[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

说明书

本发明公开了一种基于大数据的人体异常行为检测与判定方法及系统，用以解决现有技术的模型或算法在实际应用中不准确的问题。该方法包括：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。本发明通过聚类算法消除了人的差异性，考虑了人与人的不同，收集到的数据不同，使得数据的可用性得到提高。

技术领域

本发明涉及人体异常行为识别技术领域，尤其涉及一种基于大数据的人体异常行为检测与判定方法及系统。

背景技术

当前，全世界老龄化的趋势越来越严重，在未来的一个世纪中，老龄人口将会翻番，青年人口与老年人口的比例也会大幅度下降。在这样的背景下，人工照看老人的方式已经开始变得越来越不合适，如果通过计算机和电子系统对老热你的健康进行监控和管理成为了一个新的领域，人体异常行为检测就是其中一个热门的研究方向。

现有的研究中，研究者大多是从人体运动分析的角度来解决这个问题，例如分析跌落的加速度波形，撞击力以及跌落时的角度变化，以提出响应的算法和模型来实现异常行为检测。

这种方法的目的是从不同人的相同行为中找出共通性，把这些共通性作为人体行为的判断准则，来区分不同的姿势动作，因此也就导致了一个缺点，人与人之间的区别在某种程度上被忽视，而实际上每个人体态不同，一个人的跑步可能是另一个人的快走，这种方法和实际上的差别将会造成模型或者算法在实际应用上的不准确。

公开号为CN105286826A的专利提供了一种基于物联网、云计算和大数据分析的智能可穿戴设备健康安全系统，包括云服务器、监护人智能手机、可穿戴设备终端；可穿戴设备终端包括无线通信单元、存储器单元、显示单元、控制器单元、GPS定位单元、锂电池单元；第一压力传感器、第二压力传感器、心率传感器、光照传感器、一氧化碳传感器、体温传感器、陀螺仪传感器；存储器单元、显示单元、GPS定位单元分别与控制器单元电连接；控制器单元通过无线通信单元与云服务器通信；锂电池单元为各个模块单元供电；该发明可以实时向监护人通知被监护人的健康状况和人身安全状况。但是由于人与人之间体态不一样，容易造成模型或者算法与实际产生偏差。

发明内容

本发明要解决的技术问题目的在于提供一种基于大数据的人体异常行为检测与判定方法及系统，用以解决现有技术的模型或算法在实际应用中不准确的问题。

为了实现上述目的，本发明采用的技术方案为：

一种基于大数据的人体异常行为检测与判定方法，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。

进一步地，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。

进一步地，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。