[发明专利]一种基于双手环传感器的智能远程特护监控系统及方法

说明书

技术领域

本发明涉及传感器信息处理和手势识别技术领域，特别是一种集于三维传感器数据建模结合，人机交互基于双手环传感器远程特护监控系统和方法。

背景技术

随着科技的不断发展，控制和传感器技术的不断提高，越来越多的设备采用了传感器进行采集观测人体行为特征。

目前市场上的智能手环，因其具有可穿戴、体积小、多传感器、蓝牙4.0无线传输等特点，使得智能设备进入人们的生活当中。通过手环和智能手机结合测量心跳，计步数和记录人体睡眠数据等信息。市场上的手环都是以单手环的形式存在，对于设备的控制来说，单手环姿势的识别范围小也缺乏稳定性。双手环的融合控制技术可以让用户体验到更多的手势控制，更高的稳定性是热切关心的话题。

针对这一需求，本发明提出了一种基于双手环传感器融合的特护监控方法及系统。该方法和系统是在基于双手环传感器融合的智能远程监控系统及其方法的基础上丰富算法深度，和协议架构，并通过无线传输模块实时传送数据，保证对被特护监控者的行为轨迹和预防跌倒的监控。随着物联网时代的成长，以及5G时代的到来，无线传输的微型化会给双手环发展带来更大的空间。

发明内容

本发明提出了一种基于双手环传感器融合的特护监控方法，该方法包括如下步骤：

步骤一：将双手环设分别置于人体上肢手腕处，利用所述双手环中的传感器采集人体上肢的运动信号，所述运动信号包括三维加速度信号和三维角速度信号；

步骤二：根据所述运动信号构造每个手环上的特征向量；所述特征向量包括人体的初始姿态，初始姿态为人体初始静止状态下的俯仰角、滚动角和偏航角，根据初始姿态计算传感器坐标系与地面坐标系的偏差量，利用偏差量修正手环传感器坐标系并生成变化后的特征向量，特征向量组成特征矩阵；

步骤三：将所述运动信号通过初级KALMAN滤波后进行处理得到人体手部的方位运动信息，用于构造手部动作特征向量；

步骤四：根据动态时间归整和隐马尔科夫模型加权算法判据得到人体手部的方位运动信息，得到判据信息；

步骤五：将双手环的三轴信息、判据信息、位置信息、环境温度信息和气压信息，通过无线传输模块，以LEDP协议用CJSON报文传送到云端服务器；

步骤六：云服务器端接收到信息，解析CJSON报文获得位置信息、判据信息、手部的方位运动信息，电脑终端或移动终端访问云服务器对被特护监护人进行监护。

本发明提出的所述基于双手环传感器融合的特护监控方法中，步骤六对被特护监护人进行监护的具体方式包括：对特护人的身体行为姿态活动特征进行监控，通过GPS位置信息电子围栏对特护人进行监控。

本发明提出的所述基于双手环传感器融合的特护监控方法中，三维加速度信号以如下公式表示：Y＝K*X+Offset，Y是传感器输出，X是真实的加速值，K是系数，Offset是加速度为0g时传感器的输出；三维角速度信号以如下公式表示：A＝ADCrate/L，A是输出值，ADCrate 是读出的各轴的值，L灵敏度从参数表查询。

本发明提出的所述基于双手环传感器融合的特护监控方法中，获取人体手部的方位运动信息的过程具体包含如下步骤：

步骤a1：所述传感器采集三轴加速度信号与三轴角速度信号，三轴分别为相互处置的X 轴、Y轴与Z轴；

步骤a2：存储所述三轴加速度信号与三轴角速度信号，构造每个手环的特征向量经过初态卡尔曼滤波和二次高斯协方差白噪声矩阵处理，得到人体手部的方位运动信息。

本发明提出的所述基于双手环传感器融合的特护监控方法中，基于HMM的DTW算法获取判据信息的过程具体包含如下步骤：

步骤b1：每个手环的所述特征向量经过初态卡尔曼滤波算法滤二次高斯协方差白噪声后，获得用于动态时间规整算法的样本序列；

步骤b2：通过手环传感器三轴加速计对人体加速度进行采样，并把采样获得的加速度信号转换成加速度信号幅值；

步骤b3：对加速度信号幅值进行端点检测，预测摔倒事件是否可能发生；设定当加速度信号幅值小于阈值认为可能会发生摔倒；

步骤b4：结合隐马尔科夫模型判决进行进一步判决，判决条件包括环境温度信息、气压信息、手部方位运动信息、人体行为习惯一致性特征。