[發(fā)明專利]一種智能養(yǎng)老監(jiān)控預(yù)警系統(tǒng)和方法

在審

• 申請?zhí)枺?/td>: 202110228757.6
• 申請日: 2021-03-02
• 公開（公告）號: CN112861769A
• 公開（公告）日: 2021-05-28
• 發(fā)明（設(shè)計）人: 劉詔書;鄭舟;白浩;吉飛;葛錦智;段鈞
• 申請（專利權(quán)）人: 武漢愛科森網(wǎng)絡(luò)科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08;G16Y10/60;G16Y20/40;G16Y40/10
• 代理公司: 北京天奇智新知識產(chǎn)權(quán)代理有限公司 11340
• 代理人: 廖誠程

1.一種智能養(yǎng)老監(jiān)控預(yù)警系統(tǒng)，其特征在于：包括圖像采集模塊、圖像識別模塊、決策模塊和預(yù)警模塊構(gòu)成；

所述圖像采集模塊用于拍攝居家老人的日常生活圖像；

所述圖像識別模塊用于對圖像采集模塊所采集的圖像信息進行行為姿態(tài)識別，即通過對步態(tài)進行識別，即提取步態(tài)特征；

所述決策模塊根據(jù)行為姿態(tài)識別結(jié)果判斷是否有異常情況，且在有異常情況時發(fā)送預(yù)警信息至報警模塊、家屬的移動設(shè)備或/和者相關(guān)平臺；

所述預(yù)警模塊，其設(shè)置在居家老人的家中，當(dāng)收到?jīng)Q策模塊的預(yù)警信息時，進行報警，提醒老人停止當(dāng)前動作，進行休息。

2.如權(quán)利要求1所述的一種智能養(yǎng)老監(jiān)控預(yù)警系統(tǒng)，其特征在于：所述圖像識別模塊包括一卷積神經(jīng)網(wǎng)絡(luò)，該卷積神經(jīng)網(wǎng)絡(luò)包括順次連接的卷積層、池化層和全連接層。

3.如權(quán)利要求2所述的一種智能養(yǎng)老監(jiān)控預(yù)警系統(tǒng)，其特征在于：所述卷積層包括若干卷積核，每個卷積核生成對應(yīng)的一個新的圖像，每個新的圖像對應(yīng)一通道，當(dāng)卷積內(nèi)核的數(shù)量為m時，有m個相應(yīng)的輸出通道，將新的圖像通過池化層后輸出到全連接層；

原始圖像大小為6x6，對應(yīng)Y矩陣，使用三個3x3x3的卷積核處理，3個卷積核分別為N⁽¹⁾、N⁽²⁾、N⁽³⁾，使用該卷積核對圖像進行處理的過程為公式一：

矩陣Y通過N^(k)轉(zhuǎn)換為矩陣Z，具體參見公式二：

矩陣Y中Yij對應(yīng)圖像中[i,j]點的像素大小，N^(k)為對應(yīng)的卷積核，本實施例中，卷積核為N⁽¹⁾、N⁽²⁾或N⁽³⁾，根據(jù)圖片的特征，按照公式三設(shè)定值：

當(dāng)步長為1時，計算矩陣Z，Z_ij通過公式四計算：

公式四中，HZ.sum(X)是對矩陣Y所有元素求和，sig(x)為激勵函數(shù)，sig(x)通過公式五計算得到：

通過公式三計算得到三個不同的特征映射，將三個特征映射求和后代入公式五，得到圖像點矩陣Z；

由公式三可知，若輸入的圖片矩陣為Y(m×n)，且由n個α×α(α∈N，α＜m)卷積核進行卷積處理，k個卷積核分別為N⁽¹⁾、N⁽²⁾，……，N^(k)，按照公式六計算N^(k)，按照公式七計算Y(m×n)：

公式七中，M1＝M-α+1,Zij通過公式八計算得到：

4.如權(quán)利要求3所述的一種智能養(yǎng)老監(jiān)控預(yù)警系統(tǒng)，其特征在于：所述池化層用于對卷積后的數(shù)據(jù)進行以下處理：

6x6的圖像經(jīng)過卷積層后，得到4x4的像素值矩陣Z，若將每一幀圖像變換成一些非重疊的2x2正方形區(qū)域，再通過步長為2的最大池化操作，可得2x2的F矩陣，F(xiàn)通過公式九計算得到：

公式九中的fij(或Fij)通過公式十計算得到：

F_ij＝HZ.max(Z[2*(i-1)：2*i，2*(j-1)：2*j])……公式十

卷積操作后計算得到矩陣Z(M₁×M₁)，將Z分解為b×b(b∈N，b＜M1)區(qū)域，通過最大池化后(步長為M1)，得到矩陣F(M₁×M₁)，該矩陣具體為公式十一：

M2＝M1/b，F(xiàn)ij通過公式十二計算得到：

F_ij＝HZ.max(Y[b*(i-1)：b*i，b*(j-1)：b*j])……公式十二。

5.如權(quán)利要求4所述的一種智能養(yǎng)老監(jiān)控預(yù)警系統(tǒng)，其特征在于：所述全連接層用于將矩陣F(N₂×N₂)被轉(zhuǎn)換成一維數(shù)組，包含原始圖像信息的M(N₂×N₂)個特征值，所述數(shù)組對應(yīng)于全連接層的輸入層中的每個神經(jīng)元，即輸入層中的m個神經(jīng)元，將數(shù)組輸出至BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。