一种生活规律异常的检测方法
专利汇可以提供一种生活规律异常的检测方法专利检索，专利查询，专利分析的服务。并且本 发明 涉及一种生活规律异常的检测方法，该方法采集正常的 训练数据 ，并根据训练数据获取各种类型数据的取值范围，然后通过 服务器 随机产生各类位于取值范围内数据以形成随机向量。然后再通过计算训练数据与随机向量的欧氏距离，并获取欧式距离的最大和最小值，进而产生检测器，再利用检测器检测采集的新数据是否异常，进而判断监测人的生活规律是否出现异常。该生活规律异常的检测方法能够更宏观、更全面的监测使用者的生活规律异常情况，尤其适合生活规律性强的老年人使用。该生活规律异常的检测方法无需使用视频监控技术，既提高了监测的实时有效性，还减少了设备成本。，下面是一种生活规律异常的检测方法专利的具体信息内容。
1.一种生活规律异常的检测方法，其特征在于包括如下步骤：
(1)、进行训练数据采集，即采集时间数据，同时采集监测人的位置数据、活动类型分类数据、运动参数、体征参数，进而形成训练数据组TR＝[T,L,C,S,B]，然后对训练数据进行标记以供使用；
其中，T为时间数据，T＝[T1,T2,T3,…,Ti]，其中i为自然数；
L为监测人的位置数据，L＝[L1,L2,L3,…,Li]，其中i为自然数；
C为活动类型分类数据，C＝[C1,C2,C3,…,Ci]，其中i为自然数；
S为运动参数，S＝[S1,S2,S3,…,Si]，其中i为自然数；
B为体征参数，B＝[B1,B2,B3,…,Bi]，其中i为自然数；
则训练数据组中的各训练向量可以表示为TRa＝[Ta,La,Ca,Sa,Ba]，其中a为自然数，1≤a≤i；
(2)、将训练数据组传送至服务器内并存储在数据库中；
(3)、计算训练数据组中各个维度数据的最大值和最小值，以形成各维数据的范围数据组TL＝{TE，LE，CE，SE，BE}；
其中，TE为时间数据的取值范围，TE＝(MAX[T1,T2,T3,…,Ti],MIN[T1,T2,T3,…,Ti])；
LE为检测人的位置数据的取值范围，LE＝(MAX[L1,L2,L3,…,Li],MIN[L1,L2,L3,…,Li])；
CE为活动类型分类数据的取值范围，CE＝(MAX[C1,C2,C3,…,Ci],MIN[C1,C2,C3,…,Ci])；
SE为运动参数的取值范围，SE＝(MAX[S1,S2,S3,…,Si],MIN[S1,S2,S3,…,Si])；
BE为体征参数的取值范围，BE＝(MAX[B1,B2,B3,…,Bi],MIN[B1,B2,B3,…,Bi])；
(4)、服务器接收设备采集的新数据，进而构成监测人的新状态数据组N＝[TN,LN,CN,SN,BN]，其中TN为新采集的时间数据，LN为新采集的位置数据，CN为新采集的活动类型的分类数据，SN为新采集的运动参数，BN新采集的体征参数；
(5)、服务器自动产生一个随机向量R＝[X1,X2,X3,X4,X5,]，其中X1∈TE，X2∈LE，X3∈CE，X4∈SE，X5∈BE；
(6)、计算训练数据组TR中各训练向量TRa与随机向量R之间的欧式距离，进而获取第一欧式距离数组EDR＝[EDR1,EDR 2,EDR 3,…,EDRi]，获取第一欧式距离数组EDR中的最大距离值selfmax和最小距离值selfmin；
(7)、生成一个检测器D，所述检测器对应的数据包D＝{R,selfmax,selfmin,LA}，将检测器D加入到检测器集合Detectors中；
其中，LA表示检测器D对应的生命周期值，LA的初始值为2*单位增加量LA0；
(8)、判断检测器集合Detectors中是否具有指定数量j个检测器；
如果否，则循环进行步骤(4)至步骤(7)，直至产生指定数量j个检测器，检测器集合Detectors＝[D1,D2,D3,…,Db,…,Dj]，其中b、j为自然数，1≤b≤j；
Db＝{Rb,selfmaxb,selfminb,LAb}；
Rb表示检测器Db的数据包中对应的随机向量；
Selfmaxb表示随机向量Rb与各训练向量间的欧式距离的最大值；
Selfminb表示随机向量Rb与各训练向量间的欧式距离的最小值；
LAb表示检测器Db对应的生命周期值；
如果是，则执行步骤(9)；
(9)、在检测器集合Detectors中选择一个检测器Db，1≤b≤j，计算最新采集的新状态数据组N＝[TN,LN,CN,SN,BN]与检测器Db中随机向量Rb之间的欧式距离EDb，分别比较EDb与检测器Db中Selfmaxb的大小，以及EDb与检测器Db中Selfminb的大小；
(10)、如果EDb＞Selfmaxb，或者EDb＜Selfminb，则表示检测器Db检测到监测人的生活规律出现异常，相应的服务器向客户端发出报警，并返回步骤(4)，同时LAb的值更新为LAb+LA0；
如果Selfminb≤EDb≤Selfmaxb，则表示检测器Db检测的结果为监测人的生活规律处于正常范围，然后返回步骤(9)进行循环检测；
(11)、如果检测器集合Detectors中所有的检测器都不能检测到监测人的生活规律异常的情况，则将检测器集合Detectors中所有的检测器对应的生命周期值减去LA0，此时，生命周期值为0的检测器则检测器集合Detectors中剔除；
(12)、返回步骤(4)。
2.根据权利要求1所述的生活规律异常的检测方法，其特征在于：所述检测器的数据包中还包括检测器的接近程度值J，即检测器数据包D＝{R,selfmax,selfmin,LA,J}，J的初始值为设定的整数值J0；相应地，检测器集合Detectors中Db＝{Rb,selfmaxb,selfminb,LAb,Jb}，Jb表示检测器Db对应的接近程度值；
任一检测器Db(1≤b≤j)的接近程度值Jb＝MIN[selfmaxb-EDb,EDb-selfmin]；
建立父代优势检测器集合Parents＝[D1,D2,D3,…,Dm,…,Dn]，m、n为自然数，1≤m≤n，父代优势检测器集合Parents的初始集合为初始形成的检测器集合Detectors；
在步骤(11)中，当检测器集合Detectors中所有的检测器都不能检测到监测人的生活规律异常的情况时，还增加设置有优化的检测方法，所述优化的检测方法包括如下步骤：
(11.1)、自父代优势检测器集合Parents中取接近程度值最小的一检测器Dm，对检测器Dm中的随机向量Rm＝[X1m,X2m,X3m,X4m,X5m,]中的随机一维值进行改变以获取新的随机向量RNm＝[XN1m,XN2m,XN3m,XN4m,XN5m,]，得到一个临时的检测器CD＝{RNm,selfmaxm,selfminm,LAm,Jm}；
其中X1m∈TE，X2m∈LE，X3m∈CE，X4m∈SE，X5m∈BE；
XN1m∈TE，XN2m∈LE，XN3m∈CE，XN4m∈SE，XN5m∈BE；
循环进行该步骤从而繁殖产生j个临时检测器，该j个临时检测器存储在临时检测器集合Childen中；
(11.2)、自临时检测器集合Childen中取出一个临时检测器CDc，CDc中对应的随机向量为RNmc，其中c为自然数，1≤c≤j；
(11.3)、计算训练数据组TR中各训练向量TRa与随机向量RNmc之间的欧式距离，进而获取第二欧式距离数组EDC＝[EDC1,EDC 2,EDC 3,…,EDCi]，获取第二欧式距离数组DR中的最大距离值c-selfmax和最小距离值c-selfmin；
(11.4)、生成一个新代检测器ND，该新代检测器对应的数据包ND＝{RNmc,c-selfmax,c-selfmin,NLA,NJ}，其中NLA表示新代检测器ND对应的生命周期值，NLA的初始值为2*单位增加量LA0，NJ表示新代检测器的接近程度值，NJ的初始值为设定的整数值J0；
将新代检测器ND加入到新代检测器集合NewDetectors；
(11.5)、循环步骤(11.2)至(11.4)直至历遍检测器集合Childen所有的临时检测器，则NewDetectors＝[D1,D2,D3,…,Dd,…,Dj]，其中d为自然数，1≤d≤j；
Dd＝{RNmcd,c-selfmaxd,c-selfmin d,NLAd,NJd}；
RNmcd表示新代检测器Dd的数据包中对应的随机向量；
c-selfmaxd表示随机向量RNmcd与各训练向量间的欧式距离的最大值；
c-selfmin d表示随机向量RNmcd与各训练向量间的欧式距离的最小值；
NLAd表示新代检测器Dd对应的生命周期值；
NJd表示新代检测器Dd的接近程度值；
(11.6)、自新代检测器集合NewDetectors中取一个新代检测器NDd，其中d为自然数，1≤d≤j，计算最新采集的新状态数据组N＝[TN,LN,CN,SN,BN]与新代检测器NDd中随机向量RNmcd之间的欧式距离NEDd，分别比较NEDd与检测器NDd中c-selfmaxd的大小，以及NEDd与检测器Db中c-selfmin d的大小；
(11.7)、如果NEDd＞c-selfmaxd，或者NEDd＜c-selfmind，则表示新代检测器NDd检测到监测人的生活规律出现异常，相应的服务器向客户端发出报警，把NDd加入检测器集合Detectors，并执行步骤(12)，同时NLAd的值更新为NLAd+LA0；
如果c-selfmind≤NEDd≤c-selfmaxd，则表示新代检测器NDd检测的结果为监测人的生活规律处于正常范围，然后返回步骤(11.6)进行循环检测；
同时计算新代检测器NDd相应的接近程度值NJd，NJd＝MIN[c-selfmaxd-NEDd,NEDd-c-selfmin d]；
(11.8)、如果新代检测器集合NewDetectors中所有的检测器都不能检测到监测人的生活规律异常的情况，则从新代检测器集合NewDetectors和父代优势检测器集合Parents的所有检测器中取出接近程度值最小的前j个检测器，作为新的父代优势检测器集合Parents，清空新代检测器集合NewDetectors中所有的检测器；
返回步骤(11.1)，循环检测Count次，Count为优化的检测方法的设定循环检测次数，如果仍然未检测到监测人的生活规律异常情况，则可识别为监测人的生活规律正常，然后执行步骤(12)。
3.根据权利要求1或2所述的生活规律异常的检测方法，其特征在于：所述时间数据包括日期、时、分数据。
4.根据权利要求1或2所述的生活规律异常的检测方法，其特征在于：所述位置数据包括室内位置数据和室外位置数据；
通过室内WiFi定位方法采集室内位置数据，通过GPS定位方法采集室外位置数据。
5.根据权利要求1或2所述的生活规律异常的检测方法，其特征在于：所述运动参数包括运动方向数据和运动速度数据，所述活动类型分类数据包括静止、走、跑、驾驶的分类数据。
6.根据权利要求1或2所述的生活规律异常的检测方法，其特征在于：所述体征参数包括血氧饱和度数据、脉搏数据、体温数据。
一种生活规律异常的检测方法
技术领域
背景技术
发明内容
具体实施方式
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种基于指脉搏波与“寸口”脉搏波相关性的中医智能指环 | 2020-05-15 | 410 |
| 一种血氧供给检测方法 | 2020-05-15 | 286 |
| 双波长光电容积脉搏波特征量的动脉血氧饱和度计算方法 | 2020-05-12 | 342 |
| 一种血氧测量方法及装置 | 2020-05-16 | 491 |
| 血氧饱和度模拟仪校准装置 | 2020-05-15 | 293 |
| 一种血氧饱和度检测方法及系统 | 2020-05-14 | 554 |
| 一种血氧饱和度检测方法及系统 | 2020-05-14 | 527 |
| 一种血氧饱和度检测方法 | 2020-05-14 | 655 |
| 一种柔性连续脉搏血氧饱和度监测器 | 2020-05-11 | 472 |
| 一种一次性脉搏血氧饱和度传感器 | 2020-05-13 | 711 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
