异常行为检测方法、装置、计算机设备及存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN111466918A(43)申请公布日2020.07.31(21)申请号202010300043.7(22)申请日2020.04.16(71)申请人汤佳梅地址518000广东省深圳市福田区深南中路新城大厦西座501(72)发明人汤佳梅(74)专利代理机构深圳龙图腾专利代理有限公司44541代理人王春颖(51)Int.Cl.A61B5/11(2006.01)A61B5/00(2006.01)权利要求书2页说明书10页附图8页(54)发明名称异常行为检测方法、装置、计算机设备及存储介质(57)摘要本发明适用于计算机技术领域，尤其涉及一种异常行为检测方法、装置、计算机设备及存储介质，所述方法包括：获取用户的加速度数据；判断用户当前状态；当判断用户当前状态为静止状态时，根据静态平衡能力评估模型确定用户的静态能力变异指数；当判断用户当前状态为行动状态时，根据行动能力评估模型以及所述加速度数据确定用户的行动能力变异指数；根据所述静态能力变异指数以及所述行动能力变异指数确定用户异常信息。本发明提供的异常行为检测方法通过加速度分析出用户的静态能力变异指数和行动能力变异指数，也就是当前状态相对于历史同期的状态差异来作为异常风险评估系数，可以早期对老年人异常状态进行预测，有利于对老年人的监护。CN111466918ACN111466918A权利要求书1/2页1.一种异常行为检测方法，其特征在于，包括：获取用户的加速度数据；根据所述加速度数据判断用户的运动状态；所述用户的运动状态包括行走状态以及静止状态；当判断用户的运动状态为静止状态时，根据预设的静态平衡能力评估模型确定用户的静态能力变异指数；当判断用户的运动状态为行走状态时，根据预设的行动能力评估模型以及所述加速度数据确定用户的行动能力变异指数；基于所述静态能力变异指数以及所述行动能力变异指数确定用户异常信息。2.根据权利要求1所述的一种异常行为检测方法，其特征在于，在所述基于所述静态能力变异指数、所述行动能力变异指数以及预设的用户所属画像的健康报警阈值确定用户异常信息的步骤前，还包括：获取用户的历史跌倒数据，并根据用户的历史跌倒数据确定用户的跌倒影响指数；所述基于所述静态能力变异指数、所述行动能力变异指数以及预设的用户所属画像的健康报警阈值确定用户异常信息的步骤，具体为：基于所述静态能力变异指数、所述行动能力变异指数、所述跌倒影响指数以及预设的用户所属画像的健康报警阈值确定用户异常信息。3.根据权利要求1所述的一种异常行为检测方法，其特征在于，在所述获取用户的加速度数据的步骤之后，还包括：利用低通滤波器对所述加速度数据处理，生成高频噪音过滤的加速度数据。4.根据权利要求1所述的一种异常行为检测方法，其特征在于，所述基于所述静态能力变异指数以及所述行动能力变异指数确定用户异常信息的步骤，具体包括：基于聚类算法并根据预设的用户基本信息确定用户的所属画像；根据所述用户的所属画像确定所述用户的健康阈值；基于所述静态能力变异指数、所述行动能力变异指数以及所述健康阈值确定用户异常信息。5.根据权利要求1所述的一种异常行为检测方法，其特征在于，所述根据预设的静态平衡能力评估模型以及所述加速度数据确定用户的静态能力变异指数的步骤，具体包括：基于预设的频率获取在预设的周期内获取用户重心的偏移量数据；计算在所述周期内用户重心的偏移量的平均值以及均方根值；根据所述周期内用户重心的均方根值确定当日静态平衡能力评估值；根据所述当日静态平衡能力评估值确定用户静态平衡能力曲线；根据用户静态平衡能力曲线计算用户的静态能力变异指数。6.根据权利要求1所述的一种异常行为检测方法，其特征在于，所述根据预设的行动能力评估模型以及所述加速度数据确定用户的行动能力变异指数的步骤具体包括：根据所述加速度数据确定用户的步幅、步数以及步频；确定用户的每日平均步幅、每日步数以及每日平均步频；根据所述用户的每日平均步幅、每日步数以及每日平均步频分别确定用户的步幅曲线、步数曲线以及步频曲线；2CN111466918A权利要求书2/2页根据步幅曲线、步数曲线以及步频曲线计算用户的行动能力变异指数。7.根据权利要求2所述的一种异常行为检测方法，其特征在于，所述用户的历史跌倒数据包括用户的跌倒日期；所述根据用户的历史跌倒数据确定用户的跌倒影响指数的步骤，具体包括：确定预设的日期内用户的跌倒次数；根据确定最近一次用户的跌倒日期确定用户的最近跌倒天数；根据所述跌倒次数以及所述最近跌倒天数确定用户的跌倒影响指数。8.一种异常行为检测装置，其特征在于，包括：加速度数据获取模块，用于获取用户的加速度数据；用户状态判断模块，用于根据所述加速度数据判断用户的运动状态；所述用户的运动状态包括行