一種基于自適應(yīng)算法的運(yùn)動(dòng)警報(bào)方法以及運(yùn)動(dòng)警報(bào)裝置的制造方法
【專(zhuān)利摘要】本申請(qǐng)?zhí)峁┮环N基于自適應(yīng)算法的運(yùn)動(dòng)警報(bào)方法，包括如下步驟：步驟S1、使用傳感器獲得運(yùn)動(dòng)數(shù)據(jù)；步驟S2、根據(jù)運(yùn)動(dòng)數(shù)據(jù)判斷是否存在運(yùn)動(dòng)異常；步驟S3、如果存在運(yùn)動(dòng)異常則定位運(yùn)動(dòng)者位置；步驟S4、發(fā)出警報(bào)信號(hào)并發(fā)送運(yùn)動(dòng)者位置信息。該運(yùn)動(dòng)警報(bào)方法采用自適應(yīng)算法對(duì)運(yùn)動(dòng)者的日常運(yùn)行軌跡進(jìn)行記錄和分析，形成適應(yīng)于每位運(yùn)動(dòng)者個(gè)體化差異的行為序列，從而有利于提高警報(bào)的精確度。當(dāng)在某一階段運(yùn)動(dòng)者由于身體某一部分異常而形成運(yùn)動(dòng)狀態(tài)異常時(shí)，算法也可自動(dòng)生成運(yùn)動(dòng)糾正序列，從而提高了適應(yīng)性，解決了現(xiàn)有運(yùn)動(dòng)警報(bào)功能精度不夠的問(wèn)題，使得運(yùn)動(dòng)者發(fā)生運(yùn)動(dòng)狀態(tài)異常時(shí)，將運(yùn)動(dòng)者運(yùn)動(dòng)數(shù)據(jù)以及運(yùn)動(dòng)者位置信息更加及時(shí)準(zhǔn)確的傳遞給指定人員。
【專(zhuān)利說(shuō)明】
一種基于自適應(yīng)算法的運(yùn)動(dòng)警報(bào)方法以及運(yùn)動(dòng)警報(bào)裝置
技術(shù)領(lǐng)域
[0001] 本申請(qǐng)涉及通信領(lǐng)域，尤其涉及一種基于自適應(yīng)算法的運(yùn)動(dòng)警報(bào)方法以及運(yùn)動(dòng)警 報(bào)裝置。
【背景技術(shù)】
[0002] 隨著我國(guó)進(jìn)入老齡化社會(huì)，老年人在日常生活中，因意外或突發(fā)疾病發(fā)生摔倒的 概率逐年增高，如果沒(méi)有被及時(shí)發(fā)現(xiàn)并進(jìn)行救助，有可能造成生命危險(xiǎn)，因此已成為亟待解 決的問(wèn)題。
[0003] 然而現(xiàn)有的運(yùn)動(dòng)警報(bào)裝置，跌倒檢測(cè)的精度不夠，時(shí)常有誤報(bào)的情況，雖然通用性 強(qiáng)，但對(duì)某一特定用戶(hù)的具體運(yùn)動(dòng)狀態(tài)認(rèn)知不夠，導(dǎo)致個(gè)體適應(yīng)性不強(qiáng)。而且只能作為摔倒 警報(bào)所用，無(wú)法作為自行摔倒、被人撞倒等情況的有效分析依據(jù)。因此，目前缺乏一種能夠 準(zhǔn)確判定不同個(gè)體運(yùn)動(dòng)狀態(tài)的，具有強(qiáng)適應(yīng)性的運(yùn)動(dòng)警報(bào)裝置。

【發(fā)明內(nèi)容】

[0004] 有鑒于此，本申請(qǐng)?zhí)峁┮环N基于自適應(yīng)算法的運(yùn)動(dòng)警報(bào)方法，用于解決現(xiàn)有技術(shù) 中對(duì)用戶(hù)運(yùn)動(dòng)狀態(tài)判定精確度不夠，個(gè)體適應(yīng)性不強(qiáng)，且無(wú)法作為自行摔倒、被人撞倒等情 況的有效分析依據(jù)的技術(shù)問(wèn)題。
[0005] 為達(dá)到上述目的，本申請(qǐng)的實(shí)施例采用如下技術(shù)方案：
[0006] 第一方面，提供了一種基于自適應(yīng)算法的運(yùn)動(dòng)警報(bào)方法，包括如下步驟：
[0007] 步驟S0、使用傳感器預(yù)先收集運(yùn)動(dòng)者運(yùn)動(dòng)數(shù)據(jù)，建立運(yùn)動(dòng)者特征模型；
[0008] 步驟S1、使用傳感器獲得運(yùn)動(dòng)數(shù)據(jù)；
[0009] 步驟S2、根據(jù)運(yùn)動(dòng)數(shù)據(jù)判斷是否存在運(yùn)動(dòng)異常；
[0010]步驟S3、如果存在運(yùn)動(dòng)異常則定位運(yùn)動(dòng)者位置；
[0011] 步驟S4、發(fā)出警報(bào)信號(hào)并發(fā)送運(yùn)動(dòng)者位置信息。
[0012] 所述傳感器獲得的運(yùn)動(dòng)數(shù)據(jù)包括三維空間內(nèi)的加速度數(shù)據(jù)和X/Y/Z三個(gè)方向上的 角速度數(shù)據(jù)。
[0013] 其中步驟S0所述特征模型使用如下公式表示：
[0015] 公式（1)中C為特征誤差向量，采用[0，1]之間的隨機(jī)數(shù)，y為特征值，初值為設(shè)定的 一般特征值數(shù)組，為在時(shí)間t獲得的第m個(gè)特征值，矩陣y為在時(shí)間t獲得的特征值群，A為 傳感器采集的數(shù)據(jù)組群，m為預(yù)先規(guī)定的運(yùn)動(dòng)者運(yùn)動(dòng)數(shù)據(jù)樣本數(shù)量。
[0016] 其中步驟S2所述根據(jù)運(yùn)動(dòng)數(shù)據(jù)判斷是否存在運(yùn)動(dòng)異常，包括如下子步驟：
[0017] 步驟S201、將獲得的運(yùn)動(dòng)數(shù)據(jù)進(jìn)行歸一化，形成向量集矩陣
其中nm,t+1 為在時(shí)間t+1獲得的第m個(gè)特征值，N為在時(shí)間t+1獲得的特征值群，m為預(yù)先規(guī)定的運(yùn)動(dòng)者運(yùn) 動(dòng)數(shù)據(jù)樣本數(shù)量；
[0018] 步驟S202、比較獲得的向量集矩陣N和步驟S0計(jì)算獲得的矩陣y，獲得比較結(jié)果R， 將比較結(jié)果R和閾值Z進(jìn)行比較，判斷R是否在閾值范圍內(nèi)，如果超過(guò)閾值范圍則認(rèn)為運(yùn)動(dòng)者 存在運(yùn)動(dòng)異常。
[0019] 第二方面，提供了一種基于自適應(yīng)算法的運(yùn)動(dòng)警報(bào)方法，該方法根據(jù)運(yùn)動(dòng)者不同 運(yùn)動(dòng)狀態(tài)，對(duì)運(yùn)動(dòng)數(shù)據(jù)進(jìn)行預(yù)分類(lèi)。包括如下步驟：
[0020] 步驟S0、使用傳感器預(yù)先收集運(yùn)動(dòng)者運(yùn)動(dòng)數(shù)據(jù)，建立運(yùn)動(dòng)者特征模型；
[0021 ]步驟S1、使用傳感器獲得運(yùn)動(dòng)數(shù)據(jù)；
[0022] 步驟S2、根據(jù)運(yùn)動(dòng)數(shù)據(jù)判斷是否存在運(yùn)動(dòng)異常；
[0023] 步驟S3、如果存在運(yùn)動(dòng)異常則定位運(yùn)動(dòng)者位置；
[0024]步驟S4、發(fā)出警報(bào)信號(hào)并發(fā)送運(yùn)動(dòng)者位置信息。
[0025]所述傳感器獲得的運(yùn)動(dòng)數(shù)據(jù)包括三維空間內(nèi)的加速度數(shù)據(jù)和X/Y/Z三個(gè)方向上的 角速度數(shù)據(jù)。
[0026]其中步驟S1之前還包括步驟：
[0027]步驟S01、使用傳感器預(yù)先收集運(yùn)動(dòng)者運(yùn)動(dòng)數(shù)據(jù)，對(duì)其進(jìn)行預(yù)分類(lèi)，獲得多組預(yù)分 類(lèi)后的特征數(shù)據(jù)，形成多個(gè)預(yù)分類(lèi)組；
[0028]步驟S02、對(duì)于每一個(gè)預(yù)分類(lèi)組建立該預(yù)分類(lèi)組的運(yùn)動(dòng)者特征模型，該特征模型使 用如下公式表示：
[0030] 公式（1)中C為特征誤差向量，采用[0，1]之間的隨機(jī)數(shù)，y為特征值，初值為設(shè)定的 一般特征值數(shù)組，為在時(shí)間t獲得的第m個(gè)特征值，矩陣y為在時(shí)間t獲得的特征值群，A為 傳感器采集的數(shù)據(jù)組群，m為預(yù)先規(guī)定的運(yùn)動(dòng)者運(yùn)動(dòng)數(shù)據(jù)樣本數(shù)量。
[0031] 其中步驟S2所述根據(jù)運(yùn)動(dòng)數(shù)據(jù)判斷是否存在運(yùn)動(dòng)異常，包括如下子步驟：
[0032] 步驟S201、將獲得的運(yùn)動(dòng)數(shù)據(jù)進(jìn)行歸一化，形成向量集矩陣
其中nm,t+1 為在時(shí)間t+1獲得的第m個(gè)特征值，N為在時(shí)間t+1獲得的特征值群，m為預(yù)先規(guī)定的運(yùn)動(dòng)者運(yùn) 動(dòng)數(shù)據(jù)樣本數(shù)量；
[0033]步驟S202、對(duì)向量集矩陣N進(jìn)行預(yù)分類(lèi)，將其分類(lèi)到預(yù)分類(lèi)組中；
[0034]步驟S203、比較獲得的向量集矩陣N和步驟S0計(jì)算獲得，獲得比較結(jié)果R，將比較結(jié) 果R和閾值Z進(jìn)行比較，判斷R是否在閾值范圍內(nèi)，如果超過(guò)閾值范圍則認(rèn)為運(yùn)動(dòng)者存在運(yùn)動(dòng) 異常。
[0035]第三方面，提供了一種基于自適應(yīng)算法的運(yùn)動(dòng)警報(bào)裝置，包括如下部件：
[0036]傳感器，獲得運(yùn)動(dòng)數(shù)據(jù)；
[0037] 控制器，根據(jù)獲得的運(yùn)動(dòng)數(shù)據(jù)判斷是否存在運(yùn)動(dòng)異常；
[0038] 定位器，在控制器判斷存在運(yùn)動(dòng)異常時(shí)獲得運(yùn)動(dòng)者的位置數(shù)據(jù)；
[0039]發(fā)送器，將運(yùn)動(dòng)異常數(shù)據(jù)和運(yùn)動(dòng)位置信息發(fā)送給外部設(shè)備。
[0040] 所述傳感器獲得的運(yùn)動(dòng)數(shù)據(jù)，包括三維空間內(nèi)的加速度數(shù)據(jù)和X/Y/Z三個(gè)方向上 的角速度數(shù)據(jù)。
[0041] 所述發(fā)送器發(fā)送傳感器數(shù)據(jù)給外部設(shè)備。
[0042] 所述控制器在判斷是否存在運(yùn)動(dòng)異常之前，使用傳感器預(yù)先收集運(yùn)動(dòng)者運(yùn)動(dòng)數(shù) 據(jù)，建立運(yùn)動(dòng)者特征模型，該特征模型使用如下公式表示：
[0044] 公式（1)中C為特征誤差向量，采用[0，1]之間的隨機(jī)數(shù)，y為特征值，初值為設(shè)定的 一般特征值數(shù)組，為在時(shí)間t獲得的第m個(gè)特征值，矩陣y為在時(shí)間t獲得的特征值群，A為 傳感器采集的數(shù)據(jù)組群，m為預(yù)先規(guī)定的運(yùn)動(dòng)者運(yùn)動(dòng)數(shù)據(jù)樣本數(shù)量。
[0045] 該運(yùn)動(dòng)警報(bào)方法采用自適應(yīng)算法對(duì)運(yùn)動(dòng)者的日常運(yùn)行軌跡進(jìn)行記錄和分析，形成 適應(yīng)于每位運(yùn)動(dòng)者個(gè)體化差異的行為序列，從而有利于提高警報(bào)的精確度。當(dāng)在某一階段 運(yùn)動(dòng)者由于身體某一部分異常而形成運(yùn)動(dòng)狀態(tài)異常時(shí)，算法也可自動(dòng)生成運(yùn)動(dòng)糾正序列， 從而提高了適應(yīng)性，解決了現(xiàn)有運(yùn)動(dòng)警報(bào)功能精度不夠的問(wèn)題，使得運(yùn)動(dòng)者發(fā)生運(yùn)動(dòng)狀態(tài) 異常時(shí)，將運(yùn)動(dòng)者運(yùn)動(dòng)數(shù)據(jù)以及運(yùn)動(dòng)者位置信息更加及時(shí)準(zhǔn)確的傳遞給指定人員。
【附圖說(shuō)明】
[0046] 為了更清楚地說(shuō)明本申請(qǐng)實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn) 有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見(jiàn)地，下面描述中的附圖僅僅是本 申請(qǐng)中記載的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，還可以根據(jù)這些附圖獲得其他 的附圖。
[0047] 圖1是本申請(qǐng)實(shí)施例一提供的一種基于自適應(yīng)算法的運(yùn)動(dòng)警報(bào)方法的流程示意 圖；
[0048] 圖2是本申請(qǐng)實(shí)施例一中步驟S2的流程示意圖；
[0049] 圖3是本申請(qǐng)實(shí)施例二提供的一種基于自適應(yīng)算法的運(yùn)動(dòng)警報(bào)方法的流程示意 圖；
[0050]圖4是本申請(qǐng)實(shí)施例二中步驟S2的流程;^意圖；
[0051]圖5是本申請(qǐng)實(shí)施例三提供的一種基于自適應(yīng)算法的運(yùn)動(dòng)警報(bào)裝置的結(jié)構(gòu)示意 圖。
【具體實(shí)施方式】
[0052]下面結(jié)合附圖并通過(guò)【具體實(shí)施方式】來(lái)進(jìn)一步說(shuō)明本發(fā)明的技術(shù)方案。
[0053] 實(shí)施例一：
[0054]圖1為本發(fā)明實(shí)施例一提供的一種基于自適應(yīng)算法的運(yùn)動(dòng)警報(bào)方法的流程示意 圖，如圖1所示，包括：
[0055]步驟S0、使用傳感器預(yù)先收集運(yùn)動(dòng)者運(yùn)動(dòng)數(shù)據(jù)，建立運(yùn)動(dòng)者特征模型。
[0056]具體的，步驟S0所述特征模型使用如下公式表示：
[0058] 其中，公式（1)中C為特征誤差向量，采用[0，1]之間的隨機(jī)數(shù)，使用rand〇函數(shù)生 成。y為特征值，初值為設(shè)定的一般特征值數(shù)組，ym, t為在時(shí)間t獲得的第m個(gè)特征值，矩陣y為 在時(shí)間t獲得的特征值群，A為傳感器采集的數(shù)據(jù)組群，m為預(yù)先規(guī)定的運(yùn)動(dòng)者運(yùn)動(dòng)數(shù)據(jù)樣本 數(shù)量。
[0059] 具體的，可利用C語(yǔ)言在DMP中實(shí)現(xiàn)其算法，最初可將m取值為1000，使用傳感器采 集1000組運(yùn)動(dòng)者運(yùn)動(dòng)數(shù)據(jù)，用來(lái)訓(xùn)練此模型，從而矯正初值，計(jì)算公式如下：
[0061]步驟S1、使用傳感器獲得運(yùn)動(dòng)數(shù)據(jù)。
[0062]具體的，當(dāng)步驟S0所述運(yùn)動(dòng)者特征模型完成初值矯正后，由傳感器收集運(yùn)動(dòng)者運(yùn) 動(dòng)數(shù)據(jù)，收集頻率以秒為單位，所述傳感器為六軸傳感器，該六軸傳感器可以集中生成3軸 MEMS加速度數(shù)據(jù)和3軸MEMS陀螺數(shù)據(jù)，共6組數(shù)據(jù)，分別為X/Y/Z三個(gè)方向上的加速度數(shù)據(jù)， 和X/Y/Z三個(gè)方向上的角速度數(shù)據(jù)。其中，加速度數(shù)據(jù)用來(lái)判斷人體的行為方式，角速度數(shù) 據(jù)用來(lái)判斷人體的姿態(tài)。
[0063] 步驟S2、根據(jù)運(yùn)動(dòng)數(shù)據(jù)判斷是否存在運(yùn)動(dòng)異常。
[0064] 具體的，判斷是否存在運(yùn)動(dòng)異常，包括如下子步驟：
[0065] 步驟S201、將獲得的運(yùn)動(dòng)數(shù)據(jù)進(jìn)行歸一化，形成向量集矩陣 其中nm,t+i ， 為在時(shí)間t+1獲得的第m個(gè)歸一化特征值，N為在時(shí)間t+1獲得的歸一化特征值群，m為預(yù)先規(guī) 定的運(yùn)動(dòng)者運(yùn)動(dòng)數(shù)據(jù)樣本數(shù)量；
[0066] 步驟S202、比較獲得的向量集矩陣N和步驟S0計(jì)算獲得的矩陣y，可以通過(guò)矩陣運(yùn) 算，例如異或運(yùn)算，獲得比較結(jié)果R，將比較結(jié)果R和閾值Z進(jìn)行比較，判斷R是否在閾值范圍 內(nèi)，如果超過(guò)閾值范圍則認(rèn)為運(yùn)動(dòng)者存在運(yùn)動(dòng)異常。
[0067] 步驟S3、如果存在運(yùn)動(dòng)異常則定位運(yùn)動(dòng)者位置。
[0068] 具體的，可利用GPS信號(hào)定位該運(yùn)動(dòng)警報(bào)裝置所處的位置，獲得經(jīng)煒度坐標(biāo)，以及 具體地址。
[0069]步驟S4、發(fā)出警報(bào)信號(hào)并發(fā)送運(yùn)動(dòng)者位置信息。
[0070] 具體的，將步驟S2獲取的判斷結(jié)果，以及步驟S3獲取的運(yùn)動(dòng)者異常運(yùn)動(dòng)時(shí)所處的 位置數(shù)據(jù)發(fā)送至外部設(shè)備。
[0071] 實(shí)施例二：
[0072]圖2為本發(fā)明實(shí)施例二，實(shí)施例二中的方法與實(shí)施例一中的方法步驟S0和S2不同， 步驟S1、S3、S4與實(shí)施例一中相同，因此不再贅述。其中步驟S0包括如下子步驟：
[0073]步驟S01、使用傳感器預(yù)先收集運(yùn)動(dòng)者運(yùn)動(dòng)數(shù)據(jù)，對(duì)其進(jìn)行預(yù)分類(lèi)，所述預(yù)分類(lèi)例 如可根據(jù)運(yùn)動(dòng)者不同運(yùn)動(dòng)速度進(jìn)行分類(lèi)，分為慢走、快走、慢跑和快跑，再針對(duì)多種運(yùn)動(dòng)狀 態(tài)，獲得此運(yùn)動(dòng)者不同運(yùn)動(dòng)狀態(tài)下的運(yùn)動(dòng)特征數(shù)據(jù)，從而形成多個(gè)預(yù)分類(lèi)組。
[0074]具體的，可根據(jù)運(yùn)動(dòng)者身體條件，選擇一種或多種運(yùn)動(dòng)狀態(tài)預(yù)分類(lèi)。
[0075]步驟S02、對(duì)于每一個(gè)預(yù)分類(lèi)組建立該預(yù)分類(lèi)組的運(yùn)動(dòng)者特征模型。
[0076]具體的，步驟S02所述特征模型使用如下公式表示：
[0078]其中，公式（1)中C為特征誤差向量，采用[0，1]之間的隨機(jī)數(shù)，使用rand〇函數(shù)生 成。y為特征值，初值為設(shè)定的一般特征值數(shù)組，ym, t為在時(shí)間t獲得的第m個(gè)特征值，矩陣y為 在時(shí)間t獲得的特征值群，A為傳感器采集的數(shù)據(jù)組群，m為在某一運(yùn)動(dòng)狀態(tài)下預(yù)先規(guī)定的運(yùn) 動(dòng)者運(yùn)動(dòng)數(shù)據(jù)樣本數(shù)量。
[0079]可利用C語(yǔ)言在DMP中實(shí)現(xiàn)其算法，最初可將m取值為1000，使用傳感器采集1000組 運(yùn)動(dòng)者運(yùn)動(dòng)數(shù)據(jù)，用來(lái)訓(xùn)練此模型，從而矯正初值，計(jì)算公式如下：
[0081 ]步驟S2根據(jù)運(yùn)動(dòng)數(shù)據(jù)判斷是否存在運(yùn)動(dòng)異常包括如下子步驟：
[0082]步驟S'201、將獲得的運(yùn)動(dòng)數(shù)據(jù)進(jìn)行歸一化，形成向量集矩陣
其中 nm, *+1為在時(shí)間t+Ι獲得的第m個(gè)歸一化特征值，N為在時(shí)間t+Ι獲得的歸一化特征值群，m為預(yù) 先規(guī)定的運(yùn)動(dòng)者運(yùn)動(dòng)數(shù)據(jù)樣本數(shù)量；
[0083]步驟S'202、對(duì)向量集矩陣N進(jìn)行預(yù)分類(lèi)，將其分類(lèi)到預(yù)分類(lèi)組中；
[0084]例如根據(jù)獲得的速度數(shù)據(jù)，將向量集矩陣N預(yù)分類(lèi)到慢跑、快走、快跑預(yù)分類(lèi)組之 一中。
[0085]步驟S'203、比較獲得的向量集矩陣N和步驟S0計(jì)算獲得的矩陣y，可以通過(guò)矩陣運(yùn) 算，例如異或運(yùn)算，獲得比較結(jié)果R，將比較結(jié)果R和閾值Z進(jìn)行比較，判斷R是否在閾值范圍 內(nèi)，如果超過(guò)閾值范圍則認(rèn)為運(yùn)動(dòng)者存在運(yùn)動(dòng)異常。
[0086] 圖3為本發(fā)明的基于自適應(yīng)算法的運(yùn)動(dòng)警報(bào)裝置的結(jié)構(gòu)示意圖。
[0087] 如圖3所示，運(yùn)動(dòng)警報(bào)裝置包括:傳感器1、控制器2、定位器3和發(fā)送器4。
[0088] 所述控制器2與傳感器1、定位器3和發(fā)送器4電連接，進(jìn)一步的，傳感器1和定位器3 也將獲得的數(shù)據(jù)發(fā)送給控制器2。
[0089] 傳感器1用于獲得運(yùn)動(dòng)者運(yùn)動(dòng)數(shù)據(jù)。傳感器1可包括一個(gè)或多個(gè)六軸傳感器，當(dāng)運(yùn) 動(dòng)者運(yùn)動(dòng)狀態(tài)發(fā)生變化時(shí)，傳感器1對(duì)運(yùn)動(dòng)者運(yùn)動(dòng)狀態(tài)數(shù)據(jù)進(jìn)行采集，本申請(qǐng)具體使用 MPU6050六軸傳感器，該六軸傳感器可以集中生成3軸MEMS加速度數(shù)據(jù)和3軸MEMS陀螺數(shù)據(jù)， 共6組數(shù)據(jù)，分別為X/Y/Z三個(gè)方向上的加速度數(shù)據(jù)，和X/Y/Z三個(gè)方向上的角速度數(shù)據(jù)。其 中，加速度數(shù)據(jù)用來(lái)判斷人體的行為方式，角速度數(shù)據(jù)用來(lái)判斷人體的姿態(tài)。所述傳感器1 將運(yùn)動(dòng)狀態(tài)數(shù)據(jù)發(fā)送至所述控制器2,由所述控制器2判斷老人的運(yùn)動(dòng)狀態(tài)。所述傳感器1采 集的數(shù)據(jù)，可以通過(guò)串口發(fā)送至PC機(jī)，并在PC機(jī)中顯示。
[0090] 控制器2用于根據(jù)所述傳感器1獲得的運(yùn)動(dòng)數(shù)據(jù)判斷運(yùn)動(dòng)者是否存在運(yùn)動(dòng)異常。
[0091] 控制器根據(jù)本申請(qǐng)實(shí)施例一、實(shí)施例二之一的基于自適應(yīng)算法的運(yùn)動(dòng)警報(bào)方法， 判斷傳感器1采集的運(yùn)動(dòng)者運(yùn)動(dòng)狀態(tài)是否存在異常。
[0092] 定位器3用于在控制器2判斷存在運(yùn)動(dòng)異常時(shí)獲得運(yùn)動(dòng)者的位置數(shù)據(jù)。
[0093]定位器3使用GPS信號(hào)定位該運(yùn)動(dòng)警報(bào)裝置所處的位置，獲得經(jīng)煒度坐標(biāo)，以及具 體地址。
[0094] 發(fā)送器4用于將運(yùn)動(dòng)異常數(shù)據(jù)和運(yùn)動(dòng)位置信息發(fā)送給外部設(shè)備。
[0095] 發(fā)送器將控制器2判斷的運(yùn)動(dòng)者運(yùn)動(dòng)異常數(shù)據(jù)，以及定位器獲取的運(yùn)動(dòng)者異常運(yùn) 動(dòng)時(shí)所處的位置數(shù)據(jù)發(fā)送至外部設(shè)備。
[0096] 外部設(shè)備，例如移動(dòng)終端，接收運(yùn)動(dòng)異常數(shù)據(jù)，對(duì)運(yùn)動(dòng)異常數(shù)據(jù)進(jìn)行分析，判斷運(yùn) 動(dòng)異常數(shù)據(jù)產(chǎn)生原因，例如是自行摔倒還是被人撞倒，并將判斷結(jié)果顯示給用戶(hù)。
[0097] 具體的，自行摔倒和被人撞倒的主要區(qū)別表現(xiàn)為，用戶(hù)在X/Y/Z三個(gè)方向上受力不 同，從而導(dǎo)致用戶(hù)以及運(yùn)動(dòng)警報(bào)裝置的加速度和角速度不同。當(dāng)自行摔倒時(shí)，X/Y/Z三個(gè)方 向上的加速度呈線(xiàn)性變化過(guò)程，變化曲線(xiàn)無(wú)突變。而被人撞倒時(shí)，加速度在某一個(gè)方向上， 尤其是X/Y方向上將產(chǎn)生大于某一閾值，例如500g/s的受力突變，從而導(dǎo)致相應(yīng)方向上的加 速度突變，即其加速度呈非線(xiàn)性變化過(guò)程，當(dāng)在某個(gè)時(shí)間閾內(nèi)，加速度突變的幅度大于設(shè)定 閾值時(shí)，可以初步認(rèn)定為被人撞倒。
[0098] 因此，可通過(guò)傳感器獲取的加速度、角速度數(shù)據(jù)的變化過(guò)程，判斷運(yùn)動(dòng)異常數(shù)據(jù)產(chǎn) 生的原因。
[0099] 同時(shí)，當(dāng)自行摔倒時(shí)，在初始階段時(shí)間閾內(nèi)，Z軸方向上的自旋角速度趨近于0,且 呈線(xiàn)性變化過(guò)程，無(wú)突變。而被人撞倒時(shí)，Z軸方向上的自旋角速度將產(chǎn)生突變，且自旋角速 度產(chǎn)生變化所需時(shí)間遠(yuǎn)小于自行摔倒。
[0100] 當(dāng)然，實(shí)施本申請(qǐng)的任一技術(shù)方案必不一定需要同時(shí)達(dá)到以上的所有優(yōu)點(diǎn)。
[0101] 為了使本領(lǐng)域的人員更好地理解本申請(qǐng)中的技術(shù)方案，下面將結(jié)合本申請(qǐng)實(shí)施例 中的附圖，對(duì)本申請(qǐng)實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅 僅是本申請(qǐng)一部分實(shí)施例，而不是全部的實(shí)施例?；诒旧暾?qǐng)中的實(shí)施例，本領(lǐng)域普通技術(shù) 人員所獲得的所有其他實(shí)施例，都應(yīng)當(dāng)屬于本申請(qǐng)保護(hù)的范圍。
[0102] 下面結(jié)合本申請(qǐng)附圖進(jìn)一步說(shuō)明本申請(qǐng)具體實(shí)現(xiàn)。
[0103] 本領(lǐng)域的技術(shù)人員應(yīng)明白，本申請(qǐng)的實(shí)施例可提供為方法、裝置(設(shè)備）、或計(jì)算機(jī) 程序產(chǎn)品。因此，本申請(qǐng)可采用完全硬件實(shí)施例、完全軟件實(shí)施例、或結(jié)合軟件和硬件方面 的實(shí)施例的形式。而且，本申請(qǐng)可采用在一個(gè)或多個(gè)其中包含有計(jì)算機(jī)可用程序代碼的計(jì) 算機(jī)可用存儲(chǔ)介質(zhì)（包括但不限于磁盤(pán)存儲(chǔ)器、CD-ROM、光學(xué)存儲(chǔ)器等)上實(shí)施的計(jì)算機(jī)程 序產(chǎn)品的形式。
[0104] 本申請(qǐng)是參照根據(jù)本申請(qǐng)實(shí)施例的方法、裝置(設(shè)備)和計(jì)算機(jī)程序產(chǎn)品的流程圖 和/或方框圖來(lái)描述的。應(yīng)理解可由計(jì)算機(jī)程序指令實(shí)現(xiàn)流程圖和/或方框圖中的每一流程 和/或方框、以及流程圖和/或方框圖中的流程和/或方框的結(jié)合。可提供這些計(jì)算機(jī)程序指 令到通用計(jì)算機(jī)、專(zhuān)用計(jì)算機(jī)、嵌入式處理機(jī)或其他可編程數(shù)據(jù)處理設(shè)備的處理器以產(chǎn)生 一個(gè)機(jī)器，使得通過(guò)計(jì)算機(jī)或其他可編程數(shù)據(jù)處理設(shè)備的處理器執(zhí)行的指令產(chǎn)生用于實(shí)現(xiàn) 在流程圖一個(gè)流程或多個(gè)流程和/或方框圖一個(gè)方框或多個(gè)方框中指定的功能的裝置。
[0105] 這些計(jì)算機(jī)程序指令也可存儲(chǔ)在能引導(dǎo)計(jì)算機(jī)或其他可編程數(shù)據(jù)處理設(shè)備以特 定方式工作的計(jì)算機(jī)可讀存儲(chǔ)器中，使得存儲(chǔ)在該計(jì)算機(jī)可讀存儲(chǔ)器中的指令產(chǎn)生包括指 令裝置的制造品，該指令裝置實(shí)現(xiàn)在流程圖一個(gè)流程或多個(gè)流程和/或方框圖一個(gè)方框或 多個(gè)方框中指定的功能。
[0106] 這些計(jì)算機(jī)程序指令也可裝載到計(jì)算機(jī)或其他可編程數(shù)據(jù)處理設(shè)備上，使得在計(jì) 算機(jī)或其他可編程設(shè)備上執(zhí)行一系列操作步驟以產(chǎn)生計(jì)算機(jī)實(shí)現(xiàn)的處理，從而在計(jì)算機(jī)或 其他可編程設(shè)備上執(zhí)行的指令提供用于實(shí)現(xiàn)在流程圖一個(gè)流程或多個(gè)流程和/或方框圖一 個(gè)方框或多個(gè)方框中指定的功能的步驟。
[0107] 盡管已描述了本申請(qǐng)的優(yōu)選實(shí)施例，但本領(lǐng)域內(nèi)的技術(shù)人員一旦得知了基本創(chuàng)造 性概念，則可對(duì)這些實(shí)施例作出另外的變更和修改。所以，所附權(quán)利要求意欲解釋為包括優(yōu) 選實(shí)施例以及落入本申請(qǐng)范圍的所有變更和修改。顯然，本領(lǐng)域的技術(shù)人員可以對(duì)本申請(qǐng) 進(jìn)行各種改動(dòng)和變型而不脫離本申請(qǐng)的精神和范圍。這樣，倘若本申請(qǐng)的這些修改和變型 屬于本申請(qǐng)權(quán)利要求及其等同技術(shù)的范圍之內(nèi)，則本申請(qǐng)也意圖包含這些改動(dòng)和變型在 內(nèi)。
【主權(quán)項(xiàng)】
1. 一種基于自適應(yīng)算法的運(yùn)動(dòng)警報(bào)方法，包括如下步驟： 步驟S1、使用傳感器獲得運(yùn)動(dòng)數(shù)據(jù)； 步驟S2、根據(jù)運(yùn)動(dòng)數(shù)據(jù)判斷是否存在運(yùn)動(dòng)異常； 步驟S3、如果存在運(yùn)動(dòng)異常則定位運(yùn)動(dòng)者位置； 步驟S4、發(fā)出警報(bào)信號(hào)并發(fā)送運(yùn)動(dòng)者位置信息。2. 如權(quán)利要求1所述的基于自適應(yīng)算法的運(yùn)動(dòng)警報(bào)方法，其中使用傳感器獲得的運(yùn)動(dòng) 數(shù)據(jù)包括Ξ維空間內(nèi)的加速度數(shù)據(jù)和Χ/Υ/ΖΞ個(gè)方向上的角速度數(shù)據(jù)。3. 如權(quán)利要求1所述的基于自適應(yīng)算法的運(yùn)動(dòng)警報(bào)方法，其中步驟S1之前還包括步驟 SO： 步驟so、使用傳感器預(yù)先收集運(yùn)動(dòng)者運(yùn)動(dòng)數(shù)據(jù)，建立運(yùn)動(dòng)者特征模型，該特征模型使用 如下公式表示，其中C為特征誤差向量，采用[0，1]之間的隨機(jī)數(shù)，y為特征值，初值為設(shè)定的一般特征 值數(shù)組，ym,t為在時(shí)間t獲得的第m個(gè)特征值，矩陣y為在時(shí)間t獲得的特征值群，A為傳感器采 集的數(shù)據(jù)組群，m為預(yù)先規(guī)定的運(yùn)動(dòng)者運(yùn)動(dòng)數(shù)據(jù)樣本數(shù)量。4. 如權(quán)利要求3所述的基于自適應(yīng)算法的運(yùn)動(dòng)警報(bào)方法，其中步驟S2、根據(jù)運(yùn)動(dòng)數(shù)據(jù)判 斷是否存在運(yùn)動(dòng)異常包括如下子步驟： 步驟S201、將獲得的運(yùn)動(dòng)數(shù)據(jù)進(jìn)行歸一化，形成向量集矩降a中為在 時(shí)間t+1獲得的第m個(gè)歸一化特征值，N為在時(shí)間t+1獲得的歸一化特征值群，m為預(yù)先規(guī)定的 運(yùn)動(dòng)者運(yùn)動(dòng)數(shù)據(jù)樣本數(shù)量； 步驟S202、比較獲得的向量集矩陣N和步驟SO計(jì)算獲得的矩陣y，獲得比較結(jié)果R，將比 較結(jié)果R和闊值Z進(jìn)行比較，判斷R是否在闊值范圍內(nèi)，如果超過(guò)闊值范圍則認(rèn)為運(yùn)動(dòng)者存在 運(yùn)動(dòng)異常。5. 如權(quán)利要求3所述的基于自適應(yīng)算法的運(yùn)動(dòng)警報(bào)方法，其中步驟S1之前還包括步驟： 步驟SOI、使用傳感器預(yù)先收集運(yùn)動(dòng)者運(yùn)動(dòng)數(shù)據(jù)，對(duì)其進(jìn)行預(yù)分類(lèi)，獲得多組預(yù)分類(lèi)后 的特征數(shù)據(jù)，形成多個(gè)預(yù)分類(lèi)組； 步驟S02、對(duì)于每一個(gè)預(yù)分類(lèi)組建立該預(yù)分類(lèi)組的運(yùn)動(dòng)者特征模型，該特征模型使用如 下公式表示：其中c為特征誤差向量，采用[0，1]之間的隨機(jī)數(shù)，y為特征值，初值為設(shè)定的一般特征 值數(shù)組，ym,t為在時(shí)間t獲得的第m個(gè)特征值，矩陣y為在時(shí)間t獲得的特征值群，A為傳感器采 集的數(shù)據(jù)組群，m為預(yù)先規(guī)定的運(yùn)動(dòng)者運(yùn)動(dòng)數(shù)據(jù)樣本數(shù)量。6. 如權(quán)利要求5所述的基于自適應(yīng)算法的運(yùn)動(dòng)警報(bào)方法，其中步驟S2、根據(jù)運(yùn)動(dòng)數(shù)據(jù)判 斷是否存在運(yùn)動(dòng)異常包括如下子步驟： 步驟S201、將獲得的運(yùn)動(dòng)數(shù)據(jù)進(jìn)行歸一化，形成向量集矩陣庚中nm,t+i為在 時(shí)間t+1獲得的第m個(gè)歸一化特征值，N為在時(shí)間t+1獲得的歸一化特征值群，m為預(yù)先規(guī)定的 運(yùn)動(dòng)者運(yùn)動(dòng)數(shù)據(jù)樣本數(shù)量； 步驟S202、對(duì)向量集矩陣N進(jìn)行預(yù)分類(lèi)，將其分類(lèi)到預(yù)分類(lèi)組中； 步驟S203、比較獲得的向量集矩陣N和步驟SO計(jì)算獲得的矩陣y，獲得比較結(jié)果R，將比 較結(jié)果R和闊值Z進(jìn)行比較，判斷R是否在闊值范圍內(nèi)，如果超過(guò)闊值范圍則認(rèn)為運(yùn)動(dòng)者存在 運(yùn)動(dòng)異常。7. -種基于自適應(yīng)算法的運(yùn)動(dòng)警報(bào)裝置，包括如下部件： 傳感器，獲得運(yùn)動(dòng)數(shù)據(jù)； 控制器，根據(jù)獲得的運(yùn)動(dòng)數(shù)據(jù)判斷是否存在運(yùn)動(dòng)異常； 定位器，在控制器判斷存在運(yùn)動(dòng)異常時(shí)獲得運(yùn)動(dòng)者的位置數(shù)據(jù)； 發(fā)送器，將運(yùn)動(dòng)異常數(shù)據(jù)和運(yùn)動(dòng)位置信息發(fā)送給外部設(shè)備。8. 如權(quán)利要求7所述的基于自適應(yīng)算法的運(yùn)動(dòng)警報(bào)裝置，其中傳感器獲得的運(yùn)動(dòng)數(shù)據(jù) 包括Ξ維空間內(nèi)的加速度數(shù)據(jù)和Χ/Υ/ΖΞ個(gè)方向上的角速度數(shù)據(jù)。9. 如權(quán)利要求7所述的基于自適應(yīng)算法的運(yùn)動(dòng)警報(bào)裝置，其中發(fā)送器發(fā)送傳感器數(shù)據(jù) 給外部設(shè)備。10. 如權(quán)利要求7所述的基于自適應(yīng)算法的運(yùn)動(dòng)警報(bào)裝置，其中控制器在判斷是否存在 運(yùn)動(dòng)異常之前，使用傳感器預(yù)先收集運(yùn)動(dòng)者運(yùn)動(dòng)數(shù)據(jù)，建立運(yùn)動(dòng)者特征模型，該特征模型使 用如下公式表示：其中C為特征誤差向量，采用[0，1]之間的隨機(jī)數(shù)，y為特征值，初值為設(shè)定的一般特征 值數(shù)組，ym,t為在時(shí)間t獲得的第m個(gè)特征值，矩陣y為在時(shí)間t獲得的特征值群，A為傳感器采 集的數(shù)據(jù)組群，m為預(yù)先規(guī)定的運(yùn)動(dòng)者運(yùn)動(dòng)數(shù)據(jù)樣本數(shù)量。
【文檔編號(hào)】G01C23/00GK106092134SQ201610369385
【公開(kāi)日】2016年11月9日
【申請(qǐng)日】2016年5月30日
【發(fā)明人】康洪波, 司亞超, 趙建光, 李恩龍
【申請(qǐng)人】河北建筑工程學(xué)院