[发明专利]基于物联网和SVM分析的人体健康状态检测系统

说明书

技术领域

本发明涉及信息检测领域，具体是一种可实时监测人体特征信息的移动监测系统，结合了物联网技术和SVM分类，可以实时地对人体健康状态进行预警。

背景技术

体检的时候，身体各项指标正常，可是，后来却发现了癌症。难道人体从健康到癌变就没有任何的中间过程，我们是一下子就出现肿瘤的？答案当然是否定的。如果我们能够把从健康一直到肿瘤，这整个的发展过程，详细的表述出来，那么我们完全可以避免最终不治之症的悲剧。如果我们很清楚的知道自己处于疾病发展过程中的哪个位置，这也有助于我们更加正确的对待身体。疾病不是一天形成的，疾病的发展也是有迹可循的，基于此，本发明通过采集人体的生命特征信息来判断其是否处于健康状态，对人体的健康状态进行实时监测。

物联网(Internet of Things，IOT)是一个基于互联网、传统电信网等信息承载体，让所有能够被独立寻址的普通物理对象实现互联互通的网络。物联网一般为无线网，由于每个人周围的设备可以达到一千至五千个，所以物联网可能要包含500万亿至一千万亿个物体，在物联网上，每个人都可以应用电子标签将真实的物体上网联结，在物联网上都可以查找出它们的具体位置，根据传感器获取的参数可以了解每个物体的状态。

支持向量机SVM(Support Vector Machine)在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并能够推广应用到函数拟合等其它机器学习问题中.它是建立在统计学习理论的VC维理论和结构分险最小原理基础上的，主要基于以下三种考虑(1)基于结构风险最小化，通过最小化函数集的VC维来控制学习机器的结构风险，使其具有较强的推广能力.(2)通过最大化分类间隔(寻找最优分类超平面)来实现对VC维的控制，这是由统计学习理论的相关定理保证的.(3)而SVM在技术上采用核化技术，根据泛函中的Mercer定理，寻找一个函数(称核函数)将样本空间中内积对应于变换空间中的内积，即避免求非线形映射而求内积

目前已有的技术就是为人建立一个病历档案，或者是定期进行体检，但这并不能实时地对人体的健康情况进行检测和预警。

目前对人体特征检测的主要是采用图像处理的方法，图像处理虽然能够准确地提供较为详细的信息，但图像的传输需要耗费很大的带宽资源，分析图像特点信息更是需要大量的计算资源，而且图像分析只能应用与固定的场所，需要安装大量的摄像头来采集图片信息。

发明内容

本发明的目的在于提供一种基于物联网和SVM分类的可实时监控人体健康状态的系统。该系统通过使用传感器等相关技术采集人体的生命特征信息，运用一种SVM分类算法，来对人体的健康状态进行分类，从而实现有效的预警和监控。

实现本发明目的的技术方案为：一种基于物联网和SVM分析的人体健康状态检测系统，包括人体特征采集端10和数据中心端11；

人体特征采集端10包括传感器装置101、网络传输单元102和显示端口110，传感器装置101获取人体的特征参数，然后通过网络传输单元102实时地把数据流传输到数据中心端11，显示端口110用于接收数据中心端11反馈回来的结果进行输出；

数据中心端11包括预处理单元104、数据存储单元105、特征数据库106、已知特征库107、特征提取单元103、SVM分类器108和输出端口109；

数据中心端11接收到实时特征数据流后，通过预处理单元104对数据流进行比特压缩处理，然后把处理后的数据分别传送给数据存储单元105和SVM分类器108；

数据存储单元105负责对实时数据流进行缓冲，把经过预处理的数据存储到特征数据库106中，同时处理特征提取单元103对特征数据库106的信息访问要求；

特征提取单元103通过从特征数据库106中提取数据，采用自学习的方法提炼出判定规则，然后把规则存放到已知规则库107中；

SVM分类器108通过BRSVM算法基于已知规则库107对预处理单元104传输过来的数据流进行判定，得出结果，送到输出端口109，并把结果反馈到显示端口110，对用户进行提醒。

人体特征采集端10中的传感器装置101为穿戴式传感器装置，用于检测人体的体温、动脉收缩压和心跳指数人体特征参数。

SVM分类器108采用的BRSVM算法具体如下：

(1)对所采集的实时数据流进行标准化处理；设

I(v)＝int(Z×v)

其中，v是样本值，Z是放大标准化后的特征值的比例；I(v)将用于(2)中的比特压缩步骤；