一种基于蜂群算法的人体行为检测方法技术

本发明专利技术提出了一种基于蜂群算法的人体行为检测方法，其步骤为：将可穿戴式数据采集分析系统设置在被监测人的手腕上，检测模块对被监测人的动作数据进行实时采集；控制模块利用训练好的SVM分类器对预处理后的数据进行分类识别，得到被监护人的动作信息；学习优化模块对SVM分类器的参数和数据特征个数进行优化，通过无线网络反馈给控制模块，实时调整SVM分类器；根据分析结果将动作数据转化为警示信息，控制模块通过无线网络将警示信息和被监护人位置信息发送给报警模块。本发明专利技术方便简单，实时采集特殊人群体动作指标参数，能够大大提升行为识别精度和速度，从而对可能出现的不良情况及时预警，适用性广泛。

A Human Behavior Detection Method Based on Bee Colony Algorithms

A method of human behavior detection based on bee colony algorithm is proposed in this paper. The steps are as follows: the wearable data acquisition and analysis system is set on the wrist of the monitored person, the detection module collects the action data of the monitored person in real time; the control module uses the trained SVM classifier to classify and recognize the pre-processed data, and obtains the action information of the monitored person; The learning optimization module optimizes the parameters and the number of data features of the SVM classifier, feeds back to the control module through wireless network, and adjusts the SVM classifier in real time. According to the analysis results, the action data is transformed into warning information. The control module transmits the warning information and the position information of the guardian to the warning module through wireless network. The method is convenient and simple, and can collect real-time movement index parameters of special groups, greatly improve the accuracy and speed of behavior recognition, thereby timely warning of possible adverse situations, and has wide applicability.

【技术实现步骤摘要】
一种基于蜂群算法的人体行为检测方法
本专利技术涉及行为监测的
，尤其涉及一种基于蜂群算法的人体行为检测方法，适用于家庭、医院、养老院的人体行为识别监测，基于可穿戴数据采集设备，利用先进并行多目标蜂群算法和SVM分类器，实现对病人、老年人等需要看护群体的日常行为和生理指标进行实时监测，并对可能出现危险情况进行报警，方便家人或医务人员处理。
技术介绍
随着我国人口的不断增加，对老、弱、病等特殊群体的日常看护和监护已成为突出的社会问题，而智能化的精确人体行为识别监测成为一个重要的研究方向，它不仅是智能家居中的重要的研究方向，还可以在智慧医疗、智慧养老等智能系统中起着重要的作用。以往关于人体行为监测的研究，其获取行为信号的方式是基于视觉和传感器的两种。基于视觉是通过图像监护人体行为动作，虽然直观方便，但因为涉及到人的隐私，接受度不高；并且无法有效获得人体相关动作数据完成与历史信息的对比和判断。基于可穿戴式的传感器的信号获取方式则更人性化，在不影响人日常生活的情况下完成人体信号的采集、分析、监测。市场上现有的穿戴式行为监测系统，由于算法简单、硬件不完善等问题，容易产生误判、漏判或判断行为本文档来自技高网...

【技术保护点】
1.一种基于蜂群算法的人体行为检测方法，其特征在于，其步骤如下：步骤一：将可穿戴式数据采集分析系统设置在被监测人的手腕上，利用可穿戴式数据采集分析系统的检测模块对被监测人的动作数据进行实时采集；步骤二：可穿戴式数据采集分析系统利用控制模块对采集的动作数据进行预处理，控制模块利用训练好的SVM分类器对预处理后的数据进行分类识别，得到被监护人的动作信息；同时，将采集的动作数据存储到控制模块的闪存中，闪存中的数据定时通过无线网络发送至学习优化模块；步骤三：学习优化模块定期利用多目标蜂群算法对SVM分类器的参数和数据特征个数进行优化，并把优化信息通过无线网络反馈给控制模块，实时调整控制模块中的SVM分...

【技术特征摘要】
1.一种基于蜂群算法的人体行为检测方法，其特征在于，其步骤如下：步骤一：将可穿戴式数据采集分析系统设置在被监测人的手腕上，利用可穿戴式数据采集分析系统的检测模块对被监测人的动作数据进行实时采集；步骤二：可穿戴式数据采集分析系统利用控制模块对采集的动作数据进行预处理，控制模块利用训练好的SVM分类器对预处理后的数据进行分类识别，得到被监护人的动作信息；同时，将采集的动作数据存储到控制模块的闪存中，闪存中的数据定时通过无线网络发送至学习优化模块；步骤三：学习优化模块定期利用多目标蜂群算法对SVM分类器的参数和数据特征个数进行优化，并把优化信息通过无线网络反馈给控制模块，实时调整控制模块中的SVM分类器；步骤四：当控制模块利用SVM分类器分析动作数据出现异常或学习优化模块分析某动作数据与数据库中历史数据差别过大时将动作数据转化为警示信息，控制模块通过无线网络将警示信息和被监护人位置信息发送给报警模块，被监护人的家人或医生及时作出下一步判断处理。2.根据权利要求1所述的基于蜂群算法的人体行为检测方法，其特征在于，所述可穿戴式数据采集分析系统包括供电模块、检测模块和控制模块，供电模块和检测模块均与控制器模块相连接；供电模块用于提供给可穿戴式数据采集分析系统正常工作的电压，检测模块包括GPS定位模块、湿敏电阻式的温湿度传感器、光学心率传感器、磁力计、六轴陀螺仪和压力传感器，GPS定位模块、湿敏电阻式温湿度传感器、光学心率传感器、磁力计、六轴陀螺仪和压力传感器均与控制器模块相连接。3.根据权利要求2所述的基于蜂群算法的人体行为检测方法，其特征在于，所述可穿戴式数据采集分析系统还包括学习优化模块和报警模块，控制模块包括MCU微处理器、通信芯片和显示芯片，MCU微处理器分别与通信芯片和显示芯片相连接；显示芯片用于实时显示被监护人的心率或步速，学习优化模块和报警模块均通过通信芯片与控制模块相连接，控制模块内还设有用于存储检测数据的闪存；检测模块采集到的数据发送给控制模块，控制模块对采集到的数据进行预处理并运用SVM分类器对17类人体日常行为进分类，以得到行为识别结果；报警模块通过接收控制模块发送的相关动作信息，并与之前完成同类动作的数据进行比较，如若异常通过网络向家人或医生发出报警信号；通信芯片将检测模块检测到的数据通过网络...

【专利技术属性】
技术研发人员：王海泉，温盛军，张谦，魏建华，喻俊，
申请(专利权)人：中原工学院，
类型：发明
国别省市：河南,41