无动静报警方法及装置制造方法及图纸

本发明专利技术适用于特殊人群监护领域，提供了一种无动静报警方法及装置，所述方法包括：学习用户使用模式；通过预设的动态感应设备和静态感应设备，以及所述学习到的用户使用模式，判断用户是否处于活动状态；当用户处于非活动状态时，发出报警。本发明专利技术提出的方法及装置可降低老人监控的误报警的机率。

【技术实现步骤摘要】
无动静报警方法及装置
本专利技术属于特殊人群监护领域，尤其涉及一种无动静报警方法及装置。
技术介绍
目前，穿戴式设备和物件传感器广泛用于老年人的活动监控。但两者单独使用时都存在一定缺陷，穿戴式传感器优点是能够及时检测到异常，如果老人穿戴在身上，假设电池没有耗尽，应该可以实时感知老人的运动信息。但缺点是老人记性差，经常会忘记戴上，或者传感器在使用过程中电量耗尽，而老人忘记充电。这些都会导致系统发出错误的报警信号。而这时如果服务中心的工作人员在不恰当的时间(如：休息和就餐时间)进行干预(如：电话)，就会对老人客户及其子女造成不必要的滋扰。此外，如果电话访问没有接听，就需要出动服务人员上门探访，由于穿戴式传感器误报概率较高(客户忘记佩戴或忘记充电导致)，服务中心就需要配置比实际需求多的服务人员，造成服务中心人力，交通等成本的大幅上升。物件传感器的优点在于传感器直接放置在老人常用物件上，不存在忘记的问题。但缺点是它实时性相对较差，因为老年人不是每时每刻都会使用。
技术实现思路
本专利技术实施例的目的在于提供一种无动静报警方法及装置，旨在解决现有的穿戴式设备或物件传感器在单独使用时误报率高的问题。本专利技术实施例是这样实现的，一种无动静报警方法，所述方法包括如下步骤：学习用户使用模式；通过预设的动态感应设备和静态感应设备，以及所述学习到的用户使用模式，判断用户是否处于活动状态；当用户处于非活动状态时，发出报警。进一步地，所述动态感应设备为具有加速度传感器的穿戴式设备；所述静态感应设备为具有加速度传感器的物件传感器。进一步地，所述通过预设的动态感应设备和静态感应设备，以及所述学习到的用户使用模式，判断用户是否处于活动状态包括：计算一预设时间内穿戴式设备的加速度传感器所有轴向加速度绝对值之和的最大值或穿戴式设备的加速度传感器所有轴向加速度绝对值的最大值作为第一检测值A1；计算所述预设时间内物件传感器的所有轴向加速度绝对值之和的最大值或物件传感器的所有轴向加速度绝对值的最大值作为第二检测值A2；当所述第一检测值A1小于或等于预设的阈值a1，且所述第二检测值A2小于或等于预设的阈值a2，根据所述学习到的用户使用模式判断当前时间是否处于用户的活动时间段，是则判定用户处于非活动状态。进一步地，所述学习使用模式还包括：用户免打扰时间的学习，并添加至所述用户使用模式中。进一步地，所述用户免打扰时间的学习包括：免打扰状态样本采集；提取所述采集的免打扰状态样本的特征；根据所述提取的特征进行分类器训练，得到所述用户免打扰时间。本专利技术还提出一种无动静报警装置，所述装置包括：学习模块，用于学习用户使用模式；判断模块，用于通过预设的动态感应设备和静态感应设备，以及所述学习到的用户使用模式，判断用户是否处于活动状态；报警模块，用于当用户处于非活动状态时，发出报警。进一步地，所述动态感应设备为具有加速度传感器的穿戴式设备；所述静态感应设备为具有加速度传感器的物件传感器。进一步地，所述判断模块包括：计算单元，用于计算一预设时间内穿戴式设备的加速度传感器所有轴向加速度绝对值之和的最大值或穿戴式设备的加速度传感器所有轴向加速度绝对值的最大值作为第一检测值A1；计算所述预设时间内物件传感器的所有轴向加速度绝对值之和的最大值或物件传感器的所有轴向加速度绝对值的最大值作为第二检测值A2；判定单元，用于当所述第一检测值A1小于或等于预设的阈值a1，且所述第二检测值A2小于或等于预设的阈值a2，根据所述学习到的用户使用模式判断当前时间是否处于用户的活动时间段，是则判定用户处于非活动状态。进一步地，所述学习模块还用于：用户免打扰时间的学习，并添加至所述用户使用模式中。进一步地，所述学习模块包括：采集单元，用于免打扰状态样本采集；提取单元，用于提取所述采集的免打扰状态样本的特征；训练单元，用于根据所述提取的特征进行分类器训练，得到所述用户免打扰时间。本专利技术实施例提出一种动态感应设备如穿戴式传感器与静态感应设备如物件传感器相结合的无动静报警方法及装置，由于上述两种传感器都是通过内置加速度传感器对人体或物件的运动进行感知，与热释电传感器、摄像头相比具有运动感知准确的优势，因此大大降低了对弱势群体如老人监控的误报警的机率。在用户使用模式的学习过程中，增加了自适应的学习方法，提高了系统对用户在不同时间、年龄、身体状况使用模式变化的适应性。同时根据两种传感器不同的报警状态制定了相应的服务中心应对措施，并且提出了用户免干扰时间段的识别方法降低了提供无动静报警服务的成本，改善了用户体验，提高了服务质量及用户满意度。附图说明图1是本专利技术实施例一提供的无动静报警方法应用的系统结构图；图2是本专利技术实施例一提供的无动静报警方法的流程图；图3是本专利技术实施例一提供的无动静报警方法中判断步骤的流程图；图4是本专利技术实施例一提供的无动静报警方法的另一流程图；图5是本专利技术实施例一提供的无动静报警方法中学习步骤的流程图；图6是本专利技术实施例二提供的无动静报警装置的结构图；图7是本专利技术实施例二提供的无动静报警装置中判断模块的结构图；图8是本专利技术实施例二提供的无动静报警装置中学习模块的结构图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。实施例一本专利技术实施例一提出一种无动静报警方法，应用于如图1所示系统中的服务器，该系统包括服务器、移动终端、外置或内设的动态感应设备如穿戴式设备、静态感应设备如物件传感器。本专利技术实施例以穿戴式设备和物件传感器为例进行说明，其它类似设备也可应用于本专利技术实施例，穿戴式设备由老人佩戴，物件传感器固定于老人常用的物件上，穿戴式设备和物件传感器主要由两轴或三轴的加速度传感器、MCU、无线通讯模块和供电模块组成。如图2所示，本专利技术实施例一的方法包括步骤：S1、学习用户使用模式。为节约资源，避免系统频繁检测用户的活动状态，本专利技术实施例引入用户的使用模式，引入用户的使用模式可降低误检测的机率。在使用用户的使用模式前，首先须对用户的使用模式进行学习。在用户使用穿戴式设备或物件传感器的最初一段时间(如一个月)为模式学习期。在这段时间内，估算物体/人体在各个时间段(如：每一个小时)处于活动状态的概率。以30天的模式学习期，8至9点时间段为例，如果在这30天中，有29天穿戴传感器或物件传感器输出活动信号，则8至9点，人体处于活动状态的概率为29/30＝96.67％。由于用户的使用模式可能随着季节、月份的变化而变化，因此在后续使用过程中，系统将自动对不同月份的用户使用模式进行学习以得到基于月份的活动条件概率P(A|M)其中M代表月份，A代表活动。同时考虑到，随着用户年岁的增长或身体条件的变化对使用模式造成的影响。系统将在每个月结束后对该月的条件概率进行更新Pupdate(A|M)＝b*Pold(A|M)+(1-b)*Pnew(A|M)。其中更新权重b将根据用户服务中心对用户的每月拜访的报告结果自动设置。如果该月用户的使用模式变化是由于出远门而非身体机能突变导致的非永久性影响因素导致，则b取值较大，如：0.9～1.0；如果该月用户的使用模式变化是由于身体机能突变(如：本文档来自技高网...

【技术保护点】
一种无动静报警方法，其特征在于，所述方法包括如下步骤：学习用户使用模式；通过预设的动态感应设备和静态感应设备，以及所述学习到的用户使用模式，判断用户是否处于活动状态；当用户处于非活动状态时，发出报警。

【技术特征摘要】
1.一种无动静报警方法，其特征在于，所述方法包括如下步骤：学习用户使用模式；通过预设的动态感应设备和静态感应设备，以及所述学习到的用户使用模式，判断用户是否处于活动状态；其中，所述动态感应设备为具有加速度传感器的穿戴式设备；所述静态感应设备为具有加速度传感器的物件传感器；包括：计算一预设时间内穿戴式设备的加速度传感器所有轴向加速度绝对值之和的最大值或穿戴式设备的加速度传感器所有轴向加速度绝对值的最大值作为第一检测值A1；计算所述预设时间内物件传感器的所有轴向加速度绝对值之和的最大值或物件传感器的所有轴向加速度绝对值的最大值作为第二检测值A2；当所述第一检测值A1小于或等于预设的阈值a1，且所述第二检测值A2小于或等于预设的阈值a2，根据所述学习到的用户使用模式判断当前时间是否处于用户的活动时间段，是则判定用户处于非活动状态；当用户处于非活动状态时，发出报警。2.如权利要求1所述的无动静报警方法，其特征在于，所述学习用户使用模式还包括：用户免打扰时间的学习，并添加至所述用户使用模式中。3.如权利要求2所述的无动静报警方法，其特征在于，所述用户免打扰时间的学习包括：免打扰状态样本采集；提取所述采集的免打扰状态样本的特征；根据所述提取的特征进行分类器训练，得到所述用户免打扰时间。4.一种无动静报警装置，其特征在于，所述装置包括...

【专利技术属性】
技术研发人员：覃剑钊，
申请(专利权)人：深圳市科松电子有限公司，
类型：发明
国别省市：广东;44