CN108399712A - 一种能够及时预警的监测预警*** - Google Patents
一种能够及时预警的监测预警*** Download PDFInfo
- Publication number
- CN108399712A CN108399712A CN201810172887.0A CN201810172887A CN108399712A CN 108399712 A CN108399712 A CN 108399712A CN 201810172887 A CN201810172887 A CN 201810172887A CN 108399712 A CN108399712 A CN 108399712A
- Authority
- CN
- China
- Prior art keywords
- human body
- module
- feature
- old man
- body behavior
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
- G08B21/0438—Sensor means for detecting
- G08B21/0446—Sensor means for detecting worn on the body to detect changes of posture, e.g. a fall, inclination, acceleration, gait
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
- G08B21/0438—Sensor means for detecting
- G08B21/0453—Sensor means for detecting worn on the body to detect health condition by physiological monitoring, e.g. electrocardiogram, temperature, breathing
Landscapes
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Emergency Management (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Gerontology & Geriatric Medicine (AREA)
- Business, Economics & Management (AREA)
- Biophysics (AREA)
- Pulmonology (AREA)
- Physical Education & Sports Medicine (AREA)
- Physiology (AREA)
- Heart & Thoracic Surgery (AREA)
- Life Sciences & Earth Sciences (AREA)
- Cardiology (AREA)
- Alarm Systems (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Emergency Alarm Devices (AREA)
Abstract
本发明提供了一种能够及时预警的监测预警***,包括可穿戴子***、无线通信模块、处理模块、声音输出模块和终端设备,所述可穿戴子***用于对老人的人体行为进行识别和获取老人的位置信息,所述无线通信模块用于将人体行为识别结果和位置信息发送给处理模块,所述处理模块用于根据老人的人体行为分析老人的身体状况,发出健康预警,并将老人的身体状况和位置信息发送至声音输出模块和终端设备,所述声音输出模块用于以声音形式播放老人的身体状况和位置信息,所述终端设备用于接收老人的身体状况和位置信息。本发明的有益效果为:通过识别老人人体行为和获取老人位置,实现了老人的有效看护,大大减轻了儿女负担和社会负担。
Description
技术领域
本发明涉及预警技术领域,具体涉及一种能够及时预警的监测预警***。
背景技术
随着社会老龄化的不断加剧,越来越多的老人处在无人看护的状态下,老年人在外出活动时,如果没有家属陪同,很容易发生意外。
人体行为识别是人工智能领域内一个新兴的研究方向,具有广泛的应用前景和非常可观的经济价值,涉及的应用领域主要包括:视频监控、医疗诊断和监护、运动分析、智能人机交互、虚拟现实等。
人体行为识别对应的基本工作流程是:选用各类传感器获取人体行为数据信息,并结合传感器特性及人的行为特性建立合理的行为模型,在此基础上从原始采集数据中提取出对行为类型具有较强描述能力的特征,并采用合适的方法对这些特征进行训练,进而实现对人体行为的模式识别。一般来说,基于摄像工作模式的行为识别***,比较适用于可控的环境(例如,实验室环境),而将其应用于户外或其它复杂场景中时,由于光照变化及其它干扰因素的影响,行为识别精度可能会受到严重影响。
发明内容
针对上述问题,本发明旨在提供一种能够及时预警的监测预警***。
本发明的目的采用以下技术方案来实现:
提供了一种能够及时预警的监测预警***,包括可穿戴子***、无线通信模块、处理模块、声音输出模块和终端设备,所述可穿戴子***用于对老人的人体行为进行识别和获取老人的位置信息,所述无线通信模块用于将人体行为识别结果和位置信息发送给处理模块,所述处理模块用于根据老人的人体行为分析老人的身体状况,发出健康预警,并将老人的身体状况和位置信息发送至声音输出模块和终端设备,所述声音输出模块用于以声音形式播放老人的身体状况和位置信息,所述终端设备用于接收老人的身体状况和位置信息,所述终端设备包括医院的终端设备和老人家属的终端设备。
本发明的有益效果为:提供了一种能够及时预警的监测预警***,该***通过识别老人人体行为和获取老人位置,实现了老人的有效看护,大大减轻了儿女负担和社会负担。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1是本发明的结构示意图;
附图标记:
可穿戴子***1、无线通信模块2、处理模块3、声音输出模块4、终端设备5。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1,本实施例的一种能够及时预警的监测预警***,包括可穿戴子***1、无线通信模块2、处理模块3、声音输出模块4和终端设备5,所述可穿戴子***1用于对老人的人体行为进行识别和获取老人的位置信息,所述无线通信模块2用于将人体行为识别结果和位置信息发送给处理模块3,所述处理模块3用于根据老人的人体行为分析老人的身体状况,发出健康预警,并将老人的身体状况和位置信息发送至声音输出模块4和终端设备5,所述声音输出模块4用于以声音形式播放老人的身体状况和位置信息,所述终端设备5用于接收老人的身体状况和位置信息,所述终端设备5包括医院的终端设备和老人家属的终端设备。
本实施例提供了一种能够及时预警的监测预警***,该***通过识别老人人体行为和获取老人位置,实现了老人的有效看护,大大减轻了儿女负担和社会负担。
优选的,所述可穿戴子***1包括行为识别模块和定位模块,所述行为识别模块包括第一数据采集模块、第二特征提取模块、第三分类模块和第四决策融合模块,所述第一数据采集模块通过在可穿戴设备上设置传感器对人体行为数据进行采集,所述传感器包括微机速度计和微型陀螺仪;所述第二特征提取模块用于根据采集的人体行为数据对人体行为特征进行提取,所述第三分类模块用于根据人体行为特征对人体行为进行分类,所述第四决策融合模块用于将多个传感器节点的分类结果进行融合,获取人体行为识别结果,所述定位模块采用全球定位***获取老人的位置信息。
随着近年来电子、无线通信等技术的飞速发展,可穿戴传感行为识别也已经成为一个新兴的研究方向。本实施例可穿戴子***1利用可穿戴设备对人体行为进行识别,能够免受阴影和遮挡等因素的影响,且不会附带个人的隐私信息,因而人体行为能够表现得更为自然。此外,该穿戴子***采用力学传感器(微型加速度计、微型陀螺仪),采集的行为数据为时域信号,对于高维的二维图像数据,可以降低对数据存储空间和计算资源的要求。
优选的,所述第一数据采集模块通过在可穿戴设备上设置传感器对人体行为数据进行采集:将原始数据分割为小的数据片段,数据的窗口长度为M,传感器按照窗口长度对数据进行采集;
所述第二特征提取模块包括一次处理单元,二次处理单元和三次处理单元,所述一次处理单元用于提取人体行为的第一特征,所述二次处理单元用于提取人体行为的第二特征,所述三次处理单元用于根据所述人体行为的第一特征和第二特征确定人体行为的综合特征;
所述一次处理单元用于提取人体行为的第一特征:根据传感器采集的人体行为数据,采用下式确定人体行为的第一特征:
式中,AD1表示人体行为的第一特征,M表示数据的窗口长度,RXm表示窗口数据的第m个数据;所述二次处理单元用于提取人体行为的第二特征,具体为:根据传感器采集的人体行为数据,采用下式确定人体行为的第二特征:
式中,AD2表示人体行为的第二特征;所述三次处理单元用于根据所述人体行为的第一特征和第二特征确定人体行为的综合特征:将第一特征和第二特征连接起来,构成综合特征AD=[AD1,AD2];
本优选实施例第一数据采集模块通过调整数据窗口的长度,有助于获取最高的识别率,第二特征提取模块在特征提取过程中,第一特征充分反映了人体行为数据的平均水平,和第二特征充分反映了人体行为数据的稳定性,为后续人体行为分类奠定了基础。
优选的,所述第三分类模块用于根据人体行为特征对人体行为进行分类,具体为:根据人体行为的特征获取人体行为分类的概率输出;所述第四决策融合模块用于将多个传感器节点的分类结果进行融合:对各传感器节点的二进制分类结果进行投票,具体采用以下融合规则进行融合:
式中,j表示传感器节点的标号,n表示总的传感器节点的数目,MH(i)表示人体行为为第i类行为的得票数,C表示人体行为的类的总数,r表示融合结果的类标签,I表示变换函数,用于将传感器节点的概率输出转换为二进制输出。
为了提高人体行为识别性能,本优选实施例第四决策融合模块在决策层上对各个传感节点的分类结果进行融合,生成最后的分类结果,通过多传感节点决策融合,不同传感节点能够提供人体行为的互补信息,有效提升了人体行为识别的准确性。
采用本发明能够及时预警的监测预警***根据老人身体状况进行健康预警,选取5个用户进行实验,分别为用户1、用户2、用户3、用户4、用户5,对预警效率和预警准确性进行统计,同现有监测预警***相比,产生的有益效果如下表所示:
预警效率提高 | 预警准确性提高 | |
用户1 | 29% | 27% |
用户2 | 27% | 26% |
用户3 | 26% | 26% |
用户4 | 25% | 24% |
用户5 | 24% | 22% |
最后应当说明的是,以上实施例仅用以说明本发明的技术方案,而非对本发明保护范围的限制,尽管参照较佳实施例对本发明作了详细地说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。
Claims (6)
1.一种能够及时预警的监测预警***,其特征在于,包括可穿戴子***、无线通信模块、处理模块、声音输出模块和终端设备,所述可穿戴子***用于对老人的人体行为进行识别和获取老人的位置信息,所述无线通信模块用于将人体行为识别结果和位置信息发送给处理模块,所述处理模块用于根据老人的人体行为分析老人的身体状况,发出健康预警,并将老人的身体状况和位置信息发送至声音输出模块和终端设备,所述声音输出模块用于以声音形式播放老人的身体状况和位置信息,所述终端设备用于接收老人的身体状况和位置信息,所述终端设备包括医院的终端设备和老人家属的终端设备。
2.根据权利要求1所述的能够及时预警的监测预警***,其特征在于,所述可穿戴子***包括行为识别模块和定位模块,所述行为识别模块包括第一数据采集模块、第二特征提取模块、第三分类模块和第四决策融合模块,所述第一数据采集模块通过在可穿戴设备上设置传感器对人体行为数据进行采集,所述传感器包括微机速度计和微型陀螺仪;所述第二特征提取模块用于根据采集的人体行为数据对人体行为特征进行提取,所述第三分类模块用于根据人体行为特征对人体行为进行分类,所述第四决策融合模块用于将多个传感器节点的分类结果进行融合,获取人体行为识别结果,所述定位模块采用全球定位***获取老人的位置信息。
3.根据权利要求2所述的能够及时预警的监测预警***,其特征在于,所述第一数据采集模块通过在可穿戴设备上设置传感器对人体行为数据进行采集:将原始数据分割为小的数据片段,数据的窗口长度为M,传感器按照窗口长度对数据进行采集;所述第二特征提取模块包括一次处理单元,二次处理单元和三次处理单元,所述一次处理单元用于提取人体行为的第一特征,所述二次处理单元用于提取人体行为的第二特征,所述三次处理单元用于根据所述人体行为的第一特征和第二特征确定人体行为的综合特征。
4.根据权利要求3所述的能够及时预警的监测预警***,其特征在于,所述特征提取模块包括一次处理单元,第二特征提取模块和三次处理单元,所述一次处理单元用于提取人体行为的第一特征,所述第二特征提取模块用于提取人体行为的第二特征,所述三次处理单元用于根据所述人体行为的第一特征和第二特征确定人体行为的综合特征。
5.根据权利要求4所述的能够及时预警的监测预警***,其特征在于,所述一次处理单元用于提取人体行为的第一特征:根据传感器采集的人体行为数据,采用下式确定人体行为的第一特征:
式中,AD1表示人体行为的第一特征,M表示数据的窗口长度,RXm表示窗口数据的第m个数据;所述二次处理单元用于提取人体行为的第二特征,具体为:根据传感器采集的人体行为数据,采用下式确定人体行为的第二特征:
式中,AD2表示人体行为的第二特征;所述三次处理单元用于根据所述人体行为的第一特征和第二特征确定人体行为的综合特征:将第一特征和第二特征连接起来,构成综合特征AD=[AD1,AD2]。
6.根据权利要求5所述的能够及时预警的监测预警***,其特征在于,所述第三分类模块用于根据人体行为特征对人体行为进行分类,具体为:根据人体行为的特征获取人体行为分类的概率输出;所述第四决策融合模块用于将多个传感器节点的分类结果进行融合:对各传感器节点的二进制分类结果进行投票,具体采用以下融合规则进行融合:
式中,j表示传感器节点的标号,n表示总的传感器节点的数目,MH(i)表示人体行为为第i类行为的得票数,C表示人体行为的类的总数,r表示融合结果的类标签,I表示变换函数,用于将传感器节点的概率输出转换为二进制输出。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810172887.0A CN108399712A (zh) | 2018-03-01 | 2018-03-01 | 一种能够及时预警的监测预警*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810172887.0A CN108399712A (zh) | 2018-03-01 | 2018-03-01 | 一种能够及时预警的监测预警*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108399712A true CN108399712A (zh) | 2018-08-14 |
Family
ID=63091417
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810172887.0A Withdrawn CN108399712A (zh) | 2018-03-01 | 2018-03-01 | 一种能够及时预警的监测预警*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108399712A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102302370A (zh) * | 2011-06-30 | 2012-01-04 | 中国科学院计算技术研究所 | 一种跌倒检测方法和装置 |
CN104268577A (zh) * | 2014-06-27 | 2015-01-07 | 大连理工大学 | 一种基于惯性传感器的人体行为识别方法 |
CN105726034A (zh) * | 2016-01-29 | 2016-07-06 | 江阴中科今朝科技有限公司 | 基于摔倒报警与跟踪定位功能的腕表式智能养老看护平台 |
CN106037635A (zh) * | 2016-05-11 | 2016-10-26 | 南京邮电大学 | 一种基于可穿戴设备的智能预警***和方法 |
-
2018
- 2018-03-01 CN CN201810172887.0A patent/CN108399712A/zh not_active Withdrawn
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102302370A (zh) * | 2011-06-30 | 2012-01-04 | 中国科学院计算技术研究所 | 一种跌倒检测方法和装置 |
CN104268577A (zh) * | 2014-06-27 | 2015-01-07 | 大连理工大学 | 一种基于惯性传感器的人体行为识别方法 |
CN105726034A (zh) * | 2016-01-29 | 2016-07-06 | 江阴中科今朝科技有限公司 | 基于摔倒报警与跟踪定位功能的腕表式智能养老看护平台 |
CN106037635A (zh) * | 2016-05-11 | 2016-10-26 | 南京邮电大学 | 一种基于可穿戴设备的智能预警***和方法 |
Non-Patent Citations (2)
Title |
---|
林强等: "《行为识别与智能计算》", 30 November 2016 * |
贺炎等: "多分类器融合的移动用户行为识别模型", 《科技视界》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Deep et al. | A survey on anomalous behavior detection for elderly care using dense-sensing networks | |
Erdogan et al. | A data mining approach for fall detection by using k-nearest neighbour algorithm on wireless sensor network data | |
CN110287825B (zh) | 一种基于关键骨骼点轨迹分析的摔倒动作检测方法 | |
Yuan et al. | An overview of human activity recognition based on smartphone | |
CN110674875A (zh) | 一种基于深度混合模型的行人运动模式识别方法 | |
Fang et al. | Dynamic gesture recognition using inertial sensors-based data gloves | |
CN109976526A (zh) | 一种基于表面肌电传感器和九轴传感器的手语识别方法 | |
CN108960171B (zh) | 一种基于特征迁移学习的转换手势识别到身份识别的方法 | |
Villar et al. | User-centered fall detection using supervised, on-line learning and transfer learning | |
Li et al. | Convolutional neural networks (CNN) for indoor human activity recognition using Ubisense system | |
CN111797849B (zh) | 用户活动识别方法、装置、存储介质及电子设备 | |
Chen et al. | Dimensionality reduction of data sequences for human activity recognition | |
Wang et al. | Cornerstone network with feature extractor: a metric-based few-shot model for chinese natural sign language | |
Wu et al. | Topological machine learning for multivariate time series | |
Qu et al. | Convolutional neural network for human behavior recognition based on smart bracelet | |
CN113300750A (zh) | 基于wifi信号的人员身份认证和手写字母识别方法 | |
CN108399712A (zh) | 一种能够及时预警的监测预警*** | |
CN105049615B (zh) | 一种应用于智能终端的用户出行提醒方法和智能终端 | |
Hashim et al. | Deep transfer learning based human activity recognition by transforming IMU data to image domain using novel activity image creation method | |
CN115393956A (zh) | 改进注意力机制的CNN-BiLSTM跌倒检测方法 | |
CN108542396A (zh) | 一种监测效果良好的健康监测*** | |
CN112086165B (zh) | 一种基于深度学习的上肢康复监测方法及*** | |
CN108363490A (zh) | 一种交互效果良好的智能机器人*** | |
CN109032342B (zh) | 一种融合运动、生理和位置传感数据的复杂活动识别方法 | |
Choujaa et al. | Activity recognition from mobile phone data: State of the art, prospects and open problems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20180814 |
|
WW01 | Invention patent application withdrawn after publication |