[发明专利]一种基于PSO-SVM的智能久坐提醒的方法

权利要求书

1.一种基于PSO-SVM的智能久坐提醒的方法，用于根据被测对象的动作状态进行智能久坐提醒，其特征在于，所述动作状态包括起身动作和落座动作，所述基于PSO-SVM的智能久坐提醒的方法，包括：

步骤S1、获取被测对象指定部位的加速度数据、角速度数据以及各数据对应的时间点，并对角速度数据进行预处理；

步骤S2、对预处理后的角速度数据进行姿态解算得到欧拉角；

步骤S3、基于探测算法提取加速度数据中的波峰数据和波谷数据，包括：

提取的波峰数据满足以下关系式：

F(x)≥F(x-1)&&F(x)＞F(x+1)

提取的波谷数据满足以下关系式：

F(x)≤F(x-1)&&F(x)＜F(x+1)

式中，F(x)表示加速度数据中的第x个数据，F(x-1)表示加速度数据中的第x-1个数据，F(x+1)表示加速度数据中的第x+1个数据；

步骤S4、对提取的波峰数据和波谷数据进行预处理，并根据预处理后的波峰数据和波谷数据计算被测对象指定部位的动作前后的高度差；

步骤S5、将欧拉角和高度差作为特征值输入至预训练的PSO-SVM分类模型中，识别被测对象当前的动作状态，并根据识别得到的动作状态进行久坐提醒处理。

2.如权利要求1所述的基于PSO-SVM的智能久坐提醒的方法，其特征在于，所述根据预处理后的波峰数据和波谷数据计算被测对象指定部位的动作前后的高度差，包括：

根据波峰数据和波谷数据对应的加速度计算动作开始时的初速度v_intial如下：

其中，t_max为动作过程中加速度最大值对应的时间点，a_y(t)为时间点t对应的加速度在y轴上的分量；

根据初速度v_intial计算被测对象在动作结束后的高度Height如下：

其中，ξ、ψ为预设系数，v_intial为动作开始时的初速度，t_E为动作持续时长的一半值，g为重力加速度，h₀为动作过程中的初始高度，默认h₀取值为0，Height为动作过程前后的高度差。

3.如权利要求1所述的基于PSO-SVM的智能久坐提醒的方法，其特征在于，所述预训练的PSO-SVM分类模型的建立过程，包括：

通过非线性映射，将样本空间映射至高维的特征空间中，在高维的特征空间中实现线性分类，构建SVM分类模型；

利用训练样本的特征值通过PSO算法对SVM分类模型中的惩罚因子C和核函数参数σ进行优化，将获得的最优的惩罚因子C和核函数参数σ输入至SVM分类模型中，得到预训练的PSO-SVM分类模型；

其中所述PSO算法的学习因子c₁和c₂通过如下公式动态赋值：

其中，c_1int和c_2int分别为学习因子c₁和c₂的初始值，c_1fin和c_2fin的分别为c₁和c₂的迭代终值，d_max为PSO算法的最大迭代次数；d为PSO算法的当前迭代次数。

4.如权利要求1所述的基于PSO-SVM的智能久坐提醒的方法，其特征在于，所述被测对象的指定部位包括人体上半身不同高度的两个部位；所述将欧拉角和高度差作为特征值输入至预训练的PSO-SVM分类模型中，包括：

两个部位解算得到同一时间点的两个不同欧拉角，对每一时间点的两个欧拉角进行加减处理得到该时间点下被测对象上半身的弯曲幅度；

将该组弯曲幅度和高度差输入至预训练的PSO-SVM分类模型中。

5.如权利要求1所述的基于PSO-SVM的智能久坐提醒的方法，其特征在于，所述根据识别得到的动作状态进行久坐提醒处理，包括：

若识别得到的动作状态为起身动作，则停止久坐计时，并记录当前久坐计时的累计时长t_j＝t₁；

若识别得到的动作状态为落座动作，则获取上次起身动作的时间点，若上次起身动作的时间点为空，则从t_j＝0开始进行久坐计时；若上次起身动作的时间点不为空，则计算上次起身动作与本次落座动作之间的时间间隔Δt，若时间间隔Δt大于阈值M₁，则从t_j＝0开始重新进行久坐计时；否则从上次起身动作记录的累计时长t_j＝t₁开始继续累计久坐计时；

比较当前久坐计时的累计时长t_j与久坐提醒阈值M₂，若当前久坐计时的累计时长t_j大于久坐提醒阈值M₂，则产生报警信号，提醒被测对象久坐时间过长；否则继续累计本次久坐计时。