一种基于深度学习的老人体征数据监控预警方法和系统技术方案

本申请揭示了一种基于深度学习的老人体征数据监控预警方法，对样本老人在进行预设的第一活动的同时实施体征数据监控处理；计算出n个函数Q1、Q2、

【技术实现步骤摘要】
一种基于深度学习的老人体征数据监控预警方法和系统


[0001]本申请涉及到计算机领域，特别是涉及到一种基于深度学习的老人体征数据监控预警方法和系统。

技术介绍

[0002]老人的生理状况与其他年龄段的人不同，因为当老人出现一定的生理异常时，就有可能异致不可挽回的后果，因此存在对老人体征数据监控预警的需要。而现有的老人体征数据监控预警的方案，仅是对采集到的老人体征数据进行分析，以判断采集到的老人体征数据是否出现了异常变化，进而决定是否应当预警。这种现有方案虽然可以快速发现老人的异常并预警，但其也存在缺陷，因为其只适用于存在大的异常信号的情况，而对于仅存在微量的异常信号的情况难以进行准确预警。

技术实现思路

[0003]本申请提出一种基于深度学习的老人体征数据监控预警方法，包括以下步骤：
[0004]S1、采用预设的体征采集器，在多个时间周期内，分别对样本老人在进行预设的第一活动的同时实施体征数据监控处理，以得到第一一体征数据集P1、第一二体征数据集P2、
…
、第一n体征数据集Pn；其中，n为大于2的整数，体征数据集P1、P2、
…
、Pn均在第一时间窗口内采集得到；
[0005]S2、根据公式：计算出n个函数Q1、Q2、
…
、Qn；其中，t为数据采集时间，P0为预先采集的样本老人处于健康状态下进行第一活动时的体征数据集；
[0006]S3、以时间周期的编号为x轴，数据采集时间为y轴，n个函数Q1、Q2、
…
、Qn的值为Z轴，从而将n个函数Q1、Q2、
…
、Qn投影入预设的预先构建的空间直角坐标系中，以生成第一三维点集，并对第一三维点集按预设的m个数据采集时间点进行平面切分处理，从而生成m个Q(x)函数；m为大于2的整数；
[0007]S4、在多个时间周期内，分别对样本老人在进行预设的第二活动的同时实施体征数据监控处理，以得到第二一体征数据集W1、第二二体征数据集W2、
…
、第二n体征数据集Wn；其中，体征数据集W1、W2、
…
、Wn均在第二时间窗口内采集得到；第二时间窗口的宽度与第一时间窗口的宽度相同；
[0008]S5、根据公式：计算出n个函数R1、R2、
…
、Rn；其中，t为数据采集时间，W0为预先采集的样本老人处于健康状态下进行第二活动时的体征数据集；
[0009]S6、以时间周期的编号为x轴，数据采集时间为y轴，n个函数R1、R2、
…
、Rn的值为Z轴，从而将n个函数R1、R2、
…
、Rn投影入预设的预先构建的空间直角坐标系中，以生成第二
三维点集，并对第二三维点集按预设的m个数据采集时间点进行平面切分处理，生成m个W(x)函数；
[0010]S7、将m个Q(x)函数与m个W(x)函数按数据采集时间点的前后进行排序，并将序号相同的函数配对为训练用函数对，得到m个训练用纠缠函数对；
[0011]S8、根据样本老人的健康状态，对m个训练用纠缠函数对进行人工标注处理，以标注上正常标签或者异常标签，从而生成一个样本数据；
[0012]S9、重复前述步骤S1
‑
S8，从而生成多个样本数据，并将多个样本数据划分为多个训练数据和多个试验数据，将多个训练数据输入预设的深度神经网络模型中进行训练，以得到老人体征预警模型；
[0013]S10、利用多个试验数据对老人体征预警模型进行验证，并在验证通过的前提下，对待分析老人重复前述步骤S1
‑
S7，以得到m个正式用纠缠函数对；
[0014]S11、将m个正式用纠缠函数对输入老人体征预警模型，以得到输出结果，并当输出结果为体征异常时，生成预警信号。
[0015]进一步地，所述利用多个试验数据对老人体征预警模型进行验证，并在验证通过的前提下，对待分析老人重复前述步骤S1
‑
S7，以得到m个正式用纠缠函数对的步骤S10，包括：
[0016]S101、根据条件公式
[0017][0018]进行筛选，以从多个试验数据中选出满足条件公式的至少一个指定试验数据；其中，δ为预设的大于0的参数；
[0019]S102、将至少一个指定试验数据输入老人体征预警模型中，以得到至少一个试验输出结果；
[0020]S103、判断试验输出结果是否均为体征异常；
[0021]S104、若试验输出结果均为体征异常，则判定验证通过；
[0022]S105、对待分析老人重复前述步骤S1
‑
S7，以得到m个正式用纠缠函数对。
[0023]进一步地，所述采用预设的体征采集器，在多个时间周期内，分别对样本老人在进行预设的第一活动的同时实施体征数据监控处理，以得到第一一体征数据集P1、第一二体征数据集P2、
…
、第一n体征数据集Pn的步骤S1之前，包括：
[0024]S001、在同一个时间周期内，对样本老人进行体征数据监控处理，以获取样本老人在进行老人保健操时对应的一号原始体征数据集，并且获取样本老人在进行老人广场舞时对应的二号原始体征数据集；
[0025]S002、对一号原始体征数据集和二号原始体征数据集分别进行分段处理，以得到多个一号数据段序列和多个二号数据段序列；其中，每个一号数据段序列和每个二号数据段序列的时间长度均相同；
[0026]S003、根据预设的相似数据比较方法，对比一个一号数据段和一个二号数据段之间的相似程度，从而得到多个相似程度值；
[0027]S004、从多个相似程度值中选出最大相似程度值，并将最大相似程度值对应的一号数据段记为指定一号数据段，将最大相似程度值对应的二号数据段记为指定二号数据段；
[0028]S005、将指定一号数据段对应的活动记为第一活动，将指定二号数据段对应的活动记为第二活动。
[0029]进一步地，所述在同一个时间周期内，对样本老人进行体征数据监控处理，以获取样本老人在进行老人保健操时对应的一号原始体征数据集，并且获取样本老人在进行老人广场舞时对应的二号原始体征数据集的步骤S001，包括：
[0030]S0011、在同一个时间周期内，采用预设的光线捕捉器，对样本老人进行第一次光线捕捉处理，以得到第一姿态图像序列；
[0031]S0012、将第一姿态图像序列与预先采集的老人保健操动作图像序列进行对比，以从第一姿态图像序列中选出样本老人在进行老人保健操时对应的一号姿态图像序列；
[0032]S0013、在一号姿态图像序列采集的同时，对样本老人进行体征数据监控处理，以获取一号原始体征数据集；
[0033]S0014、将第一姿态图像序列与预先采集的老人广场舞动作图像序列进行对比，以从第一姿态图像序列中选出样本老人在进行老人保健操时对应的二号姿态图像序列；
[0034]S0015、在二号姿态图像序列采集本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的老人体征数据监控预警方法，其特征在于，包括：S1、采用预设的体征采集器，在多个时间周期内，分别对样本老人在进行预设的第一活动的同时实施体征数据监控处理，以得到第一一体征数据集P1、第一二体征数据集P2、
…
、第一n体征数据集Pn；其中，n为大于2的整数，体征数据集P1、P2、
…
、Pn均在第一时间窗口内采集得到；S2、根据公式：计算出n个函数Q1、Q2、
…
、Qn；其中，t为数据采集时间，P0为预先采集的样本老人处于健康状态下进行第一活动时的体征数据集；S3、以时间周期的编号为x轴，数据采集时间为y轴，n个函数Q1、Q2、
…
、Qn的值为Z轴，从而将n个函数Q1、Q2、
…
、Qn投影入预设的预先构建的空间直角坐标系中，以生成第一三维点集，并对第一三维点集按预设的m个数据采集时间点进行平面切分处理，从而生成m个Q(x)函数；m为大于2的整数；S4、在多个时间周期内，分别对样本老人在进行预设的第二活动的同时实施体征数据监控处理，以得到第二一体征数据集W1、第二二体征数据集W2、
…
、第二n体征数据集Wn；其中，体征数据集W1、W2、
…
、Wn均在第二时间窗口内采集得到；第二时间窗口的宽度与第一时间窗口的宽度相同；S5、根据公式：计算出n个函数R1、R2、
…
、Rn；其中，t为数据采集时间，W0为预先采集的样本老人处于健康状态下进行第二活动时的体征数据集；S6、以时间周期的编号为x轴，数据采集时间为y轴，n个函数R1、R2、
…
、Rn的值为Z轴，从而将n个函数R1、R2、
…
、Rn投影入预设的预先构建的空间直角坐标系中，以生成第二三维点集，并对第二三维点集按预设的m个数据采集时间点进行平面切分处理，生成m个W(x)函数；S7、将m个Q(x)函数与m个W(x)函数按数据采集时间点的前后进行排序，并将序号相同的函数配对为训练用函数对，得到m个训练用纠缠函数对；S8、根据样本老人的健康状态，对m个训练用纠缠函数对进行人工标注处理，以标注上正常标签或者异常标签，从而生成一个样本数据；S9、重复前述步骤S1
‑
S8，从而生成多个样本数据，并将多个样本数据划分为多个训练数据和多个试验数据，将多个训练数据输入预设的深度神经网络模型中进行训练，以得到老人体征预警模型；S10、利用多个试验数据对老人体征预警模型进行验证，并在验证通过的前提下，对待分析老人重复前述步骤S1
‑
S7，以得到m个正式用纠缠函数对；S11、将m个正式用纠缠函数对输入老人体征预警模型，以得到输出结果，并当输出结果为体征异常时，生成预警信号。2.根据权利要求1所述的基于深度学习的老人体征数据监控预警方法，其特征在于，所述利用多个试验数据对老人体征预警模型进行验证，并在验证通过的前提下，对待分析老人重复前述步骤S1
‑
S7，以得到m个正式用纠缠函数对的步骤S10，包括：S101、根据条件公式
进行筛选，以从多个试验数据中选出满足条件公式的至少一个指定试验数据；其中，δ为预设的大于0的参数；S102、将至少一个指定试验数据输入老人体征预警模型中，以得到至少一个试验输出结果；S103、判断试验输出结果是否均为体征异常；S104、若试验输出结果均为体征异常，则判定验证通过；S105、对待分析老人重复前述步骤S1
‑
S7，以得到m个正式用纠缠函数对。3.根据权利要求1所述的基于深度学习的老人体征数据监控预警方法，其特征在于，所述采用预设的体征采集器，在多个时间周期内，分别对样本老人在进行预设的第一活动的同时实施体征数据监控处理，以得到第一一体征数据集P1、第一二体征数据集P2、
…
、第一n体征数据集Pn的步骤S1之前，包括：S001、在同一个时间周期内，对样本老人进行体征数据监控处理，以获取样本老人在进行老人保健操时对应的一号原始体征数据集，并且获取样本老人在进行老人广场舞时对应的二号原始体征数据集；S002、对一号原始体征数据集和二号原始体征数据集分别进行分段处理，以得到多个一号数据段序列和多个二号数据段序列；其中，每个一号数据段序列和每个二号数据段序列的时间长度均相同；S003、根据预设的相似数据比较方法，对比一个一号数据段和一个二号数据段之间的相似程度，从而得到多个相似程度值；S004、从多个相似程度值中选出最大相似程度值，并将最大相似程度值对应的一号数据段记为指定一号数据段，将最大相似程度值对应的二号数据段记为指定二号数据段；S005、将指定一号数据段对应的活动记为第一活动，将指定二号数据段对应的活动记为第二活动。4.根据权利要求3所述的基于深度学习的老人体征数据监控预警方法，其特征在于，所述在同一个时间周期内，对样本老人进行体征数据监控处理，以获取样本老人在进行老人保健操时对应的一号原始体征数据集，并且获取样本老人在进行老人广场舞时对应的二号原始体征数据集的步骤S001，包括：S0011、在同一个时间周期内，采用预设的光线捕捉器，对样本老人进行第一次光线捕捉处...

【专利技术属性】
技术研发人员：周健，李若云，雷东华，刘凯华，胡丽坤，
申请(专利权)人：广州培生智能科技有限公司，
类型：发明
国别省市：