一种婴儿行为状态的远程监测方法与流程

本发明属于行为监控技术领域，特别是涉及一种婴儿行为状态的远程监测方法。

背景技术：

现有在进行婴儿监护时多使用摄像头作为监控设备，无法对婴幼儿行为数据进行分析，无法实现实时远程的婴幼儿行为的监测和预警。虽然国内外有研究智能化的婴幼儿监护系统，但是在监护采集、分析和推送过程中，无论在时间还是空间上都存在着限制，无法实现大量检测系统的统一管理，无法实现大量数据的管理和派发；无法对于婴儿会出现的危险姿势进行严格的检测和预警，准确性差，存在较高的漏报率；对婴儿的成长环境带来了较大的安全隐患，增大了监护人员的工作量和劳累度。

技术实现要素：

为了解决上述问题，本发明提出了一种婴儿行为状态的远程监测方法，能够实现大量检测系统的统一管理，实现对婴儿行为状态采集、预警分析和警示推送，大大提高了运算速度和降低占用空间，能够实现大量数据的管理和派发；能够对于婴儿会出现的危险姿势进行严格的检测和预警，准确性能高，漏报率低；为婴儿提供了安全可靠的成长环境，为监护人员提供了一个轻松便捷的监护条件。

为达到上述目的，本发明采用的技术方案是：一种婴儿行为状态的远程监测方法，包括步骤：

s100，通过设置在婴儿床上的采集装置采集婴儿行为数据，并将获取的行为数据通过网络传递至大数据平台中心；

s200，在大数据平台中心中对行为数据进行特征分析，利用分类算法和关联规则对婴儿行为特征进行挖掘分析，实时识别出婴儿的行为状态并对婴儿的行为状态进行预测分析，获得婴儿的实时行为状态结果和行为状态预测结果；

s300，将婴儿的实时行为状态结果和行为状态预测结果通过互联网实时推送到用户客户端。

进一步的是，所述行为数据包括姿态数据、尿床数据和状态数据；在婴儿床上部署不同种类的传感器，所述传感器包括湿度传感器采集湿度数据用于检测尿床数据、温度传感器采集温度数据用于检测体温和环境温度数据、震动传感器采集震动数据用于检测婴儿状态数据和压力传感器采集压力数据用于检测体重以及婴儿姿态数据。

进一步的是，基于rfid传感器收集所检测的婴儿行为数据，在每个时间间隔周期记录读数；并对收集的检测数据进行清洗，清洗包括排除错误元组和归约冗余数据；解决多读或者漏读等问题，清除数据中时间冗余和空间冗余，为后续数据分析提供了可靠基础数据。

进一步的是，经过rfid传感器收集和数据清洗之后，湿度传感器采集的湿度数据和温度传感器采集的温度数据，通过大数据平台中心进行阈值分析，若在警示阈值范围内则生成体温和尿床警示信号，并将警示信号和实时监测数据推送给用户客户端；震动传感器采集的震动数据以及压力传感器采集的压力数据通过分类算法和关联规则对婴儿行为特征进行挖掘分析，实时挖掘数据识别婴儿行为及状态，实现对传感器数据的实时监管和预警。

进一步的是，在识别婴儿行为及状态时，根据不同区域位置的压力历史数据集以及震动历史数据集训练分类器，划分出婴儿行为包括滚动、平躺、侧躺、坐起和站立以及婴儿状态包括清醒、睡觉和打鼾，训练得到的婴儿行为状态分类器；根据所述婴儿行为状态分类器对实时获取的压力数据以及震动数据进行分类，获取到婴儿实时行为和状态；通过婴儿行为状态分类器将实时采集的压力数据归属至相应行为类别，获得婴儿实时行为信息；通过婴儿行为状态分类器将实时采集的振动数据归属于相应状态类别，获得婴儿实时状态信息。

进一步的是，通过所述关联规则找出数据中不同项之间的联系，挖掘出婴儿的各种行为状态之间的关系得到警示信息，并通过关联规则将实时数据和历史数据进行关联性分析得到预警信息。

进一步的是，基于频繁模式树的关联规则算法预测婴儿的行为状态信息；频繁模式树的关联规则算法将历史数据集中的大量频集压缩进模式树，同时建立模式树之间和模式树各个分支之间的关联信息；在所述婴儿行为状态分类器中采用的分类算法为基于线性判别式分析lda分类算法智能识别婴儿的行为和状态信息；将婴儿实时行为和状态作为训练样本，对训练样本进行维度识别，将高维训练样本投影到最佳鉴别矢量空间，以抽取分类信息和压缩特征空间维数的效果，保证智能识别婴儿行为模式的准确率；不仅提高了运行效率，而且对不同长度的规则都有很好的适应性，进而实现婴儿的行为状态的准确预测。

进一步的是，基于云计算将实时获得婴儿行为状态结果和行为状态预测结果通过大型分布式集群的云服务器同步到指定的个人移动设备或电脑中；让用户能无处不在地掌握婴儿的行为状态。

采用本技术方案的有益效果：

本发明能够对婴儿出现的危险姿势进行严格检测，一旦出现了危险姿势，及时做出警报和预警；能够有效提高检测正确率，同时大大降低检测漏报率；通过大数据中心平台对各个婴儿分布式管理，并通过分类算法和关联规则对婴儿行为特征进行挖掘分析，适用于大量数据的管理和派发，能够及时有效地向用户客户端推送预警信息，有效提高了预警精确度，为婴儿提供安全可靠的成长环境，为监护人员提供了一个轻松便捷的监护条件；

本发明基于物联网、数据挖掘算法和云计算，实时监控和智能识别婴儿的行为状态情况，当有异常发生时进行自动报警和信息推送；

本发明基于各种传感器实时收集婴儿的行为数据，通过数据挖掘技术对数据进行快速有效挖掘，实时识别婴儿的行为模式，为用户提供自动报警和提醒服务，通过无线通信方式与用户手持设备与web服务器进行信息交互；

本发明基于云计算技术将婴儿行为数据和行为监测结果同步到指定的用户移动设备和电脑中，实现婴儿行为状态智能管理，让用户能无处不在地实时掌握婴儿的行为状态。

附图说明

图1为本发明的一种婴儿行为状态的远程监测方法流程示意图。

具体实施方式

为了使本发明的目的、技术方案和优点更加清楚，下面结合附图对本发明作进一步阐述。

在本实施例中，参见图1所示，本发明提出了一种婴儿行为状态的远程监测方法，包括步骤：

s100，通过设置在婴儿床上的采集装置采集婴儿行为数据，并将获取的行为数据通过网络传递至大数据平台中心；

s200，在大数据平台中心中对行为数据进行特征分析，利用分类算法和关联规则对婴儿行为特征进行挖掘分析，实时识别出婴儿的行为状态并对婴儿的行为状态进行预测分析，获得婴儿的实时行为状态结果和行为状态预测结果；

s300，将婴儿的实时行为状态结果和行为状态预测结果通过互联网实时推送到用户客户端。

作为上述实施例的优化方案，所述行为数据包括姿态数据、尿床数据和状态数据；在婴儿床上部署不同种类的传感器，所述传感器包括湿度传感器采集湿度数据用于检测尿床数据、温度传感器采集温度数据用于检测体温和环境温度数据、震动传感器采集震动数据用于检测婴儿状态数据和压力传感器采集压力数据用于检测体重以及婴儿姿态数据。

作为上述实施例的优化方案，基于rfid传感器收集所检测的婴儿行为数据，在每个时间间隔周期记录读数；并对收集的检测数据进行清洗，清洗包括排除错误元组和归约冗余数据；解决多读或者漏读等问题，清除数据中时间冗余和空间冗余，为后续数据分析提供了可靠基础数据。

作为上述实施例的优化方案，经过rfid传感器收集和数据清洗之后；湿度传感器采集的湿度数据和温度传感器采集的温度数据，通过大数据平台中心进行阈值分析，若在警示阈值范围内则生成体温和尿床警示信号，并将警示信号和实时监测数据推送给用户客户端；震动传感器采集的震动数据以及压力传感器采集的压力数据通过分类算法和关联规则对婴儿行为特征进行挖掘分析，实时挖掘数据识别婴儿行为及状态，实现对传感器数据的实时监管和预警。

作为上述实施例的优化方案，在识别婴儿行为及状态时，根据不同区域位置的压力历史数据集以及震动历史数据集训练分类器，划分出婴儿行为包括滚动、平躺、侧躺、坐起和站立以及婴儿状态包括清醒、睡觉和打鼾，训练得到的婴儿行为状态分类器；根据所述婴儿行为状态分类器对实时获取的压力数据以及震动数据进行分类，获取到婴儿实时行为和状态；通过婴儿行为状态分类器将实时采集的压力数据归属至相应行为类别，获得婴儿实时行为信息；通过婴儿行为状态分类器将实时采集的振动数据归属于相应状态类别，获得婴儿实时状态信息。

作为上述实施例的优化方案，通过所述关联规则找出数据中不同项之间的联系，挖掘处婴儿的各种行为状态之间的关系得到警示信息，并通过关联规则将实时数据和历史数据进行关联性分析得到预警信息。

作为上述实施例的优化方案，基于频繁模式树的关联规则算法预测婴儿的行为模式；频繁模式树的关联规则算法将历史数据集中的大量频集压缩进模式树，同时建立模式树之间和模式树各个分支之间的关联信息；在所述婴儿行为状态分类器中采用的分类算法为基于线性判别式分析lda分类算法智能识别婴儿的行为和状态；将婴儿实时行为和状态作为训练样本，对训练样本进行维度识别，高维训练样本投影到最佳鉴别矢量空间，以抽取分类信息和压缩特征空间维数的效果，保证智能识别婴儿行为模式准确率；不仅提高了运行效率，而且对不同长度的规则都有很好的适应性，进而实现婴儿的行为状态的准确预测。

作为上述实施例的优化方案，基于云计算将实时获得的婴儿实时行为状态结果和行为状态预测结果通过大型分布式集群的云服务器实时同步到指定的个人移动设备或电脑中；让用户能无处不在地掌握婴儿的行为状态。

以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。