[发明专利]一种结合耳机和手表进行跌倒监测及报警的方法及系统

权利要求书

1.一种结合耳机和手表进行跌倒监测及报警的方法，其特征在于，包括如下步骤：

数据采集步骤：收集手表以及耳机的各项传感器数据；

数据清理步骤：对采集到的传感器数据进行筛选、滤波、降噪、重组处理；模型训练步骤：对正常数据进行训练，提取非摔倒情况下数据的特征；

报警步骤：提供二次确认以及语音呼叫服务。

2.根据权利要求1所述的方法，其特征在于，在所述数据清理步骤中，所筛选、滤波、降噪、重组过程中，将手表和耳机分段的二进制数据转化为便于处理的数字信号，并使其落入[0～10]区间，重组算法将多段数据排列为二维数组以便进行降噪操作。

3.根据权利要求2所述的方法，其特征在于，在所述数据清理步骤中，降噪包括如下步骤：

步骤a：计算总体数据的最大值与最小值，统一数值回归到预设区间，计算需要降低的比值；

步骤b：循环数组中的项目，取其四周的8个值，利用离差平方和SA计算周围点对于中心点的偏离程度；

步骤c：如果偏离大于设定值，则按比值降低数值大小，再返回执行步骤b，如果偏离小于设定值，那么执行步骤d；

步骤d：整体数据处理完成后，储存这部分数据并传入模型训练步骤。

4.根据权利要求1所述的方法，其特征在于，在所述模型训练步骤中，进入模型的数据首先预设其为异常情况，通过输入正确姿势的数据，通过相关性算法不断的优化预测向量，与向量匹配度较高则判定为正常姿势，其步骤是：

步骤1：设i为遍历用的行号，i＝0,X(i)＝1，Y(i)＝10；

步骤2：固定i＝1，遍历所有其他行，设j为遍历用的行号(j！＝i,j！＝i,j！＝i)；

步骤3：j＝2,X(j)＝2，Y(j)＝20；

步骤4：设函数d(a,b)＝|a-b|，d()函数计算两个输入值之差的绝对值，如果a和b推广为向量，则计算的就是两个向量之间的差；

步骤5：计算d(xi,xj)＝|x1-x2|＝|1-2|＝1，将其设为一个新的变量Rx，Rx＝1；

步骤6：计算d(yi,yj)＝|y1-y2|，将其设为一个新的变量Ry，Ry＝8；

步骤7：固定j，遍历所有其他行；设k为遍历用的行号(k！＝i AND k！＝j)；k＝3,X(k)＝3,Y(k)＝30；

步骤8：计算d(xi,xk)＝|x1-x3|＝|1-3|＝2；

步骤9：计算d(yi,yk)＝|y1-y3|＝|12-30|＝18；

步骤10：设变量A11＝0，A12＝0，A21＝0，A22＝0；

步骤11：比较d(xi,xk)和Rx的值，比较d(yi,yk)和Ry的值，如果d(xi,xk)＝Rx而且d(yi,yk)＝Ry,则A11加1，A1＝A11+A12；

步骤12：k加1，重复步骤7到步骤11,累加A系列变量；

步骤13：此时有了i＝1,j＝2情况时的列联表，使用卡方检验计算，公式如下：

步骤14：对于当前i＝1,j＝2的情况，计算可得S(i,j)＝0；

步骤15：j加1,j＝3,X(j)＝3,Y(j)＝30；

步骤16：重复步骤5到步骤16，在每一步都计算S(i,j)并累加起来；计算后得出i＝1时的总S(i,j)＝3，i加1,i＝2,X(i)＝2；

步骤17：重复步骤3到步骤17，直到穷尽所有的i为止；把所有的S(i,j)累加起来，得到最终的S(i,j)＝5.25，这个值代表了在当前自由度下两个变量的相关强度,值越大则强度越大；记录下数据的相关强度,结合实际中的正确姿势数据，统计并建立风险矩阵，判断风险值。

5.根据权利要求4所述的方法，其特征在于，根据风险矩阵，报警步骤执行如下操作：

低风险采取关注措施，继续监测事件发生后10分钟内的身体姿态变化，异常则提升为中风险；

中风险发生时，采用10s倒计时，需要手动在手表取消倒计时，未取消且10s后提升为高风险；

高风险时，采用语音外呼的方式联络医护人员且需要得到回复。