(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210629727.0 (22)申请日 2022.06.06 (65)同一申请的已公布的文献号 申请公布号 CN 114999649 A (43)申请公布日 2022.09.02 (73)专利权人 广州培生智能科技有限公司 地址 510663 广东省广州市番禺区东环街 东星路95号 东星大厦6 06 (72)发明人 周健　李若云　雷东华　刘凯华　 胡丽坤　 (74)专利代理 机构 广州吱咕知识产权代理事务 所(普通合伙) 44848 专利代理师 姜建华 (51)Int.Cl. G16H 50/30(2018.01)G06N 3/04(2006.01) G06N 3/08(2006.01) G06V 40/20(2022.01) G06V 10/74(2022.01) G08B 21/04(2006.01) (56)对比文件 CN 10420 0076 A,2014.12.10 CN 113768517 A,2021.12.10 CN 1085976 09 A,2018.09.28 CN 110598549 A,2019.12.20 CA 2787624 A1,201 1.07.28 CN 109662708 A,2019.04.23 CN 113936795 A,202 2.01.14 审查员 肖均灵 (54)发明名称 一种基于深度学习的老人体征数据监控预 警方法和系统 (57)摘要 本申请揭示了一种基于深度学习的老人体 征数据监控 预警方法， 对样 本老人在进行预设的 第一活动的同时实施体征数据监控处理； 计算出 n个函数Q1、 Q2、 …、 Qn； 生成第一三维点集， 生成m 个Q(x)函数； 对样本老人在进行预设的第二活动 的同时实施体征数据监控处理； 计算出n个函数 R1、 R2、…、 Rn； 生成第二三维点集， 生成m个W(x) 函数； 得到m个训练用纠缠函数对； 生成多个样本 数据， 输入深度神经网络模型中进行训练； 得到m 个正式用纠缠函数对； 将m个正式用纠缠函数对 输入老人体征预警模型， 以得到输出结果， 并当 输出结果为体征异常时， 生成预警信号， 实现了 对于微弱异常信号下的老人体征 数据监控预警。 权利要求书4页 说明书15页 附图3页 CN 114999649 B 2022.12.27 CN 114999649 B 1.一种基于深度学习的老人体征 数据监控预警方法， 其特 征在于， 包括： S1、 采用预设的体征采集器， 在多个时间周期内， 分别 对样本老人在进行预设的第一活 动的同时实施体征数据监控处理， 以得到第一一体征数据集P1、 第一二体征数据集P2、 …、 第一n体征数据集Pn； 其中， n为大于2的整数， 体征数据集P1、 P2、 …、 Pn均在第一时间窗口内 采集得到； S2、 根据公式： 计算出n个函数Q1、 Q2、 …、 Qn； 其中， t为数 据采集时间， P0为预先采集的样本老人处于健康状态下进行第一活动时的体征数据集； Pi 指体征数据集P1、 P2、 …、 Pn中的第i个 体征数据集； S3、 以时间周期的编号为x轴， 数据采集时间为y轴， n个函数Q1、 Q2、 …、 Qn的值为Z轴， 从 而将n个函数Q 1、 Q2、…、 Qn投影入 预设的预先构建的空间直角坐标系中， 以生 成第一三维点 集， 并对第一三维点集按预设的m个数据采集时间点进行平面切分处理， 从而生成m个Q(x) 函数； m为大于2的整数； S4、 在多个时间周期内， 分别对样本老人在进行预设的第二活动的同时实施体征数据 监控处理， 以得到第二一体征数据集W1、 第二二体征数据集W2、 …、 第二n体征数据集Wn； 其 中， 体征数据集W 1、 W2、…、 Wn均在第二时间窗口内采集得到； 第二时间窗口的宽度与第一时 间窗口的宽度相同； S5、 根据公式： 计算出n个函数R1、 R2、 …、 Rn； 其中， t为 数 据采集时间， W0为预先采集的样本老人处于健康状态下进行第二活动时的体征数据集； Wi 指体征数据集W1、 W2、…、 Wn中的第i个 体征数据集； S6、 以时间周期的编号为x轴， 数据采集时间为y轴， n个函数R1、 R2、 …、 Rn的值为Z轴， 从 而将n个函数R1、 R2、 …、 Rn投影入 预设的预先构建的空间直角坐标系中， 以生 成第二三维点 集， 并对第二 三维点集按预设的m个数据采集时间点进行平面切分处 理， 生成m个W(x)函数； S7、 将m个Q(x)函数与m个W(x)函数按数据采集时间点的前后进行排序， 并将序号相同 的函数配对为训练用函数对， 得到m个训练用纠缠函数对； S8、 根据样本老人的健康状态， 对m个训练用纠缠函数对进行人工标注处理， 以标注上 正常标签或者异常标签， 从而生成一个样本数据； S9、 重复步骤S1 ‑S8， 从而生成多个样本数据， 并将多个样本数据划分为多个训练数据 和多个试验数据， 将多个训练数据输入预设的深度神经网络模型中进行训练， 以得到老人 体征预警模型； S10、 利用多个试验数据对老人体征预警模型进行验证， 并在验证通过的前提下， 对待 分析老人重复步骤S1 ‑S7， 以得到m个正式用纠缠函数对； S11、 将m个正式用纠缠函数对输入老人体征预警模型， 以得到输出结果， 并当输出结果 为体征异常时， 生成预警信号。 2.根据权利要求1所述的基于深度学习的老人体征数据监控预警方法， 其特征在于， 所 述利用多个试验数据对老人体征预警模型进行验证， 并在验证通过的前提下， 对待分析老 人重复步骤S1 ‑S7， 以得到m个正式用纠缠函数对的步骤S10， 包括：权　利　要　求　书 1/4 页 2 CN 114999649 B 2S101、 根据条件公式 进行筛选， 以从多个试验数据中选出满足条件公式的至少一个指定试验数据； 其中， δ 为预设的大于 0的参数； S102、 将至少一个指定试验数据输入老人体征预警模型中， 以得到至少一个试验输出 结果； S103、 判断试验输出 结果是否均为体征异常； S104、 若试验输出 结果均为体征异常， 则判定验证通过； S105、 对待分析老人重复步骤S1 ‑S7， 以得到m个正式用纠缠函数对。 3.根据权利要求1所述的基于深度学习的老人体征数据监控预警方法， 其特征在于， 所 述采用预设的体征采集器， 在多个时间周期内， 分别对样本老人在进行预设的第一活动的 同时实施体征数据监控处理， 以得到第一一体征数据集P1、 第一二体征数据集P2、 …、 第一n 体征数据集Pn的步骤S1之前， 包括： S001、 在同一个时间周期内， 对样本老人进行体征数据监控处理， 以获取样本老人在进 行老人保健操时对应的一号原始体征数据集， 并且获取样本老人在进 行老人广场舞时对应 的二号原始体征数据集； S002、 对一号原始体征数据集和二号原始体征数据集分别进行分段处理， 以得到多个 一号数据段序列和多个二号数据段序列； 其中， 每个一号数据段序列和每个二号数据段序 列的时间长度均相同； S003、 根据预设的相似数据比较方法， 对比一个一号数据段和一个二号数据段之间的 相似程度， 从而得到多个相似程度值； S004、 从多个相似程度值中选出最大相似程度值， 并将最大相似程度值对应的一号数 据段记为指定一 号数据段， 将最大相似程度值对应的二 号数据段记为指定二 号数据段； S005、 将指定一号数据段对应的活动记为第一活动， 将指定二号数据段对应的活动记 为第二活动。 4.根据权利要求3所述的基于深度学习的老人体征数据监控预警方法， 其特征在于， 所 述在同一个时间周期内， 对样本老人进行体征数据监控处理， 以获取样本老人在进行老人 保健操时对应的一号原始体征数据集， 并且获取样本老人在进行老人广场舞时对应的二号 原始体征数据集的步骤S0 01， 包括： S0011、 在同一个时间周期内， 采用预设的光线捕捉器， 对样本老人进行第一次光线捕 捉处理， 以得到第一姿态图像序列； S0012、 将第一姿态图像序列与预先采集的老人保健操动作图像序列进行对比， 以从第 一姿态图像序列中选出样本老人在进行老人保健操时对应的一 号姿态图像序列； S0013、 在一号姿态图像序列采集的同时， 对样本老人进行体征数据监控处理， 以获取权　利　要　求　书 2/4 页 3 CN 114999649 B 3