基于多运动传感器的分析方法及装置制造方法及图纸

本发明专利技术提供一种基于多运动传感器的分析方法及装置，所述方法包括：采集多个运动传感器的输出数据，并对输出数据进行预处理，其中，多个运动传感器安装于人体各个部位；对预处理后的输出数据进行局部线性嵌入分析，以得到分析数据；基于拉普拉斯特征映射对分析数据进行约束；利用t分布随机邻居嵌入对约束后的分析数据进行划分，并根据划分结果剔除不相关的输出数据、保留相关的输出数据；将相关的输出数据的分析数据导入运动传感器。由此，通过局部线性嵌入分析、拉普拉斯特征映射和t分布随机邻居嵌入剔除不相关的数据，只保留有效信息进行分析，可以提高分析精确度，适用于婴幼儿防跌倒。跌倒。跌倒。

【技术实现步骤摘要】
基于多运动传感器的分析方法及装置


[0001]本专利技术涉及传感器
，具体涉及一种基于多运动传感器的分析方法和一种基于多运动传感器的分析装置。

技术介绍

[0002]婴幼儿的健康安全问题一直是人们日益关注的焦点，在卫生部组织编写的《中国伤害预防报告》中，跌倒是婴幼儿受到意外伤害的首要原因，在跌倒发生之后，一方面是跌倒本身所带来人体伤害，另一方面是跌倒之后没有及时的防护措施和得到及时的救助造成的二次伤害，这严重影响婴幼儿的正常活动能力和健康成长。
[0003]相关技术中，公开号CN20120209092的专利申请描述了一种人体步态评测系统及方法，主要通过采集三维加速度信号对人体进行步态分析，但仅是加速度信号不能计算人体的整体状态，精确度受到限制，不适用于婴幼儿防跌倒。

技术实现思路

[0004]本专利技术为解决相关技术中精确度不高、不适用于婴幼儿防跌倒的问题，提出了如下技术方案。
[0005]尽管现有的研发技术中有针对防跌倒方面的相关研究，但更多的是停留在跌倒之后如何避免二次损伤的层面上，很少的研究人员将精力集中在从源头上保护婴幼儿，避免一次伤害。
[0006]为此，本专利技术第一方面实施例提出了一种基于多运动传感器的分析方法，包括：采集多个运动传感器的输出数据，并对所述输出数据进行预处理，其中，多个所述运动传感器安装于人体各个部位；对预处理后的输出数据进行局部线性嵌入分析，以得到分析数据；基于拉普拉斯特征映射对所述分析数据进行约束；利用t分布随机邻居嵌入对约束后的分析数据进行划分，并根据划分结果剔除不相关的输出数据、保留相关的输出数据；将所述相关的输出数据的分析数据导入所述运动传感器。
[0007]另外，根据本专利技术上述实施例的基于多运动传感器的分析方法还可以具有如下附加的技术特征。
[0008]根据本专利技术的一个实施例，对所述输出数据进行预处理，包括：对所述输出数据依次进行清洗、筛选后进行类别标记，以得到每个输出数据的类别标签。
[0009]根据本专利技术的一个实施例，对预处理后的输出数据进行局部线性嵌入分析，包括：将每个所述类别标签转换为标签数据确定所述标签数据及其附近的若干个标签数据；确定所述标签数据与其附近的若干个标签数据之间的距离；通过对所述距离的最小化处理，得到所述标签数据的权重参数；根据所述权重参数对所有所述标签数据进行降维分析。
[0010]根据本专利技术的一个实施例，基于拉普拉斯特征映射对所述分析数据进行约束，包括：根据标签数据之间的相似性建立一个候选区；计算所述候选区中两个标签数据之间的相似度参数；在所述相似度参数大于或者等于阈值时，将两个所述标签数据连接；在所述相
似度参数小于所述阈值时，保持两个所述标签数据不连接；在两个所述标签数据连接时，估算两个所述标签数据之间的距离，所述距离的损失函数为：
[0011][0012]其中，y
i
为标签数据的第i个正则项，y
j
为标签数据的第i个负则项，V
i,j
为标签数据y
i
与y
j
之间的权重，T为y
i
与y
j
之间的间隔时间，L为y
i
与y
j
之间的距离，y为标签数据的正则项的集合；根据所述相似度参数对所述损失函数进行约束。
[0013]根据本专利技术的一个实施例，根据划分结果剔除不相关的输出数据、保留相关的输出数据，包括：将两个相邻的输出数据之间的离散度最小化，以得到特征向量；根据特征向量将相关的输出数据聚集在一起、将不相关的输出数据处于离散状态。
[0014]根据本专利技术的一个实施例，将所述相关的输出数据的分析数据导入所述运动传感器，包括：确定所述相关的输出数据的权重参数，并将所述相关数据的权重参数导入所述运动传感器。
[0015]本专利技术第二方面实施例提出了一种基于多运动传感器的分析装置，包括：处理模块，用于采集多个运动传感器的输出数据，并对所述输出数据进行预处理，其中，多个所述运动传感器安装于人体各个部位；分析模块，用于对预处理后的输出数据进行局部线性嵌入分析，以得到分析数据；约束模块，用于基于拉普拉斯特征映射对所述分析数据进行约束；划分模块，用于利用t分布随机邻居嵌入对约束后的分析数据进行划分，并根据划分结果剔除不相关的输出数据、保留相关的输出数据；导入模块，用于将所述相关数据的分析数据导入所述运动传感器。
[0016]本专利技术实施例的技术方案，通过局部线性嵌入分析、拉普拉斯特征映射和t分布随机邻居嵌入剔除不相关的数据，只保留有效信息进行分析，可以提高分析精确度，适用于婴幼儿防跌倒。
附图说明
[0017]图1为本专利技术实施例的基于多运动传感器的分析方法的流程图。
[0018]图2为本专利技术一个示例中标签数据的分布示意图。
[0019]图3为本专利技术实施例的基于多运动传感器的分析装置的方框示意图。
具体实施方式
[0020]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0021]图1为本专利技术实施例的基于多运动传感器的分析方法的流程图。
[0022]如图1所示，该基于多运动传感器的分析方法包括以下步骤S1至S5。
[0023]S1，采集多个运动传感器的输出数据，并对输出数据进行预处理，其中，多个运动传感器安装于人体各个部位。
[0024]其中，多个运动传感器例比如可以是速度传感器、位置传感器、姿态传感器等，可安装于在不影响人正常行动而又能够检测到人运动的部位，比如可安装于婴幼儿的人的鞋子、裤子或者胳膊上。
[0025]具体地，在人体运动时，采集各个运动传感器的输出数据，并对其进行预处理，比如清洗、筛选处理等，以得到预处理后的输出数据。
[0026]S2，对预处理后的输出数据进行局部线性嵌入分析，以得到分析数据。
[0027]具体地，为了对预处理后的输出数据进行降维，对其进行局部线性嵌入分析，以得到分析数据。
[0028]S3，基于拉普拉斯特征映射对分析数据进行约束。
[0029]具体地，在进行局部线性嵌入分析之后，为了提高分析准确度，基于拉普拉斯特征映射对分析数据添加约束，以得到约束后的分析数据，从而避免误差影响，提高分析精度。
[0030]S4，利用t分布随机邻居嵌入对约束后的分析数据进行划分，并根据划分结果剔除不相关的输出数据、保留相关的输出数据。
[0031]具体地，在得到约束后的分析数据之后，利用t分布随机邻居嵌入对约束后的分析数据进行划分，并根据划分结果从所有输出数据中剔除不相关的输出数据(即剔除不相似的数据)、保留相关的输出数据(即保留相似数据)，从而减小运算量和存储量，只保本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多运动传感器的分析方法，其特征在于，包括：采集多个运动传感器的输出数据，并对所述输出数据进行预处理，其中，多个所述运动传感器安装于人体各个部位；对预处理后的输出数据进行局部线性嵌入分析，以得到分析数据；基于拉普拉斯特征映射对所述分析数据进行约束；利用t分布随机邻居嵌入对约束后的分析数据进行划分，并根据划分结果剔除不相关的输出数据、保留相关的输出数据；将所述相关的输出数据的分析数据导入所述运动传感器。2.根据权利要求1所述的基于多运动传感器的分析方法，其特征在于，对所述输出数据进行预处理，包括：对所述输出数据依次进行清洗、筛选后进行类别标记，以得到每个输出数据的类别标签。3.根据权利要求2所述的基于多运动传感器的分析方法，其特征在于，对预处理后的输出数据进行局部线性嵌入分析，包括：将每个所述类别标签转换为标签数据；确定所述标签数据及其附近的若干个标签数据；确定所述标签数据与其附近的若干个标签数据之间的距离；通过对所述距离的最小化处理，得到所述标签数据的权重参数；根据所述权重参数对所有所述标签数据进行降维分析。4.根据权利要求2所述的基于多运动传感器的分析方法，其特征在于，基于拉普拉斯特征映射对所述分析数据进行约束，包括：根据标签数据之间的相似性建立一个候选区；计算所述候选区中两个标签数据之间的相似度参数；在所述相似度参数大于或者等于阈值时，将两个所述标签数据连接；在所述相似度参数小于所述阈值时，保持两个所述标签数据不连接；在两个所述标签数据连接时，估算两个所述标签数据之间的距离，所述距离的损失函数为：其中，y
i
为标签数据的第i...

【专利技术属性】
技术研发人员：李华京，杜鑫，王静，杜雯翀，
申请(专利权)人：南京木马牛智能科技有限公司南京悦宸医疗科技有限公司，
类型：发明
国别省市：