[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

说明书

本发明提供了一种结合耳机和手表进行跌倒监测及报警的方法及系统，该方法包括：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。本发明的有益效果是：与现有技术相比，本发明因为结合了耳机对头部的姿态监测，再结合手表数据，采取非正常即异常的方式进行跌倒判定，模型训练量更小，结果判定更加精准，对跌倒的即时预警和预防跌倒研究工作有重大意义。

技术领域

本发明涉及监测技术领域，尤其涉及一种结合耳机和手表进行跌倒监测及报警的方法及系统。

背景技术

目前我国60岁及以上老年人口达2.67亿，占总人口的18.9％。2035年左右，60岁及以上老年人口将突破4亿，在总人口中的占比将超过30％，进入重度老龄化阶段，随着老龄化问题加剧，中老年人对于健康的需求越来越多，相对于治疗，防范和预警同样重要，危险事件发生具有随机性，不确定性，传统方式对心率，血压等监测，过于繁琐，如果是老年人，操作更加困难；随着年龄的增长,由跌倒引发的损伤也在增多，而跌倒后损伤引起的并发症是65岁以上高龄老人死亡的重要因素，如果在跌倒后第一时间救助，可以有效的降低其并发症后果。

现有技术的缺陷是：当前的手表跌倒监测并不全面，在人体姿态上的检测不精准，对于特殊姿势的跌倒无法察觉，耳机主要用于监测头部活动，也不能全面的反应身体姿态，无论是手表或耳机均无法精准监测跌倒。

发明内容

为了解决现有技术中的问题，本发明提供了一种结合耳机和手表进行跌倒监测及报警的方法及系统，更加精准的对跌倒进行判定。

本发明提供了一种结合耳机和手表进行跌倒监测及报警的方法，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。

作为本发明的进一步改进，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。

作为本发明的进一步改进，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。

作为本发明的进一步改进，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；