跑步机用户异常状态监测方法
【专利摘要】本发明公开了一种基于跑步机的使用者异常状态动态监测方法。首先采集跑步机用户的训练数据，接着对数据进行预处理，然后利用LDA提取处理后数据的语义特征，接着用此语义特征作为观测量进行正常状态知识的累积即HMM的训练，最后利用获取的模型和语义特征进行异常状态的判断。本发明利用基于跑步机用户异常状态动态监测算法，实现快速准确监测，达到了边训练边监测边累积正常状态知识的目的，并较好地解决了使用者健康状态未知情况下的监测问题，从而使监测更加智能。
【专利说明】跑步机用户异常状态监测方法
【技术领域】
[0001]本发明具体涉及一种基于跑步机用户异常状态动态监测的方法，按国际专利分类表(IPC)划分属于物理部，仪器分部，计算；推算，计数大类，电数字数据处理小类，特别用于特定应用的数字计算或数据处理设备或数据处理方法大组的【技术领域】。
【背景技术】
[0002]国内外学者一直在探索对于人体平衡功能障碍的检测手段，发明了许多种检测方法。传统的平衡功能检测方法是主观观察法:临床最早建立的Romberg氏检查法，又名闭目站立检查法，他是用肉眼观察受检者在两足并拢直立情况下，睁眼、闭眼时身体摇晃情况。1966年，Graybie改进了 Romberg试验中单纯的双足并拢直立试验,他在临床上开始使用单腿直立实验法及强化的Romberg试验法，具体方法就是前者要求受检者在30s内单腿直立，先睁眼，后闭眼；后者则是在60s内使受检者两足一前一后，足尖接足跟的直立方式，因前者负重面积及支撑面小，其难度大于后者，而后者所需的技巧比原有的Romberg试验法高。以上这些目测法只能定性地进行评定，很难作定量分析。后来逐渐改善了这种检测方法，进一步引入了量表评定法:目前，在国外临床上常用的平衡表主要有Berg平衡表、Tinetti量表、“起立-行走”计时测试、功能性前伸及跌倒危险指数等。这些检测方法尽管带有定量性质，但仍属功能的综合评估，带有主观性，缺乏对平衡障碍的摇摆特点深入细致的分析，所以其应用价值有限。平衡功能测试仪检查法:1976年Terekhov首先应用压力平板即固定平板评定平衡功能，记录人体压力中心在平台上变化的轨迹，从而反映人体的重心变化，为我们研究平衡功能提供了一个新的手段，在临床上也可用于对骨科、神经科及其它学科疾病所致的平衡障碍进行检查和诊断。随着计算机技术的发展，实现平衡功能监测的方法多种多样，平衡功能监测也逐渐转向用于医疗和保健，而同时随着跑步机的问世，使平衡功能监测用作日常保健成为了现实，不再使平衡功能监测单一的成为医疗诊断的一种方式。跑步机用户可以在日常的锻炼过程中同时监测自己的健康状态，完全不必刻意的去进行健康状态的监测，减轻用户的经济和心理双重负担，因此，这种健康监测方式在未来应有更为广阔的使用空间。
【发明内容】
[0003]为了能更加简单、快速、准确的检测出用户健康状态的变化情况，本发明提出了基于跑步机用户异常状态监测方法。该方法具体思路如下:首先采集用户每次使用跑步机时所产生的训练数据；然后对数据进行预处理得到更加准确且能够进行LDA处理的数据形式，通过LDA提取数据的语义特征，将得到的语义特征视为HMM的观测量；最后训练出数据的先验知识库即HMM模型，同时计算该观测量在上次保留的HMM监测模型下的数据产生概率值，并计算该概率值与前一次获取的数据产生概率值之差，若差值的绝对值小于更新因子的绝对值，则视为用户的健康未发生变化，并将该数据产生概率值与前面保留的数据产生概率值进行相加，以便用来更新更新因子，同时将本次数据训练出的HMM模型作为下次用户产生数据的监测模型和训练的基础模型。反之，则代表着用户的健康状态发生了变化，可以记录本次异常，同时舍弃本次的数据产生概率值和HMM模型。不断的重复这个过程，就会将用户的健康信息进行累积。若某天用户产生数据的概率值减去上一次所获的数据产生概率值之差的严重偏离了更新因子的绝对值，则表明该用户的健康发生了变化，这时可以提醒用户到医院做进一步的专门检查。
[0004]为了方便描述本发明的内容，首先作以下术语定义:
[0005]定义I词汇
[0006]词汇一般定义是一篇文档或者语言里所有的词和固定短语的总和，本发明定义是将用户产生的平衡数据经过处理后得到的数据形式视为词汇。
[0007]定义2语义特征
[0008]语义特征是一篇文档中能够描述这篇文档主题分布的参数。本发明定义为能够最佳代表每个用户平衡能力信息数据的量。
[0009]定义3数据产生概率值
[0010]假设用户第n-1天产生的数据经过LDA提取出语义特征为Olri且由它训练出的HMM模型为，同时上次获取的HMM模型X n_2被保留下来，那么用户第n-l天产生的训练数据经过LDA提取语义特征Olri在\ n_2下产生的概率P (Olri I A n_2)被定义为语义特征Olri在模型' ?-2下的数据产生概率值，并规定在用户第一次产生的训练数据经过LDA提取语义特征训练出的模 型下，该语义特征产生的概率P (Otl I A0)为初始数据产生概率值。
[0011]定义4更新因子
[0012]假设用户N天的使用中，有m项数据产生概率值被保留了下来，设这m项数据产生概率值为:P (O11 X Q)，P (O41入3)，...，P (Oj A n_i)，相加后取m项数据产生概率值的均值为:
【权利要求】
1.跑步机用户异常状态监测方法，其特征在于该方法的具体步骤是: 步骤1.平衡数据采集，具体是:将柔性阵列压力传感器安装在跑步机前轮滚筒两个轴承的上部和前部，以及后轮滚筒两个轴承的上部和后部，四个轴承的压力传感器感受到压力的作用会产生八路电压信号，将这八路电压信号经过计算可得出用户压力重心在跑步机的投影位置，八个传感器的位置坐标为AU1, Y1), B(x2, y2), C(x3, y3), D(x4, y4), E (x.5, Y5) ,F(x6, y6) ,G(x7, y7) ,H(x8, y8)，为得到大量的训练数据，将相邻两个传感器产生数据进行差分处理，得到AB两个位置坐标的差分数据Dab( Ax12, Ay12), BC位置坐标的差分? Dbc (Ax23, Ay23),⑶位置坐标的差分数据Dc^Ax34, Ay34), AD位置坐标的差分数据Dad (A X14, A y14)，同理可以得到 Def ( A x56, A y56) , Dfg ( A x67, A y67)，Dgh( A x78, A y78)，Deh( A x5.8, A y58)，A X12表示A位置的x减去B位置的x的差值，A y12表示A位置的y减去B位置的I的差值，A X56表示E位置的X减去F位置的X的差值，A y56表示E位置的y减去F位置的y的差值，以此类推Ax58, Ay58等差值也具有相同含义；同时将获取的差分数据进行均方差处理:
【文档编号】G06F19/00GK103617347SQ201310568078
【公开日】2014年3月5日 申请日期:2013年11月14日 优先权日:2013年11月14日
【发明者】郭春生, 沈佳, 徐俊 申请人:杭州电子科技大学