[发明专利]一种智能养老监控预警系统和方法

权利要求书

1.一种智能养老监控预警系统，其特征在于：包括图像采集模块、图像识别模块、决策模块和预警模块构成；

所述图像采集模块用于拍摄居家老人的日常生活图像；

所述图像识别模块用于对图像采集模块所采集的图像信息进行行为姿态识别，即通过对步态进行识别，即提取步态特征；

所述决策模块根据行为姿态识别结果判断是否有异常情况，且在有异常情况时发送预警信息至报警模块、家属的移动设备或/和者相关平台；

所述预警模块，其设置在居家老人的家中，当收到决策模块的预警信息时，进行报警，提醒老人停止当前动作，进行休息。

2.如权利要求1所述的一种智能养老监控预警系统，其特征在于：所述图像识别模块包括一卷积神经网络，该卷积神经网络包括顺次连接的卷积层、池化层和全连接层。

3.如权利要求2所述的一种智能养老监控预警系统，其特征在于：所述卷积层包括若干卷积核，每个卷积核生成对应的一个新的图像，每个新的图像对应一通道，当卷积内核的数量为m时，有m个相应的输出通道，将新的图像通过池化层后输出到全连接层；

原始图像大小为6x6，对应Y矩阵，使用三个3x3x3的卷积核处理，3个卷积核分别为N⁽¹⁾、N⁽²⁾、N⁽³⁾，使用该卷积核对图像进行处理的过程为公式一：

矩阵Y通过N^(k)转换为矩阵Z，具体参见公式二：

矩阵Y中Yij对应图像中[i,j]点的像素大小，N^(k)为对应的卷积核，本实施例中，卷积核为N⁽¹⁾、N⁽²⁾或N⁽³⁾，根据图片的特征，按照公式三设定值：

当步长为1时，计算矩阵Z，Z_ij通过公式四计算：

公式四中，HZ.sum(X)是对矩阵Y所有元素求和，sig(x)为激励函数，sig(x)通过公式五计算得到：

通过公式三计算得到三个不同的特征映射，将三个特征映射求和后代入公式五，得到图像点矩阵Z；

由公式三可知，若输入的图片矩阵为Y(m×n)，且由n个α×α(α∈N，α＜m)卷积核进行卷积处理，k个卷积核分别为N⁽¹⁾、N⁽²⁾，……，N^(k)，按照公式六计算N^(k)，按照公式七计算Y(m×n)：

公式七中，M1＝M-α+1,Zij通过公式八计算得到：

4.如权利要求3所述的一种智能养老监控预警系统，其特征在于：所述池化层用于对卷积后的数据进行以下处理：

6x6的图像经过卷积层后，得到4x4的像素值矩阵Z，若将每一帧图像变换成一些非重叠的2x2正方形区域，再通过步长为2的最大池化操作，可得2x2的F矩阵，F通过公式九计算得到：

公式九中的fij(或Fij)通过公式十计算得到：

F_ij＝HZ.max(Z[2*(i-1)：2*i，2*(j-1)：2*j])……公式十

卷积操作后计算得到矩阵Z(M₁×M₁)，将Z分解为b×b(b∈N，b＜M1)区域，通过最大池化后(步长为M1)，得到矩阵F(M₁×M₁)，该矩阵具体为公式十一：

M2＝M1/b，Fij通过公式十二计算得到：

F_ij＝HZ.max(Y[b*(i-1)：b*i，b*(j-1)：b*j])……公式十二。

5.如权利要求4所述的一种智能养老监控预警系统，其特征在于：所述全连接层用于将矩阵F(N₂×N₂)被转换成一维数组，包含原始图像信息的M(N₂×N₂)个特征值，所述数组对应于全连接层的输入层中的每个神经元，即输入层中的m个神经元，将数组输出至BP神经网络结构。