[發(fā)明專利]一種基于大數(shù)據(jù)的人體異常行為檢測(cè)與判定方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201710866442.8
• 申請(qǐng)日: 2017-09-22
• 公開（公告）號(hào): CN107657277B
• 公開（公告）日: 2022-02-01
• 發(fā)明（設(shè)計(jì)）人: 劉璐
• 申請(qǐng)（專利權(quán)）人: 金言;馮文雄;張以朋
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G08B21/04;G06F3/01
• 代理公司: 新余市渝星知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 36124
• 代理人: 張瑜生

本發(fā)明公開了一種基于大數(shù)據(jù)的人體異常行為檢測(cè)與判定方法及系統(tǒng)，用以解決現(xiàn)有技術(shù)的模型或算法在實(shí)際應(yīng)用中不準(zhǔn)確的問(wèn)題。該方法包括：S1、獲取并存儲(chǔ)智能可穿戴設(shè)備采集的加速度數(shù)據(jù)后進(jìn)行預(yù)處理；S2、利用K?means算法對(duì)所述加速度數(shù)據(jù)進(jìn)行初步聚類處理；S3、利用DBSCAN算法對(duì)所述初步聚類處理的加速度數(shù)據(jù)進(jìn)行最終聚類處理；S4、對(duì)經(jīng)過(guò)所述最終聚類處理的數(shù)據(jù)進(jìn)行橢球擬合。本發(fā)明通過(guò)聚類算法消除了人的差異性，考慮了人與人的不同，收集到的數(shù)據(jù)不同，使得數(shù)據(jù)的可用性得到提高。

技術(shù)領(lǐng)域

本發(fā)明涉及人體異常行為識(shí)別技術(shù)領(lǐng)域，尤其涉及一種基于大數(shù)據(jù)的人體異常行為檢測(cè)與判定方法及系統(tǒng)。

背景技術(shù)

當(dāng)前，全世界老齡化的趨勢(shì)越來(lái)越嚴(yán)重，在未來(lái)的一個(gè)世紀(jì)中，老齡人口將會(huì)翻番，青年人口與老年人口的比例也會(huì)大幅度下降。在這樣的背景下，人工照看老人的方式已經(jīng)開始變得越來(lái)越不合適，如果通過(guò)計(jì)算機(jī)和電子系統(tǒng)對(duì)老熱你的健康進(jìn)行監(jiān)控和管理成為了一個(gè)新的領(lǐng)域，人體異常行為檢測(cè)就是其中一個(gè)熱門的研究方向。

現(xiàn)有的研究中，研究者大多是從人體運(yùn)動(dòng)分析的角度來(lái)解決這個(gè)問(wèn)題，例如分析跌落的加速度波形，撞擊力以及跌落時(shí)的角度變化，以提出響應(yīng)的算法和模型來(lái)實(shí)現(xiàn)異常行為檢測(cè)。

這種方法的目的是從不同人的相同行為中找出共通性，把這些共通性作為人體行為的判斷準(zhǔn)則，來(lái)區(qū)分不同的姿勢(shì)動(dòng)作，因此也就導(dǎo)致了一個(gè)缺點(diǎn)，人與人之間的區(qū)別在某種程度上被忽視，而實(shí)際上每個(gè)人體態(tài)不同，一個(gè)人的跑步可能是另一個(gè)人的快走，這種方法和實(shí)際上的差別將會(huì)造成模型或者算法在實(shí)際應(yīng)用上的不準(zhǔn)確。

公開號(hào)為CN105286826A的專利提供了一種基于物聯(lián)網(wǎng)、云計(jì)算和大數(shù)據(jù)分析的智能可穿戴設(shè)備健康安全系統(tǒng)，包括云服務(wù)器、監(jiān)護(hù)人智能手機(jī)、可穿戴設(shè)備終端；可穿戴設(shè)備終端包括無(wú)線通信單元、存儲(chǔ)器單元、顯示單元、控制器單元、GPS定位單元、鋰電池單元；第一壓力傳感器、第二壓力傳感器、心率傳感器、光照傳感器、一氧化碳傳感器、體溫傳感器、陀螺儀傳感器；存儲(chǔ)器單元、顯示單元、GPS定位單元分別與控制器單元電連接；控制器單元通過(guò)無(wú)線通信單元與云服務(wù)器通信；鋰電池單元為各個(gè)模塊單元供電；該發(fā)明可以實(shí)時(shí)向監(jiān)護(hù)人通知被監(jiān)護(hù)人的健康狀況和人身安全狀況。但是由于人與人之間體態(tài)不一樣，容易造成模型或者算法與實(shí)際產(chǎn)生偏差。

發(fā)明內(nèi)容

本發(fā)明要解決的技術(shù)問(wèn)題目的在于提供一種基于大數(shù)據(jù)的人體異常行為檢測(cè)與判定方法及系統(tǒng)，用以解決現(xiàn)有技術(shù)的模型或算法在實(shí)際應(yīng)用中不準(zhǔn)確的問(wèn)題。

為了實(shí)現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案為：

一種基于大數(shù)據(jù)的人體異常行為檢測(cè)與判定方法，包括步驟：

S1、獲取并存儲(chǔ)智能可穿戴設(shè)備采集的加速度數(shù)據(jù)后進(jìn)行預(yù)處理；

S2、利用K-means算法對(duì)所述加速度數(shù)據(jù)進(jìn)行初步聚類處理；

S3、利用DBSCAN算法對(duì)所述初步聚類處理的加速度數(shù)據(jù)進(jìn)行最終聚類處理；

S4、對(duì)經(jīng)過(guò)所述最終聚類處理的數(shù)據(jù)進(jìn)行橢球擬合。

進(jìn)一步地，步驟S1具體包括：

獲取并存儲(chǔ)所述智能可穿戴設(shè)備采集的加速度數(shù)據(jù)；

對(duì)所述采集的加速度數(shù)據(jù)進(jìn)行卡爾曼濾波操作。

進(jìn)一步地，所述步驟S2具體包括：

A1、隨機(jī)選取K個(gè)初始點(diǎn)作為每個(gè)類的初始中心點(diǎn)；

B1、計(jì)算K個(gè)類的每個(gè)數(shù)據(jù)點(diǎn)到K個(gè)類中心的距離以找出K個(gè)距離中最小數(shù)據(jù)點(diǎn)并將最小數(shù)據(jù)點(diǎn)歸入相應(yīng)的類中；

C1、計(jì)算K個(gè)新形成的類中心；

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