一种基于改进的智能学习算法的摔倒预警方法技术

本发明专利技术特别涉及一种基于改进的智能学习算法的摔倒预警方法。该基于改进的智能学习算法的摔倒预警方法，首先通过摄像机获取高清图像，并均分为四个区，获取分区的信息，在数据库中通过改进的算法进行学习；通过传感器判断重心是否偏移，当重心偏移与场景学习到的内容和运动的方向一致时，预警系统计算摔倒的概率，并将摔倒的概率和应急措施反馈给监护者。该基于改进的智能学习算法的摔倒预警方法，在传统BP算法的基础上进行了优化函数，加入自动分类校验技术，提取图像大概的参数，提高了应用的实时性；通过智能学习算法，根据环境因素进行学习，快速给出摔倒几率和需要监护人采取的措施，能够有效减小老年人摔倒的几率。

【技术实现步骤摘要】

本专利技术涉及图像内容分析
，特别涉及一种基于改进的智能学习算法的老年人防摔倒技术。
技术介绍
图像内容分析技术是将获取到的实时图像进行分类，然后进行模式识别。目前这一技术的使用多在于考勤、门禁等设备上。在人脸识别方面，通过智能学习算法分析图像关键位置的数据从而判断图像的内容反馈给用户。目前比较先进的人脸识别解决方案是基于主动近红外图像的多光源人脸识别技术。它可以克服光线变化的影响，已经取得了卓越的识别性能，在精度、稳定性和速度方面的整体系统性能超过三维图像人脸识别。这项技术在近两三年发展迅速，使人脸识别技术逐渐走向实用化。人脸与人体的其它生物特征(指纹、虹膜等)一样与生俱来，它的唯一性和不易被复制的良好特性为身份鉴别提供了必要的前提，与其它类型的生物识别比较人脸识别具有如下特点：非强制性：用户不需要专门配合人脸采集设备，几乎可以在无意识的状态下就可获取人脸图像，这样的取样方式没有“强制性”；非接触性：用户不需要和设备直接接触就能获取人脸图像；老年人走路摔倒在社会伦理和法制方面都曾是一时的热点，基于此，本专利技术提出了一种基于改进的智能学习算法的老年人防摔倒技术。通过摄取老年人表情的实时图像，然后采取图像的信息，通过分析图像的内容给出正确的判断，方便了理解老年人需求的解读，从而为在老年人保护方面有了保证。
技术实现思路
本专利技术为了弥补现有技术的缺陷，提供了一种简单高效的基于改进的智能学习算法的老年人防摔倒技术。本专利技术是通过如下技术方案实现的：一种基于改进的智能学习算法的老年人防摔倒技术，其特征在于：在老人的鞋底和膝
盖布置感应器，用于实时感应重心的移动特点和偏移特性，并在改进的BP神经网络学习算法的基础上进行；首先通过摄像机获取高清图像，并均分为四个区，获取分区的信息，在数据库中通过改进的算法进行学习；结合经验值判断学习样本是否收敛，若不收敛则进行自我诊断并重新获取分区的信息，若收敛则通过传感器判断重心是否偏移，当重心偏移与场景学习到的内容和运动的方向一致时，则表明老年人迅速移动的可能性比较大，预警系统计算摔倒的概率，并将摔倒的概率和应急措施反馈给监护者；当重心偏移与场景学习到的内容和运动的方向不一致时，则继续学习。所述改进的算法，是指根据摄像机获取的高清图像中的分区关键参数值以及相邻图像之间的差值，进行神经网络学习；通过设定权值将图像中每四分之一的区域作信息作为初始参数，权重根据路由随机设置，根据设定的权值进行学习，学习的目标值为数据库中设定的标准值，在不断的学习过程中建立数据源和优化结果的标准关系；使之在输入数据和长期优化的经验值的指导下快速判断出图像内容类型并分析出所属于的类别。所述改进的算法还接入了过滤功能，当发现数据错误或者明显误差时启动，将不会引起老年人兴趣的图像删除。所述改进的算法在经过BP神经网络学习的基础上进行了改进，修改了优化函数f(x)，加入了动向量，样板是动态的，但是需要多次学习之间的联系，故引入了记忆保持值cache，通过学习和设定的标准进行比对，得出下一步的动作；所述改进的算法将每次学习之前三次的结果作为记忆值加入到本次学习的优化函数f(x)中，优化函数f(x)和输入函数Sj为所述改进的算法的学习优化工具；所述优化函数f(x)计算公式如下： f ( x ) = 1 1 + c x + r a d o m ( - 1 ) + r a d o m ( - 2 ) + r a d o m ( - 3 ) ; ]]>其中，radom(x)为前N次的经验值函数，c为记忆保持值；输入函数Sj计算公式如下： S j = Σ i - i n w i j * x i + b j + r a n d ( x i ) = W j X + b j + r a n d ( x i ) ; ]]>其中，bj表示阈值，xi为输入，Wij为权值，rand()是平衡值函数。本专利技术的有益效果是：该基于改进的智能学习算法的老年人防摔倒技术，在传统BP算法的基础上进行了优化函数，加入自动分类校验技术，提取图像大概的参数，提高了应用的实时性；通过智能学习算法，根据环境因素进行学习，快速给出摔倒几率和需要监护人采取的措施，能够有效减小老年人摔倒的几率。附图说明附图1为本专利技术改进的BP神经网络原理原型示意图。附图2为本专利技术改进的BP神经网络学习算法示意图。附图3为本专利技术改进的智能学习算法的老年人防摔倒方法示意图。具体实施方式为了使本专利技术所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本专利技术进行详细的说明。应当说明的是，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。该基于改进的智能学习算法的老年人防摔倒技术，在老人的鞋底和膝盖布置感应器，在鞋底有9个感应器，膝盖部位两边各有两个感应器，用于实时感应重心的移动特点和偏移特性，并在改进的BP神经网络学习算法的基础上进行；首先通过摄像机获取高清图像，并均分为四个区，获取分区的信息，在数据库中通过改进的算法进行学习；结合经验值判断学习样本是否收敛，若不收敛则进行自我诊断并重新获取分区的信息，若收敛则通过传感器判断重心是否偏移，当重心偏移与场景学习到的内容和运动的方向一致时，则表明老年人迅速移动的可能性比较大，预警系统计算摔倒的概率，并将摔倒的概率和应急措施反馈给监护者；当重心偏移与场景学习到的内容和运动的方向不一致时，则继续学习。改进的BP神经网络原理原型如附图1所示，本专利技术是在原型的基础上进行了权值和目标值的动态改变，使得整个样本都有了活性。在学习过程中不再是单纯的迭代学习，而是伴随着记忆值进行优化，加入的随机权值更贴近于现实。原始的BP网并不是十分的完善，它学习收敛速度太慢，网络的学习记忆具有不稳定性，即：当给一个训练好的网提供新的学习记忆模式时，将使已有的连接权值被打乱，导致已记忆的学习模式的信息的消失。在此基础上对BP神经网络算法加以改造，引入动量项，加入记忆值和自我过滤技术。学习样本是不断变化的，所以误差E也是变化的，所以神经网络的学习是动态的，为了监视每次优化之间的联系，还要加入记忆功本文档来自技高网...

【技术保护点】
一种基于改进的智能学习算法的老年人防摔倒技术，其特征在于：在老人的鞋底和膝盖布置感应器，用于实时感应重心的移动特点和偏移特性，并在改进的BP神经网络学习算法的基础上进行；首先通过摄像机获取高清图像，并均分为四个区，获取分区的信息，在数据库中通过改进的算法进行学习；结合经验值判断学习样本是否收敛，若不收敛则进行自我诊断并重新获取分区的信息，若收敛则通过传感器判断重心是否偏移，当重心偏移与场景学习到的内容和运动的方向一致时，则表明老年人迅速移动的可能性比较大，预警系统计算摔倒的概率，并将摔倒的概率和应急措施反馈给监护者；当重心偏移与场景学习到的内容和运动的方向不一致时，则继续学习。

【技术特征摘要】
1.一种基于改进的智能学习算法的老年人防摔倒技术，其特征在于：在老人的鞋底和膝盖布置感应器，用于实时感应重心的移动特点和偏移特性，并在改进的BP神经网络学习算法的基础上进行；首先通过摄像机获取高清图像，并均分为四个区，获取分区的信息，在数据库中通过改进的算法进行学习；结合经验值判断学习样本是否收敛，若不收敛则进行自我诊断并重新获取分区的信息，若收敛则通过传感器判断重心是否偏移，当重心偏移与场景学习到的内容和运动的方向一致时，则表明老年人迅速移动的可能性比较大，预警系统计算摔倒的概率，并将摔倒的概率和应急措施反馈给监护者；当重心偏移与场景学习到的内容和运动的方向不一致时，则继续学习。2.根据权利要求1所述的基于改进的智能学习算法的老年人防摔倒技术，其特征在于：所述改进的算法，是指根据摄像机获取的高清图像中的分区关键参数值以及相邻图像之间的差值，进行神经网络学习；通过设定权值将图像中每四分之一的区域作信息作为初始参数，权重根据路由随机设置，根据设定的权值进行学习，学习的目标值为数据库中设定的标准值，在不断的学习过程中建立数据源和优化结果的标准关系；使之在输入数据和长期优化的经验值的指导下快速判断出图像内容类型并分析出所属于的类别。3.根据权利要求2所述的基于改进的智能学习算法的老年人防摔倒技术，其特征在于：所述改进的算法还接入了过滤功能，当发现数据错误或者明显误差时启动，将不会引起老年人兴趣的图像删除。4.根据权利要求2或3所述的基于改进的智能学习算法的老年人防摔倒技术，其特征在于：所述改进的算法在经过BP神经网络学习的基础上进行了改进，修改了优化函数f(x)，加入了动向量，样板是动态的，但是需要多次学习之间的联系，故引入了记忆保持值cache，通过学习和设定的标准进行比对，得出下一步的动作；所述改进的算法将每次学习之前三次的结果作为记忆值加入到本次...

【专利技术属性】
技术研发人员：路廷文，
申请(专利权)人：浪潮电子信息产业股份有限公司，
类型：发明
国别省市：山东;37