【技术实现步骤摘要】
一种人体防摔的超前预警方法
[0001]本专利技术涉及互联网、大数据、医疗防护领域,具体涉及一种人体防摔的超前预警方法。
技术介绍
[0002]当前社会状态下，90后多为独生子女，往上承担着四位甚至八位老人的看护责任，而且往下还承担着孩子的养护责任，压力可想而知。目前在市场中，各中防摔的产品层出不穷，报警手环、防摔护具等产品各式各样。
[0003]但是现有技术几乎都是作用于已经产生摔倒动作之后产生的行为，但是摔倒的行为已经产生，或多或少的对人身造成了一定的损伤或者影响了生活状态。是否能在摔倒前进行预测及预警，让被保护人在摔倒动作发生前就有一定的警醒做出反应，或者监护人能够提前知道，从而更加有效的防止摔倒动作的发生，是当前社会应该解决的重要问题。
技术实现思路
[0004]为解决上述问题，本专利技术的目的在于提供一种人体防摔的超前预警方法，能够在摔倒动作发生前进行超前预测并进行摔倒因素的具体指明，从而有效的避免摔倒动作的发生，更好的保护人身安全。
[0005]本专利技术的技术方案如下：
...
【技术保护点】
【技术特征摘要】
1.一种人体防摔超前预警方法，其特征在于，包括以下步骤：S10采集与产生摔倒动作的影响因子的数据，并对采集到的数据进行归一化处理，将筛选的合适的影响因子作为输入变量；S20创建四层人工神经网络模型；S30采用Frame Shift Mutation算法训练四层人工神经网络；S40采用测试样本对已经训练完成的BP神经网络进行测试，对于输入样本x0，得到预测输出y0，若y0小于阈值时，则预测不会产生摔倒；若y0大于阈值，则预测会产生摔倒，发出具体摔倒警示；并且通过调整阈值的大小，获得使预测效果最佳的阈值完成预测预警功能；在实际应用中能够通过实时监测影响因子数据，预测摔倒的发生。2.根据权利要求1所述的一种人体防摔超前预警方法，其特征在于，所述步骤S10的具体实施方法如下：S101将采集到的与产生摔倒动作相关的影响因子的原始数据记为x
B*
，B＝(1，2，3，...，B)；采集D组样本数据，生成样本集X
*
＝[x
1*
，x
2*
，x
3*
，...，x
B*
]
D
，每个样本集包含B个数据；将采集到的样本集X
*
＝[x
1*
，x
2*
，x
3*
，...，x
B*
]
D
中的原始数据通过公式进行归一化处理，映射到统一的一个数值区间[
‑
1，1]内；x
kB
表示归一化之后第k组数据中第B影响因子的数据、x
kB*
表示原始数据中第k组数据中第B影响因子的数据、x
maxB*
表示样本集中第B影响因子的最大原始数据、x
minB*
表示样本集中第B影响因子的最小原始数据；最后得到归一化样本集X
D
＝[x1，x2，x3，...，x
B
]
D
；S102筛选与产生摔倒动作相关的影响因子，生成实验样本集：取任意不同的两种与产生摔倒动作的影响因子，记为x
f
、x
j
，f∈B、j∈B；则通过下面公式计算任意两种影响因子的关联系数；Q
f&j
表示第f影响因子与第j影响因子的关联系数；x
kf
表示样本集中第k组数据中的x
f
数据，表示x
f
的均数，x
kj
表示样本集中第k组数据中的x
j
数据；x
maxf
表示样本集中影响因子f中的最大数据，x
minf
表示样本集中影响因子f中的最小数据；x
maxj
表示样本集中影响因子j中的最大数据，x
minj
表示样本集中影响因子j中的最小数据；Q
f&j
值越大代表两种影响因子之间的相关性越大，反之，Q
f&j
值越小代表两种影响因子之间的相关性越小；根据实验需求设置影响因子关联系数的阈值为Q
max
，要求Q
f&j
≤Q
max
，生成实验样本集E＝[x1，x2，x3，...，x
m
]
D
，m＝(1，2，3，...，m)且m≤B。3.根据权利要求1所述的一种人体防摔超前预警方法，其特征在于，所述步骤S20的具体实施方法如下：创建一个具有预测功能的四层人工神经网络模型，具有输入层、隐含层、输出层；输入层是一维的神经元，有m输入信号，其中任意输入信号用m表示；隐含层有I神经元，其中任意神经元用i表示；竞争层有P神经元，任一神经元用p表示，输出层有一个神经元，用y表示；输入层与隐含层的连接权值用w
mi
表示，隐含层的i神经元与竞争层神经元的连接权值用w
ip
表示，竞争层的神经元与输出层的神经元的连接权值用w
py
表示；X＝(x1，x2，...，x
m
)表示输入层的输入向量，代表...
【专利技术属性】
技术研发人员：文强，江晓，王聿隽，
申请(专利权)人：山东衡昊信息技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。