一种行为监测识别方法和交互反馈系统技术方案

为实现用户卧床过程中的行为记录与分析，本发明专利技术提供了一种行为监测识别方法和交互反馈系统，属于智能监测技术领域。该行为监测识别方法包括以下步骤：建立压力识别模型；获取用户卧躺后的瞬时压力数据；导入瞬时压力数据，由压力识别模型识别得到瞬时姿势；对连续时刻内识别得到的瞬时姿势进行分析，得到时长行为数据。该交互反馈系统包括床本体、压力传感器、数据分析处理模块、数据储存模块和数据传输模块。本发明专利技术中行为监测识别方法和交互反馈系统可用于医疗养护领域，对卧床病人进行全天候卧床行为进行监测，以加强对病人的看护，以及作为优化调整治疗方案的参考。同时，本发明专利技术也可用于健康人群的睡眠状态监测以作为改善睡眠质量的参考。善睡眠质量的参考。善睡眠质量的参考。

【技术实现步骤摘要】
一种行为监测识别方法和交互反馈系统


[0001]本专利技术涉及智能监测
，尤其涉及一种行为监测识别方法和交互反馈系统。

技术介绍

[0002]随着经济不断发展，人们生活水平逐渐提高，但人们睡眠质量却日益下降，因此人们对自身睡眠情况重视程度也在逐步提高。对睡眠过程中行为的监测可以直接反映出个人的睡眠状态，但市面缺乏相应的对睡眠过程中的行为记录与分析的设备。
[0003]另一方面，在医疗养护领域，如何实现对卧床病人进行全天候卧床行为监测，以加强对病人的看护，减少压疮等疾病产生，也是十分棘手的问题。
[0004]因此，研发一种卧床行为分析的方法和终端变得越来越迫切。

技术实现思路

[0005]本专利技术旨在提供一种行为监测识别方法和交互反馈系统。本专利技术中，该行为监测识别方法中通过获取某个瞬时的压力数据，而后即可通过压力识别模型识别出该瞬时下用户的姿势。最后分析某连续时间段内的姿势变化频次和姿势的变化集中时间段，以及某一姿势的保持时间段以及保持时间总长，即可得到用户睡眠过程中的行为。该方法可用于对健康人群的睡眠状态监测以作为改善睡眠质量的参考。同时，该方法也可用于医疗养护领域，对卧床病人进行全天候卧床行为监测，以加强对病人的看护，以及作为优化调整治疗方案的参考。本专利技术中的交互反馈系统相当于一种智能床，其可智能记录和分析用户卧躺后的行为，以为改善睡眠质量的参考。
[0006]本专利技术采用的技术方案是：一种行为监测识别方法，所述方法包括以下步骤：步骤S1，建立压力识别模型；步骤S2，获取用户卧躺后T时刻的瞬时压力数据PR
T
，得到瞬时压力矩阵｛PR
T
｝；步骤S3，将所述瞬时压力矩阵｛PR
T
｝导入所述压力识别模型中，识别得到瞬时姿势PO
T
；所述瞬时姿势PO
T
为正方向下的左侧卧、右侧卧、仰卧、俯卧，以及反方向下的左侧卧、右侧卧、仰卧、俯卧中的一种；步骤S4，获取用户连续下一T+t时刻的瞬时压力数据PR
T+t
，得到瞬时压力矩阵｛PR
T+t
｝；步骤S5，将所述瞬时压力矩阵｛PR
T+t
｝导入所述压力识别模型中，识别得到瞬时姿势PO
T+t
；所述瞬时姿势PO
T+t
为正方向下的左侧卧、右侧卧、仰卧、俯卧，以及反方向下的左侧卧、右侧卧、仰卧、俯卧中的一种；步骤S6，重复所述步骤S2和所述步骤S3，得到连续下一T+nt时刻的瞬时压力数据PR
T+nt、
瞬时压力矩阵｛PR
T+nt
｝以及瞬时姿势PO
T+nt
；所述瞬时姿势PO
T+nt
为正方向下的左侧卧、右侧卧、仰卧、俯卧，以及反方向下的左侧卧、右侧卧、仰卧、俯卧中的一种；
步骤S7，对连续的T时刻至T+nt时刻内，识别得到的所述瞬时姿势PO
T
、所述瞬时姿势PO
T+t
以及所述瞬时姿势PO
T+nt
进行分析，即可得到用户在nt时间段内，姿势的变化频率和姿势的变化集中时间段，以及某一具体姿势的保持时间段和保持时间总长，得到时长行为数据。
[0007]进一步地，所述方法还包括以下步骤：步骤S8，建立行为数据和行为模式之间的映射关系，所述行为模式包括深度睡眠、浅度睡眠、清醒和焦虑；步骤S9，调用所述时长行为数据，分析得到用户的具体行为。
[0008]进一步地，所述方法还包括以下步骤：步骤S10，在连续的T时刻至T+nt时刻内，对用户进行生理监测，得到生理数据；基于所述生理数据、所述时长行为数据以及所述映射关系，分析得到用户的具体行为。
[0009]进一步地，所述方法还包括以下步骤：步骤S11，基于所述瞬时压力数据PR
T
、所述瞬时压力数据PR
T+t
以及所述瞬时压力数据PR
T+nt
，分别形成压力中心位置点C
T
、压力中心位置点C
T+t
以及压力中心位置点C
T+nt
，所述压力中心位置点C
T
、所述压力中心位置点C
T+t
以及所述压力中心位置点C
T+nt
的连线构成运动轨迹，基于所述运动轨迹、所述时长行为数据以及床的边界尺寸，判断用户是否有跌落风险。
[0010]进一步地，所述步骤S11中，若判断用户有跌落风险，则发出示警信息。
[0011]进一步地，所述步骤S1中，建立压力识别模型的具体过程包括：步骤S101，识别不同用户卧床后不同姿势下的初始压力数据PR0；步骤S102，对初始压力数据PR0根据不同姿势进行分类；步骤S103，将分类后的初始压力数据PR0依据数据量按照预设比例分为训练集、测试集和验证集，送入卷积神经网络训练得到多个模型，保留识别精度最高的模型为压力识别模型。
[0012]进一步地，所述步骤S102中，对压力数据根据不同姿势进行分类前，先对初始压力数据PR0进行归一化处理；所述步骤S2至所述步骤S6中，在分别得到所述瞬时压力矩阵｛PR
T
｝、所述瞬时压力矩阵｛PR
T+t
｝以及所述瞬时压力矩阵｛PR
T+nt
｝前，先分别对所述瞬时压力数据PR
T
、所述瞬时压力数据PR
T+t
以及所述瞬时压力数据PR
T+nt
进行归一化处理。
[0013]交互反馈系统，所述系统包括：床本体；若干压力传感器，若干所述压力传感器设置在所述床本体上，用于采集在连续的T时刻、T+t时刻以及T+nt时刻，用户卧躺于所述床本体上的瞬时压力数据PR
T
、瞬时压力数据PR
T+t
以及瞬时压力数据PR
T+nt
；数据分析处理模块，所述数据分析处理模块内置时钟单元，并可构建或者调用压力识别模型；所述数据分析处理模块可分别对所述瞬时压力数据PR
T
、所述瞬时压力数据PR
T+t
以及所述瞬时压力数据PR
T+nt
分析处理形成压力矩阵｛PR
T
｝、压力矩阵｛PR
T+t
｝以及压力矩阵｛PR
T+nt
｝；同时，所述数据分析处理模块还可基于所述压力矩阵｛PR
T
｝、所述压力矩阵｛PR
T+t
｝以及所述压力矩阵｛PR
T+nt
｝，通过所述压力识别模型识别得到瞬时姿势PO
T
、瞬时姿势
PO
T+t
以及瞬时姿势PO
T+nt
，所述瞬时姿势PO
T
、所述瞬时姿势PO
T+t
以及所述瞬时姿势PO
T+nt
分别为正方向下的左侧卧、右侧卧、仰卧、俯卧，以及反方向下的左侧本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种行为监测识别方法，其特征在于，所述方法包括以下步骤：步骤S1，建立压力识别模型；步骤S2，获取用户卧躺后T时刻的瞬时压力数据PR
T
，得到瞬时压力矩阵｛PR
T
｝；步骤S3，将所述瞬时压力矩阵｛PR
T
｝导入所述压力识别模型中，识别得到瞬时姿势PO
T
；所述瞬时姿势PO
T
为正方向下的左侧卧、右侧卧、仰卧、俯卧，以及反方向下的左侧卧、右侧卧、仰卧、俯卧中的一种；步骤S4，获取用户连续下一T+t时刻的瞬时压力数据PR
T+t
，得到瞬时压力矩阵｛PR
T+t
｝；步骤S5，将所述瞬时压力矩阵｛PR
T+t
｝导入所述压力识别模型中，识别得到瞬时姿势PO
T+t
；所述瞬时姿势PO
T+t
为正方向下的左侧卧、右侧卧、仰卧、俯卧，以及反方向下的左侧卧、右侧卧、仰卧、俯卧中的一种；步骤S6，重复所述步骤S2和所述步骤S3，得到连续下一T+nt时刻的瞬时压力数据PR
T+nt
、瞬时压力矩阵｛PR
T+nt
｝以及瞬时姿势PO
T+nt
；所述瞬时姿势PO
T+nt
为正方向下的左侧卧、右侧卧、仰卧、俯卧，以及反方向下的左侧卧、右侧卧、仰卧、俯卧中的一种；步骤S7，对连续的T时刻至T+nt时刻内，识别得到的所述瞬时姿势PO
T
、所述瞬时姿势PO
T+t
以及所述瞬时姿势PO
T+nt
进行分析，即可得到用户在nt时间段内，姿势的变化频率和姿势的变化集中时间段，以及某一具体姿势的保持时间段和保持时间总长，得到时长行为数据。2.根据权利要求1所述的行为监测识别方法，其特征在于，所述方法还包括以下步骤：步骤S8，建立行为数据和行为模式之间的映射关系，所述行为模式包括深度睡眠、浅度睡眠、清醒和焦虑；步骤S9，调用所述时长行为数据，分析得到用户的具体行为。3.根据权利要求2所述的行为监测识别方法，其特征在于，所述方法还包括以下步骤：步骤S10，在连续的T时刻至T+nt时刻内，对用户进行生理监测，得到生理数据；基于所述生理数据、所述时长行为数据以及所述映射关系，分析得到用户的具体行为。4.根据权利要求1所述的行为监测识别方法，其特征在于，所述方法还包括以下步骤：步骤S11，基于所述瞬时压力数据PR
T
、所述瞬时压力数据PR
T+t
以及所述瞬时压力数据PR
T+nt
，分别形成压力中心位置点C
T
、压力中心位置点C
T+t
以及压力中心位置点C
T+nt
，所述压力中心位置点C
T
、所述压力中心位置点C
T+t
以及所述压力中心位置点C
T+nt
的连线构成运动轨迹，基于所述运动轨迹、所述时长行为数据以及床的边界尺寸，判断用户是否有跌落风险。5.根据权利要求4所述的行为监测识别方法，其特征在于，所述步骤S11中，若判断用户有跌落风险，则发出示警信息。6.根据权利要求1~5中任意一项所述的行为监测识别方法，其特征在于，所述步骤S1中，建立压力识别模型的具体过程包括：步骤S101，识别不同用户卧床后不同姿势下的初始压力数据PR0；步骤S102，对初始压力数据PR0根据不同姿势进行分类；步骤S103，将分类后的初始压力数据PR0依据数据量按照预设比例分为训练集、测试集和验证集，送入卷积神经网络训练得到多个模型，保留识别精度最高的模型为压力识别模型。7.根据权利要求6所述的所述的行为监测识别方法，其特征在于，所述步骤S102中，对
压力数据根据不同姿势进行分类前，先对初始压力数据PR0进行归一化处理；所述步骤S2至所述步骤S6中，在分别得到所述瞬时压力矩阵｛PR
T
｝、所述瞬时压力矩阵｛PR
T+t
｝以及所述瞬时压力矩阵｛PR
T+nt
｝前，先分别对所述瞬时压力数据PR
...

【专利技术属性】
技术研发人员：邬君，李嘉鑫，邱建忠，赵炳彦，许崇海，陈照强，肖光春，方燕，
申请(专利权)人：齐鲁工业大学，
类型：发明
国别省市：