[发明专利]一种基于大数据的人体跌倒检测方法及系统

摘要

本发明公开了一种基于大数据的人体跌倒检测方法及系统，方法包括以下步骤根据手机内置传感器采集的信息构建特征向量；通过机器学习模型识别是否发生跌倒行为；当判断用户为跌倒状态时，采集到的信息数据会实时传送到大数据平台，并按照个体相似性进行存储；所述平台采用相似度度量算法分析所有上传的数据，判断是否存在更新数据；若是，则平台生成新的数据样本，同时根据数据样本生成新的机器学习分类模型。当系统判断人体发生跌倒时，手机会自动触发报警装置，从而使跌倒能够得到及时的救援。同时随着样本越来越多，系统的准确率也会不断提高。本发明可应用于监测儿童、老人及病患的活动安全。

主权项

一种基于大数据的人体跌倒检测方法，其特征在于包括以下步骤：步骤一，搭建一个大数据平台，包括存储层和数据处理层；步骤二，利用移动互联网技术，将手机数据与所述大数据平台数据进行同步；步骤三，采集传感器信息，包括采集三轴加速度传感器信息和采集陀螺仪传感器信息；步骤四，根据所采集的传感器信息数据构建特征向量；步骤五，通过机器学习模型建立跌倒检测算法以识别人体跌倒行为是否发生；步骤六，若人体跌倒行为发生，则上传步骤四所述特征向量至大数据平台进行存储；步骤七，通过计算相似度度量来判断大数据平台存储步骤六所述的特征向量是否更新；若相似度度量计算结果不为1，则说明特征向量发生了更新，若结果为1，则说明特征向量没有发生更新；步骤八，若步骤七所述相似度度量计算结果不为1，则根据步骤六存储的新的特征向量，生成新的机器学习模型，即新的跌倒检测分类算法；一开始机器学习模型运用期望最大化算法是鉴于试验数据难于获取与收集，故而将有限的数据作用发挥到最大。