基于人工智能图像识别的血压测量质控方法、装置、终端及介质与流程

1.本技术涉及血压测量质控技术领域，特别是涉及基于人工智能图像识别的血压测量质控方法、装置、终端及介质。


背景技术：

2.血压测量是评估血压水平、诊断高血压及观察降压疗效的主要手段，血液在血管内流动时对血管壁的侧压力成为血压。
3.但是，目前的血压标准化测量仍存在如下不足：首先，目前的血压标准化测量通常仅通过口头或纸质说明来提醒受检者遵守血压测量规范，但仍难以对受检者实时测压姿态进行质控，而不正确的测压姿态通常会对血压标准化测量结果产生较大影响。其次，目前的血压标准化测量通常需要刷就诊卡或医保卡进行身份识别，即必需带硬件卡片才能就诊，不方便且受检者测压体验不佳。最后，目前的血压标准化测量数据并不包括人脸信息，仅对个人相关的健康数据进行采集和收录，人脸数据的缺失导致无法分析人脸信息与血压健康之间的相关性，不利于高血压研究领域的发展。


技术实现要素：

4.鉴于以上所述现有技术的缺点，本技术的目的在于提供，用于解决现有技术中血压测量的质控效果不佳的技术问题。
5.为实现上述目的及其他相关目的，本技术的第一方面提供一种基于人工智能图像识别的血压测量质控方法，包括：获取受测者的人脸图像信息据以进行身份识别；在确认所述受测者的身份信息后，获取所述受测者进行血压测量的过程图像，并提取姿态特征信息；根据所述姿态特征信息，判断所述受测者在血压测量过程中的姿态是否符合质控要求；所述质控要求至少包括部分身体部位按姿势要求摆放和/或部分身体部位保持非活动状态。
6.于本技术的第一方面的一些实施例中，所述质控要求中的部分身体部位按姿势要求摆放，包括如下任一种或多种要求的组合：受测者的背部紧靠椅背、受测者的双足平放于地面、受测者的受测手部的手掌朝上；所述质控要求中的部分身体部位保持非活动状态，包括如下任一种或两种要求的组合：受测者的坐姿保持非活动状态和/或受测者的嘴部保持非活动状态。
7.于本技术的第一方面的一些实施例中，判断所述受测者的背部是否紧靠椅背的方式包括：根据所述姿态特征信息确定所述受测者的背部位置；并通过所述受测者的背部与椅背之间的间隙距离及接触面积来判断其背部是否紧靠椅背。
8.于本技术的第一方面的一些实施例中，判断所述受测者的双足是否平放于地面的方式包括：根据所述姿态特征信息确定所述受测者的双足位置；通过所述受测者的双足与地面之间的间隙距离以及接触面积来判断其双足是否平放于地面。
9.于本技术的第一方面的一些实施例中，判断所述受测者的受测手部的手掌是否朝
上的方式包括：若从所述姿态特征信息中提取到指纹模态信息、掌纹模态信息或者掌静脉模态信息，则判断手掌朝上。
10.于本技术的第一方面的一些实施例中，判断所述受测者的受测手部的手掌是否朝上的方式包括：若从所述姿态特征信息中提取到指甲模态信息，则判断手掌朝下。
11.于本技术的第一方面的一些实施例中，判断受测者的坐姿是否保持非活动状态的方式包括：在获取到所述受测者进行血压测量的过程图像后，对所有过程图像进行姿态特征信息的提取，将所有提取到的姿态特征转成向量后进行两两比较，计算向量之间的相似度；若任意两个姿态特征之间的相似度低于预设阈值，则判断所述受测者在血压测量过程中未能使其坐姿保持非活动状态。
12.于本技术的第一方面的一些实施例中，判断受测者的坐姿是否保持非活动状态的方式包括：在获取到所述受测者进行血压测量的过程图像后，设定多个身体关键特征点，并实时跟踪所述身体关键特征点的坐标变化；若监测到任一所述身体关键特征点的坐标变化量超过预设阈值，则判断所述受测者在血压测量过程中未能使其坐姿保持非活动状态。
13.于本技术的第一方面的一些实施例中，判断受测者的嘴部是否保持非活动状态的方式包括：在获取到所述受测者进行血压测量的过程图像后，对所有过程图像进行姿态特征信息的提取，并确定嘴部位置；将所有过程图像中受测者的嘴部特征转成向量后进行两两比较，计算向量之间的相似度；若任意两个嘴部特征之间的相似度低于预设阈值，则判断所述受测者在血压测量过程中未能保持嘴部不动。
14.于本技术的第一方面的一些实施例中，判断受测者的嘴部是否保持非活动状态的方式包括：在获取到所述受测者进行血压测量的过程图像后，设定多个嘴部特征点，并基于这些嘴部特征点计算嘴部的宽度和长度的比例；比较多帧图像的嘴部宽度与长度的比例变化，若变化大于预设阈值，则判断所述受测者在血压测量过程中未能保持嘴部不动。
15.于本技术的第一方面的一些实施例中，若判断所述受测者在血压测量过程中的姿态不符合质控要求，则发出实时的姿态调整提醒。
16.于本技术的第一方面的一些实施例中，将海量的血压测量数据与人脸特征数据进行匹配，根据匹配结果建立高血压类型与患者容貌特征之间的关联关系。
17.为实现上述目的及其他相关目的，本技术的第二方面提供一种基于人工智能图像识别的血压测量质控装置，包括：身份识别模块，用于获取受测者的人脸图像信息据以进行身份识别；特征提取模块，用于在确认所述受测者的身份信息后，获取所述受测者进行血压测量的过程图像，并提取姿态特征信息；质控模块，用于根据所述姿态特征信息，判断所述受测者在血压测量过程中的姿态是否符合质控要求；所述质控要求至少包括部分身体部位按姿势要求摆放和/或部分身体部位保持非活动状态。
18.为实现上述目的及其他相关目的，本技术的第三方面提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述基于人工智能图像识别的血压测量质控方法。
19.为实现上述目的及其他相关目的，本技术的第四方面提供一种电子终端，包括：处理器及存储器；所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行所述基于人工智能图像识别的血压测量质控方法。
20.如上所述，本技术的基于人工智能图像识别的血压测量质控方法、装置、终端及介
质，具有以下有益效果：本发明采用人脸识别技术存储首次进行血压标准化测量的受测对象的人脸信息，在后续的标准化血压监测随访前可通过人脸信息识别自动登录系统。此外，本发明还通过人工智能图像识别与处理技术对正在进行血压标准化测量的受测对象进行测压质控，以确保受测对象的测量姿态标准，有效减小测量误差；而且一旦监测到受测对象在血压测量过程中出现姿态不准确的情况，会及时通过多种方式(如语音、屏幕显示或警示灯闪烁等)提醒受测者调整姿测量姿态。进一步地，本发明将大量血压标准化测量数据与人脸信息进行匹配，可用于分析识别高血压患者特征容貌，从而为高血压诊治提供新的临床诊疗依据。
附图说明
21.图1显示为本技术一实施例中基于人工智能图像识别的血压测量质控方法的流程示意图。
22.图2显示为本技术一实施例中基于人工智能图像识别的血压测量质控装置的结构示意图。
23.图3显示为本技术一实施例中质控终端的结构示意图。
具体实施方式
24.以下通过特定的具体实例说明本技术的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本技术的其他优点与功效。本技术还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本技术的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
25.需要说明的是，在下述描述中，参考附图，附图描述了本技术的若干实施例。应当理解，还可使用其他实施例，并且可以在不背离本技术的精神和范围的情况下进行机械组成、结构、电气以及操作上的改变。下面的详细描述不应该被认为是限制性的，并且本技术的实施例的范围仅由公布的专利的权利要求书所限定。这里使用的术语仅是为了描述特定实施例，而并非旨在限制本技术。空间相关的术语，例如“上”、“下”、“左”、“右”、“下面”、“下方”、“下部”、“上方”、“上部”等，可在文中使用以便于说明图中所示的一个元件或特征与另一元件或特征的关系。
26.在本技术中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”、“固持”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本技术中的具体含义。
27.再者，如同在本文中所使用的，单数形式“一”、“一个”和“该”旨在也包括复数形式，除非上下文中有相反的指示。本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包含”、“包括”表明存
在所述的特征、操作、元件、组件、项目、种类、和/或组，但不排除一个或多个其他特征、操作、元件、组件、项目、种类、和/或组的存在、出现或添加。应当进一步理解，此处使用的术语“或”和“和/或”被解释为包括性的，或意味着任一个或任何组合。因此，“a、b或c”或者“a、b和/或c”意味着“以下任一个：a；b；c；a和b；a和c；b和c；a、b和c”。仅当元件、功能或操作的组合在某些方式下内在地互相排斥时，才会出现该定义的例外。
28.为了解决现有的血压标准化测量中出现的种种问题，本发明采用人脸识别技术存储首次进行血压标准化测量的受测对象的人脸信息，在后续的标准化血压监测随访前可通过人脸信息识别自动登录系统。此外，本发明还通过人工智能图像识别与处理技术对正在进行血压标准化测量的受测对象进行测压质控，以确保受测对象的测量姿态标准，有效减小测量误差；而且一旦监测到受测对象在血压测量过程中出现姿态不准确的情况，会及时通过多种方式(如语音、屏幕显示或警示灯闪烁等)提醒受测者调整姿测量姿态。进一步地，本发明将大量血压标准化测量数据与人脸信息进行匹配，可用于分析识别高血压患者特征容貌，从而为高血压诊治提供新的临床诊疗依据。
29.为了使本发明的目的、技术方案及优点更加清楚明白，通过下述实施例并结合附图，对本发明实施例中的技术方案的进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定发明。
30.如图1所示，展示了本发明一实施例中基于人工智能图像识别的血压测量质控方法的流程示意图。本实施例中基于人工智能图像识别的血压测量质控方法主要包括步骤s11～s13。
31.值得说明的是，本实施例中的方法不仅可应用于血压测量质控，实际上也可用于血糖测量、眼睛疾病检测、牙齿疾病检测等方面的质控。
32.另应理解，本实施例提供的方法可应用于多种硬件设备，如arm(advanced risc machines)、fpga(field programmable gate array)、soc(system on chip)、dsp(digital signal processing)或者mcu(micorcontroller unit)等控制器；或可应用于台式电脑、笔记本电脑、平板电脑、智能手机、智能手环、智能手表、智能头盔、智能电视、个人数字助理等个人电脑；还可应用于服务器，所述服务器可以根据功能、负载等多种因素布置在一个或多个实体服务器上，也可以由分布的或集中的服务器集群构成。
33.步骤s11：获取受测者的人脸图像信息据以进行身份识别。
34.具体而言，可通过图像采集设备采集受测者的人脸图像，再利用人脸识别算法来识别受测者的身份信息。其中，所述图像采集设备包括但不限于相机、视频摄像机、集成有光学系统或ccd芯片的摄像模块、集成有光学系统和cmos芯片的摄像模块等。所述人脸识别算法包括但不限于mtcnn人脸识别算法、cascade cnn人脸识别算法、densebox人脸识别算法、faceness-net人脸识别算法、hr人脸识别算法、face r-cnn人脸识别算法或者ssh人脸识别算法等。需说明的是，本实施例对图像采集设备以及人脸识别算法都不作限定，事实上，现有技术中任何能够用于采集图像的硬件设备以及任何能够用于人脸识别的算法都可应用于本实施例的技术方案中。
35.值得注意的是，目前的血压标准化测量通常需要刷就诊卡或医保卡进行身份识别，即必需带硬件卡片才能就诊，不方便且受检者测压体验不佳。所以，本发明利用了人脸识别技术来进行身份识别，摈弃了现有技术中的就诊卡或医保卡等硬件卡片，提升识别效
率，并大大改善了用户体验。
36.步骤s12：在确认所述受测者的身份信息后，获取所述受测者进行血压测量的过程图像，并提取姿态特征信息。
37.在一些示例中，可利用目标检测算法从所述受测者进行血压测量的过程图像中提取出姿态特征信息；姿态特征信息的提取过程包括人体分割、人体姿态识别、数据分类。所述人体分割是指人体骨骼关键点检测，主要检测的是与姿态相关的人体骨骼关键点，人体骨骼关键点输出的是人体骨架信息。所述人体姿态识别主要包括动作特征提取。所述数据分类主要包括数据相似性计算和分类器。其中，所述目标检测算法也称作目标提取算法，是一种基于目标几何和统计特征的图像分割算法，它将目标的分割和识别合二为一，定位目标并确定目标位置及大小。本实施例涉及的目标检测算法包括但不限于：基于候选区域的目标检测算法(如r-cnn、fast r-cnn、fpn等)、单次目标检测算法(如ssd算法、yolo算法等)等，本实施例不作具体限定。
38.需说明的是，所述受测者进行血压测量的过程图像通常是指一个图像集合，涵盖了受测者在进行血压测量的整个过程中的所有图像。
39.步骤s13：根据所述姿态特征信息，判断所述受测者在血压测量过程中的姿态是否符合质控要求；所述质控要求至少包括部分身体部位按姿势要求摆放和/或部分身体部位保持非活动状态。
40.在一些示例中，所述部分身体部位按姿势要求摆放包括所述受测者的背部紧靠椅背。具体是指，若受测者在血压测量过程中背部紧靠椅背，则判断其姿势正确，否则判断其姿势不正确。
41.进一步的，判断所述受测者的背部是否紧靠椅背的方式包括：根据所述姿态特征信息确定所述受测者的背部位置；并通过所述受测者的背部与椅背之间的间隙距离及接触面积来判断其背部是否紧靠椅背。
42.具体是指，若所述受测者的背部与椅背之间仍有间隙距离，则说明所述受测者的背部并未接触椅背，当前的血压测量姿势不标准；若所述受测者的背部与椅背之间已无间隙距离，则说明所述受测者的背部接触椅背。进一步的，为防止有些受测者虽然背部接触了椅背，但坐姿仍不标准，仍会影响血压测量结果的准确性，例如驼背或仰躺等姿势，因此本实施例还要判断受测者的背部与椅背之间的接触面积大小，若接触面积大于预设阈值，则说明受测者的背部紧靠椅背；否则，受测者的背部并未紧靠椅背。
43.在一些示例中，所述部分身体部位按姿势要求摆放包括所述受测者的双足平放于地面。值得注意的是，双足平放于地面是指受测者的两只脚都平放且与地面相接触。为便于理解，现以如下违规姿态作为反例进行解释说明：受测者单足着地(如二郎腿姿势)、受测者脚尖着地、受测者脚边着地等，以上这些姿态都不满足双足平放于地面的要求，都会影响血压的准确测量。
44.进一步的，判断所述受测者的双足是否平放于地面的方式包括：根据所述姿态特征信息确定所述受测者的双足位置；通过所述受测者的双足与地面之间的间隙距离以及接触面积来判断其双足是否平放于地面。具体是指，若所述受测者的双足中的任一足与地面之间仍有间隙，则说明当前的血压测量姿势不标准；若所述受测者的双足与地面之间都无间隙，则说明所述受测者的双足都与地面接触。进一步的，在所述受测者的双足与地面之间
都无间隙的情况下，再判断双足与地面的接触面积是否大于预设阈值，若大于预设阈值则说明双足平放于地面，否则双足并未平放。
45.在一些示例中，所述部分身体部位按姿势要求摆放包括所述受测者的受测手部的手掌朝上。判断所述受测者的受测手部的手掌是否朝上的方式包括，若能够从图像中提取到指纹模态信息、掌纹模态信息或者掌静脉模态信息，则可确定所述受测者的手掌是朝上的，否则是手掌朝下的。判断手掌是否朝上的方式还包括，若能够从图像中提取到指甲模态信息，则可确定所述受测者的手掌是朝下的。
46.应理解的是，指纹识别是指利用手指皮肤纹理进行身份识别的一种较为常用的生物特征识别技术；掌纹识别是指利用手掌皮肤纹理进行身份识别的技术；掌静脉是透过手掌的皮肤隐约可见的青筋，可利用红外线照射手掌并又传感器感应手掌反射的光得到掌静脉图像信息。
47.在一些示例中，所述部分身体部位保持非活动状态包括所述受测者的坐姿保持非活动状态。判断所述受测者在测量血压过程中是否将坐姿保持为非活动状态的方式如下。
48.判断方式1)在获取到所述受测者进行血压测量的过程图像后，对所有过程图像进行姿态特征信息的提取，将所有提取到的姿态特征转成向量后进行两两比较，计算向量之间的相似度。若任意两个姿态特征之间的相似度低于预设阈值，则可确定所述受测者在血压测量过程中未能使其坐姿保持非活动状态。
49.判断方式2)在获取到所述受测者进行血压测量的过程图像后，设定多个身体关键特征点(如设定肩膀特征点、手臂特征点、腰部特征点、腿部特征点等)，实时跟踪所述身体关键特征点的坐标变化，若监测到任一所述身体关键特征点的坐标变化量超过预设阈值，则可确定所述受测者在血压测量过程中未能使其坐姿保持非活动状态。
50.在一些示例中，所述部分身体部位保持非活动状态包括所述受测者保持嘴部不动。判断所述受测者在测量血压过程中是否保持嘴部不动的方式如下：
51.判断方式1)在获取到所述受测者进行血压测量的过程图像后，对所有过程图像进行姿态特征信息的提取，并确定嘴部位置；将所有过程图像中受测者的嘴部特征转成向量后进行两两比较，计算向量之间的相似度。若任意两个嘴部特征之间的相似度低于预设阈值，则可确定所述受测者在血压测量过程中未能保持嘴部不动(例如受测者在测量过程中说话、吃东西、嚼口香糖等行为)。
52.判断方式2)在获取到所述受测者进行血压测量的过程图像后，设定多个嘴部特征点，例如在嘴角左、右、上、下各取多个特征点，基于这些嘴部特征点，计算嘴部的宽度和长度的比例。比较多帧图像的嘴部宽度与长度的比例变化，若变化大于预设阈值，则可确定所述受测者在血压测量过程中未能保持嘴部不动。
53.在一些示例中，所述血压测量质控方法还包括：若判断所述受测者在血压测量过程中的姿态不符合质控要求，则发出实时的姿态调整提醒，提醒方式包括但不限于如语音提醒、显示屏显示提醒、指示灯闪烁提醒等。举例来说，若判断所述受测者在血压测量过程中部分身体部位未按姿势要求摆放，如背部未紧靠椅背、双足未平放于地面或者测压手臂的手掌朝下，则发出实时的姿态调整提醒，提醒受测者背部应紧靠椅背、双足应平放于地面，测压手臂应手掌朝上。再例如，若判断所述受测者在血压测量过程中部分身体部位未保持非活动状态，如嘴部产生活动或者坐姿发生变化等，则发出实时的姿态调整提醒，提醒受
测者在测压过程中禁止讲话、禁止活动等。
54.在一些示例中，所述血压测量质控方法还包括：将海量的血压测量数据与人脸特征数据进行匹配，根据匹配结果建立高血压类型与患者容貌特征之间的关联关系。例如，急进性高血压患者的容貌常常呈现为苍白色；缓进型高血压患者的容貌常常因皮肤充血而发红等，此处不再一一举例。
55.如图2所示，展示了本发明一实施例中基于人工智能图像识别的血压测量质控装置的结构示意图。本实施例的基于人工智能图像识别的血压测量质控装置200包括身份识别模块201、特征提取模块202、质控模块203。
56.所述身份识别模块201用于获取受测者的人脸图像信息据以进行身份识别；所述特征提取模块202用于在确认所述受测者的身份信息后，获取所述受测者进行血压测量的过程图像，并提取姿态特征信息；所述质控模块203用于根据所述姿态特征信息，判断所述受测者在血压测量过程中的姿态是否符合质控要求；所述质控要求至少包括部分身体部位按姿势要求摆放和/或部分身体部位保持非活动状态。
57.需说明的是，本实施例中的血压测量质控装置与上文中的血压测量质控方法的实施方式类似，故不再赘述。应理解以上装置的各个模块的划分仅仅是一种逻辑功能的划分，实际实现时可以全部或部分集成到一个物理实体上，也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现；也可以全部以硬件的形式实现；还可以部分模块通过处理元件调用软件的形式实现，部分模块通过硬件的形式实现。例如，特征提取模块可以为单独设立的处理元件，也可以集成在上述装置的某一个芯片中实现，此外，也可以以程序代码的形式存储于上述装置的存储器中，由上述装置的某一个处理元件调用并执行以上特征提取模块的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起，也可以独立实现。这里所述的处理元件可以是一种集成电路，具有信号的处理能力。在实现过程中，上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
58.例如，以上这些模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路(application specific integrated circuit，简称asic)，或，一个或多个微处理器(digital signal processor，简称dsp)，或，一个或者多个现场可编程门阵列(field programmable gate array，简称fpga)等。再如，当以上某个模块通过处理元件调度程序代码的形式实现时，该处理元件可以是通用处理器，例如中央处理器(central processing unit，简称cpu)或其它可以调用程序代码的处理器。再如，这些模块可以集成在一起，以片上系统(system-on-a-chip，简称soc)的形式实现。
59.如图3所示，展示了本发明一实施例中质控终端的结构示意图。本实施例的质控终端包括：处理器31、存储器32、通信器33；存储器32通过系统总线与处理器31和通信器33连接并完成相互间的通信，存储器32用于存储计算机程序，通信器33用于和其他设备进行通信，处理器31用于运行计算机程序，使电子终端执行如上基于人工智能图像识别的血压测量质控方法的各个步骤。
60.上述提到的系统总线可以是外设部件互连标准(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。该系统总线可以分为地址总线、数据总线、控制总线等。
为便于表示，图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。通信接口用于实现数据库访问装置与其他设备(例如客户端、读写库和只读库)之间的通信。存储器可能包含随机存取存储器(random access memory，简称ram)，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
61.上述的处理器可以是通用处理器，包括中央处理器(central processing unit，简称cpu)、网络处理器(network processor，简称np)等；还可以是数字信号处理器(digital signal processing，简称dsp)、专用集成电路(application specific integrated circuit，简称asic)、现场可编程门阵列(field－programmable gate array，简称fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
62.本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述基于人工智能图像识别的血压测量质控方法。
63.本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过计算机程序相关的硬件来完成。前述的计算机程序可以存储于一计算机可读存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。
64.于本技术提供的实施例中，所述计算机可读写存储介质可以包括只读存储器、随机存取存储器、eeprom、cd-rom或其它光盘存储装置、磁盘存储装置或其它磁存储设备、闪存、u盘、移动硬盘、或者能够用于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进行存取的任何其它介质。另外，任何连接都可以适当地称为计算机可读介质。例如，如果指令是使用同轴电缆、光纤光缆、双绞线、数字订户线(dsl)或者诸如红外线、无线电和微波之类的无线技术，从网站、服务器或其它远程源发送的，则所述同轴电缆、光纤光缆、双绞线、dsl或者诸如红外线、无线电和微波之类的无线技术包括在所述介质的定义中。然而，应当理解的是，计算机可读写存储介质和数据存储介质不包括连接、载波、信号或者其它暂时性介质，而是旨在针对于非暂时性、有形的存储介质。如申请中所使用的磁盘和光盘包括压缩光盘(cd)、激光光盘、光盘、数字多功能光盘(dvd)、软盘和蓝光光盘，其中，磁盘通常磁性地复制数据，而光盘则用激光来光学地复制数据。
65.综上所述，本技术提供基于人工智能图像识别的血压测量质控方法、装置、终端及介质，本发明采用人脸识别技术存储首次进行血压标准化测量的受测对象的人脸信息，在后续的标准化血压监测随访前可通过人脸信息识别自动登录系统。此外，本发明还通过人工智能图像识别与处理技术对正在进行血压标准化测量的受测对象进行测压质控，以确保受测对象的测量姿态标准，有效减小测量误差；而且一旦监测到受测对象在血压测量过程中出现姿态不准确的情况，会及时通过多种方式(如语音、屏幕显示或警示灯闪烁等)提醒受测者调整姿测量姿态。进一步地，本发明将大量血压标准化测量数据与人脸信息进行匹配，可用于分析识别高血压患者特征容貌，从而为高血压诊治提供新的临床诊疗依据。所以，本技术有效克服了现有技术中的种种缺点而具高度产业利用价值。
66.上述实施例仅例示性说明本技术的原理及其功效，而非用于限制本技术。任何熟悉此技术的人士皆可在不违背本技术的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本技术所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本技术的权利要求所涵盖。