受伤事件告知信息的处理方法、装置、设备及存储介质与流程

1.本技术涉及信号处理技术领域，具体涉及一种受伤事件告知信息的处理方法、装置、设备及存储介质。


背景技术：

2.在日常生活中，发生例如烧烫伤等受伤事故时，及时对伤者执行合理的救助能够大大降低伤情的严重程度。相关技术中，在发生受伤事故例如烧烫伤等事件的情况中，缺少能够对受伤事件告知信息进行及时准确处理的技术方案。现在亟待研发一种受伤事件告知信息的处理技术方案，以便对受伤事件告知信息进行及时准确处理，从而将处理结果提供给相关人员进行参考，以便相关人员快速准确判断伤者受伤程度，有利于及时为伤者提供合适的急救指导内容，降低受伤事件的致残致死率。


技术实现要素：

3.本技术的目的是提供一种受伤事件告知信息的处理方法、装置、设备及存储介质，以对受伤事件告知信息进行及时准确处理，从而将处理结果提供给相关人员进行参考，以便相关人员快速准确判断伤者受伤程度，有利于及时为伤者提供合适的急救指导内容，降低受伤事件的致残致死率。为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。
4.根据本技术实施例的一个方面，提供一种受伤事件告知信息的处理方法，包括：
5.获取受伤事件告知信息；
6.从所述受伤事件告知信息中提取伤情关键词；
7.根据提取的所有所述伤情关键词以及基于伤情关键词的预设伤情级别确定策略，确定并输出对应于所述受伤事件告知信息的伤情级别。
8.在本技术的一些实施例中，所述受伤事件告知信息包括一个或多个图片，或者所述受伤事件告知信息包括受伤事件告知视频信息；
9.在所述受伤事件告知信息包括一个或多个图片的情况下，所述从所述受伤事件告知信息中提取伤情关键词，包括从所有所述图片中提取伤情关键词；
10.在所述受伤事件告知信息包括受伤事件告知视频信息的情况下，所述从所述受伤事件告知信息中提取伤情关键词，包括：
11.将所述受伤事件告知视频信息拆分为多个图片，从所有所述图片中提取伤情关键词；
12.所述从所有所述图片中提取伤情关键词，包括：
13.根据预设匹配识别数据库对每一所述图片进行标记，得到标记图片；
14.利用预训练的图像识别模型处理每一所述标记图片，获得每一所述标记图片的图
像识别数据；
15.根据预设关键词库从所有所述标记图片的图像识别数据中提取伤情关键词。
16.在本技术的一些实施例中，所述根据预设匹配识别数据库对每一所述图片进行标记，得到标记图片，包括：
17.根据预设匹配识别数据库，使用字符特征提取算法对每一所述图片进行标记，得到标记图片。
18.在本技术的一些实施例中，所述利用预训练的图像识别模型处理每一所述标记图片，获得每一所述标记图片的图像识别数据，包括：
19.针对每一所述标记图片，利用预训练的图像识别模型进行受伤位置锁定、受伤面积判定和受伤深度判定，得到每一所述标记图片的受伤位置数据、受伤面积数据和受伤深度数据。
20.在本技术的一些实施例中，所述将所述受伤事件告知视频信息拆分为多个图片，包括：
21.读入所述受伤事件告知视频信息的视频文件；
22.计算所述视频文件的md5值；
23.根据所述md5值提取所述视频文件中对应帧数段的图片；
24.根据预先设置的帧间隔获取截取图片数量；
25.根据预先设置的保存图片文件名格式保存并输出所有所述图片。
26.在本技术的一些实施例中，所述受伤事件告知信息包括受伤事件告知语音信息；所述从所述受伤事件告知信息中提取伤情关键词，包括：
27.将所述受伤事件告知语音信息转化为文字信息；
28.根据预设关键词库从所述文字信息中提取伤情关键词。
29.在本技术的一些实施例中，所述将所述语音信息转化为文字信息，包括：
30.提取所述语音信息的语音特征；
31.通过预训练的声学处理模型获取对应于所述语音特征的最小语音单位序列；
32.通过预训练的语言解码模型对所述最小语音单位序列进行语音信息解码，得到对应于所述语音信息的文字信息。
33.在本技术的一些实施例中，所述根据预设关键词库从所述文字信息中提取伤情关键词，包括：
34.对所述文字信息进行数据清洗，得到清洗后的文字；
35.将所述清洗后的文字与所述预设关键词库进行比对；
36.根据比对结果，将所述清洗后的文字中存在于所述预设关键词库中的词确定为伤情关键词。
37.在本技术的一些实施例中，所述对所述文字信息进行数据清洗，得到清洗后的文字，包括：
38.通过正则匹配删除所述文字信息中的标点符号，得到无标点符号的文字文本；
39.对所述无标点符号的文字文本进行分词处理，得到分词处理结果；
40.根据预设规则删除所述分词处理结果中的无关词，得到所述清洗后的文字。
41.在本技术的一些实施例中，所述将所述清洗后的文字与所述预设关键词库进行比
对，包括：
42.将所述清洗后的文字中的每一分词分别与所述预设关键词库进行比对。
43.在本技术的一些实施例中，所述获取受伤事件告知语音信息，包括：
44.获取受伤事件的语音求助通话音频信息或者视频求助通话音频信息。
45.在本技术的一些实施例中，所述根据所有所述关键词以及基于关键词的预设伤情级别确定策略，确定并输出对应于所述受伤事件告知信息的伤情级别，包括：
46.根据预设的关键词评分规则确定每一关键词的分值；
47.计算各所述关键词的分值之和，得到总分；
48.根据所述总分与预设的伤情级别分值区间，确定并输出对应于所述受伤事件告知信息的伤情级别。
49.在本技术的一些实施例中，所述处理方法还包括：
50.确定并输出对应于所述伤情级别的预设伤情处理提示信息，所述提示信息包括文字、图片、视频和/或语音。
51.在本技术的一些实施例中，所述处理方法还包括：
52.若未确定出对应于所述受伤事件告知信息的伤情级别，则根据触控输入信号确定并输出可视化显示信号。
53.根据本技术实施例的另一个方面，提供一种受伤事件告知信息的处理装置，包括：
54.告知信息获取模块，用于获取受伤事件告知信息；
55.关键词提取模块，用于从所述受伤事件告知信息中提取伤情关键词；
56.伤情级别确定模块，用于根据提取的所有所述伤情关键词以及基于伤情关键词的预设伤情级别确定策略，确定并输出对应于所述受伤事件告知信息的伤情级别。
57.根据本技术实施例的另一个方面，提供一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序，以实现本技术任一实施例所述的方法。
58.根据本技术实施例的另一个方面，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，以实现本技术任一实施例所述的方法。
59.本技术实施例的其中一个方面提供的技术方案可以包括以下有益效果：
60.本技术实施例提供的受伤事件告知信息的处理方法，获取受伤事件告知信息，从所述受伤事件告知信息中提取伤情关键词，根据提取的所有所述伤情关键词以及基于伤情关键词的预设伤情级别确定策略，确定并输出对应于所述受伤事件告知信息的伤情级别，实现对受伤事件告知信息进行及时准确处理，从而将处理结果提供给相关人员进行参考，以便相关人员快速准确判断伤者受伤程度，有利于及时为伤者提供合适的急救指导内容，降低受伤事件的致残致死率。
附图说明
61.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术中记载的一些实施例，对于本领域普通技术人员来讲，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他的附图。
62.图1示出了本技术实施例的受伤事件告知信息的处理方法的应用场景示意图。
63.图2示出了本技术一个实施例的受伤事件告知信息的处理方法流程图。
64.图3示出了本技术一个示例中的语音识别转文字内容示意图。
65.图4示出了本技术一个示例中对一个或多个图片进行处理的流程图。
66.图5示出了本技术一个示例中对视频信息进行处理的流程图。
67.图6示出了本技术一个示例中训练图像识别算法模型的流程图。
68.图7示出了本技术一个示例中的伤情级别输出示意图。
69.图8示出了一个具体示例的受伤事件处理流程示意图。
70.图9示出了本技术一个实施例的受伤事件告知信息的处理装置结构框图。
71.图10示出了本技术一个实施例的电子设备结构框图。
72.图11示出了本技术一个实施例的计算机可读存储介质示意图。
具体实施方式
73.为了使本技术的目的、技术方案及优点更加清楚明白，下面结合附图和具体实施例对本技术做进一步说明。应当理解，此处所描述的具体实施例仅用以解释本技术，并不用于限定本技术。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
74.本领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本技术所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样被特定定义，否则不会用理想化或过于正式的含义来解释。
75.图1所示为本技术实施例提供的受伤事件告知信息的处理方法的一个应用场景示意图，其中，用户终端通过网络与服务端进行通信。服务端可以通过用户终端发送的受伤事件告知信息，从所述受伤事件告知信息中提取伤情关键词；根据提取的所有所述伤情关键词以及基于伤情关键词的预设伤情级别确定策略，确定并输出对应于所述受伤事件告知信息的伤情级别，用户终端接收到该伤情级别。其中，用户终端可以但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备等。服务端可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
76.参考图2所示，本技术的一个实施例提供了一种受伤事件告知信息的处理方法，包括步骤s10至s30：
77.s10、获取受伤事件告知信息。
78.受伤事件告知信息例如可以包括受伤事件告知语音信息、受伤事件告知视频信息和/或受伤事件告知图像信息。受伤事件例如为烧烫伤事件、机械伤害事件等事件。
79.在一种实施方式中，受伤事件告知信息包括一个或多个图片，或者受伤事件告知信息包括受伤事件告知视频信息。
80.在所述受伤事件告知信息包括一个或多个图片的情况下，所述从所述受伤事件告知信息中提取伤情关键词，包括从所有所述图片中提取伤情关键词。
81.在所述受伤事件告知信息包括受伤事件告知视频信息的情况下，所述从所述受伤
事件告知信息中提取伤情关键词，包括：将所述受伤事件告知视频信息拆分为多个图片，从所有所述图片中提取伤情关键词。
82.示例性地，从所有所述图片中提取伤情关键词，包括：根据预设匹配识别数据库对每一所述图片进行标记，得到标记图片；利用预训练的图像识别模型处理每一所述标记图片，获得每一所述标记图片的图像识别数据；根据预设关键词库从所有所述标记图片的图像识别数据中提取伤情关键词。
83.在一种实施方式中，根据预设匹配识别数据库对每一所述图片进行标记，得到标记图片，包括：根据预设匹配识别数据库，使用字符特征提取算法对每一所述图片进行标记，得到标记图片。
84.在一种实施方式中，利用预训练的图像识别模型处理每一所述标记图片，获得每一所述标记图片的图像识别数据，包括：针对每一所述标记图片，利用预训练的图像识别模型进行受伤位置锁定、受伤面积判定和受伤深度判定，得到每一所述标记图片的受伤位置数据、受伤面积数据和受伤深度数据。
85.在一种实施方式中，将所述受伤事件告知视频信息拆分为多个图片，包括：读入所述受伤事件告知视频信息的视频文件；计算所述视频文件的md5值；根据所述md5值提取所述视频文件中对应帧数段的图片；根据预先设置的帧间隔获取截取图片数量；根据预先设置的保存图片文件名格式保存并输出所有所述图片。
86.在一种实施方式中，所述获取受伤事件告知语音信息，包括：获取受伤事件的语音求助通话音频信息或者视频求助通话音频信息。
87.当出现受伤事故时，相关人员通常是通过电话向医护部门进行语音求助通话或者通过智能手机向医护部门进行视频通话求助。获取受伤事件告知语音信息例如可以将语音求助通话进行录音或者对视频求助通话进行录音，得到相应的语音音频。
88.s20、从所述受伤事件告知信息中提取伤情关键词。
89.在一些实施方式中，受伤事件告知信息包括受伤事件告知语音信息；所述从所述受伤事件告知信息中提取伤情关键词，包括：将所述受伤事件告知语音信息转化为文字信息；根据预设关键词库从所述文字信息中提取伤情关键词。
90.在发生受伤事件时，通过语音识别提取语音数据中的关键信息，能够为工作人员提供参考来判断患者受伤级别及严重程度，及时提供对症的急救指导内容，降低致残致死率。
91.在一些实施例中，语音转文字所用到的模型包括预训练的声学解码模型、预训练的语言解码模型和解码器。预训练的声学解码模型的确定过程可以包括：针对语音数据库中的语音语料进行特征提取，依据提取得到的特征进行声学解码模型的训练。语言解码模型的确定过程可以包括：依据文本数据库中的文本语料进行，进行语言解码模型的训练。解码器用于确定给定的最小语音单位序列最可能对应的词组，进而可以得到对应于该语音信息的文字信息。最小语音单位是根据语音的自然属性划分出来的，依据音节里的发音动作来分析，一个发音动作对应一个最小语音单位。
92.在一种实施方式中，所述将所述语音信息转化为文字信息，包括：提取所述语音信息的语音特征；通过预训练的声学处理模型获取对应于所述语音特征的最小语音单位序列；通过预训练的语言解码模型对所述最小语音单位序列进行语音信息解码，得到对应于
所述语音信息的文字信息。参考图3所示，图3所示为一个示例中的语音识别转文字内容示意图。
93.示例性地，将所述语音信息转化为文字信息，可以包括：提取该语音信息的语音特征，将该语音特征输入预训练的解码器；解码器首先通过预训练的声学处理模型获取对应于该语音特征的最小语音单位序列；然后，解码器通过预训练的语言解码模型对声学处理模型进行语音信息解码，得到对应于语音信息的文字信息。解码器例如可以为动态解码器或者令牌传递(token passing)实现的viterbi算法模型等语音解码器，动态解码器使用广度优先搜索在原始的搜索网络中同时生成多条假设，并且依靠剪枝算法不会使网络变得太大。
94.声学处理模型可以包括人工神经网络模型和隐马尔可夫模型，其中，人工神经网络模型用于向隐马尔可夫模型提供声学建模功能支持，声学建模功能支持的粒度可以包括字、音节或最小语音单位等。隐马尔可夫模型可以根据人工神经网络模型提供的声学建模功能支持确定最小语音单位序列。人工神经网络模型可以包括输入层、隐含层和输出层；隐含层可以包括前馈神经网络层和自注意力神经网络层。
95.其中，自注意力神经网络层采用语音特征自身对自身的注意力；在声学建模的过程中，给予与声学建模单元相关的语音特征更高的关注度，且减少对非相关语音特征的关注度，能够提升输出的准确度。并且，自注意力神经网络层可以不依赖不同时刻之间的关系，故自注意力神经网络层可以采用并行运输，因此能够提高神经网络模型的运算效率，进而可以提高语音识别效率。
96.在一些实施例中，上述隐含层可以包括至少一个隐含层对，一个隐含层对可以包括互相连接的一个上述前馈神经网络层和一个上述自注意力神经网络层。
97.上述前馈神经网络层可以包括延时神经网络(tdnn，time delay neural network)层或者卷积神经网络(cnn，convolutional neural network)层。
98.延时神经网络层可以考虑连续的多个时刻的输入信息，因此能够将上下文信息应用于运算，从而提高输出文字信息的准确度。
99.多个隐含层对可以提高前馈神经网络层和自注意力神经网络层之间的融合度，进而可以提高输出的准确度。
100.在一些实施例中，输出层可以包括第一输出层和第二输出层；上述第一输出层设置于最后一个隐含层对之后，上述第二输出层设置于中间的隐含层对之后；上述第一输出层与隐马尔可夫模型连接，其处理结果被输出至上述隐马尔可夫模型。
101.在人工神经网络模型的训练过程中，会反向计算人工神经网络模型的误差信息，误差信息在回传过程中通常越来越小，导致出现梯度消失的问题。在中间的隐含层对之后设置第二输出层，能够增加误差梯度，因此能够缓解梯度消失的状况，进而可以提高模型的准确度。
102.在一种实施方式中，所述根据预设关键词库从所述文字信息中提取关键词，包括：对所述文字信息进行数据清洗，得到清洗后的文字；将所述清洗后的文字与所述预设关键词库进行比对；根据比对结果，将所述清洗后的文字中存在于所述预设关键词库中的词确定为关键词。
103.在一种实施方式中，所述对所述文字信息进行数据清洗，得到清洗后的文字，包
括：通过正则匹配删除所述文字信息中的标点符号，得到无标点符号的文字文本；对所述无标点符号的文字文本进行分词处理，得到分词处理结果；删除所述分词处理结果中的无关词，得到所述清洗后的文字。
104.无关词例如可以为无意义的虚词等，预设规则例如可以为删除无意义的虚词等，虚词例如“了”“着”“也”等。预设规则可以根据实际应用的需要进行设定，在此不作限制。
105.分词处理即划分为词单元(token)，是一种序列标注任务。分词处理例如可以通过最大匹配算法实现。最大匹配算法主要包括正向最大匹配算法、逆向最大匹配算法、双向匹配算法等。最大匹配算法的步骤是切分出单字串，然后和字典词库进行比对，如果是一个词就记录下来，否则通过增加或者减少一个单字，继续比较，直到只剩下一个单字时则终止。
106.例如，对于输入的语句“你好，我要求助，我的脸部被烫伤了，现在表面红肿”进行分词处理，输出的分词结果为：“你好”“我”“要”“求助”“我”“的”“脸部”“被”“烫伤”“了”“现在”“表面”“红肿”。
107.在一些实施例中，将语音通话内容识别为文字内容后，针对文字内容利用nlp中文分词-最大匹配算法技术进行关键词的提取，按照分词方式，匹配词库，标识文字中涉及到关于受伤的内容词。按照匹配的语音转文字内容，nlp中文分词-最大匹配算法，并匹配人体位置信息库，判定伤者的受伤位置。
108.s30、根据提取的所有所述伤情关键词以及基于伤情关键词的预设伤情级别确定策略，确定并输出对应于所述受伤事件告知信息的伤情级别。
109.在伤情鉴定领域中，已经有行业共同认可制定的针对伤情的等级确定方法，例如新九分法、三度四分法等。关于新九分法、三度四分法的具体情况，在实施例后面部分会进行详细描述。值得强调的是，这种伤情等级的确定策略和规定并非简单的人为规定，而是根据客观的伤情例如烧烫伤面积、红肿、流血程度等等客观条件而确定的，是属于遵照自然规律的技术方案。
110.在一个具体示例中，在受伤事件告知信息包括一个或多个图片的情况下，参考图4所示，通过报警者上传的图像信息，识别图像内人体烧烫伤部位及深度情况，判断伤情等级。在所述受伤事件告知信息包括受伤事件告知视频信息的情况下，参考图5所示的流程图，通过识别视频对话内容及捕捉视频画面关键帧，利用内容关键字和关键帧图像识别，判定伤者伤情等级及烧烫伤部位。从所有所述图片中提取伤情关键词，可以通过预训练的图像识别模型实现。首先创建算法库，参考图6所示，采集不同的烧烫伤图片进行算法训练，识别大量对于烧烫伤伤情的照片，提取烧烫伤伤情案例，案例主要为烧烫伤的表面临床表现对应的烧烫伤伤情等级以及深度，生成基于以上临床表现的模型库。当报警人在提交烧烫伤图片后，使用提取字符特征技术将图片处理标记烧烫伤位置，以及根据表面表现，进行数据库匹配，给出深度数据。识别图片表面的烧烫伤标记，计算面积。综合以上数据，根据匹配模型库得出的深度加面积得出烧烫伤等级。
111.在一种实施方式中，基于关键词的预设伤情级别确定策略例如可以包括：预先设定每一个伤情级别对应一个预设的关键词总分区间，每一个伤情级别对应一个预设的伤情级别分值区间。根据所有关键词以及基于关键词的预设伤情级别确定策略，确定并输出对应于所述受伤事件告知信息的伤情级别，包括：根据预设的关键词评分规则确定每一关键词的分值；计算各关键词的分值之和，得到总分；根据总分与预设的伤情级别分值区间，确
定并输出对应于所述受伤事件告知信息的伤情级别。预设的关键词评分规则例如可以是预先设定了每一个关键词对应的分值。具体地，每一个伤情级别对应一个伤情级别分值区间，根据各关键词的总分所落入的伤情级别分值区间，即可确定对应于所述受伤事件告知信息的伤情级别。例如，伤情级别中度对应的分值区间为[60,80)，当各关键词的总分落入该区间[60,80)内时，确定对应的伤情级别为中度。
[0112]
在一些具体示例中，以烧烫伤事件为例，可以按照关键词内容，对比新九分法评估算法：头颈部＝1
×
9％；躯干＝3
×
9％；双上肢＝2
×
9％；双下肢＝5
×
9％+1％，锁定烧烫伤位置及面积。如果烧烫伤面积较小，则可识别语音内容中烧烫伤面积可覆盖的手掌面积个数，根据手掌面积占比体表面积的1％，呼救者描述n个手掌大小，按照计算公式：最终烧烫伤面积＝n*1％，测算得出烧烫伤面积大小为n％。
[0113]
具体地，烧烫伤深度的判断，在识别语音通话内容时，识别呼救者关于烧烫伤表面的状况描述，利用nlp中文分词-最大匹配算法，对照识别库：
[0114]
①
局部红肿，有疼痛和烧灼感，皮温稍增高，无水泡。
[0115]
②
剧痛，感觉过敏，局部红肿，有大小不一的水泡，内含黄色或淡红色血浆样液体或蛋白凝固的胶冻物。去除水泡腐皮后，可见创面潮红、脉络状或颗粒状扩张充血的毛细血管网。
[0116]
局部肿胀，痛觉迟钝，水泡可有可无，去除表皮后，创面微湿、微红或红白相间，有网状栓塞血管，触之较韧，温座较低，拔毛痛。
[0117]
③
皮肤痛觉消失，无弹性，干燥、无水泡，似皮革状、蜡白，焦黄，甚至碳化，针刺、拔毛不痛，可见粗大栓塞的树枝状血管网。
[0118]
对比识别库级别，判定烧烫伤深度为
①
。
[0119]
例如，在一个示例中，根据烧烫伤等级＝[脸部(位置)]+[1个手掌大小(面积)]+[表面红肿(深度)]+[声音嘶哑]，得出烧烫伤等级为重度的结论。
[0120]
烧烫伤等级库中规定的判断方式如下：
[0121]
轻度：总面积《10％或ii度烧烫伤；
[0122]
中度：总面积在11％～30％之间/ii度烧烫伤或总面积《10％/iii度烧烫伤；
[0123]
重度：总面积在31％～50％之间/ii度烧烫伤或iii度烧烫伤面积在11％～20％之间或烧烫伤面积《30％/ii度烧烫伤但有下列情况之一者：
①
有休克、休克中度；
②
中、重度呼吸道烧烫伤(呼吸道烧烫伤波及喉以下者)；
[0124]
特重度：总面积》50％或iii度烧烫伤面积达20％以上者。
[0125]
指导内容推荐，在面积及深度判定后，比对数据库对应的指导进行展示。
[0126]
字典库为预置的数据库，主要包括内容为人体部位库、烧烫伤面积算法库(新九分法)、烧烫伤深度算法库(三度四分法)、烧烫伤等级库。
[0127]
在一种实施方式中，基于关键词的预设伤情级别确定策略例如可以是新九分法对应的规则。如表1所示。
[0128]
表1
[0129][0130]
烧烫伤是以火焰、热水、热蒸气等因子，作用于人体造成的损伤。
[0131]
烧烫伤面积的估算是指皮肤烧烫伤区域占全身体表面积的百分数。在新九分法对应的规则中，将体表面积划分为11个9％的等份，另加1％，构成100％的总体表面积，即头颈部＝1
×
9％；躯干＝3
×
9％；双上肢＝2
×
9％；双下肢＝5
×
9％+1％，共为11
×
9％+1％(会阴部)。
[0132]
估算面积时，女性和儿童有所差别。一般成年女性的臀部和双足各占6％；儿童头大，下肢小，头颈部面积＝[9+(12-年龄)]％，双下肢面积＝[46-(12-年龄)]％。
[0133]
烧烫伤面积九分法是我国采用的评定烧烫伤面积的一种方法，按照体表分为11个9％和1个1％。
[0134]
量法：不论性别、年龄，烧烫伤患者并指的掌面约占体表面积1％，如现场人员/呼救者的手掌大小与病人相近，可用现场人员/呼救者手掌估算，此法可辅助九分法，测算小面积烧烫伤较便捷。
[0135]
基于关键词的预设伤情级别确定策略例如可以是如表2所示的三度四分法伤情判定规则。
[0136]
表2
[0137]
[0138][0139]
确定得到的伤情级别可以以文字形式输出，以供相关工作人员参考。另外，在以文字形式输出伤情级别时还可以辅助以可视化呈现的方式，以便相关工作人员更加直观地获得伤情级别的信息。
[0140]
可视化呈现的方式例如可以在显示屏上展示受伤人体模型图像，受伤人体模型图像例如可以按照伤者年龄从儿童、成年女性、成年男性三种形式中确定出其中一种进行展示。
[0141]
在一些实施方式中，受伤事件告知信息包括受伤事件告知视频信息和/或受伤事件告知图像信息；所述从所述受伤事件告知信息中提取伤情关键词，包括：对所述受伤事件告知视频信息和/或所述受伤事件告知图像信息进行图像处理，提取伤情关键词。
[0142]
具体地，对受伤事件告知图像信息进行图像处理，提取伤情关键词，可以包括：利用图像关键词提取网络对受伤事件告知图像信息进行关键词提取，得到多个对应于该受伤事件告知图像信息的关键词。其中，该图像关键词提取网络可以为多标签分类网络，该图像关键词提取网络经过样本图像训练获得的，样本图像标注有标注描述语句，关键词集合中包括多个关键词；以样本图像对应的多个关键词作为监督信息，结合预测关键词训练该多标签分类网络，得到训练后的图像关键词提取网络。
[0143]
示例性地，对受伤事件告知视频信息进行图像处理，提取伤情关键词，可以包括：从受伤事件告知视频信息中抽取关键图像；对关键图像进行图像处理，提取伤情关键词。对关键图像进行图像处理，提取伤情关键词，可以包括：利用图像关键词提取网络对受伤事件
告知图像信息进行关键词提取，得到多个对应于该受伤事件告知图像信息的关键词。
[0144]
在一些示例中，在通过语音通话或视频通话或呼救者上传照片等方式求助时，可以通过识别语音内容关键词/视频通话内容关键词/图像关键词等方式识别出关键词，将识别出的关键词与预设关键词数据库进行比对，确定受伤位置、面积、受伤深度、判断受伤等级等，然后在可视化显示的人体模型图像上自动划定或选择受伤部位以及对受伤部位的面积进行显示，并依据伤情给出对应的预设指导建议信息。具体地，可以预先在人体模型图像的各个部位设定对应的关键词，然后与识别出的关键词进行比对，确定人体模型图像上的对应部位并进行显示。
[0145]
在一些实施方式中，该处理方法还可以包括：
[0146]
s40、确定并输出对应于所述伤情级别的预设伤情处理提示信息。
[0147]
示例性地，在确定伤者的伤情级别后，可以根据预先设置的对应于每一伤情级别的预设伤情处理提示信息，从中查找到与当前伤者伤情级别相对应的预设伤情处理提示信息，然后输出该预设伤情处理提示信息，该提示信息可以包括文字、图片、视频和/或语音。
[0148]
预设伤情处理提示信息可以以文字形式输出，以供相关人员参考。另外，在以文字形式输出预设伤情处理提示信息时还可以辅助以可视化呈现的方式，以便相关人员更加直观地获得预设伤情处理提示信息。参考图7所示，图7示出了一个示例中的伤情级别输出示意图。
[0149]
在一些实施方式中，该处理方法还可以包括：
[0150]
s50、若根据提取的所有所述伤情关键词以及基于伤情关键词的预设伤情级别确定策略，未确定出对应于所述受伤事件告知信息的伤情级别，则根据触控输入信号确定并输出可视化显示信号。
[0151]
该可视化显示信号例如可以包括人体模型图像和文字描述信息，该人体模型图像上显示有对应于该触控输入信号的受伤部位，该文字描述信息包括对该受伤部位进行描述的文字。
[0152]
具体地，触控输入信号可以是相关工作人员在触摸屏上进行手动操作时产生的触摸信号，或者人工输入的文字信息。如果根据提取的所有伤情关键词以及基于伤情关键词的预设伤情级别确定策略，没有确定出对应于受伤事件告知信息的伤情级别，则相关工作人员会人工判断伤情状况，然后通过手动输入信号的方式输入伤情人工判断结果。根据相关人员手动输入的伤情人工判断结果，确定要显示的信息，然后在输出该显示信息。可视化显示的方式可以参考图7所示的示例，图7中显示出了人体模型图像以及文字描述信息，人体模型图像上标注出了受伤部位，文字描述信息对伤情状况进行了描述说明。
[0153]
例如，当通过语音/视频/图片等方式进行自动识别时，如未能识别出伤情级别，则调度人员可通过对触控显示屏进行操作的方式手动选择伤者部位，选择方式为直接点击人体模型图像上的身体部位进行选择。在选中对应部位后，默认展示该部位的面积占比(占人体总面积)，点击数字可增加/减少受伤面积。
[0154]
图8示出了本技术一个具体示例的受伤事件处理流程示意图，该受伤事件为烧烫伤事件。
[0155]
本技术实施例提供的受伤事件告知信息的处理方法，获取受伤事件告知信息，从所述受伤事件告知信息中提取伤情关键词，根据提取的所有所述伤情关键词以及基于伤情
关键词的预设伤情级别确定策略，确定并输出对应于所述受伤事件告知信息的伤情级别，实现对受伤事件告知信息进行及时准确处理，从而将处理结果提供给相关人员进行参考，以便相关人员快速准确判断伤者受伤程度，有利于及时为伤者提供合适的急救指导内容，降低受伤事件的致残致死率。
[0156]
参考图9所示，本技术另一个实施例提供了一种受伤事件告知信息的处理装置，可以包括：
[0157]
告知信息获取模块，用于获取受伤事件告知信息；
[0158]
关键词提取模块，用于从所述受伤事件告知信息中提取伤情关键词；
[0159]
伤情级别确定模块，用于根据提取的所有所述伤情关键词以及基于伤情关键词的预设伤情级别确定策略，确定并输出对应于所述受伤事件告知信息的伤情级别。
[0160]
在一些实施方式中，所述受伤事件告知信息包括受伤事件告知视频信息，或者所述受伤事件告知信息包括一个或多个图片；
[0161]
在所述受伤事件告知信息包括一个或多个图片的情况下，所述从所述受伤事件告知信息中提取伤情关键词，包括从所有所述图片中提取伤情关键词；
[0162]
在所述受伤事件告知信息包括受伤事件告知视频信息的情况下，所述从所述受伤事件告知信息中提取伤情关键词，包括：
[0163]
将所述受伤事件告知视频信息拆分为多个图片，从所有所述图片中提取伤情关键词；
[0164]
所述从所有所述图片中提取伤情关键词，包括：
[0165]
根据预设匹配识别数据库对每一所述图片进行标记，得到标记图片；
[0166]
利用预训练的图像识别模型处理每一所述标记图片，获得每一所述标记图片的图像识别数据；
[0167]
根据预设关键词库从所有所述标记图片的图像识别数据中提取伤情关键词。
[0168]
在一些实施方式中，所述根据预设匹配识别数据库对每一所述图片进行标记，得到标记图片，包括：
[0169]
根据预设匹配识别数据库，使用字符特征提取算法对每一所述图片进行标记，得到标记图片。
[0170]
在一些实施方式中，所述利用预训练的图像识别模型处理每一所述标记图片，获得每一所述标记图片的图像识别数据，包括：
[0171]
针对每一所述标记图片，利用预训练的图像识别模型进行受伤位置锁定、受伤面积判定和受伤深度判定，得到每一所述标记图片的受伤位置数据、受伤面积数据和受伤深度数据。
[0172]
在一些实施方式中，所述将所述受伤事件告知视频信息拆分为多个图片，包括：读入所述受伤事件告知视频信息的视频文件；计算所述视频文件的md5值；根据所述md5值提取所述视频文件中对应帧数段的图片；根据预先设置的帧间隔获取截取图片数量；根据预先设置的保存图片文件名格式保存并输出所有所述图片。
[0173]
在一些实施方式中，受伤事件告知信息包括受伤事件告知语音信息；关键词提取模块包括：
[0174]
文字信息转化单元，用于将所述受伤事件告知语音信息转化为文字信息；
[0175]
伤情关键词提取单元，用于根据预设关键词库从所述文字信息中提取伤情关键词。
[0176]
在一些实施方式中，文字信息转化单元可以包括：
[0177]
语音特征提取子单元，用于提取所述语音信息的语音特征；
[0178]
获取子单元，用于通过预训练的声学处理模型获取对应于所述语音特征的最小语音单位序列；
[0179]
解码子单元，用于通过预训练的语言解码模型对所述最小语音单位序列进行语音信息解码，得到对应于所述语音信息的文字信息。
[0180]
在一些实施方式中，伤情关键词提取单元可以包括：
[0181]
清洗子单元，用于对所述文字信息进行数据清洗，得到清洗后的文字；
[0182]
比对子单元，用于将所述清洗后的文字与所述预设关键词库进行比对；
[0183]
关键词确定子单元，用于根据比对结果，将所述清洗后的文字中存在于所述预设关键词库中的词确定为伤情关键词。
[0184]
在一些实施方式中，对所述文字信息进行数据清洗，得到清洗后的文字，包括：通过正则匹配删除所述文字信息中的标点符号，得到无标点符号的文字文本；对所述无标点符号的文字文本进行分词处理，得到分词处理结果；删除所述分词处理结果中的无关词，得到所述清洗后的文字。
[0185]
在一些实施方式中，将所述清洗后的文字与所述预设关键词库进行比对，包括：将所述清洗后的文字中的每一分词分别与所述预设关键词库进行比对。
[0186]
在一些实施方式中，获取受伤事件告知语音信息，包括：获取受伤事件的语音求助通话音频信息或者视频求助通话音频信息。
[0187]
在一些实施方式中，伤情级别确定模块可以包括：
[0188]
分值确定单元，用于根据预设的关键词评分规则确定每一关键词的分值；
[0189]
计算单元，用于计算各所述关键词的分值之和，得到总分；
[0190]
伤情级别确定单元，用于根据所述总分与预设的伤情级别分值区间，确定并输出对应于所述受伤事件告知信息的伤情级别。
[0191]
在一些实施方式中，受伤事件告知信息包括受伤事件告知视频信息和/或受伤事件告知图像信息；所述从所述受伤事件告知信息中提取伤情关键词，包括：对所述受伤事件告知视频信息和/或所述受伤事件告知图像信息进行图像处理，提取伤情关键词。
[0192]
在一些实施例中，该受伤事件告知信息的处理装置还可以包括伤情处理提示信息确定模块，伤情处理提示信息确定模块用于确定并输出对应于所述伤情级别的预设伤情处理提示信息，该提示信息包括文字、图片、视频和/或语音。
[0193]
本技术实施例提供的受伤事件告知信息的处理装置，获取受伤事件告知信息，从所述受伤事件告知信息中提取伤情关键词，根据提取的所有所述伤情关键词以及基于伤情关键词的预设伤情级别确定策略，确定并输出对应于所述受伤事件告知信息的伤情级别，实现对受伤事件告知信息进行及时准确处理，从而将处理结果提供给相关人员进行参考，以便相关人员快速准确判断伤者受伤程度，有利于及时为伤者提供合适的急救指导内容，降低受伤事件的致残致死率。
[0194]
本技术另一个实施例提供了一种电子设备，包括存储器、处理器及存储在所述存
储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序，以实现上述任一实施方式所述的方法。
[0195]
参考图10所示，电子设备10可以包括：处理器100，存储器101，总线102和通信接口103，处理器100、通信接口103和存储器101通过总线102连接；存储器101中存储有可在处理器100上运行的计算机程序，处理器100运行该计算机程序时执行本技术前述任一实施方式所提供的方法。
[0196]
其中，存储器101可能包含高速随机存取存储器(ram：random access memory)，也可能还可以包括非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。通过至少一个通信接口103(可以是有线或者无线)实现该装置网元与至少一个其他网元之间的通信连接，可以使用互联网、广域网、本地网、城域网等。
[0197]
总线102可以是isa总线、pci总线或eisa总线等。总线可以分为地址总线、数据总线、控制总线等。其中，存储器101用于存储程序，处理器100在接收到执行指令后，执行该程序，前述本技术实施例任一实施方式揭示的方法可以应用于处理器100中，或者由处理器100实现。
[0198]
处理器100可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器100中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器100可以是通用处理器，可以包括中央处理器(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(dsp)、专用集成电路(asic)、现成可编程门阵列(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。可以实现或者执行本技术实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本技术实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器101，处理器100读取存储器101中的信息，结合其硬件完成上述方法的步骤。
[0199]
本技术实施例提供的电子设备与本技术实施例提供的方法出于相同的发明构思，具有与其采用、运行或实现的方法相同的有益效果。
[0200]
本技术另一个实施例提供了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，以实现上述任一实施方式所述的方法。参考图11所示，其示出的计算机可读存储介质为光盘20，其上存储有计算机程序(即程序产品)，该计算机程序在被处理器运行时，会执行前述任意实施方式所提供的方法。
[0201]
需要说明的是，计算机可读存储介质的例子还可以包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他光学、磁性存储介质，在此不再一一赘述。
[0202]
本技术的上述实施例提供的计算机可读存储介质与本技术实施例提供的方法出于相同的发明构思，具有与其存储的应用程序所采用、运行或实现的方法相同的有益效果。
[0203]
需要说明的是：
[0204]
术语“模块”并非意图受限于特定物理形式。取决于具体应用，模块可以实现为硬件、固件、软件和/或其组合。此外，不同的模块可以共享公共组件或甚至由相同组件实现。不同模块之间可以存在或不存在清楚的界限。
[0205]
在此提供的算法和显示不与任何特定计算机、虚拟装置或者其它设备固有相关。各种通用装置也可以与基于在此的示例一起使用。根据上面的描述，构造这类装置所要求的结构是显而易见的。此外，本技术也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本技术的内容，并且上面对特定语言所做的描述是为了披露本技术的最佳实施方式。
[0206]
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
[0207]
以上实施例仅表达了本技术的实施方式，其描述较为具体和详细，但并不能因此而理解为对本技术专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术的保护范围应以所附权利要求为准。

技术特征：
1.一种受伤事件告知信息的处理方法，其特征在于，包括：获取受伤事件告知信息；从所述受伤事件告知信息中提取伤情关键词；根据提取的所有所述伤情关键词以及基于伤情关键词的预设伤情级别确定策略，确定并输出对应于所述受伤事件告知信息的伤情级别。2.根据权利要求1所述的方法，其特征在于，所述受伤事件告知信息包括一个或多个图片，或者所述受伤事件告知信息包括受伤事件告知视频信息；在所述受伤事件告知信息包括一个或多个图片的情况下，所述从所述受伤事件告知信息中提取伤情关键词，包括从所有所述图片中提取伤情关键词；在所述受伤事件告知信息包括受伤事件告知视频信息的情况下，所述从所述受伤事件告知信息中提取伤情关键词，包括：将所述受伤事件告知视频信息拆分为多个图片，从所有所述图片中提取伤情关键词；所述从所有所述图片中提取伤情关键词，包括：根据预设匹配识别数据库对每一所述图片进行标记，得到标记图片；利用预训练的图像识别模型处理每一所述标记图片，获得每一所述标记图片的图像识别数据；根据预设关键词库从所有所述标记图片的图像识别数据中提取伤情关键词。3.根据权利要求2所述的方法，其特征在于，所述根据预设匹配识别数据库对每一所述图片进行标记，得到标记图片，包括：根据预设匹配识别数据库，使用字符特征提取算法对每一所述图片进行标记，得到标记图片。4.根据权利要求2所述的方法，其特征在于，所述利用预训练的图像识别模型处理每一所述标记图片，获得每一所述标记图片的图像识别数据，包括：针对每一所述标记图片，利用预训练的图像识别模型进行受伤位置锁定、受伤面积判定和受伤深度判定，得到每一所述标记图片的受伤位置数据、受伤面积数据和受伤深度数据。5.根据权利要求2所述的方法，其特征在于，所述将所述受伤事件告知视频信息拆分为多个图片，包括：读入所述受伤事件告知视频信息的视频文件；计算所述视频文件的md5值；根据所述md5值提取所述视频文件中对应帧数段的图片；根据预先设置的帧间隔获取截取图片数量；根据预先设置的保存图片文件名格式保存并输出所有所述图片。6.根据权利要求1所述的方法，其特征在于，所述受伤事件告知信息包括受伤事件告知语音信息；所述从所述受伤事件告知信息中提取伤情关键词，包括：将所述受伤事件告知语音信息转化为文字信息；根据预设关键词库从所述文字信息中提取伤情关键词。7.根据权利要求6所述的方法，其特征在于，所述将所述语音信息转化为文字信息，包括：
提取所述语音信息的语音特征；通过预训练的声学处理模型获取对应于所述语音特征的最小语音单位序列；通过预训练的语言解码模型对所述最小语音单位序列进行语音信息解码，得到对应于所述语音信息的文字信息。8.根据权利要求6所述的方法，其特征在于，所述根据预设关键词库从所述文字信息中提取伤情关键词，包括：对所述文字信息进行数据清洗，得到清洗后的文字；将所述清洗后的文字与所述预设关键词库进行比对；根据比对结果，将所述清洗后的文字中存在于所述预设关键词库中的词确定为伤情关键词。9.根据权利要求8所述的方法，其特征在于，所述对所述文字信息进行数据清洗，得到清洗后的文字，包括：通过正则匹配删除所述文字信息中的标点符号，得到无标点符号的文字文本；对所述无标点符号的文字文本进行分词处理，得到分词处理结果；删除所述分词处理结果中的无关词，得到所述清洗后的文字。10.根据权利要求9所述的方法，其特征在于，所述将所述清洗后的文字与所述预设关键词库进行比对，包括：将所述清洗后的文字中的每一分词分别与所述预设关键词库进行比对。11.根据权利要求6所述的方法，其特征在于，所述获取受伤事件告知语音信息，包括：获取受伤事件的语音求助通话音频信息或者视频求助通话音频信息。12.根据权利要求1所述的方法，其特征在于，所述根据所有所述关键词以及基于关键词的预设伤情级别确定策略，确定并输出对应于所述受伤事件告知信息的伤情级别，包括：根据预设的关键词评分策略确定每一关键词的分值；计算各所述关键词的分值之和，得到总分；根据所述总分与预设的伤情级别分值区间，确定并输出对应于所述受伤事件告知信息的伤情级别。13.根据权利要求1所述的方法，其特征在于，所述处理方法还包括：确定并输出对应于所述伤情级别的预设伤情处理提示信息，所述提示信息包括文字、图片、视频和/或语音。14.根据权利要求1所述的方法，其特征在于，所述处理方法还包括：若未确定出对应于所述受伤事件告知信息的伤情级别，则根据触控输入信号确定并输出可视化显示信号。15.一种受伤事件告知信息的处理装置，其特征在于，包括：告知信息获取模块，用于获取受伤事件告知信息；关键词提取模块，用于从所述受伤事件告知信息中提取伤情关键词；伤情级别确定模块，用于根据提取的所有所述伤情关键词以及基于伤情关键词的预设伤情级别确定策略，确定并输出对应于所述受伤事件告知信息的伤情级别。16.一种电子设备，其特征在于，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序，以实现如权利要求1-14
中任一项所述的方法。17.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行，以实现如权利要求1-14中任一项所述的方法。

技术总结
本申请公开了一种受伤事件告知信息的处理方法、装置、设备及存储介质。该受伤事件告知信息的处理方法，包括：获取受伤事件告知信息；从所述受伤事件告知信息中提取伤情关键词；根据提取的所有所述伤情关键词以及基于伤情关键词的预设伤情级别确定策略，确定并输出对应于所述受伤事件告知信息的伤情级别。本申请实施例提供的受伤事件告知信息的处理方法，能够及时准确地判断伤者受伤级别，以便为相关人员提供参考，及时提供对症的急救指导内容，降低受伤致残致死率。受伤致残致死率。受伤致残致死率。


技术研发人员：张进军 李斗 刘江 廉惠欣 田思佳 赵晖 蔡苗 魏爽 王继坤
受保护的技术使用者：北京远盟健康科技有限公司
技术研发日：2023.04.03
技术公布日：2023/8/14