一种基于机器学习的伤员定位搜救方法及系统

1.本发明涉及信息化技术领域，具体涉及一种基于机器学习的伤员定位搜救方法及系统。


背景技术：

2.在战场搜救的黄金时段内，能够最大限度的挽回负伤战士生命。因此，早发现、早施救、早后送的理念中最为重要的是早发现。依靠先进的技术手段提高战时救援的快速反应能力，减少人力物力等资源消耗，能够维护和保持作战部队的战斗能力。
3.但现有技术存在伤员搜救方案制定与伤员所处环境结合紧密程度不高，导致在复杂战场场景下，制定搜救方案准确性不高，伤员搜救效率低的技术问题。


技术实现要素：

4.本技术通过提供了一种基于机器学习的伤员定位搜救方法及系统，解决了现有技术中存在伤员搜救方案制定与伤员所处环境结合紧密程度不高，在复杂战场场景下，制定搜救方案准确性不高，搜救效率低的技术问题。达到了在制定搜救方案时通过场景化分析方法，获得准确的搜救目标，提高搜救方案制定的准确性，从而提高救治工作效率的技术效果。
5.鉴于上述问题，本技术提供了一种基于机器学习的伤员定位搜救方法及系统。
6.第一方面，本技术提供了一种基于机器学习的伤员定位搜救方法，其中，所述方法包括：通过所述智能穿戴设备获得实时呼救信息集合和实时定位信息集合；基于所述实时呼救信息集合和所述实时定位信息集合，获得第一战场场景信息；对所述第一战场场景信息进行特征提取，获得第一伤员伤情特征和第一战场环境特征；获得各场景的搜救样本识别模型，基于所述第一伤员伤情特征和所述第一战场环境特征进行搜救样本识别模型匹配，获得第一搜救样本识别模型；将所述第一伤员伤情特征和所述第一战场环境特征输入所述第一搜救识别模型，获得第一搜救样本信息；基于所述第一搜救样本信息，制订第一搜救方案；根据所述第一搜救方案，进行伤员定位搜救。
7.另一方面，本技术提供了一种基于机器学习的伤员定位搜救系统，其中，所述系统包括：第一获得单元，所述第一获得单元用于通过智能穿戴设备获得实时呼救信息集合和实时定位信息集合；第二获得单元，所述第二获得单元用于基于所述实时呼救信息集合和所述实时定位信息集合，获得第一战场场景信息；第三获得单元，所述第三获得单元用于对所述第一战场场景信息进行特征提取，获得第一伤员伤情特征和第一战场环境特征；第四获得单元，所述第四获得单元用于获得各场景的搜救样本识别模型，基于所述第一伤员伤情特征和所述第一战场环境特征进行搜救样本识别模型匹配，获得第一搜救样本识别模型；第五获得单元，所述第五获得单元用于将所述第一伤员伤情特征和所述第一战场环境特征输入所述第一搜救识别模型，获得第一搜救样本信息；第一执行单元，所述第一执行单元用于基于所述第一搜救样本信息，制订第一搜救方案；第二执行单元，所述第二执行单元
用于根据所述第一搜救方案，进行伤员定位搜救。
8.第三方面，本技术提供了一种基于机器学习的伤员定位搜救系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现第一方面任一项所述方法的步骤。
9.本技术中提供的一个或多个技术方案，至少具有如下技术效果或优点：
10.由于采用了通过智能穿戴设备获得实时呼救信息集合和实时定位信息集合；基于所述实时呼救信息集合和所述实时定位信息集合，构建第一战场场景，获得第一战场场景信息；对所述第一战场场景信息进行特征提取，提取第一伤员伤情特征和第一战场环境特征；获得各场景的搜救样本识别模型，基于所述第一伤员伤情特征和所述第一战场环境特征进行搜救样本识别模型匹配，获得第一搜救样本识别模型；通过所述第一搜救识别模型，获得第一搜救样本信息；基于所述第一搜救样本信息，制订第一搜救方案；根据所述第一搜救方案，进行伤员定位搜救的技术方案，本技术通过提供了一种基于机器学习的伤员定位搜救方法及系统，达到了在制定搜救方案时通过场景化分析方法，获得准确的搜救目标，提高搜救方案制定的准确性，从而提高搜救工作效率的技术效果。
11.上述说明仅是本技术技术方案的概述，为了能够更清楚了解本技术的技术手段，而可依照说明书的内容予以实施，并且为了让本技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本技术的具体实施方式。
附图说明
12.图1为本技术实施例一种基于机器学习的伤员定位搜救方法的流程示意图；
13.图2为本技术实施例一种基于机器学习的伤员定位搜救方法的获得第一搜救线路信息的流程示意图；
14.图3为本技术实施例一种基于机器学习的伤员定位搜救方法的生成第二辅助信息的流程示意图；
15.图4为本技术实施例一种基于机器学习的伤员定位搜救系统的结构示意图；
16.图5为本技术实施例示例性电子设备的结构示意图。
17.附图标记说明：第一获得单元11，第二获得单元12，第三获得单元13，第四获得单元14，第五获得单元15，第一执行单元16，第二执行单元17，电子设备300，存储器301，处理器302，通信接口303，总线架构304。
具体实施方式
18.本技术通过提供了一种基于机器学习的伤员定位搜救方法及系统，解决了现有技术中存在伤员搜救方案制定与伤员所处环境结合紧密程度不高，在复杂战场场景下，制定搜救方案准确性不高，搜救效率低的技术问题。达到了在制定搜救方案时通过场景化分析方法，获得准确的搜救目标，提高搜救方案制定的准确性，从而提高搜救工作效率的技术效果。
19.依靠先进的技术手段提高战时救援的快速反应能力，能够维护和保持作战部队的战斗能力。目前研发的基于穿戴式生命体征信息监测和北斗导航技术的战场伤员快速搜救仪，能够将个体的伤情感知和定位功能相结合，在战场搜救中能够起到良好效果，但是缺少
对复杂战场场景的分析研判和紧密结合。现有技术中存在伤员搜救方案制定与伤员所处环境结合紧密程度不高，在复杂战场场景下，制定搜救方案准确性不高，搜救效率低的技术问题。
20.针对上述技术问题，本技术提供的技术方案总体思路如下：
21.本技术提供了一种基于机器学习的伤员定位搜救方法，其中，所述方法包括：通过智能穿戴设备获得实时呼救信息集合和实时定位信息集合；基于所述实时呼救信息集合和所述实时定位信息集合，构建第一战场场景，获得第一战场场景信息；对所述第一战场场景信息进行特征提取，提取第一伤员伤情特征和第一战场环境特征；获得各场景的搜救样本识别模型，基于所述第一伤员伤情特征和所述第一战场环境特征进行搜救样本识别模型匹配，获得第一搜救样本识别模型；通过所述第一搜救识别模型，获得第一搜救样本信息；基于所述第一搜救样本信息，制订第一搜救方案；根据所述第一搜救方案，进行伤员定位搜救。
22.在介绍了本技术基本原理后，下面将结合说明书附图来具体介绍本技术的各种非限制性的实施方式。
23.实施例一
24.如图1所示，本技术实施例提供了一种基于机器学习的伤员定位搜救方法，其中，所述方法应用于一伤员定位搜救系统，所述伤员定位系统与一智能穿戴装置通讯连接，所述方法包括：
25.s100：通过所述智能穿戴设备获得实时呼救信息集合和实时定位信息集合；
26.具体而言，所述智能穿戴设备为作战过程中作战部队佩戴装置，起到连接作战部队与救援指挥平台的作用。所述智能穿戴设备优选为军事领域的智能腕表，现有的军事用智能腕表具有北斗卫星定位功能、语音智能呼救功能、伤员搜寻标定、目标标绘定位功能、人体脉率检测功能等。能够将作战单兵的呼救信息和定位信息传输至救援指挥中心。
27.在远程搜救任务中，可以使用无人机搭载lora无线通信中继器的方式，保障通信的稳定性，从而实现超远距离通信。lora(longrange)是专用于远距离低功耗的无线通信技术，其基于扩频的调制方式相对于其他通信方式大大增加了通信距离，可广泛应用于各种场合的远距离低速率物联网无线通信领域。基于所述智能穿戴设备将作战部队全部呼救信息和定位信息传输至救援指挥中心，救援指挥中心接收到的信息构成所述实时呼救信息集合和实时定位信息集合。基于所述实时呼救信息集合和实时定位信息集合为伤情研判、救援搜救工作顺利进行奠定基础。
28.s200：基于所述实时呼救信息集合和所述实时定位信息集合，获得第一战场场景信息；
29.s300：对所述第一战场场景信息进行特征提取，获得第一伤员伤情特征和第一战场环境特征；
30.具体而言，通过所述实时呼救信息集合可以得到呼救信息数量，基于呼救信息数量可以大致了解伤员数量。所述智能穿戴设备具有北斗卫星定位功能、语音智能呼救功能等功能，由于北斗系统能够提供120个汉字的通信服务，因此，通过实时呼救信息中的语音信息和汉字信息能够得知伤员的伤情和周边的环境。通过所述实时定位信息能够获得所有能够定位到的伤员的具体定位信息，结合高分辨率实景地图得到定位处的真实环境。基于
伤员的伤情和周边的环境和伤员定位处的真实环境构建第一战场场景，基于第一战场场景获得第一战场场景信息。所述第一战场场景信息包括伤员的数量、伤员伤情、战场整体的环境、伤员所处的局部环境等信息。
31.通过对所述第一战场场景信息进行伤员伤情特征提取和战场环境特征提取，完成所述第一战场场景信息的特征提取，获得第一伤员伤情特征和第一战场环境特征。所述第一伤员伤情特征为第一战场场景中的所有已知伤员的伤情特征，第一伤员伤情特征提取方法优选为将伤员伤情进行等级划分后，将每一等级与伤员数目进行对应，根据提取每一等级伤员人数得到伤员的伤情特征。所述第一伤员伤情特征反映出伤员的总体伤情。举例如：当重伤伤员人数占全部伤员的比例超出50％时，说明总体伤情严重。对所述第一战场场景信息进行战场环境特征提取，将战场环境中具有标志性的环境特征进行提取，例如甲板、小艇、沟壑、丛林、河流等，获得第一战场环境特征。通过对所述第一战场场景信息进行特征提取，能够将战场上的搜救目标场景化、缩小搜救范围，便于对伤员位置、轨迹进行预测研判。
32.s400：获得各场景的搜救样本识别模型，基于所述第一伤员伤情特征和所述第一战场环境特征进行搜救样本识别模型匹配，获得第一搜救样本识别模型；
33.进一步的，本技术实施例步骤s400还包括：
34.s410：根据历史伤员救助信息，获得历史战场场景信息；
35.s420：对所述历史战场场景信息进行特征提取，获得各场景伤员伤情特征集合和各场景战场环境特征集合；
36.s430：将所述各场景伤员伤情特征集合和所述各场景战场环境特征集合作为训练集，构建各场景的所述搜救样本识别模型。
37.具体而言，各场景的搜救样本识别模型为若干个神经网络模型。神经网络模型是一种通用的机器学习模型。所述搜救样本识别模型通过下述方法构建。首先获得历史伤员救助信息，所述历史伤员救助信息包括历史作战和历史演练中的伤员救助方案、发现伤员时环境信息等。根据以往演习、实战过程中战场伤员受伤情况和发现伤员时的环境情况，构成所述历史战场场景信息。对历史战场场景信息进行特征提取，提取每一次演习、实战中的伤员伤情特征和战场环境特征，每一次演习和实战构成一个场景。
38.所有的伤员伤情特征和所有的战场环境特征构成所述各场景伤员伤情特征集合和各场景战场环境特征集合。所述各场景伤员伤情特征集合中的特征信息与各场景战场环境特征集合中的特征信息一一对应。将每一伤员伤情特征与对应的战场环境特征作为训练集。将标识每次演练或实战使用的搜救目标的标识信息作为监督数据。通过训练集据反复训练神经网络模型，获得各场景的搜救样本识别模型。所述训练的过程实质为监督学习的过程，神经网络模型进行不断的自我修正、调整，直至获得的输出结果与标识信息一致，则结束本组数据监督学习，进行下一组数据监督学习，当神经网络模型的输出信息达到收敛状态时，则监督学习过程结束。
39.基于所述第一伤员伤情特征和所述第一战场环境特征和各个场景下的伤员伤情特征和战场环境特征的相似度，在若干个搜救样本识别模型中匹配模型，将相似度最高的模型作为所述第一搜救样本识别模型，通过机器学习能够得到准确、可靠的输出信息。
40.s500：将所述第一伤员伤情特征和所述第一战场环境特征输入所述第一搜救识别模型，获得第一搜救样本信息；
41.具体而言，将所述第一伤员伤情特征和所述第一战场环境特征输入所述第一搜救识别模型，第一搜救识别模型为一神经网络模型。基于所述第一搜救识别模型输出所述第一搜救样本信息。举例如：第一搜救样本信息可以但不限于救生艇上伤员、甲板上伤员、船只残骸、沟壑中伤员等。
42.s600：基于所述第一搜救样本信息，获得第一搜救方案；
43.s700：根据所述第一搜救方案，进行伤员定位搜救。
44.具体而言，基于所述第一搜救样本信息确认重点搜救目标后，基于伤员发送定位信息、伤员数目、伤员伤情等信息组织救援力量。救援指挥中心根据现有救援力量、伤员定位和重点搜救样本信息等确定第一搜救方案，用于伤员定位搜救。通过确定第一搜救样本信息，确定搜救方向，并且及时组织救援力量开展救援工作，救援人员佩戴智能通讯设备，与救援指挥平台实时连接，用于救援情况的及时上传，和接收救援指挥平台信息。能够达到通过场景化分析方法，获得准确的搜救目标，提高搜救方案制定的准确性，从而提高搜救工作效率的技术效果。
45.进一步的，如图2所示，本技术实施例步骤s600还包括：
46.s610：基于所述实时定位信息集合对所述第一搜救样本信息进行样本空间分布分析，获得第一分析结果；
47.s620：基于所述实时定位信息集合对所述第一搜救样本信息进行样本空间位移分析，获得第二分析结果；
48.s630：根据所述第一分析结果和第二分析结果和所述第一战场场景信息，获得第一搜救路线信息；
49.s640：基于所述第一搜救路线信息，获得所述第一搜救方案。
50.具体而言，所述第一搜救样本信息包括搜救伤员样本和搜救环境样本。根据所述实时定位信息集合和伤员所处的环境信息能够获得伤员样本的空间位置分布信息，空间位置分布信息为伤员在地图上的定位信息和伤员在立体空间的位置。立体空间位置可以理解为伤员躲避在某一建筑中，建筑具有一定的高度。将伤员空间分布位点以及伤员所处的环境信息作为第一分析结果。基于所述实时定位信息集合获得伤员的定位信息变化情况，基于定位变化和战场环境分析，对样本空间位移情况进行分析。举不受限制一例：伤员转移位置以免受到二次伤害，定位信息会不断变化，同时救援指挥中心根据伤员环境信息对伤员可能发生的位移进行判断，能够保证当伤员失去智能穿戴设备时仍能基本定位到伤员位置。将样本空间位移的具体情况作为所述第二分析结果。所述第一战场场景信息包括伤员的数量、伤员伤情、战场整体的环境、伤员所处的局部环境等信息。基于所述第一分析结果和所述第二分析结果能够对伤员们进行准确定位和轨迹预判，结合所述第一战场场景信息中的伤员伤情、数量，获得第一搜救线路信息，第一搜救线路信息包括若干条搜救线路的具体信息。第一搜救方案按照所述第一搜救路线信息进行伤员搜救，能够提高伤员搜救的效率。
51.进一步的，本技术实施例还包括：
52.s651：基于所述智能穿戴设备与伤员进行感知通信，获得第一交互信息，其中第一交互信息包括生命体征信息、等待救援状态信息；
53.s652：基于所述生命体征信息和所述等待救援状态信息获得第一辅助信息，所述
第一辅助信息用于辅助生成所述第一搜救方案。
54.具体而言，所述智能穿戴设备具有感知伤员状态功能、人体脉率检测功能、语音智能呼救功能，通过所述智能穿戴设备与伤员进行感知通信，接收到第一交互信息。所述第一交互信息包括生命体征信息和等待救援状态信息，其中，等待救援状态信息可以根据与伤员语音交互进行确认，生命体征信息可以通过智能穿戴设备检测传输得到。将伤员的所述生命体征信息和所述等待救援状态信息进行分析，将伤员可划分为意识清醒生命体征明显的伤员、位置明确的伤员和意识不清生命体征弱的伤员、位置模糊的伤员。基于分析结果生成第一辅助信息，第一辅助信息用于辅助生成第一搜救方案。举例如：对于意识不清生命体征弱的伤员需要优先且加大力度搜索，可增派救援力量进行搜救。
55.进一步的，本技术实施例还包括：
56.s653：基于所述第一分析结果，获得伤员空间分布信息；
57.s654：基于所述第一交互信息，获得伤员互助信息，其中，所述伤员互助信息包括伤情统计结果；
58.s655：基于所述伤员空间分布信息进行救援力量划分，获得救援力量划分结果；
59.s656：基于所述伤情统计结果进行救援物资划分，获得救援物资划分结果。
60.具体而言，所述第一分析结果包括伤员空间分布位点以及伤员所处的环境信息，基于所述第一分析结果获得伤员空间分布信息。由于战场上伤员受伤情况差异，受伤较轻的伤员会帮助受伤较重的伤员进行位置转移、基础急救等。所述第一交互信息中还包括伤员互助信息，所述伤员互助信息包括伤情统计信息。举例如：伤员们掩蔽于某一位置处，部分伤员伤情较为严重，伤员之间进行基础的伤情统计和通过智能穿戴设备与救援指挥中心进行交互。基于所述伤员空间分布信息进行救援力量划分，伤员数量多的地方救援力量多，伤员数量少的地方救援力量相对较少。并且，基于所述伤情统计结果进行救援物资划分，救援物资包括医疗物资，获得救援物资划分结果，伤情严重的位置救援物资分配多于伤情较轻的位置。在救援过程中，可以在搜救伤员的同时，对伤员进行治疗，保证伤员能够顺利后送。救援需要保证速度，因此携带的救援物资比较有限，通过救援物资划分结果和救援力量划分结果能够保证有充足的人力物力搜寻救助伤员，从而提高伤员搜救的效率。
61.进一步的，本技术实施例步骤s654还包括：
62.s6541：基于所述伤情统计结果，获得伤员数量；
63.s6542：获得第一比例，所述第一比例为所述伤员数量占部队人数比例；
64.s6543：若所述第一比例超过第一预设比例，获得可调用军事力量和可调用救援力量；
65.s6544：基于所述可调用军事力量、所述可调用救援力量获得第二搜救方案。
66.具体而言，伤员之间进行基础的伤情统计，获得所述伤情统计结果，对所述伤情统计结果进行求和，能够获得伤员数量。其中，所述伤员数量包括了一些无法自主发出呼救信息的伤员。由于伤情统计是伤员们互相协助统计的，一些伤情过重的伤员，无法自己统计伤情，他们的伤情由身边伤情较轻的伤员进行统计。其中，昏迷、失去意识的伤员即为伤情过重的伤员，他们无法自主发出呼救信息。通过伤员数量和部队人数获得所述第一比例。按照历史经验预设第一预设比例，当第一比例超过第一预设比例时，说明我方战场处于劣势，急需开展救援工作。但是此时开展救援工作风险较大，需要调用周边军事力量为救援工作争
取时间。基于大数据，获得战场周边可调用军事力量和可调用救援力量。第一时间通知可调用军事力量和可调用救援力量，并将可调用军事力量和可调用救援力量纳入搜救方案制定，并且结合救援指挥中心的专家意见获得所述第二搜救方案。能够达到快速介入战场，实现伤员救助的技术效果。
67.进一步的，如图3所示，本技术实施例还包括：
68.s661：基于所述第一搜救识别模型，获得第一历史搜救方案集合；
69.s662：对所述第一历史搜救方案集合进行第一维度方案评估，获得第一反馈信息集合，其中，所述第一维度为资源配置维度；
70.s663：对所述第一历史搜救方案集合进行第二维度方案评估，获得第二反馈信息集合，其中，所述第二维度为搜救实施维度；
71.s664：对所述第一历史搜救方案集合进行第三维度方案评估，获得第三反馈信息集合，其中，所述第三维度为搜救效果维度；
72.s665：根据所述第一反馈信息集合、所述第二反馈信息集合和所述第三反馈信息集合，生成第二辅助信息，所述第二辅助信息用于辅助生成所述第一搜救方案。
73.具体而言，所述第一搜救识别模型是基于历史数据训练神经网络模型得到的，通过所述第一搜救识别模型输出所述第一历史搜救方案集合，所述第一历史搜救方案集合包括在同一场景下多次训练不断更新的搜救方案集合。通过不同维度对所述第一历史搜救方案集合中的方案进行评估。
74.首先第一维度为资源配置维度，通过医疗资源、救援力量资源配置是否适宜对第一历史搜救方案集合进行方案评估，例如：是否出现救援力量分布不均导致搜寻到大量伤员后无法进行及时治疗和运送。将评估结果作为所述第一反馈信息集合，所述第一反馈信息包括是否出现资源配置失调的情况。
75.其次，第二维度为搜救实施维度，通过搜救路线、搜救花费时间等评估所述第一历史搜救方案集合中的方案，将评估结果作为所述第二反馈信息。举例如：可根据搜索到的伤员比例进行搜索路线准确性评估，若一次搜索到大量伤员且搜索到全部伤员花费时间短，说明该方案具有高可用性。所述第二反馈信息包括搜救方案的可用性、可实施性高低。
76.进一步，第三维度为搜索效果维度，通过最终伤员搜索和救治效果进行搜索效果维度方案评估。举例如：可以根据不同时间节点搜索到的伤员数目和伤员救治情况以及伤员后续恢复情况进行第一历史搜救方案集合的方案评估。获得第三反馈结果，第三反馈结果包括规定时间节点伤员搜索数目，总体伤员救治情况和伤员后续恢复情况。
77.将所述第一反馈信息集合、所述第二反馈信息集合和所述第三反馈信息集合中综合评估结果最佳的方案作为第二辅助信息。获得综合评估结果的方法包括但不限于将所述第一反馈信息集合、所述第二反馈信息集合和所述第三反馈信息集合中评价前三的方案进行汇总，以出现最多的方案作为最佳方案，若出现方案出现次数一样时，可通过救援指挥中心人为判定得到最佳方案。在制定所述第一搜救方案时，可使用所述第二辅助信息作为基础方案，结合具体的第一搜救样本信息在进行第一搜救方案。达到了通过对历史方案的挖掘与评估，得到可靠的实战经验，能够大大发挥实战与训练的经验作用，提高搜救方案制定的准确性和可靠性。
78.综上所述，本技术实施例所提供的一种基于机器学习的伤员定位搜救方法及系统
具有如下技术效果：
79.1、由于采用了通过智能穿戴设备获得实时呼救信息集合和实时定位信息集合；基于所述实时呼救信息集合和所述实时定位信息集合，构建第一战场场景，获得第一战场场景信息；对所述第一战场场景信息进行特征提取，提取第一伤员伤情特征和第一战场环境特征；获得各场景的搜救样本识别模型，基于所述第一伤员伤情特征和所述第一战场环境特征进行搜救样本识别模型匹配，获得第一搜救样本识别模型；通过所述第一搜救识别模型，获得第一搜救样本信息；基于所述第一搜救样本信息，制订第一搜救方案；根据所述第一搜救方案，进行伤员定位搜救的技术方案，本技术实施例通过提供了一种基于机器学习的伤员定位搜救方法及系统，达到了在制定搜救方案时通过场景化分析方法，获得准确的搜救目标，提高搜救方案制定的准确性，从而提高搜救工作效率的技术效果。
80.2、由于采用了对历史方案的挖掘与评估的方法，得到可靠的实战经验，能够大大发挥实战与训练的经验作用，提高搜救方案制定的准确性和可靠性的技术效果。
81.实施例二
82.基于与前述实施例中一种基于机器学习的伤员定位搜救方法相同的发明构思，如图4所示，本技术实施例提供了一种基于机器学习的伤员定位搜救系统，其中，所述系统包括：
83.第一获得单元11，所述第一获得单元11用于通过智能穿戴设备获得实时呼救信息集合和实时定位信息集合；
84.第二获得单元12，所述第二获得单元12用于基于所述实时呼救信息集合和所述实时定位信息集合，获得第一战场场景信息；
85.第三获得单元13，所述第三获得单元13用于对所述第一战场场景信息进行特征提取，获得第一伤员伤情特征和第一战场环境特征；
86.第四获得单元14，所述第四获得单元14用于获得各场景的搜救样本识别模型，基于所述第一伤员伤情特征和所述第一战场环境特征进行搜救样本识别模型匹配，获得第一搜救样本识别模型；
87.第五获得单元15，所述第五获得单元15用于将所述第一伤员伤情特征和所述第一战场环境特征输入所述第一搜救识别模型，获得第一搜救样本信息；
88.第一执行单元16，所述第一执行单元16用于基于所述第一搜救样本信息，制订第一搜救方案；
89.第二执行单元17，所述第二执行单元17用于根据所述第一搜救方案，进行伤员定位搜救。
90.进一步的，所述系统包括：
91.第六获得单元，所述第六获得单元用于基于所述实时定位信息集合对所述第一搜救样本信息进行样本空间分布分析，获得第一分析结果；
92.第七获得单元，所述第七获得单元用于基于所述实时定位信息集合对所述第一搜救样本信息进行样本空间位移分析，获得第二分析结果；
93.第八获得单元，所述第八获得单元用于根据所述第一分析结果和第二分析结果和所述第一战场场景信息，获得第一搜救路线信息；
94.第九获得单元，所述第九获得单元用于基于所述第一搜救路线信息，获得所述第
一搜救方案。
95.进一步的，所述系统包括：
96.第十获得单元，所述第十获得单元用于基于所述智能穿戴设备与伤员进行感知通信，获得第一交互信息，其中第一交互信息包括生命体征信息、等待救援状态信息；
97.第十一获得单元，所述第十一获得单元用于基于所述生命体征信息和所述等待救援状态信息获得第一辅助信息，所述第一辅助信息用于辅助生成所述第一搜救方案。
98.进一步的，所述系统包括：
99.第十二获得单元，所述第十二获得单元用于基于所述第一分析结果，获得伤员空间分布信息；
100.第十三获得单元，所述第十三获得单元用于基于所述第一交互信息，获得伤员互助信息，其中，所述伤员互助信息包括伤情统计结果；
101.第十四获得单元，所述第十四获得单元用于基于所述伤员空间分布信息进行救援力量划分，获得救援力量划分结果；
102.第十五获得单元，所述第十五获得单元用于基于所述伤情统计结果进行救援物资划分，获得救援物资划分结果。
103.进一步的，所述系统包括：
104.第十六获得单元，所述第十六获得单元用于基于所述伤情统计结果，获得伤员数量；
105.第十七获得单元，所述第十七获得单元用于获得第一比例，所述第一比例为所述伤员数量占部队人数比例；
106.第十八获得单元，所述第十八获得单元用于若所述第一比例超过第一预设比例，获得可调用军事力量和可调用救援力量；
107.第十九获得单元，所述第十九获得单元用于基于所述可调用军事力量、所述可调用救援力量获得第二搜救方案。
108.进一步的，所述系统包括：
109.第二十获得单元，所述第二十获得单元用于基于所述第一搜救识别模型，获得第一历史搜救方案集合；
110.第二十一获得单元，所述第二十一获得单元用于对所述第一历史搜救方案集合进行第一维度方案评估，获得第一反馈信息集合，其中，所述第一维度为资源配置维度；
111.第二十二获得单元，所述第二十二获得单元用于对所述第一历史搜救方案集合进行第二维度方案评估，获得第二反馈信息集合，其中，所述第二维度为搜救实施维度；
112.第二十三获得单元，所述第二十三获得单元用于对所述第一历史搜救方案集合进行第三维度方案评估，获得第三反馈信息集合，其中，所述第三维度为搜救效果维度；
113.第一生成单元，所述第一生成单元用于根据所述第一反馈信息集合、所述第二反馈信息集合和所述第三反馈信息集合，生成第二辅助信息，所述第二辅助信息用于辅助生成所述第一搜救方案。
114.进一步的，所述系统包括：
115.第二十四获得单元，所述第二十四获得单元用于根据历史伤员救助信息，获得历史战场场景信息；
116.第二十五获得单元，所述第二十五获得单元用于对所述历史战场场景信息进行特征提取，获得各场景伤员伤情特征集合和各场景战场环境特征集合；
117.第一构建单元，所述第一构建单元用于将所述各场景伤员伤情特征集合和所述各场景战场环境特征集合作为训练集，构建各场景的所述搜救样本识别模型。
118.示例性电子设备
119.下面参考图5来描述本技术实施例的电子设备。
120.基于与前述实施例中一种基于机器学习的伤员定位搜救方法相同的发明构思，本技术实施例还提供了一种基于机器学习的伤员定位搜救系统，包括：处理器，所述处理器与存储器耦合，所述存储器用于存储程序，当所述程序被所述处理器执行时，使得系统以执行第一方面任一项所述的方法。
121.该电子设备300包括：处理器302、通信接口303、存储器301。可选的，电子设备300还可以包括总线架构304。其中，通信接口303、处理器302以及存储器301可以通过总线架构304相互连接；总线架构304可以是外设部件互连标(peripheral component interconnect，简称pci)总线或扩展工业标准结构(extended industry standard architecture，简称eisa)总线等。所述总线架构304可以分为地址总线、数据总线、控制总线等。为便于表示，图5中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
122.处理器302可以是一个cpu，微处理器，asic，或一个或多个用于控制本技术方案程序执行的集成电路。
123.通信接口303，使用任何收发器一类的系统，用于与其他设备或通信网络通信，如以太网，无线接入网(radio access network，ran),无线局域网(wireless local areanetworks，wlan)，有线接入网等。
124.存储器301可以是rom或可存储静态信息和指令的其他类型的静态存储设备，ram或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器(electrically erasable programmable read-only memory，eeprom)、只读光盘(compact disc read-only memory，cd-rom)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。存储器可以是独立存在，通过总线架构304与处理器相连接。存储器也可以和处理器集成在一起。
125.其中，存储器301用于存储执行本技术方案的计算机执行指令，并由处理器302来控制执行。处理器302用于执行存储器301中存储的计算机执行指令，从而实现本技术上述实施例提供的一种基于机器学习的伤员定位搜救方法。
126.可选的，本技术实施例中的计算机执行指令也可以称之为应用程序代码，本技术实施例对此不作具体限定。
127.本技术实施例提供了一种基于机器学习的伤员定位搜救方法，其中，所述方法包括：通过智能穿戴设备获得实时呼救信息集合和实时定位信息集合；基于所述实时呼救信息集合和所述实时定位信息集合，构建第一战场场景，获得第一战场场景信息；对所述第一战场场景信息进行特征提取，提取第一伤员伤情特征和第一战场环境特征；获得各场景的搜救样本识别模型，基于所述第一伤员伤情特征和所述第一战场环境特征进行搜救样本识
别模型匹配，获得第一搜救样本识别模型；通过所述第一搜救识别模型，获得第一搜救样本信息；基于所述第一搜救样本信息，制订第一搜救方案；根据所述第一搜救方案，进行伤员定位搜救。
128.本领域普通技术人员可以理解：本技术中涉及的第一、第二等各种数字编号仅为描述方便进行的区分，并不用来限制本技术实施例的范围，也不表示先后顺序。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“至少一个”是指一个或者多个。至少两个是指两个或者多个。“至少一个”、“任意一个”或其类似表达，是指的这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a,b,或c中的至少一项(个、种)，可以表示：a,b,c,a-b,a-c,b-c,或a-b-c，其中a,b,c可以是单个，也可以是多个。
129.在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本技术实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程系统。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(dsl))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包括一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，dvd)、或者半导体介质(例如固态硬盘(solid state disk，ssd))等。
130.本技术实施例中所描述的各种说明性的逻辑单元和电路可以通过通用处理器，数字信号处理器，专用集成电路(asic)，现场可编程门阵列(fpga)或其它可编程逻辑系统，离散门或晶体管逻辑，离散硬件部件，或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器，可选地，该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算系统的组合来实现，例如数字信号处理器和微处理器，多个微处理器，一个或多个微处理器联合一个数字信号处理器核，或任何其它类似的配置来实现。
131.本技术实施例中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件单元、或者这两者的结合。软件单元可以存储于ram存储器、闪存、rom存储器、eprom存储器、eeprom存储器、寄存器、硬盘、可移动磁盘、cd-rom或本领域中其它任意形式的存储媒介中。示例性地，存储媒介可以与处理器连接，以使得处理器可以从存储媒介中读取信息，并可以向存储媒介存写信息。可选地，存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于asic中，asic可以设置于终端中。可选地，处理器和存储媒介也可以设置于终端中的不同的部件中。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或
方框图一个方框或多个方框中指定的功能的步骤。
132.尽管结合具体特征及其实施例对本技术进行了描述，显而易见的，在不脱离本技术的精神和范围的情况下，可对其进行各种修改和组合。相应地，本说明书和附图仅仅是本技术所界定的本技术的示例性说明，且视为已覆盖本技术范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本技术进行各种改动和变型而不脱离本技术的范围。这样，倘若这些修改和变型属于本技术及其等同技术的范围之内，则本技术意图包括这些改动和变型在内。