可穿戴安全警报装置的触发信息权重选择优化系统制造方法及图纸

本发明专利技术涉及可穿戴设备的警报技术，具体为可穿戴安全警报装置的触发信息权重选择优化系统，包括相连接的信号识别模型、决策模型与警报模块；其中信号识别模型用于接受并分析外界提供的生理信号与环境信号，判断佩戴者的环境状态与自身状态；决策模型用于根据信号识别模型推算的环境状态与自身状态，对信号识别结果进行不同权重分配并给出加权求和的评分；警报模块用于比对决策模型给出的评分与预设报警阈值，判断是否触发并发出警报。该系统针对不同的周边环境信号、模型权重占比的分析结果决定是否触发报警装置，提高了对穿戴者人身安全远程检测的效率。

Optimized system of trigger information weight selection for wearable safety alarm device

The present invention relates to the alarm technology of wearable equipment, in particular to the optimization system for trigger information weight selection of wearable safety alarm device, including connected signal recognition model, decision-making model and alarm module, in which signal recognition model is used to receive and analyze physiological and environmental signals provided by the outside world, and to judge wear. The decision-making model is used to assign different weights to the result of signal recognition and give the score of weighted sum. The alarm module is used to compare the score given by the decision-making model with the preset alarm threshold to determine whether the trigger is triggered and issued. Alert. The system decides whether to trigger the alarm device according to the analysis results of different peripheral environmental signals and the weight proportion of the model, which improves the efficiency of the wearer's personal safety remote detection.

【技术实现步骤摘要】
可穿戴安全警报装置的触发信息权重选择优化系统
本专利技术涉及可穿戴设备的警报技术，具体为可穿戴安全警报装置中算法层面的触发信息权重选择优化系统。
技术介绍
儿童和老人作为社会的弱势群体，其人身安全始终是社会关注的一个焦点。同时对于年迈的父母亲单独外出也会产生担忧。平日里，当儿童或老人不在身边时，可采用可穿戴设备对其人身安全进行检测。现有的可穿戴安全手表基于较少的检测信号，且效率、精准度方面有待提高，不能准确检测儿童的处境。
技术实现思路
为了提高可穿戴设备对穿戴者人身安全判定的效率和准确性，本专利技术提出可穿戴安全警报装置的触发信息权重选择优化系统，针对不同的周边环境信号、模型权重占比的分析结果决定是否触发报警装置，提高了对穿戴者人身安全远程检测的效率。本专利技术所采用的技术方案是：可穿戴安全警报装置的触发信息权重选择优化系统，包括相连接的信号识别模型、决策模型与警报模块；其中信号识别模型用于接受并分析外界提供的生理信号与环境信号，判断佩戴者的环境状态与自身状态；决策模型用于根据信号识别模型推算的环境状态与自身状态，对信号识别结果进行不同权重分配并给出加权求和的评分；警报模块用于比对决策模型给出的评分与预设报警阈值，判断是否触发并发出警报。优选地，生理信号包括脉搏波信号、血压信号和皮电信号，环境信号包括声音信号和加速度信号；信号识别模型包括基于生理数据的情绪识别模型、语气识别模型、关键字识别模型、情绪识别模型、特定声音识别模型、姿态识别模型、运动状态识别模型，基于生理数据的情绪识别模型根据生理信号判断佩戴者的自身状态，语气识别模型、关键字识别模型、情绪识别模型、特定声音识别模型均根据声音信号判断佩戴者的自身状态和环境信号，姿态识别模型、运动状态识别模型根据加速度信号判断佩戴者的自身状态。与现有技术相比，本专利技术取得了如下技术效果：本专利技术通过对穿戴者生理信号、声音信号、加速度信号信息的采集，判断穿戴者是否处于一种非正常的境况，进而决定是否进行远程警报；其具体的优化方式与所处环境有关，根据不同环境(如剧烈运动、嘈杂环境等)，在信号贡献度、识别模型贡献度两个方面进行权重的分配，进而使采集信息得到有效利用，提高精确度，从而达到智能警报的目的。可广泛应用于可穿戴设备(手表、手环)中，提高了对穿戴者人身安全远程检测的效率。附图说明图1为本专利技术的系统结构示意图。具体实施方式下面结合实施例及附图对本专利技术作进一步详细的描述，但本专利技术的实施方式不限于此。实施例参见图1，本实施例中，可穿戴安全警报装置的触发信息权重选择优化系统包括相连接的信号识别模型、决策模型与警报模块；其中信号识别模型用于接受并分析外界提供的生理信号与环境信号，判断佩戴者的环境状态与自身状态；决策模型用于根据信号识别模型推算的环境状态与自身状态，对信号识别结果进行不同权重分配并给出加权求和的评分；警报模块用于比对决策模型给出的评分与预设报警阈值，判断是否触发并发出警报。其中，生理信号包括脉搏波信号、血压信号和皮电信号，环境信号包括声音信号和加速度信号。信号识别模型包括基于生理数据的情绪识别模型、语气识别模型、关键字识别模型、情绪识别模型、特定声音识别模型、姿态识别模型、运动状态识别模型，基于生理数据的情绪识别模型根据生理信号判断佩戴者的自身状态，语气识别模型、关键字识别模型、情绪识别模型、特定声音识别模型均根据声音信号判断佩戴者的自身状态和环境信号，姿态识别模型、运动状态识别模型根据加速度信号判断佩戴者的自身状态。这六种模型均使用经初始采集数据集训练的机器学习算法判断数据符合特定条件的概率；当使用过程中误判次数超过阈值时，将使用数据加入初始采集数据集并重新训练算法。基于生理数据的情绪识别模型使用训练数据训练机器学习算法，将情绪归类为两类：较小负面情绪、中性情绪及所有正面情绪归为一类，程度较大的负面情绪归为另一类；使用时调用训练好的模型，通过分析脉搏波信号、血压信号和皮电信号判断佩戴者是否有较大负面情绪。语气识别模型根据声音信号输出佩戴者与近距离内说话的人的语气中带有恐惧性语气与辱骂性语气的概率；关键字识别模型根据声音信号输出其中包含求救性字词与辱骂性字词的概率；情绪识别模型根据声音信号输出其中包含恐惧情绪的概率；特定声音识别模型根据声音信号输出其中包含预设的特定声音的概率。姿态识别模型根据加速度信号判断佩戴者处于手部挣扎性的剧烈抖动、防御性的拍打、摔倒和加速度过大或突变的姿态的概率；运动识别模型根据加速度信号判断佩戴者的身体活动情况，并输出运动激烈程度。决策模型对信号识别模型输出的结果进行各数据可信度判断，依据不同环境状态下的不同权重比，对各结果进行加权评分，输出求和后的评分。决策模型中不同环境下的权重比在累积达到一定误判次数后会将原始数据与使用数据合成新的原始数据集并对算法进行重新训练，更新不同环境下的数据权重比。当穿戴者处于剧烈运动状态时，通过三轴传感器采集到的加速度信号可以表征目前穿戴设备正在剧烈运动。此时调用预先设置好的权重分配算法，对不同信号进行权重分配处理。由于剧烈运动时脉搏波信号与情绪波动时的脉搏波信号大致变化相似，因此该情况下通过脉搏波信号得到的情绪结果受到较大干扰，故脉搏波信号权重分配会被调到低水平，此时声音信号(即语音信号)会起主导作用(具体权重值由大量实验分析给出)。其他信号以及识别模型分析结果的权重分配与其类似。最终通过该环境下权重占比的分析结果决定是否触发报警装置。本专利技术首先通过与外界相联系的信号(声音信号、加速度信号)进行设备所处特殊环境的判断，根据声音信号获取设备环境的嘈杂度，加速度信号分析穿戴者的运动状态和姿态，识别穿戴者的动作，进而判断穿戴者自身的状态；根据穿戴设备的环境状态调用不同权重分配算法，对各种信号的贡献度赋予不同权重值，分出主要信号和次要信号，进行其后的分析；根据穿戴设备的环境状态调用不同权重分配算法，对各个信号识别模型进行权重的分配，即该识别模型结果为“有效”时，对报警装置唤醒的贡献程度进行评分，只有分值总和达到一定数值时才会触发报警装置。上述实施例为本专利技术较佳的实施方式，但本专利技术的实施方式并不受上述实施例的限制，其他的任何未背离本专利技术的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本专利技术的保护范围之内。本文档来自技高网...

【技术保护点】
1.可穿戴安全警报装置的触发信息权重选择优化系统，其特征在于，包括相连接的信号识别模型、决策模型与警报模块；其中信号识别模型用于接受并分析外界提供的生理信号与环境信号，判断佩戴者的环境状态与自身状态；决策模型用于根据信号识别模型推算的环境状态与自身状态，对信号识别结果进行不同权重分配并给出加权求和的评分；警报模块用于比对决策模型给出的评分与预设报警阈值，判断是否触发并发出警报。

【技术特征摘要】
1.可穿戴安全警报装置的触发信息权重选择优化系统，其特征在于，包括相连接的信号识别模型、决策模型与警报模块；其中信号识别模型用于接受并分析外界提供的生理信号与环境信号，判断佩戴者的环境状态与自身状态；决策模型用于根据信号识别模型推算的环境状态与自身状态，对信号识别结果进行不同权重分配并给出加权求和的评分；警报模块用于比对决策模型给出的评分与预设报警阈值，判断是否触发并发出警报。2.根据权利要求1所述的触发信息权重选择优化系统，其特征在于，生理信号包括脉搏波信号、血压信号和皮电信号，环境信号包括声音信号和加速度信号；信号识别模型包括基于生理数据的情绪识别模型、语气识别模型、关键字识别模型、情绪识别模型、特定声音识别模型、姿态识别模型、运动状态识别模型，基于生理数据的情绪识别模型根据生理信号判断佩戴者的自身状态，语气识别模型、关键字识别模型、情绪识别模型、特定声音识别模型均根据声音信号判断佩戴者的自身状态和环境信号，姿态识别模型、运动状态识别模型根据加速度信号判断佩戴者的自身状态。3.根据权利要求2所述的触发信息权重选择优化系统，其特征在于，基于生理数据的情绪识别模型使用训练数据训练机器学习算法，将情绪归类为两类：较小负面情绪、中性情绪及所有正面情绪归为一类，程度较大的负面情绪归为另一类；使用时调用训练好的模型，通过分析脉搏波信号、血压信号和皮电信号判断佩戴者是否有较大负面情绪。4...

【专利技术属性】
技术研发人员：张天起，薛又天，舒琳，李鸿亮，李弘洋，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：广东,44