设备等实施例的示例性系统架构100。
74.如图1所示，系统架构100可以包括终端设备101、终端设备102、终端设备103，网络104和服务器105。网络104用以在终端设备101、终端设备102、终端设备103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
75.用户可以使用终端设备101、终端设备102、终端设备103中的一个或多个通过网络104与服务器105交互，以接收或发送数据(例如视频)等。终端设备101、终端设备102、终端设备103上可以安装有各种通讯客户端应用，例如视频播放软件、视频处理类应用、网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
76.终端设备101、终端设备102、终端设备103可以是硬件，比如可以是具有显示屏并且支持数据传输的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机、台式计算机、智能穿戴设备等等。其中，智能穿戴设备可以是智能眼镜、智能手环、智能头盔等。
77.当终端设备101、终端设备102、终端设备103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。
78.服务器105可以是提供各种服务的服务器，例如对终端设备101、终端设备102、终端设备103上显示的视频提供支持的后台服务器。后台服务器可以对接收到的切片请求等数据进行分析等处理，并将处理结果(例如索引到的切面或者切片序列)反馈给与其通信连接的电子设备(例如终端设备)。
79.需要说明的是，本技术实施例所提供的手部按压深度检测方法可以由处理器执行，相应地，手部按压深度检测方法的计算机程序可以至于非易失性计算机可读存储介质中，，可以由处理器获取所述计算机可读存储介质的指令并执行。
80.所述处理器和存储器可以至于终端设备，如手机或电脑或穿戴设备，或所述处理器和存储器置于服务器中。或者，所述处理器和所述存储器分别可以为一个或多个，若为多个时，可以部分处理器或部分存储器至于服务器，部分至于终端设备。
81.需要说明的是，服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。
82.应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。当直播流播放方法运行于其上的电子设备不需要与其他电子设备进行数据传输时，该系统架构可以仅包括手部按压深度检测方法运行于其上的电子设备(例如终端设备101、102、103或服务器105)。
83.本技术手部按压深度检测方法用于用户为患者提供心肺复苏场景中检测用户按压动作深度。按压深度通过测距实现，测距精度的准确性影响按压深度的准确性。
84.影响测距精度的因素很多，但硬件因素的影响可以通过选取高分辨率的ccd摄像机、高采样频率的图像采集卡等高品质硬件，各种环境因素的限制。因为手机的款式不同，通过软件算法来提高系统测距精度的方法是相对有效的途径。
85.目前尝试过的方案为通过图像测距实现按压深度检测。比如，在按压场景中增设标定物(比如，有明显的颜色特征且长宽已知等)，通过此标定物标定相机、校正图像，从而获取图像的距离精度，得到目标的测量距离。但是在心脏按压的过程中，很难设定一个长宽已知的标定物。
86.本技术实施例测距方案是：结合传统的刻度尺测量思想，通过数字图像处理，提取出按压时的穿戴设备(如手环)，通过穿戴设备移动的垂直距离，用算法辅助计算来完成保证速度和精度的测距。
87.为了更准确和快速测量用户按压动作深度，本技术提出一种系统，如图2所示，所述系统包括：电子设备(如手机01)、穿戴设备(如手环02)；
88.示例性的，如图2所示，手机01具有拍摄功能或可实时拍摄视频得到视频数据，所述视频内容中包含用户为患者提供心肺复苏按压动作。所述手机还用于处理视频数据，识别视频数据中用户按压动作以及按压深度。
89.识别按压深度可以识别用户按压所用的手在按压时的起伏变化，确定按压深度。为了提高识别的准确性，避免手部颜色和视频中相似颜色的混淆，检测可能具有鲁莽性，还可以在按压的手上佩戴标定物，通过跟踪该标定物随着手部按压的起伏运动，确定手部按压深度。
90.图2中，所述用户手腕上佩戴的手环02为提供按压深度检测时按压动作附近佩戴的标定物，便于手机快速识别图片中的标定物并跟踪所述标定物，根据所述标定物的变化起伏确定按压深度，以提高按压深度检测的准确性。
91.所述标定物为检测按压动作起伏位置变化时的参考物，所述标定物可以为整个手环，或者为手环中局部位置的图形/颜色中的一个或多个特征的组合。
92.本技术实施例为了降低检测鲁莽可能性，提高检测准确性，提供一种穿戴设备作为标定物。
93.一种穿戴设备，用于用户为患者提供心肺复苏场景中佩戴在用户的按压部位附近，使得摄像头拍摄用户为患者提供心肺复苏的视频图像时同时拍摄该穿戴设备，并将视频提供给电子设备，电子设备通过识别所述视频图像中的穿戴设备并跟踪穿戴设备上的跟踪框，使得电子设备根据所述跟踪框的上下起伏位置变化确定按压深度。
94.为了防止穿戴设备软质时容易变形，导致检测难度加大或检测按压深度的准确度降低，所述穿戴设备设置有硬质方形区域，所述硬质方形区域的背景颜色为可以为白色，红色，黄色或绿色等。
95.示例性的，参见图3～图5，提供一种穿戴设备为手环，所述手环配置为可佩戴在用户手腕上。所述手环包括腕带20，所述腕带20上设置有硬质方形区域21，所述硬质方形区域21的背景颜色为如图4或图5所示的红色或绿色区域。
96.一些实施方式中，所述硬质方形区域设置有白色方形区域，具体包括：所述硬质方形区域的中心设置有白色方形区域；和/或所述硬质方形区域的四边上至少其中两个相对的边上设置有白色方形区域；和/或所述硬质方形区域的两个中位线上设置有黑色条形区域，所述黑色条形区域从所述硬质方形区域的中心延伸到四个边中的一个或多个边上。
97.示例性的，参见图3～图5，所述的硬质方形区域21的中心设置有白色方形区域22，和/或所述硬质方形区域21的至少相对的两个边上分别设置有白色方形区域23，所述白色方形区域23所在的位置与矩形中位线相交。所述硬质方形区域21的两个中位线上设置有黑色条形区域24，所述黑色条形区域24从所述硬质方形区域的中心延伸到四个边上。
98.一些实施方式中，所述硬质方形区域的红色或绿色背景图像的周边设置有白色线条，所述白色线条为所述硬质方形区域的红色或绿色背景图像的轮廓。
99.示例性的，参见图3～图5，所述硬质方形区域21的红色或绿色背景图像的周边设置有白色线条25。白色线条为所述硬质方形区域21的红色或绿色背景图像的轮廓。
100.上述的电子设备通过识别所述视频图像中的穿戴设备并跟踪穿戴设备上的跟踪框，使得电子设备根据所述跟踪框的上下起伏位置变化确定按压深度，其中，所述跟踪框包括所述白色方形区域的轮廓、所述黑色条形区域的轮廓、所述红色或绿色背景图像的轮廓中的之一或任意两个或两个以上的组合。
101.在一些实施方式中，多个所述硬质方形区域21的背景颜色不相同并且不构成中心对称或轴对称。例如上方的两个是绿色，左下方的是红色，右下方的是蓝色。本领域的技术人员应当明白，也可以换成其他不对称的颜色组合。这种不对称的颜色组合可以在一些定位算法(例如harris算法的特征点定位场景)中，避免因为对称而造成识别不准的问题，从而进一步提升识别效果。
102.因图3～5的图形相同，唯有颜色不同，因此，图4所示的每一个附图标记适用于图3和图5中对应的图形，图3和图5没有进行附图标记。
103.本技术实施例提供的手部按压深度检测方法包括如图6所示的步骤：
104.s1:处理器获取图像采集设备提供的视频，所述视频中包含按照时间顺序生成的视频帧序列的多个图像；
105.所述处理器可以为电子设备上的处理器，如，移动终端上的处理器，或者服务器上的处理器，或穿戴设备上的处理器等。
106.所述图像采集设备可以为电子设备上的摄像头或独立于电子设备的摄像头。
107.所述视频为处理器实时接收到的摄像头拍摄的视频，或离线视频。
108.其中，每个所述图像中包含有所述用户按压患者时按压部位附近佩戴的穿戴设备，所述穿戴设备上设置有所述穿戴设备的定位标志图像作为跟踪框。
109.示例性的，以处理器为手机上的处理器，图像采集设备为手机上的前置或后置摄像为例。如图2所示，用户实时为患者提供心肺复苏，手机上的摄像头实时拍摄按压患者的画面，用户按压患者时佩戴上述的穿戴设备，如手环。将该画面提供给手机的处理器处理，处理器根据获取的视频得到多幅图像。
110.s2：处理器根据所述视频帧序列中的至少一帧图像识别所述图像中的穿戴设备中的跟踪框；
111.步骤s1中可以作为跟踪框的定位标志图像是预先在所述检测方法中设定的。
112.步骤s2，一些实施方式为：至少可以同时根据预先设定的穿戴设备的背景图像的形状和颜色，以及根据预先设定的所述背景图像中的局部图像的颜色和形状识别所述跟踪框。
113.示例性的，在手机拍摄一段时间的视频后，处理器根据该段时间的接收的视频确定跟踪框。比如按照时间顺序，拍摄开始后获取到图像1、图像2、图像3、
…
、图像30；根据预先设定的跟踪框识别方法识别所述图像中的跟踪框。所述图像1、图像2、图像3、
…
、图像30为实际按照时间顺序的图像，也可以为抽样值，比如，每间隔5个实际图片抽样一个图像作为图像1、图像2、图像3、
…
、图像30。
114.s3：处理器跟踪所述视频帧序列中的多个图像中所述跟踪框在按压方向上位置的起伏变化；
115.在一些实施方式中，采用kcf算法对所述跟踪框进行跟踪，所述kcf算法至少融合方向梯度直方图特征、颜色域和分类器的得分。
116.示例性的，步骤s2确定跟踪框后，接着在后续的视频图像中跟踪该跟踪框，并确定每一图像中跟踪框的最顶点和最低点的坐标，得到一系列坐标位置，如图7所示。
117.图7中横坐标为按照时间顺序生成的视频帧序列的多个图像，纵坐标为跟踪框的运动轨迹的最高点和最低点的坐标。
118.去除异常点后，对每一次按压只选取一组极点(最高点和最低点)，本文抽样分别在1-100，500-600帧区间选取了手环的按压峰值，进行测量，得到结果如图8所示，为运动高度的波峰波谷信息。附图8中的x和y为数据的横坐标，y为数值的纵坐标。
119.s4：处理器根据所述位置的起伏变化确定用户按压动作的深度并将所述按压动作的深度输出到所述电子设备和/或所述穿戴设备；
120.一些实施方式中，根据所述位置的起伏变化确定用户按压动作的深度并将所述按压动作的深度输出到所述电子设备的显示器和/或所述穿戴设备的显示器，或者在所述显示器或所述穿戴设备上输出语音提示信息。
121.示例性的，所述按压深度输出到如下至少之一或组合，比如输出到手机的显示屏、语音播报的方式输出、输出给用户的穿戴设备或其他设备，比如用户佩戴的智能眼镜或智能手表、其他终端设备供其他人监测或参考等，比如远程医疗的医生，或患者的家属等。
122.上述步骤2中，根据所述视频帧序列中的至少一帧图像识别所述图像中的穿戴设备中的跟踪框。
123.在实际应用场景中，比如，如图9所示，得到手环的跟踪框，跟踪框包括硬质方形区域和腕带的一部分。
124.上述步骤3～4中，首先对于极点给出轨迹图，并根据轨迹对应的帧数，进行处理得到相应的标定物(如手环)，计算出现在图像中的手环的像素宽度，兑换手环实际长度和图像中像素宽度的比例，通过canny边缘和外切边框可以有效地提取出手环的宽度。
125.具体的，步骤2中，根据所述视频帧序列中的至少一帧图像识别所述图像中的穿戴设备中的跟踪框，具体包括如图10所示的步骤：
126.s21:处理器将所述至少一个获取的视频中的原始图像转换到hsv颜色空间，提取图像中的颜色特征，所述提取出的颜色特征与预先设定的颜色特征一致，所述预先设定的颜色特征包含所述预先设定的背景图像的颜色特征以及预先设定的所述局部图像的颜色特征；
127.示例性的，获取图4或5所示的手环被用户佩戴时的图像，提取图像中的绿色/红色。为了进一步快速准确提出目标红色或目标绿色的矩形区域，需要提取具有黑色和白色线条附近的绿色或红色区域，因此需要提取白色、黑色、红色和绿色的区域。预先设定的背景颜色为矩形红色或矩形绿色，预先设定的局部图像的颜色特征为黑色和白色中的至少之一。
128.s22：处理器在所述提取出的颜色特征所对应的图像区域中，根据预先设定的背景图像的形状和颜色以及所述局部图像的形状和颜色，对颜色进行过滤，提取方向梯度直方图特征和灰度共生矩阵特征；
129.在一些实施方式中，所述预先设定的背景图像为红色矩形区域或绿色矩形区域；所述预先设定的局部图像包括所述红色矩形区域或所述绿色矩形区域中的多个白色矩形区域和黑色矩形区域；
130.所述多个白色矩形区域的其中一个位于所述红色矩形区域或绿色矩形区域的中心，所述多个白色矩形区域至少部分位于红色矩形区域或绿色矩形区域的至少相对的两个边上，所述白色方形区域所在的位置与矩形中位线相交。
131.示例性的，如图4或5所示的手环，在步骤21中得到颜色特征后，根据如下预设的特征进一步保留目标特征，过滤干扰区域。
132.参见图4～5，预设的需要保留的特征如下：
133.所述红或绿色区域为矩形或方形；和/或
134.所述红或绿色区域为中心具有白色方块；和/或
135.所述红或绿色的矩形区域四边上至少其中两个相对的边上设置有白色方块；和/或
136.所述红或绿色的矩形区域两个中位线上设置有黑色条形区域，，所述黑色条形区域从所述硬质方形区域的中心延伸到四个边中的一个或多个边上。
137.在颜色过滤后的特征的基础上，基于提取出的上述颜色和图形特征提取方向梯度直方图特征和灰度共生矩阵特征。
138.方向梯度直方图(histogram of oriented gradient,hog)特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。hog特征通过计算和统计图像局部区域的梯度方向直方图来构成特征。hog特征是图像的一种特征。
139.灰度共生矩阵就是一种通过研究灰度的空间相关特性来描述纹理的常用方法。灰度直方图是对图像上单个象素具有某个灰度进行统计的结果，而灰度共生矩阵是对图像上保持某距离的两象素分别具有某灰度的状况进行统计得到的。
140.s23：处理器将所述方向梯度直方图特征和灰度共生矩阵特征作为分类器的输入识别穿戴设备中的跟踪框；
141.所述分类器是预先训练过的，训练所述分类器时将所述预先设定的背景图像的形状和颜色以及所述局部图像的形状和颜色作为输入。
142.上述图6所述的方法，可以由电子设备上的处理器执行，则本技术提供一种电子设备，用于用户为患者提供心肺复苏场景中检测用户按压动作深度，所述电子设备至少包括处理器；
143.所述处理器被配置为执行如下步骤：
144.获取图像采集设备提供的视频，所述视频中包含按照时间顺序生成的视频帧序列的多个图像；其中，每个所述图像中包含有所述用户按压患者时按压部位附近佩戴的穿戴设备，所述穿戴设备上设置有所述穿戴设备的定位标志图像作为跟踪框；
145.根据所述视频帧序列中的至少一帧图像识别所述图像中的穿戴设备中的跟踪框；
146.跟踪所述视频帧序列中的多个图像中所述跟踪框在按压方向上位置的起伏变化；
147.根据所述位置的起伏变化确定用户按压动作的深度并将所述按压动作的深度输出到所述电子设备和/或所述穿戴设备。
148.上述图6所述的方法，可以适用于一种手部按压深度检测系统，所述系统包括电子设备、穿戴设备；
149.所述电子设备包括：
150.一个或多个处理器；
151.存储装置，其上存储有一个或多个程序，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如下步骤：
152.获取图像采集设备提供的视频，所述视频中包含按照时间顺序生成的视频帧序列的多个图像；其中，每个所述图像中包含有所述用户按压患者时按压部位附近佩戴的穿戴设备，所述穿戴设备上设置有所述穿戴设备的定位标志图像作为跟踪框；
153.根据所述视频帧序列中的至少一帧图像识别所述图像中的穿戴设备中的跟踪框；
154.跟踪所述视频帧序列中的多个图像中所述跟踪框在按压方向上位置的起伏变化；
155.根据所述位置的起伏变化确定用户按压动作的深度并将所述按压动作的深度输出到所述电子设备和/或所述穿戴设备。
156.上述图6所述的方法，可以是一种非瞬态计算机可读存储介质中存储的指令，在执行该指令时实现上述步骤，即实现：
157.获取图像采集设备提供的视频，所述视频中包含按照时间顺序生成的视频帧序列的多个图像；其中，每个所述图像中包含有所述用户按压患者时按压部位附近佩戴的穿戴设备，所述穿戴设备上设置有所述穿戴设备的定位标志图像作为跟踪框；
158.根据所述视频帧序列中的至少一帧图像识别所述图像中的穿戴设备中的跟踪框；
159.跟踪所述视频帧序列中的多个图像中所述跟踪框在按压方向上位置的起伏变化；
160.根据所述位置的起伏变化确定用户按压动作的深度并将所述按压动作的深度输
出到所述电子设备和/或所述穿戴设备。
161.下面参考图11，其示出了适于用来实现本技术实施例的控制设备的计算机系统800的结构示意图。图11示出的控制设备仅仅是一个示例，不应对本技术实施例的功能和使用范围带来任何限制。
162.如图11所示，计算机系统800包括中央处理单元(cpu)801，其可以根据存储在只读存储器(rom)802中的程序或者从存储部分808加载到随机访问存储器(ram)803中的程序而执行各种适当的动作和处理。在ram 803中，还存储有系统800操作所需的各种程序和数据。cpu 801、rom 802以及ram 803通过总线804彼此相连。输入/输出(i/o)接口805也连接至总线804。
163.以下部件连接至i/o接口805：包括键盘、鼠标等的输入部分806；包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分807；包括硬盘等的存储部分808；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分809。通信部分809经由诸如因特网的网络执行通信处理。驱动器810也根据需要连接至i/o接口805。可拆卸介质811，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器810上，以便于从其上读出的计算机程序根据需要被安装入存储部分808。
164.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部分809从网络上被下载和安装，和/或从可拆卸介质811被安装。在该计算机程序被中央处理单元(cpu)801执行时，执行本技术的方法中限定的上述功能。
165.需要说明的是，本技术所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。在本技术中，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。而在本技术中，计算机可读的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。计算机可读的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：无线、电线、光缆、rf等等，或者上述的任意合适的组合。
166.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技术的操作的计算机程序代码，所述程序设计语言包括面向目标的程序设计语言—诸如python、java、smalltalk、c ，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)。
167.附图中的流程图和框图，图示了按照本技术各种实施例的系统、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。
168.描述于本技术实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、分割单元、确定单元和选择单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取待处理绘本图像的单元”。
169.作为另一方面，本技术还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的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：读取目标视频，所述目标视频是由固定拍摄设备针对手部按压动作进行采集获取到的视频，所述手部上佩戴有标定物；对所述目标视频进行标定物检测，获取所述标定物的跟踪边框；对所述跟踪边框进行跟踪，获取所述标定物在按压方向上的最高点和最低点；根据所述最高点的坐标和最低点的坐标，获取手部按压深度。
170.以上描述仅为本技术的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本技术中所涉及的申请范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述申请构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本技术中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。