一种基于双神经网络行为识别模型的老年人信息服务系统的制作方法
【技术领域】
[0001] 本发明设及一种老年人信息服务系统，特别设及一种基于双神经网络行为识别模 型的老年人信息服务系统。
【背景技术】
[0002] 目前，我国是世界上老年人口最多的国家之一。由于我国的独生子女制度，使得城 市的家庭结构由原来几世同堂的大家庭结构转变为现在独立的小家庭模式。老年人思想观 念的转变也促使现代老年人日益倾向于不依赖子女而独立生活。在老年人独立生活的模式 下，关爱老年人，帮助他们追求更加幸福的晚年生活，是整个社会的责任和义务。
[0003] 老龄化的飞速发展，使得老年消费群体成为了信息化服务市场中的蓝海。与如此 巨大的市场形成鲜明对比的是，目前市场上为老年人提供智能化安全信息服务和健康信息 服务的产品并不多见，且大多操作复杂、功能单一、智能化程度低，远远无法满足目前老年 消费市场的需求。针对老年人屯、理生理特点，W智能化和信息化为核屯、，采用先进的人工智 能技术和云计算技术，利用可穿戴式的智能手环对老年人的日常生活行为进行识别和分 析，进而为老年人提供智能化安全信息服务和健康信息服务，既具有巨大的市场需求，也具 有广阔的发展空间。
[0004] 然而，目前业界的行为识别产品大多采用简单的特征识别算法，即对采集的数据 进行预处理(去噪、滤波等)后，进行特征提取，并通过提取的特征进行判断识别。该方法的 判别大多具有孤立性和偶然性。结合时间的连续体征变化规律分析才能帮助个体用户数据 和广谱人群进行对比，并建立个体基准规律及时发现异常。神经网络是连续信号分析和识 别的最佳模型之一，但因为算法复杂、计算量大，难W直接在手环端实现。同时神经网络的 训练基于梯度下降算法，具有收敛缓慢、易陷入局部极值等缺点。
【发明内容】
[000引本发明的目的在于提供一种基于双神经网络行为识别模型的老年人信息服务系 统，该系统中神经网络的训练和识别分别在云服务器端和智能手环端完成，并通过云端实 现数据同步，具有数据传输量小、易于实现、识别速度快和准确度高等特点。
[0006]为实现上述目标，本发明所采用的技术方案如下： 本发明提供一种基于双神经网络行为识别模型的老年人信息服务系统，包括云服务器 和老年人智能手环； 所述的云服务器包括行为分析数据库、云计算平台和母神经网络模块；云服务器中云 计算平台分别与行为分析数据库和母神经网络模块连接； 行为分析数据库，用于存储老年人的姿态数据和对应的行为分析和健康分析数据，为 神经网络提供训练和测试的样本;母神经网络模块，用于建立神经网络的初始结构模型，并 通过样本训练成成熟的老年人行为识别模型；云计算平台，用于提供样本数据预处理、神经 网络建模的计算资源； 所述的老年人智能手环包括MCU、GPS模块、RFID模块、3G/4G模块、蓝牙模块、ZigBee模 块、6轴巧螺仪和加速度传感器、光电屯、率传感器、溫度传感器、子神经网络模块、外部复位、 L邸灯、马达和按键;老年人智能手环中MCU通过UART接口与GI^模块、RFID模块、3G/4G模块、 蓝牙模块和Zi浊ee模块连接，通过SPI接口与6轴巧螺仪和加速度传感器、光电屯、率传感器、 溫度传感器和子神经网络模块连接，通过GPIO接口与外部复位、L邸灯、马达和按键连接； GPS模块，用于对老年人进行室外定位;RFID模块，用于对老年人进行住宅内定位;3G/ 4G模块，用于实现智能手环端和云服务器端的数据同步;蓝牙模块，用于实现智能手环端和 移动服务端(手机、平板等）的数据交互;ZigBee模块，用于实现智能手环端对其它物联网设 备的控制;优选的，所述其它物联网设备包括在老年人家中安装的智能安防系统、智能健康 监测系统和智能家居系统等;6轴巧螺仪和加速度传感器，用于采集老年人在日常生活中的 行为姿态数据;光电屯、率传感器，用于采集老年人的屯、率数据;溫度传感器，用于采集老年 人的体溫数据;子神经网络模块，用于接收云服务器端的神经网络参数并实现智能手环端 的神经网络行为识别模型;外部复位，W按键的形式实现对手环的复位;Lm)灯，用于实现对 关键信息的显示和报警；马达，用于实现对关键信息的震动提醒;按键，用于实现对智能手 环的基本设定和控制。
[0007]本发明还提供一种基于柯西混合蛙跳优化的神经网络训练方法，包括W下步骤： (1) 初始化神经网络，设定网络的输入层、隐含层和输出层的神经元个数，确定适应度 函数； (2) 根据神经网络的参数确定混合蛙跳算法中青蛙的维数S，设定种群规模P、模因组个 数m、组外迭代次数i terg和组内迭代次数i ten，初始化蛙群； (3) 将蛙群中各个青蛙的参数带入神经网络，根据神经网络的输出值和期望输出计算 适应度函数并记录每个青蛙的适应度； (4) 评估并保存全局适应度最优的青蛙：^^ ; 巧)根据蛙群中各个青蛙的适应度重新排序青蛙并按照下式划分模因组： 雌二巧辉-1) 6若片封去納}，1叙丘W 其中抑为第i个模因组，蛙群;每个模因组中具有最优和最差适应 度的青蛙分别记为為和部； (6)各模因组内根据下式进行局部捜索： L 姑.)二 nmd 乂 {X满)一器.。解) 馬.哲+秒二马約+直"(句 巧邮< A-約 < 巧祖 其中?"^为[0，1]间的独立随机数，*为迭代次数，每^和*^^^为青蛙允许移动的距离 范围；经过更新后，如果得到的青蛙适应度优于龙W約，则取代模因组内的龙W約， 否则使用改进的下式重新执行局部捜索过程： A八)二 Ccmchy X (J{斯-Xw 做 其中Cauchy为满足柯西分布的随机数；如果仍然没有改进，则随机产生一个新解 尤〇：+1)取化卸辑； (7) 当完成局部捜索后，将所有模因组内的青蛙进行全局混洗； (8) 判断是否满足算法的终止条件，如果为否，则跳转至步骤(3)，如果为是，则跳转至 步骤(9); (9) 算法终止后所得到的全局最优解:?为神经网络训练后的参数，神经网络训练完 成;将训练后的神经网络通过云端同步至智能手环端的子神经网络模块，得到训练成熟的 行为识别模型，并在智能手环端实现对老年人的行为识别与分析。
[0008] 本发明的有益效果在于： (1)该基于双神经网络行为识别模型的老年人信息服务系统通过在云服务器端训练神 经网络识别模型和智能手环端使用神经网络识别模型的双神经网络结构解决了神经网络 在嵌入式设备上的训练建模问题，数据传输量小、易于实现、识别速度快、准确度高。
[0009] (2)云服务器上采用专业的老年人行为分析数据库，可针对老年人的姿态数据和 生理数据对老年人进行行为分析和健康分析，提升了用户的体验。
[0010] (3)采用柯西混合蛙跳优化的神经网络训练方法，能够有效的利用柯西分布的长 尾特性获得更大的捜索空间，提高了神经网络的全局捜索能力和收敛速度，增强了神经网 络行为识别模型的准确性和泛化能力。
【附图说明】
[0011] 图1是本发明基于双神经网络行为识别模型的老年人信息服务系统的结构框图。
[0012] 图2是本发明基于混合蛙跳优化的神经网络训练方法的流程图。
【具体实施方式】
[0013] 为使本发明的目的、技术方案和优点更加清楚，下面结合附图对本发明的实施方 式作进一步详细说明： 如图1所示，本发明提供一种基于双神经网络行为识别模型的老年人信息服务系统，包 括云服务器和老年人智能手环;所述的云服务器包括行为分析数据库、云计算平台和母神 经网络模块;所述的老年人智能手环包括MCU、GPS模块、RFID模块、3G/4G模块、蓝牙模块、 ZigBee模块、6轴巧螺仪和加速度传感器、光电屯、率传感器、溫度传感器、子神经网络模块、 外部复位、LED灯、马达和按键;云服务器中云计算平台分别与行为分析数据库和母神经网 络模块连接;老年人智能手环中MCU通过UART接口与GI^模块、RFID模块、3G/4G模块、蓝牙模 块和ZigBee模块连接，通过SPI接口与6轴巧螺仪和加速度传感器、光电屯、率传感器、溫度传 感器和子神经网络模块连接，通过GPIO接口与外部复位、L邸灯、马达和按键连接。
[0014] 如图2所示，本发明还提供一种基于柯西混合蛙跳优化的神经网络训练方法，包 括W下步骤： (1) 初始化神经网络，设定网络的输入层、隐含层和输出层的神经元个数，确定适应度 函数； (2) 根据神经网络的参数确定混合蛙跳算法中青蛙的维数S，设定种群规模P、模因组个 数m、组外迭代次数i terg和组内迭代次数i ten，初始化蛙群； (3) 将蛙群中各个青蛙的参数带入神经网络，根据神经网络的输出值和期望输出计算 适应度函数并记录每个青蛙的适应度； (4) 评估并保存全局适应度最优的青蛙; 巧)根据蛙群中各个青蛙的适应度重新排序青蛙并按照下式划分模因组： 呜=战+。"_ 1)6巧1引；^納}. 1到皂^?2 其中抑为第i个模因组，蛙群P=证，，Z^};每个模因组中具有最优和最差适应 度的青蛙分别记为為和為； (6) 各模因组内根据下式进行局部捜索： L诚)=mnd 乂{X满)…為賊) 挺+巧二