本发明专利技术公开了一种农村老人异常状态检测方法、系统和设备，属于独居老人异常状态预警技术领域，所述异常状态检测方法包括：实时采集人体行动信息和生物信息；对获取的信息去噪处理和归一化处理，获得多模融合的传感器数据；对获得的多模融合的传感器数据进行分割处理，得到数据子序列；对数据子序列进行静态局部特征提取，得到传感器数据特征向量；将数据特征向量输入C‑LS神经网络模型中的故障诊断层进行识别，获取被监测人员的状态；当识别结果为异常时，采用低压电力线宽带载波技术将识别结果发送至监测终端。可实现对信号薄弱农户分散的偏远农村独居老人跌倒、无法行动、失联等异常状态检测并预警，帮助农村留守老人得到及时有效的救助。
【技术实现步骤摘要】
本专利技术属于农村独居老人异常状态预警，具体涉及一种基于c-ls模型和电力线通信的农村独居老人异常状态预警方法、系统和设备。
技术介绍
1、目前，农村独居老人、留守老人众多，人口数量将不断增加。大量老年人不与家人或子女共同居住生活，面临着居家养老的许多生活不便或困难，尤其是农村养老服务水平普遍不高甚至缺失，跌倒、无法行动、患病等各种突发情况极大威胁着老年人的生命健康。因此，针对独居老人跌倒、无法行动、患病等异常状态进行及时预警，对防范化解老人安全风险、保障其生命健康、提供医疗救助等具有重要意义。
2、现有农村老人状态监测大多是利用摄像头监控门外院落，受限于隐私、经济、摄像头视角等原因，并未对室内等老人主要活动区域实现监控。此外，农村基础设施和通信薄弱，许多农户分散居住，户与户之间相距甚远，基于gps或wifi等技术的老人状态监测方法受限于通信基础设施和信号覆盖强度，无法直接用于偏远山区农村。
技术实现思路
1、本专利技术提供了一种农村老人异常状态检测方法、系统和设备，以解决上述存在的一个或多个技术问题，可实现对信号薄弱农户分散的偏远农村独居老人跌倒、无法行动、失联等异常状态检测并预警，帮助农村留守老人得到及时有效的救助。
2、为了实现上述目的，本专利技术采用如下技术方案：
3、第一方面，本专利技术提供一种农村老人异常状态检测方法，包括以下步骤：
4、实时采集被监测人员的人体信号数据，所述人体信号数据包括加速度数据、角速度数据和心率；</p>5、对人体信号数据进行去噪处理和归一化处理，获得多模融合的传感器数据；对多模融合的传感器数据进行分割处理，得到数据子序列；
6、c-ls神经网络模型中的特征提取层从数据子序列提取传感器数据特征向量；c-ls神经网络模型中的故障诊断层根据数据特征向量进行状态识别，获取被监测人员的状态；
7、采用低压电力线宽带载波技术以电力线作为通信媒介将识别结果发送至监测终端。
8、进一步的，归一化处理为：采用统计归一化和/或z-score标准化的方法对传感器数据进行处理，将传感器数据转换为平均值为0的数据，同时保持标准偏差。
9、进一步的，分割处理包括：对获取的异构融合的传感器数据采用移动窗口技术，用时间切片窗口将多模融合的传感器数据划分为多个数据子序列，同时对移动窗口进行优化，确保两个连续的时间切片窗口重叠部分不超过窗口宽度的50％。
10、进一步的，c-ls神经网络模型包括依次连接的第一卷积层、第一池化层、第二卷积层、第二池化层、第三卷积层、第三池化层、第四卷积层、第四池化层、循环层、第一全连接层、第二全连接层和softmax层。
11、进一步的，c-ls神经网络模型通过下述方法训练得到：
12、获取人体信号数据，所述人体信号数据对应的状态；所述人体数据包括跌倒，静置，行走，失联四个状态下的人体信号数据；
13、将所述人体信号数据和所述人体信号数据对应的状态划分为训练集和测试集；
14、以训练集中的人体信号数据为输入，以训练集中的状态为输出，进行训练，得到初始的c-ls神经网络模型，然后对所述模型进行校验，得到训练好的c-ls神经网络模型神经网络模型。
15、进一步的，softmax层将输入向量转换为概率分布后第i个类别的预测概率，最终以使得概率为最大值的n作为判断的状态类别；当识别到异常状态时，判断识别结果的置信度是否大于设定阈值，若是，则识别结果可信，触发警报信号传输；否则，识别结果不可信，不触发警报信号传输。
16、进一步的，c-ls神经网络模型的目标函数为预测值与其真实值之间差距计算出的交叉熵。
17、第二方面，本专利技术提供一种农村老人异常状态检测系统，包括：
18、人体信号采集模块，用于采集被监测人员的人体信号数据，所述人体信号数据包括加速度数据、角速度数据和心率数据；
19、无线通信模块，用于传输人体信号采集模块与数据处理模块之间的数据；
20、数据处理模块，用于对获得的人体信号信息进行计算及处理，通过c-ls神经网络识别被监测人员的状态，并输出识别结果；
21、电力线通信模块，用于将被监测人员的状态、人体生物信息和物理信息通过电力线发送至监测终端；
22、结果展示及预警模块，用于在监测终端显示人体信号数据和被监测人员状态信息，当被监测人员处于异常状态时，发出报警信号。
23、进一步的，数据处理模块，包括：
24、预处理模块，用于对人体信号数据进行去噪处理和归一化处理，获得多模融合的传感器数据；
25、分割模块，用于对获得的多模融合的传感器数据进行分割处理，得到数据子序列；
26、识别模块，用于通过c-ls神经网络模型中的特征提取层从数据子序列提取传感器数据特征向量；通过c-ls神经网络模型中的故障诊断层根据数据特征向量进行状态识别，获取被监测人员的状态，并输出识别结果。
27、第三方面，本专利技术提供一种电子设备，其特征在于，包括：
28、至少一个处理器；
29、以及，与所述至少一个处理器通信连接的存储器；其中，
30、所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的农村老人异常状态检测方法。
31、与现有技术相比，本专利技术至少具有以下有益的技术效果：
32、本专利技术提供的农村独居老人异常状态预警方法，具体是一种基于c-ls模型和电力线通信的农村独居老人异常状态预警方法，通过c-ls神经网络模型对人体信号进行识别和判断，当识别结果为异常时，采用低压电力线宽带载波技术将识别结果发送至监测终端。可实现对信号薄弱农户分散的农村独居老人跌倒、无法行动、失联等异常状态的检测和预警，帮助农村留守老人得到及时有效的救助，能有效减少由于缺失监护而造成的损失；通过无线通信和电力线通信相结合的方式有效解决农村地区信号薄弱且传输受限问题；利用电力线通信，无需额外大量投资通信基础设施，节省大量人力财力，适用于基础设施薄弱的偏远农村地区。
本文档来自技高网...
【技术保护点】
1.一种农村老人异常状态检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种农村老人异常状态检测方法，其特征在于，所述归一化处理为：采用统计归一化和/或z-score标准化的方法对传感器数据进行处理，将传感器数据转换为平均值为0的数据，同时保持标准偏差。
3.根据权利要求1所述的一种农村老人异常状态检测方法，其特征在于，所述分割处理包括：对获取的异构融合的传感器数据采用移动窗口技术，用时间切片窗口将多模融合的传感器数据划分为多个数据子序列，同时对移动窗口进行优化，确保两个连续的时间切片窗口重叠部分不超过窗口宽度的50％。
4.根据权利要求1所述的一种农村老人异常状态检测方法，其特征在于，所述C-LS神经网络模型包括依次连接的第一卷积层、第一池化层、第二卷积层、第二池化层、第三卷积层、第三池化层、第四卷积层、第四池化层、循环层、第一全连接层、第二全连接层和Softmax层。
5.根据权利要求1或4所述的一种农村老人异常状态检测方法，其特征在于，所述C-LS神经网络模型通过下述方法训练得到：
6.根据权利要求4所述的一种农村老人异常状态检测方法，其特征在于，所述Softmax层将输入向量转换为概率分布后第i个类别的预测概率，最终以使得概率为最大值的N作为判断的状态类别；当识别到异常状态时，判断识别结果的置信度是否大于设定阈值，若是，则识别结果可信，触发警报信号传输；否则，识别结果不可信，不触发警报信号传输。
7.根据权利要求1所述的一种农村老人异常状态检测方法，其特征在于，所述C-LS神经网络模型的目标函数为预测值与其真实值之间差距计算出的交叉熵。
8.一种农村老人异常状态检测系统，其特征在于，包括：
9.根据权利要求8所述的一种农村老人异常状态检测系统，其特征在于，所述数据处理模块，包括：
10.一种电子设备，其特征在于，包括：
...
【技术特征摘要】
1.一种农村老人异常状态检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种农村老人异常状态检测方法，其特征在于，所述归一化处理为：采用统计归一化和/或z-score标准化的方法对传感器数据进行处理，将传感器数据转换为平均值为0的数据，同时保持标准偏差。
3.根据权利要求1所述的一种农村老人异常状态检测方法，其特征在于，所述分割处理包括：对获取的异构融合的传感器数据采用移动窗口技术，用时间切片窗口将多模融合的传感器数据划分为多个数据子序列，同时对移动窗口进行优化，确保两个连续的时间切片窗口重叠部分不超过窗口宽度的50％。
4.根据权利要求1所述的一种农村老人异常状态检测方法，其特征在于，所述c-ls神经网络模型包括依次连接的第一卷积层、第一池化层、第二卷积层、第二池化层、第三卷积层、第三池化层、第四卷积层、第四池化层、循环层、第一全连接层、第二全连接层和softmax层。
【专利技术属性】
技术研发人员：刘洋，于龙，屈一凡，王守国，牛博，蒲路，张璐，杨兵，粟俊，韩冬，
申请(专利权)人：国网陕西省电力有限公司电力科学研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。