[發明專利]一種基于大數據的人體異常行為檢測與判定方法及系統

有效

• 申請號: 201710866442.8
• 申請日: 2017-09-22
• 公開（公告）號: CN107657277B
• 公開（公告）日: 2022-02-01
• 發明（設計）人: 劉璐
• 申請（專利權）人: 金言;馮文雄;張以朋
• 主分類號: G06K9/62
• 分類號: G06K9/62;G08B21/04;G06F3/01
• 代理公司: 新余市渝星知識產權代理事務所(普通合伙) 36124
• 代理人: 張瑜生

1.一種基于大數據的人體異常行為檢測與判定方法，其特征在于，包括步驟：

S1、獲取并存儲智能可穿戴設備采集的加速度數據后進行預處理；

S2、利用K-means算法對所述加速度數據進行初步聚類處理；

S3、利用DBSCAN算法對所述初步聚類處理的加速度數據進行最終聚類處理；

S4、對經過所述最終聚類處理的數據進行橢球擬合；

所述步驟S3具體包括：

A2、檢測數據庫存儲的數據點是否被處理，若是，跳過當前數據點；否則，檢測當前數據點的ε臨域，若有Minpts個點在其中，則建立新的簇C，并將臨域中的點加入候選集N中；

B2、將所述候選集N中未被處理的數據點P歸入所述新的簇C，檢測數據點P的ε臨域，若數據點P為核心對象，則將臨域中所有對象加入所述候選集N中；

C2、遞歸處理所述候選集N直至所述候選集N為空集，遞歸結束；

D2、返回步驟A2中，重新檢測下一個數據庫中數據點，直至數據庫中所有數據點都被標明類號或者判定為噪聲；

其中，對于不同的類，所對應的所述Minpts值不相同，所述Minpts值根據所述K-means算法統計出的每類的數據點個數進行設置；

聚類的過程是由初始點開始發散出去的。

2.根據權利要求1所述的一種基于大數據的人體異常行為檢測與判定方法，其特征在于，步驟S1具體包括：

獲取并存儲所述智能可穿戴設備采集的加速度數據；

對所述采集的加速度數據進行卡爾曼濾波操作。

3.根據權利要求1所述的一種基于大數據的人體異常行為檢測與判定方法，其特征在于，所述步驟S2具體包括：

A1、隨機選取K個初始點作為每個類的初始中心點；

B1、計算K個類的每個數據點到K個類中心的距離以找出K個距離中最小數據點并將最小數據點歸入相應的類中；

C1、計算K個新形成的類中心；

D1、判斷所述新形成的類中心的結果是否收斂，若是，則程序結束，否則，返回步驟B1。

4.根據權利要求1所述的一種基于大數據的人體異常行為檢測與判定方法，其特征在于，所述步驟S4具體包括：

通過Polyfit函數對所述經過最終類聚處理的數據進行線性擬合以得到橢球的長軸方程；

根據所述橢球的長軸方程進行坐標變換；

將變換后的數據用標準的橢球方程進行擬合；

通過lsqcurvefit函數確定最終橢球方程；

通過變換矩陣和擬合橢球的參數判斷當前數據點是否落在橢球中，若是，則判定當前數據點處于對應類的狀態中。

5.一種基于大數據的人體異常行為檢測與判定系統，其特征在于，包括：

獲取模塊，用于獲取并存儲智能可穿戴設備采集的加速度數據后進行預處理；

初步聚類處理模塊，用于利用K-means算法對所述加速度數據進行初步聚類處理；

最終聚類處理模塊，用于利用DBSCAN算法對所述初步聚類處理的加速度數據進行最終聚類處理；

橢球擬合模塊，用于對經過所述最終聚類處理的數據進行橢球擬合；

所述最終聚類處理模塊具體包括：

檢測單元，用于檢測數據庫存儲的數據點是否被處理，若是，跳過當前數據點；否則，檢測當前數據點的ε臨域，若有Minpts個點在其中，則建立新的簇C，并將臨域中的點加入候選集N中；

擴張單元，用于將所述候選集N中未被處理的數據點P歸入所述新的簇C，檢測數據點P的ε臨域，若數據點P為核心對象，則將臨域中所有對象加入所述候選集N中；

處理單元，用于遞歸處理所述候選集N直至所述候選集N為空集，遞歸結束；

返回單元，用于重新檢測下一個數據庫中數據點，直至數據庫中所有數據點都被標明類號或者判定為噪聲；

其中，對于不同的類，所對應的所述Minpts值不相同，所述Minpts值根據所述K-means算法統計出的每類的數據點個數進行設置；

聚類的過程是由初始點開始發散出去的。