[发明专利]基于云数据库和改进集成学习的手杖运动分析系统及方法

说明书

本发明的基于云数据库和改进集成学习的手杖运动分析系统及方法，根据手杖采集的数据集训练LightBE模型，将训练好的模型移植到Raspberry Pi zero w系统板。再通过姿态传感器实时采集加速度、角速度数据，经过窗口矩阵处理后输入系统板中进行实时分类，将分类后的运动状态和时间信息上传云数据库，供远程智能终端获取。本发明的方法能克服分类过程中相似类别分类准确率低和噪声影响的问题，实现了对运动状态的高精度分类，物联网技术的应用使得看护者可在任何地点实时监测使用者的运动状态，也可实现一段时间的运动分析和历史记录查询。对运动行为的分析也为进一步的看护和照顾提供了方便。

技术领域

本发明属于家庭看护及康复医疗技术领域，涉及基于云数据库和改进集成学习的手杖运动分析系统及方法。

背景技术

行动不方便的老年人、残障人士或有视力障碍的人等，需要依靠手杖等助行设备实现行走。据调查显示，全中国每年有超过七千万人次因各种原因受伤问诊或住院，病人由于行动能力受阻，在康复期内需要拐杖进行辅助移动。这类人群由于生理限制，常伴随着健康风险，因此医生或看护人需要对他们的健康情况进行监测。同时，为了更好的康复，医生或看护人需要分析他们的运动状态以做出进一步的护理和照顾。目前常用的监测方法，仍然以定期到医院检查或者陪护人定期上报为主，这些方法十分消耗时间且增加了健康风险。手杖是这类人群密切使用的一种助行设备，使用智能化手杖系统来解决上述问题是可行的。随着人工智能的发展，一款能够利用机器学习技术对使用者运动状态检测和分类，并实时进行数据传输的手杖越来越具有应用价值。对于相似度较高的某些类别的分类，传统的机器学习算法的分类效果并不令人满意。此外，这些算法通常没有讨论噪声对分类精度的影响，这可能导致实际应用中的精度降低。

发明内容

为解决上述技术问题，本发明的目的是提供一种基于云数据库和改进集成学习的手杖运动分析系统及方法，实现对手杖持有者运动行为的实时监测和准确分类，并进行分析。

本发明提供一种基于云数据库和改进集成学习的手杖运动分析系统，包括：智能手杖、云端数据库和远程智能终端；所述智能手杖和远程智能终端通过HTTP协议分别连接云端数据库；所述智能手杖包括：手杖本体和安装在手杖本体上的控制中心系统板、姿态传感器、便携式移动Wi-Fi模块和电源模块，所述手杖本体的上部和下部各设置一个姿态传感器以采集三轴的加速度信息和三轴的角速度信息，合并后构成十二维的加速度、角速度信息；所述控制中心系统板集成有中央处理器、Wi-Fi接收模块、输入输出扩展口和USB接口，中央处理器分别连接Wi-Fi接收模块、输入输出扩展口和USB接口；所述控制中心系统板通过USB接口连接电源模块；所述中央处理器通过输入输出扩展口连接两个姿态传感器，对十二维的加速度、角速度信息进行实时分类计算；Wi-Fi接收模块接收便携式移动Wi-Fi模块或环境中的无线网络发出的Wi-Fi信号，并将中央处理器的分类结果和时间信息上传到云端数据库；便携式移动Wi-Fi模块与电源模块连接。

在本发明的基于云数据库和改进集成学习的手杖运动分析系统中，所述云端数据库为关系型数据库，通过键值对的方式储存信息，用于储存智能手杖分类后的实时运动状态和时间信息，以供远程智能终端的获取。

在本发明的基于云数据库和改进集成学习的手杖运动分析系统中，所述姿态传感器为MPU-6050加速度陀螺仪传感器，所述控制中心系统板为Raspberry Pi zero w系统板。

在本发明的基于云数据库和改进集成学习的手杖运动分析系统中，所述智能手杖通过POST请求方式将实时运动状态和时间信息上传云端数据库；远程智能终端通过GET请求从云端服务器获得信息，同时也可通过POST请求向云端服务器发送信息。

本发明提供一种基于云数据库和改进集成学习的手杖运动分析方法，包括以下步骤：

步骤1：通过智能手杖预先采集六个类别多组数据作为数据集，将数据集通过窗口矩阵预处理后获得新数据集，将新数据集中70％数据构成训练数据集；