一种用于老人关怀监护的门体检测方法及系统技术方案

本发明专利技术涉及人工智能领域，公开了一种用于老人关怀监护的门体检测方法及系统，用于实现对老人用户进行智能预警并提高预警的准确率

【技术实现步骤摘要】
一种用于老人关怀监护的门体检测方法及系统


[0001]本专利技术涉及人工智能领域，尤其涉及一种用于老人关怀监护的门体检测方法及系统
。

技术介绍

[0002]随着人口老龄化趋势的加剧，老年人关怀和健康监护成为社会关注的焦点
。
老年人在日常生活中面临一系列健康和安全问题，如突发疾病
、
意外摔倒以及行动不便等
。
因此，开发智能化的监护系统，能够实时监测老人的状态
、
行为，并能够及时预警和提供帮助，对于维护老人的健康和安全具有重要意义
。
在此背景下，基于传感器技术的老人关怀监护系统受到了广泛关注
。
传感器技术能够实时获取老人的生活活动数据，如门体状态
、
步行路径
、
心率等，为监护人员提供有价值的信息，从而及时响应老人的需求和问题
。
而其中，针对门体状态的监测尤为重要，因为老人日常活动往往与出入房间相关，门体状态变化反映老人的活动习惯
、
行为规律，甚至预示健康问题或安全风险
。
[0003]然而，传统的老人关怀监护系统往往依赖于人工干预和观察，难以实时
、
准确地捕捉老人的活动状态和异常情况
。
因此，开发一种自动化
、
智能化的门体检测方法，能够通过智能门磁数据进行实时监测
、
分析和预警，有助于解决传统监护系统的局限性
。

技术实现思路
/>[0004]本专利技术提供了一种用于老人关怀监护的门体检测方法及系统，用于实现对老人用户进行智能预警并提高预警的准确率
。
[0005]本专利技术第一方面提供了一种用于老人关怀监护的门体检测方法，所述用于老人关怀监护的门体检测方法包括：
[0006]基于预设的采样时间间隔获取目标门体的智能门磁状态数据，并获取所述智能门磁状态数据对应的时间序列数据；
[0007]对所述智能门磁状态数据进行门体开关频率特征分析，得到门体开关频率特征数据；
[0008]根据所述时间序列数据和所述智能门磁状态数据，对老人用户进行活动时长特征分析，得到活动时长特征数据；
[0009]对所述门体开关频率特征数据进行特征值映射，生成开关特征向量，并对所述活动时长特征数据进行特征值映射，生成时长特征向量，并对所述开关特征向量和所述时长特征向量进行矩阵转换，得到目标特征矩阵；
[0010]将所述目标特征矩阵输入预置的老人活动异常分析模型进行老人活动异常分析，得到老人活动异常分析结果；
[0011]根据所述老人活动异常分析结果匹配对应的目标监护策略，并根据所述目标监护策略生成对应的智能提醒信息，并通过所述目标门体对所述老人用户进行智能提醒
。
[0012]结合第一方面，在本专利技术第一方面的第一种实现方式中，所述对所述智能门磁状
态数据进行门体开关频率特征分析，得到门体开关频率特征数据，包括：
[0013]对所述智能门磁状态数据进行异常值去除和缺失值插值，得到标准状态序列数据；
[0014]对所述标准状态序列数据进行分割，得到多个子状态序列数据，并分别计算所述多个子状态序列数据的开关频率，得到每个子状态序列数据的开关频率数据；
[0015]对每个子状态序列数据的开关频率数据进行频率特征提取，得到每个子状态序列数据的第一频率特征数据，其中，所述第一频率特征数据包括平均开关频率
、
最高开关频率以及最低开关频率；
[0016]对每个子状态序列数据的第一频率特征数据进行特征融合，得到第二频率特征数据；
[0017]对所述第二频率特征数据进行傅里叶变换，得到目标频域数据，并对所述目标频域数据进行频谱分析，得到目标频谱数据；
[0018]对所述目标频谱数据进行频率成分分析，得到频率成分数据，并对所述频率成分数据进行周期性分析，得到周期性频率特征；
[0019]根据所述周期性频率特征和所述第二频率特征数据，生成对应的门体开关频率特征数据
。
[0020]结合第一方面，在本专利技术第一方面的第二种实现方式中，所述根据所述时间序列数据和所述智能门磁状态数据，对老人用户进行活动时长特征分析，得到活动时长特征数据，包括：
[0021]对所述时间序列数据和所述智能门磁状态数据进行数据对齐，并计算老人用户每次进出房间活动的时长，得到开关状态变化的多个活动时长数据；
[0022]对所述多个活动时长数据进行活动时长特征提取，得到多个初始活动时长特征，其中，所述多个初始活动时长特征包括：平均活动时长
、
最长活动时长以及最短活动时长；
[0023]调用预置的概率密度分布函数对所述多个活动时长数据进行分布运算，生成活动时长概率密度分布图；
[0024]对所述活动时长概率密度分布图进行时间段对比，得到活动时长分布特征；
[0025]根据所述活动时长分布特征和所述多个初始活动时长特征，生成对应的活动时长特征数据
。
[0026]结合第一方面，在本专利技术第一方面的第三种实现方式中，所述对所述门体开关频率特征数据进行特征值映射，生成开关特征向量，并对所述活动时长特征数据进行特征值映射，生成时长特征向量，并对所述开关特征向量和所述时长特征向量进行矩阵转换，得到目标特征矩阵，包括：
[0027]对所述门体开关频率特征数据进行标准化处理，得到标准化频率特征数据，并通过预置的第一映射函数对所述标准化频率特征数据进行特征值映射，得到多个第一特征值；
[0028]根据所述多个第一特征值生成多个第一向量元素，并根据所述多个第一向量元素生成开关特征向量；
[0029]对所述活动时长特征数据进行标准化处理，得到标准化时长特征数据，并通过预置的第二映射函数对所述标准化时长特征数据进行特征值映射，得到多个第二特征值；
[0030]根据所述多个第二特征值生成多个第二向量元素，并根据所述多个第二向量元素生成时长特征向量；
[0031]根据预置的第一权重数据集对所述开关特征向量进行加权运算，得到加权后的开关特征向量，并根据预置的第二权重数据集对所述时长特征向量进行加权运算，得到加权后的时长特征向量；
[0032]对所述加权后的开关特征向量和所述加权后的时长特征向量进行矩阵转换，得到目标特征矩阵
。
[0033]结合第一方面，在本专利技术第一方面的第四种实现方式中，所述将所述目标特征矩阵输入预置的老人活动异常分析模型进行老人活动异常分析，得到老人活动异常分析结果，包括：
[0034]通过预置的孤立森林库对孤立森林模型进行模型训练，并设置所述孤立森林模型的模型参数集合，得到老人活动异常分析模型；
[0035]将所述目标特征矩阵输入所述老人活动异常分析模型，并通过所述老人活动异常分析模型计算所述目标特征矩阵中每个列向量的第一异常分数；
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种用于老人关怀监护的门体检测方法，其特征在于，所述用于老人关怀监护的门体检测方法包括：基于预设的采样时间间隔获取目标门体的智能门磁状态数据，并获取所述智能门磁状态数据对应的时间序列数据；对所述智能门磁状态数据进行门体开关频率特征分析，得到门体开关频率特征数据；根据所述时间序列数据和所述智能门磁状态数据，对老人用户进行活动时长特征分析，得到活动时长特征数据；对所述门体开关频率特征数据进行特征值映射，生成开关特征向量，并对所述活动时长特征数据进行特征值映射，生成时长特征向量，并对所述开关特征向量和所述时长特征向量进行矩阵转换，得到目标特征矩阵；将所述目标特征矩阵输入预置的老人活动异常分析模型进行老人活动异常分析，得到老人活动异常分析结果；根据所述老人活动异常分析结果匹配对应的目标监护策略，并根据所述目标监护策略生成对应的智能提醒信息，并通过所述目标门体对所述老人用户进行智能提醒
。2.
根据权利要求1所述的用于老人关怀监护的门体检测方法，其特征在于，所述对所述智能门磁状态数据进行门体开关频率特征分析，得到门体开关频率特征数据，包括：对所述智能门磁状态数据进行异常值去除和缺失值插值，得到标准状态序列数据；对所述标准状态序列数据进行分割，得到多个子状态序列数据，并分别计算所述多个子状态序列数据的开关频率，得到每个子状态序列数据的开关频率数据；对每个子状态序列数据的开关频率数据进行频率特征提取，得到每个子状态序列数据的第一频率特征数据，其中，所述第一频率特征数据包括平均开关频率
、
最高开关频率以及最低开关频率；对每个子状态序列数据的第一频率特征数据进行特征融合，得到第二频率特征数据；对所述第二频率特征数据进行傅里叶变换，得到目标频域数据，并对所述目标频域数据进行频谱分析，得到目标频谱数据；对所述目标频谱数据进行频率成分分析，得到频率成分数据，并对所述频率成分数据进行周期性分析，得到周期性频率特征；根据所述周期性频率特征和所述第二频率特征数据，生成对应的门体开关频率特征数据
。3.
根据权利要求1所述的用于老人关怀监护的门体检测方法，其特征在于，所述根据所述时间序列数据和所述智能门磁状态数据，对老人用户进行活动时长特征分析，得到活动时长特征数据，包括：对所述时间序列数据和所述智能门磁状态数据进行数据对齐，并计算老人用户每次进出房间活动的时长，得到开关状态变化的多个活动时长数据；对所述多个活动时长数据进行活动时长特征提取，得到多个初始活动时长特征，其中，所述多个初始活动时长特征包括：平均活动时长
、
最长活动时长以及最短活动时长；调用预置的概率密度分布函数对所述多个活动时长数据进行分布运算，生成活动时长概率密度分布图；对所述活动时长概率密度分布图进行时间段对比，得到活动时长分布特征；
根据所述活动时长分布特征和所述多个初始活动时长特征，生成对应的活动时长特征数据
。4.
根据权利要求1所述的用于老人关怀监护的门体检测方法，其特征在于，所述对所述门体开关频率特征数据进行特征值映射，生成开关特征向量，并对所述活动时长特征数据进行特征值映射，生成时长特征向量，并对所述开关特征向量和所述时长特征向量进行矩阵转换，得到目标特征矩阵，包括：对所述门体开关频率特征数据进行标准化处理，得到标准化频率特征数据，并通过预置的第一映射函数对所述标准化频率特征数据进行特征值映射，得到多个第一特征值；根据所述多个第一特征值生成多个第一向量元素，并根据所述多个第一向量元素生成开关特征向量；对所述活动时长特征数据进行标准化处理，得到标准化时长特征数据，并通过预置的第二映射函数对所述标准化时长特征数据进行特征值映射，得到多个第二特征值；根据所述多个第二特征值生成多个第二向量元素，并根据所述多个第二向量元素生成时长特征向量；根据预置的第一权重数据集对所述开关特征向量进行加权运算，得到加权后的开关特征向量，并根据预置...

【专利技术属性】
技术研发人员：王华华，施展昊，杨亚杰，赵忠乾，郑晓东，
申请(专利权)人：北京碧地智能科技有限公司，
类型：发明
国别省市：