[發(fā)明專利]智慧社區(qū)內(nèi)阿爾茨海默病老年人防走失方法、設(shè)備及介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 201911374324.0
• 申請(qǐng)日: 2019-12-27
• 公開（公告）號(hào): CN111191711A
• 公開（公告）日: 2020-05-22
• 發(fā)明（設(shè)計(jì)）人: 王永利
• 申請(qǐng)（專利權(quán)）人: 恒大智慧科技有限公司
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06K9/46
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

1.一種智慧社區(qū)內(nèi)阿爾茨海默病老年人防走失方法，其特征在于，所述智慧社區(qū)內(nèi)阿爾茨海默病老年人防走失方法包括：

接收指定客戶端發(fā)來(lái)的目標(biāo)老年人的老年人圖片；

將所述老年人圖片輸入至預(yù)先訓(xùn)練好的阿爾茨海默病老年人識(shí)別模型中進(jìn)行阿爾茨海默病老年人識(shí)別處理，得到所述老年人圖片對(duì)應(yīng)的識(shí)別結(jié)果，其中，所述阿爾茨海默病老年人識(shí)別模型由歷史老年人圖片和歷史識(shí)別結(jié)果訓(xùn)練得到；

若所述識(shí)別結(jié)果為是，則確定所述目標(biāo)老年人為患有阿爾茨海默病老年人；

獲取所述目標(biāo)老年人的移動(dòng)軌跡；

獲取預(yù)先設(shè)置好的安全范圍標(biāo)識(shí)；

若所述行為軌跡不在所述安全范圍標(biāo)識(shí)唯一標(biāo)識(shí)的安全范圍內(nèi)，輸出老年人走失的預(yù)警指令。

2.如權(quán)利要求1所述的智慧社區(qū)內(nèi)阿爾茨海默病老年人防走失方法，其特征在于，所述阿爾茨海默病老年人識(shí)別模型通過以下步驟訓(xùn)練得到：

獲取所述歷史老年人圖片和所述歷史識(shí)別結(jié)果作為訓(xùn)練樣本；

將所述訓(xùn)練樣本中的所述歷史老年人圖片輸入至深度學(xué)習(xí)模型中，得到輸出結(jié)果；

調(diào)整所述深度學(xué)習(xí)模型的隱含層的參數(shù)，以最小化所述訓(xùn)練輸出結(jié)果與所述樣本中的所述歷史識(shí)別結(jié)果之間的誤差；

當(dāng)所述誤差滿足預(yù)設(shè)的條件時(shí)，確定所述參數(shù)調(diào)整后的所述深度學(xué)習(xí)模型為所述訓(xùn)練好的阿爾茨海默病老年人識(shí)別模型。

3.如權(quán)利要求2所述的智慧社區(qū)內(nèi)阿爾茨海默病老年人防走失方法，其特征在于，所述將所述訓(xùn)練樣本中的所述歷史老年人圖片輸入至深度學(xué)習(xí)模型中，得到輸出結(jié)果包括：

采用預(yù)設(shè)的行為特征提取模型，對(duì)所述歷史老年人圖片進(jìn)行行為特征提取，得到所述歷史老年人圖片對(duì)應(yīng)的目標(biāo)行為特征；

在預(yù)設(shè)的標(biāo)識(shí)數(shù)據(jù)庫(kù)中，獲取與所述目標(biāo)行為特征相對(duì)應(yīng)的老年人類型標(biāo)識(shí)；

獲取所述老年人類型標(biāo)識(shí)對(duì)應(yīng)的識(shí)別結(jié)果作為所述輸出結(jié)果。

4.如權(quán)利要求2所述的智慧社區(qū)內(nèi)阿爾茨海默病老年人防走失方法，其特征在于，所述采用預(yù)設(shè)的行為特征提取模型，對(duì)所述歷史老年人圖片進(jìn)行行為特征提取，得到所述歷史老年人圖片對(duì)應(yīng)的目標(biāo)行為特征包括：

采用Harris興趣點(diǎn)提取算法，對(duì)由所述歷史老年人圖片進(jìn)行興趣點(diǎn)提取處理，得到所述歷史老年人圖片對(duì)應(yīng)的興趣點(diǎn)集；

將所述興趣點(diǎn)集作為所述目標(biāo)行為特征。

5.如權(quán)利要求4所述的智慧社區(qū)內(nèi)阿爾茨海默病老年人防走失方法，其特征在于，所述采用Harris興趣點(diǎn)提取算法，對(duì)由所述歷史老年人圖片進(jìn)行興趣點(diǎn)提取處理，得到所述歷史老年人圖片對(duì)應(yīng)的興趣點(diǎn)集包括：

計(jì)算所述歷史老年人圖片中每個(gè)像素點(diǎn)對(duì)應(yīng)的時(shí)空鄰域的信號(hào)直方圖的熵；

將取得所述熵的局部極大值的位置點(diǎn)確定為目標(biāo)興趣點(diǎn)，同時(shí)將由所述目標(biāo)興趣點(diǎn)組成的集合確定為所述興趣點(diǎn)集。

6.如權(quán)利要求5所述的智慧社區(qū)內(nèi)阿爾茨海默病老年人防走失方法，其特征在于，在所述采用預(yù)設(shè)的行為特征提取模型，對(duì)所述歷史老年人圖片進(jìn)行行為特征提取，得到所述歷史老年人圖片對(duì)應(yīng)的目標(biāo)行為特征之后，所述智慧社區(qū)內(nèi)阿爾茨海默病老年人防走失方法還包括：

采用預(yù)設(shè)的特征相關(guān)性消除算法，對(duì)所述目標(biāo)行為特征進(jìn)行特征相關(guān)性消除處理，得到消除后的目標(biāo)行為特征；

采用方差歸一算法，對(duì)所述消除后的目標(biāo)行為特征進(jìn)行方差歸一處理，得到方差歸一后的目標(biāo)行為特征。

7.如權(quán)利要求1所述的智慧社區(qū)內(nèi)阿爾茨海默病老年人防走失方法，其特征在于，所述獲取所述目標(biāo)老年人的移動(dòng)軌跡包括：

獲取所述指定客戶端發(fā)來(lái)的用于標(biāo)識(shí)所述指定客戶端的客戶端標(biāo)識(shí)，其中，所述指定客戶端用于拍攝所述安全范圍內(nèi)的圖片；

基于所述客戶端標(biāo)識(shí)確定拍攝所述老年人圖片的老年人地理位置；

基于所述老年人地理位置確定目標(biāo)軌跡作為所述移動(dòng)軌跡。