[发明专利]一种基于大数据的人体异常行为检测与判定方法及系统

权利要求书

1.一种基于大数据的人体异常行为检测与判定方法，其特征在于，包括步骤：

S1、获取并存储智能可穿戴设备采集的加速度数据后进行预处理；

S2、利用K-means算法对所述加速度数据进行初步聚类处理；

S3、利用DBSCAN算法对所述初步聚类处理的加速度数据进行最终聚类处理；

S4、对经过所述最终聚类处理的数据进行椭球拟合；

所述步骤S3具体包括：

A2、检测数据库存储的数据点是否被处理，若是，跳过当前数据点；否则，检测当前数据点的ε临域，若有Minpts个点在其中，则建立新的簇C，并将临域中的点加入候选集N中；

B2、将所述候选集N中未被处理的数据点P归入所述新的簇C，检测数据点P的ε临域，若数据点P为核心对象，则将临域中所有对象加入所述候选集N中；

C2、递归处理所述候选集N直至所述候选集N为空集，递归结束；

D2、返回步骤A2中，重新检测下一个数据库中数据点，直至数据库中所有数据点都被标明类号或者判定为噪声；

其中，对于不同的类，所对应的所述Minpts值不相同，所述Minpts值根据所述K-means算法统计出的每类的数据点个数进行设置；

聚类的过程是由初始点开始发散出去的。

2.根据权利要求1所述的一种基于大数据的人体异常行为检测与判定方法，其特征在于，步骤S1具体包括：

获取并存储所述智能可穿戴设备采集的加速度数据；

对所述采集的加速度数据进行卡尔曼滤波操作。

3.根据权利要求1所述的一种基于大数据的人体异常行为检测与判定方法，其特征在于，所述步骤S2具体包括：

A1、随机选取K个初始点作为每个类的初始中心点；

B1、计算K个类的每个数据点到K个类中心的距离以找出K个距离中最小数据点并将最小数据点归入相应的类中；

C1、计算K个新形成的类中心；

D1、判断所述新形成的类中心的结果是否收敛，若是，则程序结束，否则，返回步骤B1。

4.根据权利要求1所述的一种基于大数据的人体异常行为检测与判定方法，其特征在于，所述步骤S4具体包括：

通过Polyfit函数对所述经过最终类聚处理的数据进行线性拟合以得到椭球的长轴方程；

根据所述椭球的长轴方程进行坐标变换；

将变换后的数据用标准的椭球方程进行拟合；

通过lsqcurvefit函数确定最终椭球方程；

通过变换矩阵和拟合椭球的参数判断当前数据点是否落在椭球中，若是，则判定当前数据点处于对应类的状态中。

5.一种基于大数据的人体异常行为检测与判定系统，其特征在于，包括：

获取模块，用于获取并存储智能可穿戴设备采集的加速度数据后进行预处理；

初步聚类处理模块，用于利用K-means算法对所述加速度数据进行初步聚类处理；

最终聚类处理模块，用于利用DBSCAN算法对所述初步聚类处理的加速度数据进行最终聚类处理；

椭球拟合模块，用于对经过所述最终聚类处理的数据进行椭球拟合；

所述最终聚类处理模块具体包括：

检测单元，用于检测数据库存储的数据点是否被处理，若是，跳过当前数据点；否则，检测当前数据点的ε临域，若有Minpts个点在其中，则建立新的簇C，并将临域中的点加入候选集N中；

扩张单元，用于将所述候选集N中未被处理的数据点P归入所述新的簇C，检测数据点P的ε临域，若数据点P为核心对象，则将临域中所有对象加入所述候选集N中；

处理单元，用于递归处理所述候选集N直至所述候选集N为空集，递归结束；

返回单元，用于重新检测下一个数据库中数据点，直至数据库中所有数据点都被标明类号或者判定为噪声；

其中，对于不同的类，所对应的所述Minpts值不相同，所述Minpts值根据所述K-means算法统计出的每类的数据点个数进行设置；

聚类的过程是由初始点开始发散出去的。