[发明专利]一种独居人员在床状态识别方法

说明书

本发明公开了一种独居人员在床状态识别方法，通过在床沿安装带物联网功能的振动传感器，定时向服务器发送数据，服务器端软件通过震动模式识别判断床位中是否有人及人员的活动状态。其步骤如下：(1)通过振动传感器采集床位振动幅度数据，并通过物联网上传到服务器；(2)将振动时序数据进行时间片划分；(3)计算时间片对应的振动幅度表征向量；(4)人员在床状态判别：根据步骤(3)所得的振动幅度向量对人员每个时间片的在床状态进行判别。(5)统计步骤(4)获得的每个时间片的人员在床状态，得到整个时间段内人员在床状态。

技术领域

本发明涉及智能家居领域，尤其涉及一种独居人员在床状态识别方法。

背景技术

随着社会老龄化的日趋严重，独居人员的数量也逐年攀升，判断人员是否安全在家也成为了社区工作者的重要日常工作；人员在床状态识别装置是协助社区工作者高效完成该项工作的有效手段；目前，通过微波、视觉智能等方式可实现人员在家状态的识别，但因其成本较高，供电安全，隐私保护等问题，无法规模化推广。

发明内容

本发明的目的在于针对现有技术的不足，提供一种独居人员在床状态识别方法，本发明通过采集床位实时振动数据，通过预设的人员在床状态类别进行分类评价，实现人员在床状态的判别。

本发明采用的技术方案是：一种独居人员在床状态识别方法，包括以下步骤：

(1)通过振动传感器采集床位振动幅度数据，并通过物联网上传到服务器。

(2)将振动时序数据进行时间片划分：根据振动幅度数据，计算各个时序点位的差异值，得到振动时序数据，将振动时序数据划分为不超过30分钟的不等长时间片。

(3)计算时间片对应的振动幅度表征向量：对步骤(2)处理后的时间片提取最大振动幅度、最小振动幅度，平均振动幅度和振动幅度标准差，得到振动幅度表征向量。

(4)人员在床状态判别：根据步骤(3)所得的振动幅度向量对人员每个时间片的在床状态进行判别。(5)统计步骤4获得的每个时间片的人员在床状态，得到整个时间段内人员在床状态。

进一步地，所述步骤(1)中，振动传感器每分钟采样点不少于12个；分辨率不小于256级，超过256级的传感器，将数据投影到256级即可；所述物联网包括Lora、NB、蓝牙、zigbee等物联网络。

进一步地，所述步骤(2)中，所述将振动时序数据划分为不超过30分钟的不等长时间片通过以下方法实现：

(2.1)待分片时间段定义为上一次数据处理的最后一个时间片到时间序列的末尾；整体时长不小于2小时，如果时长不足应往前再取时间片段加入计算。

(2.2)通过差异指数寻找分片边界点。即，计算时间序列中每个点的差异指数，将差异指数超过床位差异指数阈值的点位标定为时间序列边界，计算过程如下：

首先计算时间序列中每个点的区域平均振动幅度RV_i：

RV_i＝(Z_i-10+Z_i-9+...+Z_i+Z_i+1+...+Z_i+10)/21,Z_i为各时间序列的振动幅度值，如果不足21个值，则按实际数量计算。

然后计算每个点位的差异指数C_i：

C_i＝Z_i-Z_i-1,如果前一个时间点不存在，则C_i值取0；

如果C_iF,其中F为该床位的差异指数阈值，则该时间点为分片边界点，F值根据该床位的历史情况和床类别定期计算获得，算法如下：