用于独居老人的智能化用水监测系统及其方法技术方案

公开了一种用于独居老人的智能化用水监测系统及其方法，其从多个独居老人的多天的用水量监测数据中提取各个独居老人的用水量在时间维度上的关联模式特征，并计算待评估独居老人的用水监测特征向量与其他用水监测特征向量之间的协方差矩阵来表征待评估独家老人与其他独家老人之间用水模式特征的差异，以此来对独家老人的用水量是否正常来进行智能监测

【技术实现步骤摘要】
用于独居老人的智能化用水监测系统及其方法


[0001]本申请涉及社区管理领域，且更为具体地，涉及一种用于独居老人的智能化用水监测系统及其方法
。

技术介绍

[0002]随着我国老龄化的进程推进，在社区管理中，独居老人的监管和服务逐渐成为社会面的普遍挑战
。
孤寡老人一个人独居的生活，存在诸多不确定要素，如果无法掌握独居老人的生活情况，有可能在发生意外灾害或者紧急状况时，无法及时地给予帮助
。
[0003]因此，期待一种用于独居老人的监测方案
。

技术实现思路

[0004]为了解决上述技术问题，提出了本申请
。
本申请的实施例提供了一种用于独居老人的智能化用水监测系统及其方法，其从多个独居老人的多天的用水量监测数据中提取各个独居老人的用水量在时间维度上的关联模式特征，并计算待评估独居老人的用水监测特征向量与其他用水监测特征向量之间的协方差矩阵来表征待评估独家老人与其他独家老人之间用水模式特征的差异，以此来对独家老人的用水量是否正常来进行智能监测
。
通过这样的方式，为社区提供孤老群体用水动态信息，帮助及时掌握老人群体生活情况
。
[0005]相应地，根据本申请的一个方面，提供了一种用于独居老人的智能化用水监测系统，其包括：用水量监测模块，用于获取待监测园区内多个独居老人的多天的用水量监测数据；结构化模块，用于将所述各个独居老人的多天的用水量监测数据按照时间维度构造为用水量监测矩阵以得到多个用水量监测矩阵；多重检测模块，用于将所述多个用水量监测矩阵输入包含多个用水特征编码器的多重检测模型以得到多个用水监测特征向量，其中，所述多个用水特征编码器具有相同的网络结构；待评估对象数据提取模块，用于从所述多个用水监测特征向量中提取待评估独居老人的用水监测特征向量；差异度量模块，用于计算所述待评估独居老人的用水监测特征向量与所述多个用水监测特征向量中其他用水监测特征向量之间的协方差矩阵以得到多个协方差矩阵；差异分布校正模块，用于对所述多个协方差矩阵进行特征值校正以得到多个校正后协方差矩阵；模式特征提取模块，用于将所述多个校正后协方差矩阵按照样本维度排列为三维输入张量后通过使用三维卷积核的卷积神经网络模型以得到分类特征图；以及监测结果生成模块，用于将所述分类特征图通过分类器以得到分类结果，所述分类结果用于表示待评估独居老人的用水是否正常
。
[0006]在上述用于独居老人的智能化用水监测系统中，所述结构化模块，包括：行向量构造单元，用于将所述各个独居老人的各天的用水量检测数据排列为用水量检测行向量以得到多个用水量检测行向量；以及，二维排列单元，用于将各个独居老人的多个用水量检测行向量进行二维排列以得到所述多个用水量监测矩阵
。
[0007]在上述用于独居老人的智能化用水监测系统中，所述用水特征编码器为作为过滤器的卷积神经网络模型
。
[0008]在上述用于独居老人的智能化用水监测系统中，所述作为过滤器的卷积神经网络模型为深度残差网络
。
[0009]在上述用于独居老人的智能化用水监测系统中，所述差异分布校正模块，进一步用于：以如下公式对所述多个协方差矩阵进行特征值校正以得到多个校正后协方差矩阵；其中，所述公式为：其中，和分别为第个校正后协方差矩阵和第个协方差矩阵，且分子矩阵和分母矩阵之间的除法为矩阵特征值的按位置相除，表示激活函数，表示矩阵的指数运算，所述矩阵的指数运算表示计算以矩阵中各个位置的特征值为幂的自然指数函数值，表示矩阵相乘
。
[0010]在上述用于独居老人的智能化用水监测系统中，所述模式特征提取模块，进一步用于：使用所述使用三维卷积核的卷积神经网络模型在层的正向传递中对输入数据分别进行：基于所述三维卷积核对所述输入数据进行三维卷积处理以得到卷积特征图；对所述卷积特征图进行基于局部特征矩阵的均值池化处理以得到池化特征图；以及，对所述池化特征图进行非线性激活以得到激活特征图；其中，所述卷积神经网络模型的最后一层的输出为所述分类特征图，所述卷积神经网络模型的第一层的输入为所述三维输入张量
。
[0011]在上述用于独居老人的智能化用水监测系统中，所述监测结果生成模块，包括：展开单元，用于将所述分类特征图中各个分类特征矩阵按照行向量或者列向量展开为一维特征向量后进行级联以得到分类特征向量；全连接编码单元，用于使用所述分类器的全连接层对所述分类特征向量进行全连接编码以得到编码分类特征向量；以及，分类结果生成单元，用于将所述编码分类特征向量输入所述分类器的
Softmax
分类函数以得到所述分类结果
。
[0012]根据本申请的另一方面，还提供了一种用于独居老人的智能化用水监测方法，其包括：获取待监测园区内多个独居老人的多天的用水量监测数据；将所述各个独居老人的多天的用水量监测数据按照时间维度构造为用水量监测矩阵以得到多个用水量监测矩阵；将所述多个用水量监测矩阵输入包含多个用水特征编码器的多重检测模型以得到多个用水监测特征向量，其中，所述多个用水特征编码器具有相同的网络结构；从所述多个用水监测特征向量中提取待评估独居老人的用水监测特征向量；计算所述待评估独居老人的用水监测特征向量与所述多个用水监测特征向量中其他用水监测特征向量之间的协方差矩阵以得到多个协方差矩阵；对所述多个协方差矩阵进行特征值校正以得到多个校正后协方差矩阵；将所述多个校正后协方差矩阵按照样本维度排列为三维输入张量后通过使用三维卷积核的卷积神经网络模型以得到分类特征图；以及将所述分类特征图通过分类器以得到分类结果，所述分类结果用于表示待评估独居老人的用水是否正常
。
[0013]在上述用于独居老人的智能化用水监测方法中，所述将所述各个独居老人的多天的用水量监测数据按照时间维度构造为用水量监测矩阵以得到多个用水量监测矩阵，包括：将所述各个独居老人的各天的用水量检测数据排列为用水量检测行向量以得到多个用
水量检测行向量；以及，将各个独居老人的多个用水量检测行向量进行二维排列以得到所述多个用水量监测矩阵
。
[0014]在上述用于独居老人的智能化用水监测方法中，所述用水特征编码器为作为过滤器的卷积神经网络模型
。
[0015]在上述用于独居老人的智能化用水监测方法中，所述作为过滤器的卷积神经网络模型为深度残差网络
。
[0016]在上述用于独居老人的智能化用水监测方法中，所述对所述多个协方差矩阵进行特征值校正以得到多个校正后协方差矩阵，包括：以如下公式对所述多个协方差矩阵进行特征值校正以得到多个校正后协方差矩阵；其中，所述公式为：其中，和分别为第个校正后协方差矩阵和第个协方差矩阵，且分子矩阵和分母矩阵之间的除法为矩阵特征值的按位置相除，表示激活函数，表示矩阵的指数运算，所述矩阵的指数运算表示计算以矩阵中各个位置的特征值为幂的自然指数函数值，表示矩阵相乘
。
[0017]在上述用于独居本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种用于独居老人的智能化用水监测系统，其特征在于，包括：用水量监测模块，用于获取待监测园区内多个独居老人的多天的用水量监测数据；结构化模块，用于将所述各个独居老人的多天的用水量监测数据按照时间维度构造为用水量监测矩阵以得到多个用水量监测矩阵；多重检测模块，用于将所述多个用水量监测矩阵输入包含多个用水特征编码器的多重检测模型以得到多个用水监测特征向量，其中，所述多个用水特征编码器具有相同的网络结构；待评估对象数据提取模块，用于从所述多个用水监测特征向量中提取待评估独居老人的用水监测特征向量；差异度量模块，用于计算所述待评估独居老人的用水监测特征向量与所述多个用水监测特征向量中其他用水监测特征向量之间的协方差矩阵以得到多个协方差矩阵；差异分布校正模块，用于对所述多个协方差矩阵进行特征值校正以得到多个校正后协方差矩阵；模式特征提取模块，用于将所述多个校正后协方差矩阵按照样本维度排列为三维输入张量后通过使用三维卷积核的卷积神经网络模型以得到分类特征图；以及监测结果生成模块，用于将所述分类特征图通过分类器以得到分类结果，所述分类结果用于表示待评估独居老人的用水是否正常
。2.
根据权利要求1所述的用于独居老人的智能化用水监测系统，其特征在于，所述结构化模块，包括：行向量构造单元，用于将所述各个独居老人的各天的用水量检测数据排列为用水量检测行向量以得到多个用水量检测行向量；以及二维排列单元，用于将各个独居老人的多个用水量检测行向量进行二维排列以得到所述多个用水量监测矩阵
。3.
根据权利要求2所述的用于独居老人的智能化用水监测系统，其特征在于，所述用水特征编码器为作为过滤器的卷积神经网络模型
。4.
根据权利要求3所述的用于独居老人的智能化用水监测系统，其特征在于，所述作为过滤器的卷积神经网络模型为深度残差网络
。5.
根据权利要求4所述的用于独居老人的智能化用水监测系统，其特征在于，所述差异分布校正模块，进一步用于：以如下公式对所述多个协方差矩阵进行特征值校正以得到多个校正后协方差矩阵；其中，所述公式为：其中，和分别为第个校正后协方差矩阵和第个协方差矩阵，且分子矩阵和分母矩阵之间的除法为矩阵特征值的按位置相除，表示激活函数，表示矩阵的指数运算，所述矩阵的指数运算表示计算以矩阵中各个位置的特征值为幂的自然指数函数值，表示矩阵相乘
。6.
根据权利要求5所述的用于独居老人的智能化用水监测系统，其特征在于，所述模式特征提取模块，进一步用于：使用所述使用三维卷积核的卷积神经...

【专利技术属性】
技术研发人员：赵志仁，陈士才，周琮辉，王东，陈琦涛，沈国伟，喻海，孙伟德，梁娟，甘胜华，
申请(专利权)人：杭州市水务集团有限公司，
类型：发明
国别省市：