[發明專利]一種基于機器學習的智能地毯跌倒判別方法

有效

• 申請號: 201810520143.3
• 申請日: 2018-05-28
• 公開（公告）號: CN108734141B
• 公開（公告）日: 2020-07-03
• 發明（設計）人: 朱曉榮;徐波;朱洪波
• 申請（專利權）人: 南京郵電大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N20/00
• 代理公司: 南京瑞弘專利商標事務所(普通合伙) 32249
• 代理人: 沈廉

本發明是一種基于機器學習的智能地毯跌倒判別方法，在由按照合理的人體行走規律設計的智能地毯上，使用機器學習的方式將行走過程中地毯踩點在時間及空間數據變化情況作為機器學習的輸入特征，通過反復地走動并將信息存入數據庫，將存儲的特征信息和用戶實際走動情況進行匹配，從而實現基于機器學習的特征環境。在進行分類算法之前，建立隱馬爾科夫概率轉移模型，使地毯獲得自適應的物體區分功能，去除地毯上無效的踩點信息，保留目標用戶信息。在訓練過程中，采用基于SVM(支持向量機)進行訓練，選取不同的核函數特征數據反復訓練，根據不同的訓練結果，在智能地毯上重復走動和跌倒兩個過程，建立高可靠性的跌倒判別模型。

技術領域

本發明基于機器學習視角，綜合分析在智能地毯環境下行走過程中不同行走單位的差異性，利用機器學習中的概率圖模型(主要是隱馬爾可夫模型)使地毯自適應地去除無效行走信息，并根據目標對象行走過程中的加速度變化，重心等變化情況建立基于支持向量機的監督分類模型。

背景技術

智能地毯，是應用于老年人口行走過程中的跌倒檢測的智能設備，主要由大量不同形式的傳感器節點組成。智能地毯的主要工作是通過底層傳感器采集行走人員的足跡信息，在傳感器足夠強大的情況下甚至可以直接獲取重力，加速度等信息，在智能家居中用于對家庭成員行走狀態進行監控，在人口老齡化的當今社會有廣闊的應用前景。智能地毯跌倒判別系統一般包括硬件層(hardware layer簡稱：HL)和算法層(algorithm layer簡稱：AL)，HL包含傳感器的選擇，排列，每一個節點的踩點意義以及通信模塊，SL包含整個智能地毯的輸出序列以及信號處理方式。

隨著傳感器技術的發展，智能地毯的設計趨近于復雜化，主要表現材料的特殊性增強，傳感器的排列密度不斷增加。在實驗室環境下，通過建立完善的傳感器網絡，可以采集足夠的行走信息，在跌倒判別方面能夠直接監控目標的行走狀態，降低算法的復雜度。然而，實際情況下智能地毯的設計復雜程度影響其使用成本和維修難度，一旦放入實際應用環境，地毯上出現的各種非行人踩點信息也會影響跌倒判別的準確性。

機器學習的目的是通過概率論，統計學等學科的理論，使計算機擁有類似于人類的學習能力，并且能夠自適應地不斷改善自身的學習能力。目前機器學習主要用于回歸問題，分類問題。在基于智能地毯的跌倒判別系統中，機器學習強大的分類更適用于這一場景，該方法關注在復雜度一般的硬件條件下通過尋找地毯踩點情況的關聯性，借助隱馬爾可夫模型在帶有干擾的踩點環境下計算當前踩點狀態向下一個狀態轉移的概率，去除無效踩點信息，提取目標對象的踩點信息，根據該對象的踩點情況計算空間和時間上的運動特征，借助基于SVM(支持向量機)較好的分類能力，起到判別跌倒的作用。在智能地毯環境下，市場更注重地毯的成本問題以及跌倒判別的準確性，利用機器學習算法可以在硬件條件一般的智能地毯環境下提供可靠的判斷能力。隨著智能家具市場的不斷擴大，競爭愈加激烈，通過更加復雜，可靠的算法來彌補底層硬件的成本會成為日后智能化設備的發展趨勢。

發明內容

技術問題：本發明目的是提供一種基于機器學習的智能地毯跌倒判別方法，利用機器學習算法解決行走過程中跌倒判斷問題，主要解決兩個問題，1：如何設計智能地毯，并解決地毯數據的傳輸方式以及信號處理問題。2：在該地毯條件下，利用機器學習算法，降低無效信息的干擾，區分出目標對象，并且對該對象的行走狀態進行分類，實現跌倒報警的功能。

技術方案：本發明基于機器學習的智能地毯跌倒判別方法以智能地毯為硬件基礎，結合機器學習中的概率圖理論模型以及監督學習中的SVM實現對智能地毯上行走目標的區分，并且提取目標對象的行走信息，綜合考慮行走人員在智能地毯上行走的數據特征，提取不同行走情況在空間和時間上的特異性，對行走人員發生跌倒時提供報警。