[发明专利]基于摔倒报警与跟踪定位功能的腕表式智能养老看护平台

摘要

本发明涉及一种基于摔倒报警与跟踪定位功能的腕表式智能养老看护平台，其特征在于：它包括移动终端、服务器、电脑终端和腕表佩戴者，腕表内的硬件配置有GPS模块、网络通信模块和加速度传感器模块，GPS模块用来定位佩戴者的位置；加速度传感器模块按不断采集佩戴者腕部运动的加速度数据并根据相应算法进行状态判断；网络通信模块将这些信息传输出去，终端系统启动后，腕表可以实时监护佩戴者的行为状态，并不断进行行为状态和地理位置的发送，数据实时传送到服务端，同时腕表具有摔倒报警和跟踪定位功能，并且可以设置监护人电话号码，一旦腕表检测到佩戴者有摔倒行为，报警信息在发往服务器的同时可以实时发送到监护人手机。

主权项

1.一种基于摔倒报警与跟踪定位功能的腕表式智能养老看护平台，其特征在于：它包括移动终端、服务器、电脑终端和腕表佩戴者，腕表内的硬件配置有GPS模块、网络通信模块和加速度传感器模块，GPS模块用来定位佩戴者的位置；加速度传感器模块按不断采集佩戴者腕部运动的加速度数据并根据相应算法进行状态判断；网络通信模块将佩戴者的位置和加速度数据信息传输出去，终端系统启动后，腕表实时监护佩戴者的行为状态，并不断进行行为状态和地理位置的发送，数据实时传送到服务端，同时腕表具有摔倒报警和跟踪定位功能，并且设置监护人电话号码，一旦腕表检测到佩戴者有摔倒行为，报警信息在发往服务器的同时实时发送到监护人手机，其特征在于：对于腕表佩戴者的摔倒过程采用建模的方式，具体过程如下：一、摔倒样本数据获取在建立模型的过程中，逐一采集各种状态的动作数据各40组，摔倒动作数据100组，这100组数据中含有各个方向摔倒的情况，使用采集到的摔倒样本中的80个组成训练样本集X＝(χ1,Λ,χ80)；二、样本信息特征处理对训练集X作PCA处理，得到新的训练集X'、特征向量矩阵P＝(p₁,Λ,p₈₀)和特征值向量λ＝(λ₁,Λ,λ₈₀)，其中λ按特征值从大到小排列，特征值矩阵也按对应特征值作相应调整，然后选取特征值累计贡献度大于90％的维度作为最终的训练集，即按得到d的值，最终得到80×d的矩阵X”,作为基于加权高斯核函数的向量机输入矩阵；三、训练样本将二中经过特征处理后的样本X”以及参数λ送入基于加权高斯核函数的向量机进行训练，得到训练模型，训练中使用网格搜索法和5‑fold交叉验证的方法寻找到的最优模型参数；四、模型的存储把三中经过训练得到的模型保存在存储设备中，系统在启动的时候直接读取加载训练好的模型来进行人体动作的判断；人体摔倒识别的过程如下：(1)系统启动的时候首先从存储设备中加载已经训练好的模型到内存中；(2)按照摔倒样本数据获取的方法逐一采集摔倒样本信息x；(3)对于一条待预测的样本x，将其映射到与训练样本同一个特征空间，其映射规则为其中，为原始训练样本集X的平均值向量，P为训练样本PCA得到的映射矩阵；(4)将x′送入识别模型进行识别，输出识别结果。