一种基于位置服务的老人出行异常检测方法技术

一种基于位置服务的老人出行异常检测方法，包括历史轨迹特征提取和异常出行识别两个部分，增加异常检测的范围，提高检测准确率，该方法提取了老人日常出行的各类特征模型，根据实时轨迹与特征轨迹的对比判断老人出行是否异常，具有较高的准确性；该方法可以同时检测出行轨迹异常和停留时间异常，具有更高的适用范围；该方法可以根据老人出行特征的改变而动态改变特征模型。

An anomaly detection method for the elderly based on location service

【技术实现步骤摘要】
一种基于位置服务的老人出行异常检测方法
本专利技术属于轨迹识别
，具体涉及一种基于位置服务的老人出行异常检测方法。
技术介绍
由于老年人的身体机能退化、记忆力衰退、体弱多病，老年痴呆、健忘症等疾病非常高发，外出时迷路、走失、摔倒、晕厥等情况也时有发生。另一方面，老人的日常生活十分规律，活动范围通常在家庭住址附近。老人日常出行的这一特点使检测老人的出行异常成为可能。随着技术的发展，手机、手表和一些专门的定位器都有定位和记录轨迹的功能，部分定位器还有电子围栏的功能，当老人走出预设的范围，则进行异常报警。无论是固定电子围栏或者动态变化的电子围栏，都可能会因为老人行走是的一些偏差而产生错报或漏报，而且如果老人在围栏内摔倒或晕厥，则不会产生报警。
技术实现思路
为了克服上述现有技术的不足，本专利技术目的是提供一种基于位置服务的老人出行异常检测方法，增加异常检测的范围，提高检测准确率，该方法提取了老人日常出行的各类特征模型，根据实时轨迹与特征轨迹的对比判断老人出行是否异常，具有较高的准确性；该方法可以同时检测出行轨迹异常和本文档来自技高网...

【技术保护点】
1.一种基于位置服务的老人出行异常检测方法，其特征在于，包括历史轨迹特征提取和异常出行识别两个部分，步骤如下：/n一、历史轨迹特征提取包含以下步骤：/n1)老人日常出行历史轨迹预处理；/n首先老人日常出行历史轨迹进行降噪处理，归一化时间，然后在家庭住址为原点M米距离内的圆形区域作为原点区域，从原点区域出发到回到原点区域这段时间内的定位数据作为一条轨迹T，以此对所有历史轨迹进行分割；/n2)计算轨迹段之间轨迹相似度，首先找到求出每条轨迹的n个拐点{Inf

【技术特征摘要】
1.一种基于位置服务的老人出行异常检测方法，其特征在于，包括历史轨迹特征提取和异常出行识别两个部分，步骤如下：
一、历史轨迹特征提取包含以下步骤：
1)老人日常出行历史轨迹预处理；
首先老人日常出行历史轨迹进行降噪处理，归一化时间，然后在家庭住址为原点M米距离内的圆形区域作为原点区域，从原点区域出发到回到原点区域这段时间内的定位数据作为一条轨迹T，以此对所有历史轨迹进行分割；
2)计算轨迹段之间轨迹相似度，首先找到求出每条轨迹的n个拐点{Inf1,Inf2,……Infn}，根据拐点个数n将轨迹序列T分为n+1个子序列{Traj1,Traj2,……Trajn+1},将所有轨迹分割完成后计算各轨迹之间的相似度；轨迹之间的相似度分为位置相似度、形状相似度和时间相似度,即三维相似度，如果两条轨迹序列A,B的子序列数分别为n,m,则其位置相似度计算公式为：



其中，



a1、b1表示轨迹A、B的起始点，d(a，b)表示轨迹点a、b之间的欧氏距离,为行走速度加权值，θab是a点和b点的行走方向夹角；Rest(A)表示去掉A的起始点a1之后的轨迹序列；记轨迹序列A、B的拐点数组分别为<Ia1,Ia2,……,Ian-1,Ian>和<Ib1,Ib2,……,Ibm-1,Ibm>,则序列A与序列B的轨迹形状相似度为：



其中，μ是距离系数，θi是拐点Iai和Ibi的方向角差值；轨迹序列A、B的时间相似度由轨迹时间相似度为:
TS(A，B)＝Time(A)-Time(B)‘
其中，Time(A)表示把轨迹序列A发生的中间时刻’
3)对轨迹段进行聚类，由于轨迹序列具有三种相似度，本方法采用基于改进的三维密度的聚类方法，即将传统的DBSCAN算法中的聚类阈值设置为R＝[maxDS,maxSS,maxTS]；
4)提取各轨迹类簇的轨迹特征参数，选取轨迹类簇在上一步聚类域值范围内包含轨迹序列最多的一条序列为类簇特征轨迹，其拐点为类簇特征拐点，类簇所有轨迹的中间时刻的均值为类簇特征...

【专利技术属性】
技术研发人员：杨刚，郑春红，曹卫杰，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西;61