一种用于个人监护的智能化识别处理方法
【专利摘要】一种用于个人监护的智能化识别处理方法，包括输入采集的数据，在某时段下每个用户采集的数据分别构成一个数据组；对各数据组分别进行特征识别处理，并返回识别结果作为预警依据。对任一数据组进行特征识别处理的实现包括提取特征识别处理用的数据，综合得到用户实时状态值M，求取历史状态平均值根据当前的用户状态参数X，判断Ｍ是否满足若不满足则标记识别结果为异常，若满足则标记识别结果为正常，在迭代进行特征识别处理的过程中根据识别结果统计比率修正X值。本发明能够结合用户的多种数据进行识别，避免单一数据造成的偏差，识别过程针对数据组中的有效数据进行迭代测算，弥补用户错误操作或者监护漏洞而造成的误差，智能化增强识别效果。
【专利说明】一种用于个人监护的智能化识别处理方法
【技术领域】
[0001]本发明涉及计算机应用【技术领域】，尤其是一种用于个人监护的智能化识别处理方法。
【背景技术】
[0002]使用传感器设备采集监护数据是目前以及未来可穿戴计算及智能化养老的主要发展方向，可以监测管理个人健康、行为、生活习惯等状况，预测其整体状态趋势，尽量提早排除事故发生。目前在个人监护管理方面，我国多采用在用户端进行单一的实时数据采集提取的方法。基于目前存在的单一数据监测方法，并不能通过单一数据指标准确判断被采集者的整体状况，本领域亟待出现更先进的解决方案。
【发明内容】
[0003]本发明公开一种用于个人监护的智能化识别处理方法，支持处理大规模用户人群的数据特征监测与识别。
[0004]本发明的技术方案为一种用于个人监护的智能化识别处理方法，包括如下步骤:
[0005]步骤1，输入采集的数据，在某时段下每个用户采集的数据分别构成一个数据组；
[0006]步骤2，对步骤I得到的各数据组分别进行特征识别处理，并返回识别结果作为预警依据；对任一用户的数据组进行特征识别处理的实现包括以下子步骤，
[0007]步骤2.1，从当前时`段的数据组提取特征识别处理用的数据，包括当前的身体生理值H、活动量值V和地理位置信息P ；
[0008]步骤2.2，根据以下模型综合得到用户的实时状态值M，
[0009]M = aH+bV+cP
[0010]其中，a,b, c分别为数据组内数据所占权重值，a,b, c之和为I ;
[0011]步骤2.3，取用户多个时间段的身体生理值、活动量值和地理位置信息值，求出身
体生理平均值77、活动量平均值P、地理位置信息平均值P ；
[0012]步骤4，基于步骤2.2中的模型，将F、F、歹代入得到状态平均值￥,
[0013]? 二 aE+bV+cP
[0014]步骤2.5，设定当前的用户状态参数X，判断M是否满足M - X<M<M + X ,初次执行步骤2.5时，用户状态参数X采用预设数值，
[0015]若不满足则标记识别结果为异常，更新异常结果次数Rfalse = Rfalse+1 ;
[0016]若满足则标记识别结果为正常，更新正常结果次数Rtnie = Rtrue+1 ；
[0017]步骤2.6，当Rfalse或Rtrue为O时，保持X值不变，当Rfalse或Rtrue均不为O时，修正X值，按下列公式实现，
[0018]X = XxY,[0019]其中，i是修正后的X值，Y是识别结果统计比率，
[0020]步骤2.7，返回步骤2.1，根据下一时段的数据组继续进行处理。
[0021]而且，采用分布并行方式对各用户的数据组分别进行特征识别处理。
[0022]本发明能够结合用户的多种数据进行识别，避免单一数据造成的监护结果偏差，识别过程针对数据组中的有效数据进行迭代测算，弥补用户错误操作或者监护漏洞而造成的误差，增强识别效果。本发明所采用的技术方案将所有数据组中提取的数据按照用户ID进行分组，各用户的识别处理过程相对独立，适于系统进行统一调度，分配给不同的计算资源进行处理，最后只需将有效识别结果记录并返回，特别适用于利用分布式平台进行大规模的识别分析处理。
【专利附图】
【附图说明】
[0023]图1为本发明实施例的流程图。
【具体实施方式】
[0024]本发明提出了用于个人监护的智能化识别处理方法，以下结合附图和实施例详细说明本发明技术方案。
[0025]本发明可采用计算机软件技术实现自动运行流程。参见图1，实施例的流程包括以下步骤:
[0026]步骤1，输入采集数据。可对每个用户分别采集数据，远程传送到服务端集中进行识别处理。服务端可采用分布式计算平台技术，统一对所有用户的数据进行管理并进行识别处理。可对用户进行ID分配，作为标识数据来源的识别码，同一 ID号下同一时段的数据构成一个数据组。采集数据可包括多方面的数据，具体采集实现可采用现有的传感器、GPS定位模块、重力传感器等设备。本领域技术人员可自行设定时间段长度，例如每10分钟采集一次得到的数据构成一个数据组。
[0027]步骤2，对步骤I得到的各数据组分别进行特征识别处理，并返回识别结果作为预警依据；对任一用户的数据组进行特征识别处理的实现包括以下子步骤:
[0028]步骤2.1，提取特征识别处理用的数据。实施例中，采集并用于识别的数据包括身体生理值(例如脉搏)、活动量值(例如走步数)、地理位置信息值(例如与住址的距离)，用身体生理值、活动量情况综合考虑判断所得身体生理值的可靠性，参考地理位置确定突发状况或是否发生异常。具体实施时，本领域技术人员可自行设定用于分析的数据的种类，采集所得数据传输到服务端后，将数据组内所有数据按照其不同特征识别提取。
[0029]设当前采集到的身体生理值为H，活动量值为V，地理位置信息值为P。
[0030]步骤2.2，设M (H，V，P)表示此ID用户的实时状态值，简称M，根据以下模型综合得到，
[0031]M = aH+bV+cP
[0032]其中，a，b，c分别为数据组内数据所占权重值，a，b，c之和为1，可采用经验值，例如 a=0.5, b=0.3, c=0.2。
[0033]此模型是身体生理值H、活动量值V和地理位置信息值P的综合利用，实际应用时可能出现这三项数据中有一项或二项未进行采集，例如用户睡觉时，地理位置信息无需持续采集。这种情况下本发明所提供流程和模型仍能够应用，可以简化处理，令相应地理位置信息值P为O。
[0034]步骤2.3，取用户多个时间段的身体生理值、活动量值、地理位置信息值求出身体生理平均值互、活动量平均值F、地理位置信息平均值P。
[0035]具体实施时，可从用户当前时间段开始取预设时间长度内每个时间段所采集的历史数据进行平均计算。本领域技术人员可自行预设时间长度，例如24小时。首次执行步骤
2.3时，身体生理平均值互、活动量平均值F、地理位置信息平均值声等于当前采集到的，
即 77=//、V=v、P=Pa
[0036]步骤2.4，基于步骤2.2中的模型，将互、V ,声代入得到状态平均值斤，
[0037]M = aH+bV + cP
[0038]步骤2.5，根据当前的用户状态参数X，判断M是否满足M - X<M<M + X ,从而得到识别结果Ri,若M不满足则标记识别结果为R^false，表示异常，更新异常结果次数Rfalse=Rfalse+1，可向用户发出提示或警告；若满足则标记Rftrue，表示正常，更新正常结果次数Rtrue = R_+l。首次执行步骤2.5时，
Rfalse、^true
的初始值为O。
[0039]具体实施时，可采用根`据用户的习惯统计的均值作为用户状态参数X的预设数值，例如X=12。首次执行到步骤2.3时，X采用预设数值。可对大范围(如全国)的用户进行统计，以便尽快调整用户状态参数X到适应于个体用户。在后续迭代执行到步骤2.3时，可采用在上一次执行步骤2.6所得X值。
[0040]步骤2.6，修正X值，按下列公式实现，
[0041]X^XxY,
R
[0042]其中，—是修正后的X值，Y是识别结果统计比率，F = f。求得—后，令
XtrueX
X = X。特别地，在开始的阶段，可能会出现Rfalse或Rtnre=O,此时X值不变，即保持X=X。
[0043]通过修正X值，根据标记识别结果动态调整识别判断的区域范围大小。
[0044]步骤2.7，返回步骤2.1，根据下一时段的数据组继续进行处理，直到停止采集判另IJ。对本次迭代得到的结果进行保存，可将本次迭代得到的结果和历史结果返回给用户查看。
[0045]对同一 ID下得到的连续数据组进行识别处理，可以分别得到相应的实时状态值M。经过迭代执行以上步骤，可反复调整得到不断更新的状态平均值I和不断修正的用户状态参数X，可使根据公式M -.Y < M < M + Al导到的识别结果Ri更准确。
[0046]以上流程中，可灵活设定各阈值，控制识别灵敏度。
[0047]具体实施时，分布式计算平台可采用集群服务器实现，分布式计算平台将步骤I得到的各用户的数据组进行分发，分布并行进行数据特征识别处理，对任一用户的数据实现执行步骤2.1—2.7。这样可以充分利用所有计算资源，支持处理大规模用户人群的数据特征监测与识别。[0048]本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属【技术领域】的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，例如各阈值可由本领域技术人员自行根据具体情况设定，但并不会偏离本发明的精神或者超越所定义的范围。
【权利要求】
1.一种用于个人监护的智能化识别处理方法，其特征在于，包括如下步骤: 步骤1，输入采集的数据，在某时段下每个用户采集的数据分别构成一个数据组； 步骤2，对步骤I得到的各数据组分别进行特征识别处理，并返回识别结果作为预警依据；对任一用户的数据组进行特征识别处理的实现包括以下子步骤， 步骤2.1，从当前时段的数据组提取特征识别处理用的数据，包括当前的身体生理值H、活动量值V和地理位置信息P ； 步骤2.2，根据以下模型综合得到用户的实时状态值M，
M = aH+bV+cP 其中，a, b，c分别为数据组内数据所占权重值，a, b，c之和为I ; 步骤2.3，取用户多个时间段的身体生理值、活动量值和地理位置信息值，求出身体生理平均值互、活动量平均值P、地理位置信息平均值P ; 步骤2.4，基于步骤2.2中的模型，将互、F、声代入得到状态平均值F，
M = aH+bV+C P 步骤2.5，设定当前的用户状态参数X，判断M是否满足M - X<M<M + X,初次执行步骤2.5时，用户状态参数X采用预设数值， 若不满足则标记识别结果为异 常，更新异常结果次数Rfalse = RfalsJl ; 若满足则标记识别结果为正常，更新正常结果次数Rtrae = Rtrue+1 ； 步骤2.6，当Rfalse或Rtrae为O时，保持X值不变，当Rfalse或Rtnre均不为O时，修正X值，按下列公式实现，
Χ = Λ χΥ,
i? 其中，是修正后的X值，Y是识别结果统计比率，Y = ^; JCtrue 步骤2.7，返回步骤2.1，根据下一时段的数据组继续进行处理。
2.根据权利要求1所述用于个人监护的智能化识别处理方法，其特征在于:采用分布并行方式对各用户的数据组分别进行特征识别处理。
【文档编号】H04L29/08GK103501330SQ201310455390
【公开日】2014年1月8日 申请日期:2013年9月29日 优先权日:2013年9月29日
【发明者】黄文心, 闫科, 黄建汉 申请人:武汉五心养老科技服务有限公司