智慧社区内阿尔茨海默病老年人防走失方法、设备及介质技术

本发明专利技术公开了智慧社区内阿尔茨海默病老年人防走失方法、设备及介质，该智慧社区内阿尔茨海默病老年人防走失方法包括：通过接收客户端发来的目标老年人的老年人图片，然后将老年人图片输入至预先训练好的阿尔茨海默病老年人识别模型中进行阿尔茨海默病老年人识别处理，得到准确的老年人图片对应的识别结果；若识别结果为是，则确定目标老年人为患有阿尔茨海默病老年人；获取目标老年人的移动轨迹；获取预先设置好的安全范围标识；若行为轨迹不在安全范围内，也即，代表阿尔茨海默病老年人已超出认定的安全范围，输出老年人走失的预警指令，从而可以有效地防止阿尔茨海默病的老年人走失，提高了阿尔茨海默病的老年人在智慧社区走动的安全性。

Methods, equipment and media for prevention of loss of elderly people with Alzheimer's disease in smart community

【技术实现步骤摘要】
智慧社区内阿尔茨海默病老年人防走失方法、设备及介质
本专利技术涉及智慧社区的数据处理领域，尤其涉及一种智慧社区内阿尔茨海默病老年人防走失方法、计算机设备及可读存储介质。
技术介绍
随着中国人口老龄化的加速，智慧社区内独处的老龄人的安全越来越重要，尤其，智慧社区内独处的阿尔茨海默病的老年人。在传统方法中，通常采用人工的方式花费大量时间发现走失的阿尔茨海默病的老年人，从而导致阿尔茨海默病的老年人在智慧社区走动时，存在极大的安全隐患。因此，寻找一种的阿尔茨海默病的老年人的预警方法成为本领域技术人员亟需解决的问题。
技术实现思路
本专利技术实施例提供一种方法、计算机设备及可读存储介质，以解决阿尔茨海默病的老年人在智慧社区走动时，存在极大的安全隐患的问题。一种智慧社区内阿尔茨海默病老年人防走失方法，包括：接收指定客户端发来的目标老年人的老年人图片；将所述老年人图片输入至预先训练好的阿尔茨海默病老年人识别模型中进行阿尔茨海默病老年人识别处理，得到所述老年人图片对应的识别结果，其中，所述阿尔茨海默病老年人识别模型由历史老年人图片和历史识别结果训练得到；若所述识别结果为是，则确定所述目标老年人为患有阿尔茨海默病老年人；获取所述目标老年人的移动轨迹；获取预先设置好的安全范围标识；若所述行为轨迹不在所述安全范围标识唯一标识的安全范围内，输出老年人走失的预警指令。一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述方法的步骤。上述智慧社区内阿尔茨海默病老年人防走失方法、计算机设备及可读存储介质中，通过先接收客户端发来的目标老年人的老年人图片；因为阿尔茨海默病老年人识别模型由历史老年人图片、历史阿尔茨海默病老年人行为特征和历史识别结果训练得到，所以将老年人图片输入至预先训练好的阿尔茨海默病老年人识别模型中进行阿尔茨海默病老年人识别处理，得到准确的老年人图片对应的识别结果；若识别结果为是，则确定目标老年人为患有阿尔茨海默病老年人；获取目标老年人的移动轨迹；获取预先设置好的安全范围标识；若行为轨迹不在安全范围内，也即，代表阿尔茨海默病老年人已超出认定的安全范围，输出老年人走失的预警指令，从而可以有效地防止阿尔茨海默病的老年人走失，提高了阿尔茨海默病的老年人在智慧社区走动的安全性。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对本专利技术实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术一实施例中智慧社区内阿尔茨海默病老年人防走失方法的一应用环境示意图；图2是本专利技术一实施例中智慧社区内阿尔茨海默病老年人防走失方法的一流程图；图3是本专利技术一实施例中计算机设备的一示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本申请提供的方法，可应用如图1的应用环境中，该应用环境包括服务端和客户端，其中，客户端通过有线网络或无线网络与服务端进行通信。其中，客户端可以但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。服务端可以用独立的服务端或者是多个服务端组成的服务端集群来实现。客户端用于采集老年人图片，服务端用于识别老年人图片，同时基于识别结果和目标老年人的移动轨迹确定该目标老年人是否在安全范围内。在一实施例中，如图2所示，提供一种智慧社区内阿尔茨海默病老年人防走失方法，以该智慧社区内阿尔茨海默病老年人防走失方法应用在图1中的服务端为例进行说明，包括如下步骤：S10、接收指定客户端发来的目标老年人的老年人图片。具体地，为了识别目标老年人是否为阿尔茨海默病老年人，需要采用客户端采集目标老年人的老年人图片，当客户端采集到老年人图片时，将老年人图片通过预设的网络发送至服务端，服务端实时或预设时间段内接收老年人图片。需要说明的是，指定客户端可以为智能手机、数码相机或摄像头等，预设的网络可以为有限网络或无线网络等，指定客户端和预设的网络的具体内容，可以根据实际应用进行设定，此处不做限制。S20、将老年人图片输入至预先训练好的阿尔茨海默病老年人识别模型中进行阿尔茨海默病老年人识别处理，得到老年人图片对应的识别结果，其中，阿尔茨海默病老年人识别模型由历史老年人图片和历史识别结果训练得到。具体地，为了识别目标老年人是否为阿尔茨海默病老年人，服务端需要训练出阿尔茨海默病老年人识别模型，具体通过以下步骤训练：在样本数据库中，获取历史老年人图片和历史识别结果作为训练样本的存储路径，然后基于存储路径提取历史老年人图片和历史识别结果，然后将提取到的训练样本中的历史老年人图片输入至深度学习模型中，得到输出结果，也即，提取采用预设的行为特征提取模型，对历史老年人图片进行行为特征提取，得到历史老年人图片对应的目标行为特征，在预设的标识数据库中，获取与目标行为特征相对应的老年人类型标识，获取老年人类型标识对应的识别结果作为输出结果。接下来调整深度学习模型的隐含层的参数，以最小化训练输出结果与样本中的历史识别结果之间的误差，最后当误差满足预设的条件时，确定参数调整后的深度学习模型为训练好的阿尔茨海默病老年人识别模型。进一步地，采用预设的行为特征提取模型，对历史老年人图片进行行为特征提取，得到历史老年人图片对应的目标行为特征，具体包括：采用Harris兴趣点提取算法，对由历史老年人图片进行兴趣点提取处理，得到历史老年人图片对应的兴趣点集，也即，计算历史老年人图片中每个像素点对应的时空邻域的信号直方图的熵，将取得熵的局部极大值的位置点确定为目标兴趣点，同时将由目标兴趣点组成的集合确定为兴趣点集，将兴趣点集作为目标行为特征，然后对预设的特征相关性消除算法，对目标行为特征进行特征相关性消除处理，得到消除后的目标行为特征，同时采用方差归一算法，对消除后的目标行为特征进行方差归一处理，得到方差归一后的目标行为特征。其中，Harris为角点检测算法，特征相关性消除算法可以为PCA算法，可以理解的是，PCA算法为principalcomponentanalysis线性算法。方差归一算法可以为缩放因子算法，需要说明的是，特征相关性消除算法和方差归一算法的具体内容，可以根据实际应用进行设定，此处不做限制。其中，当训练好阿尔茨海默病老年人识别模型之后，服务端将步骤S10中接收到的老年人图片至训练好的阿尔茨海默病老年人识别本文档来自技高网...

【技术保护点】
1.一种智慧社区内阿尔茨海默病老年人防走失方法，其特征在于，所述智慧社区内阿尔茨海默病老年人防走失方法包括：/n接收指定客户端发来的目标老年人的老年人图片；/n将所述老年人图片输入至预先训练好的阿尔茨海默病老年人识别模型中进行阿尔茨海默病老年人识别处理，得到所述老年人图片对应的识别结果，其中，所述阿尔茨海默病老年人识别模型由历史老年人图片和历史识别结果训练得到；/n若所述识别结果为是，则确定所述目标老年人为患有阿尔茨海默病老年人；/n获取所述目标老年人的移动轨迹；/n获取预先设置好的安全范围标识；/n若所述行为轨迹不在所述安全范围标识唯一标识的安全范围内，输出老年人走失的预警指令。/n

【技术特征摘要】
1.一种智慧社区内阿尔茨海默病老年人防走失方法，其特征在于，所述智慧社区内阿尔茨海默病老年人防走失方法包括：
接收指定客户端发来的目标老年人的老年人图片；
将所述老年人图片输入至预先训练好的阿尔茨海默病老年人识别模型中进行阿尔茨海默病老年人识别处理，得到所述老年人图片对应的识别结果，其中，所述阿尔茨海默病老年人识别模型由历史老年人图片和历史识别结果训练得到；
若所述识别结果为是，则确定所述目标老年人为患有阿尔茨海默病老年人；
获取所述目标老年人的移动轨迹；
获取预先设置好的安全范围标识；
若所述行为轨迹不在所述安全范围标识唯一标识的安全范围内，输出老年人走失的预警指令。


2.如权利要求1所述的智慧社区内阿尔茨海默病老年人防走失方法，其特征在于，所述阿尔茨海默病老年人识别模型通过以下步骤训练得到：
获取所述历史老年人图片和所述历史识别结果作为训练样本；
将所述训练样本中的所述历史老年人图片输入至深度学习模型中，得到输出结果；
调整所述深度学习模型的隐含层的参数，以最小化所述训练输出结果与所述样本中的所述历史识别结果之间的误差；
当所述误差满足预设的条件时，确定所述参数调整后的所述深度学习模型为所述训练好的阿尔茨海默病老年人识别模型。


3.如权利要求2所述的智慧社区内阿尔茨海默病老年人防走失方法，其特征在于，所述将所述训练样本中的所述历史老年人图片输入至深度学习模型中，得到输出结果包括：
采用预设的行为特征提取模型，对所述历史老年人图片进行行为特征提取，得到所述历史老年人图片对应的目标行为特征；
在预设的标识数据库中，获取与所述目标行为特征相对应的老年人类型标识；
获取所述老年人类型标识对应的识别结果作为所述输出结果。


4.如权利要求2所述的智慧社区内阿尔茨海默病老年人防走失方法，其特征在于，所述采用预设的行为特征提取模型，对所述历史老年人图片进行行为特征提取，得到所述历史老年人图片对应的目标行为特征包括：
采用Harris兴趣点提取算法，对由所述历史老年人图片进行兴趣点提取处理，得到所述历史老年人图片对应的兴趣点集；
将所述兴趣点集作为所述目标行为特征。


5.如权利要求4所述的智慧社区内阿尔茨海默病老年人防走失方法，其特征在于，所述采用Harris兴趣点提取算法，对由所述历史老年人图片进行兴趣点提取处理，得到所述历史老年人图片对应的兴趣点集包...

【专利技术属性】
技术研发人员：王永利，
申请(专利权)人：恒大智慧科技有限公司，
类型：发明
国别省市：广东;44