本發(fā)明涉及數(shù)據(jù)處理，尤其涉及一種基于機器狗的健康監(jiān)測方法。
背景技術：
1、現(xiàn)有的可穿戴設備如智能手環(huán)、智能手表等，雖然在一定程度上實現(xiàn)了對用戶日常活動及部分健康指標的監(jiān)測，但仍存在一些局限性。例如，這些設備通常需要用戶長時間佩戴在手腕等特定部位，對于行動不便、認知障礙或?qū)ε宕髟O備存在抵觸情緒的用戶群體來說，使用體驗和監(jiān)測效果均受到較大影響。與此同時，機器人技術，特別是四足機器人（機器狗）技術的發(fā)展取得了顯著進展，機器狗具有高度的機動性、靈活性和環(huán)境適應能力，能夠在各種復雜地形和場景中自由移動和執(zhí)行任務，其搭載的多種傳感器，如加速度計、陀螺儀和攝像頭等，能夠?qū)崟r獲取周圍環(huán)境信息以及自身的運動狀態(tài)數(shù)據(jù)，這些特性使得機器狗在健康監(jiān)測領域具有巨大的應用潛力。然而，復雜背景或動態(tài)變化的環(huán)境可能會影響機器狗的監(jiān)測效果，導致誤判，例如，光流法對背景變化敏感，可能會產(chǎn)生噪聲；幀差法對于小幅度動作的檢測較為困難，在實際生活中，用戶所處的環(huán)境往往是復雜多變的，機器狗難以適應這些變化，從而影響監(jiān)測的準確性。
技術實現(xiàn)思路
1、針對現(xiàn)有使用可穿戴設備進行健康監(jiān)測存在的問題，本發(fā)明融合了機器狗的優(yōu)勢，提出了一種基于機器狗的健康監(jiān)測方法，所述方法包括：
2、步驟s1，利用機器狗的加速度計采集用戶在預設時間段的加速度數(shù)據(jù)，利用機器狗的陀螺儀采集用戶在預設時間段的角速度數(shù)據(jù)；
3、步驟s2，根據(jù)用戶在預設時間段的角速度數(shù)據(jù)，確定動態(tài)系數(shù)和角速度特征，生成旋轉度；
4、步驟s3，根據(jù)用戶在預設時間段的加速度數(shù)據(jù)，生成運動度；
5、步驟s4，在旋轉度超過旋轉閾值時或運動度超過運動閾值時，進行報警。
6、進一步地，步驟s2包括以下子步驟：
7、步驟s21，根據(jù)用戶在預設時間段內(nèi)i時刻的角速度，計算用戶在i時刻的片段系數(shù)；
8、步驟s22，用1減去用戶在i時刻的片段系數(shù)，得到用戶在i時刻的動態(tài)系數(shù)；
9、步驟s23，構建用戶在預設時間段的角速度特征；
10、步驟s24，根據(jù)用戶在i時刻的動態(tài)系數(shù)以及在預設時間段的角速度特征，得到旋轉度。
11、在本發(fā)明中，通過計算用戶在每個時刻（i時刻）的片段系數(shù)，能夠捕捉到用戶運動的局部細節(jié)特征，避免單一全局參數(shù)導致的特征丟失，類似“視頻幀分析”，每個時刻的片段系數(shù)相當于單幀特征，動態(tài)系數(shù)則整合了片段變化，提升了對復雜運動的解析能力。通過特征構建，系統(tǒng)能區(qū)分正常運動（如步行）與異常運動（如跌倒、抽搐等），提高對異常行為的敏感度。
12、進一步地，步驟s21中，用戶在i時刻的片段系數(shù)ki的計算方式為：，其中，pi-1表示用戶在i-1時刻的角速度值，pi+1表示用戶在i+1時刻的角速度值，pi表示用戶在i時刻的角速度值，表示將預設時間段劃分為若干個片段后截止至第j個片段的角速度均值，j表示劃分的片段數(shù)。
13、進一步地，步驟s23包括以下子步驟：
14、步驟s231，將用戶在i時刻的角速度轉換為角速度向量；
15、步驟s232，對所有時刻的角速度向量進行處理，得到特征表示序列；
16、步驟s233，生成隨機數(shù)，利用隨機數(shù)和特征表示序列，確定角速度特征。
17、在本發(fā)明中，將角速度從標量形式轉換為向量形式，通過處理所有時刻的角速度向量，生成特征表示序列，能夠捕捉到用戶運動的時間動態(tài)特性，特征表示序列可以通過降維算法將高維向量數(shù)據(jù)壓縮為低維特征，減少計算復雜度，通過隨機數(shù)對特征表示序列進行擾動或采樣，能夠提升算法對噪聲和異常點的魯棒性，避免過擬合。
18、進一步地，步驟s232中，利用最大池化操作對所有時刻的角速度向量進行處理，處理后轉換為特征表示序列，最大池化操作的處理方式為：，其中，g表示特征表示序列，w1表示用戶在第1時刻的角速度向量，w2表示用戶在第2時刻的角速度向量，wi表示用戶在第i時刻的角速度向量。
19、進一步地，步驟s233中，角速度特征w的計算方式為：，其中，tk表示特征表示序列的第k個值，ε表示隨機數(shù)，k表示特征表示序列的個數(shù)，max(·)表示取最大值。
20、進一步地，步驟s24中，旋轉度x的計算方式為：，其中，w表示角速度特征，a表示用戶在預設時間段的動態(tài)系數(shù)均值。
21、進一步地，步驟s3包括以下子步驟：
22、步驟s31，根據(jù)用戶在預設時間段內(nèi)i時刻的加速度，計算用戶在i時刻的融合指數(shù)；
23、步驟s32，將所有時刻的融合指數(shù)均值作為運動度。
24、在本發(fā)明中，通過融合指數(shù)，可以將用戶在x、y、z三軸的加速度數(shù)據(jù)整合為單一指標，融合指數(shù)的計算考慮了時間窗口，使用所有時刻的融合指數(shù)生成閾值，相當于利用了用戶運動的“全局模式”，而非單一時刻的異常值，從而減少因噪聲或短暫波動導致的誤報。
25、進一步地，步驟s31中，用戶在i時刻的融合指數(shù)ri的計算方式為：，其中，fxi表示用戶在i時刻時x方向的加速度，fyi表示用戶在i時刻時y方向的加速度，fzi表示用戶在i時刻時z方向的加速度，log2(·)表示對數(shù)函數(shù)，exp(·)表示指數(shù)函數(shù)，max(·)表示取最大值，min(·)表示取最小值。
26、本發(fā)明的有益技術效果為：本發(fā)明充分利用機器狗的傳感器優(yōu)勢，通過采集用戶的加速度數(shù)據(jù)和角速度數(shù)據(jù)，對用戶的運動狀態(tài)進行準確分析和評估，通過確定動態(tài)系數(shù)和角速度特征并生成旋轉度，以及根據(jù)加速度數(shù)據(jù)生成運動度，能夠全面且細致地反映用戶的運動情況和身體活動狀態(tài)，本發(fā)明在檢測到旋轉度超過預設的旋轉閾值或運動度超過預設的運動閾值時，及時進行摔倒報警，從而實現(xiàn)對用戶健康狀態(tài)的實時監(jiān)測和異常預警，為用戶的健康管理提供更加有效、便捷和智能的解決方案。
1.一種基于機器狗的健康監(jiān)測方法，其特征在于，所述方法包括：
2.根據(jù)權利要求1所述的方法，其特征在于，所述步驟s2進一步包括：
3.根據(jù)權利要求2所述的方法，其特征在于，所述步驟s21中，用戶在i時刻的片段系數(shù)ki的計算方式為：，其中，pi-1表示用戶在i-1時刻的角速度值，pi+1表示用戶在i+1時刻的角速度值，pi表示用戶在i時刻的角速度值，表示將預設時間段劃分為若干個片段后截止至第j個片段的角速度均值，j表示劃分的片段數(shù)。
4.根據(jù)權利要求2所述的方法，其特征在于，所述步驟s23進一步包括：
5.根據(jù)權利要求4所述的方法，其特征在于，所述步驟s232中，利用最大池化操作對所有時刻的角速度向量進行處理后，轉換為特征表示序列，最大池化操作的處理方式為：，其中，g表示特征表示序列，w1表示用戶在第1時刻的角速度向量，w2表示用戶在第2時刻的角速度向量，wi表示用戶在第i時刻的角速度向量。
6.根據(jù)權利要求4所述的方法，其特征在于，所述步驟s233中，角速度特征w的計算方式為：，其中，tk表示特征表示序列的第k個值，ε表示隨機數(shù)，k表示特征表示序列的個數(shù)，max(·)表示取最大值。
7.根據(jù)權利要求2所述的方法，其特征在于，所述步驟s24中，旋轉度x的計算方式為：，其中，w表示角速度特征，a表示用戶在預設時間段的動態(tài)系數(shù)均值。
8.根據(jù)權利要求1所述的方法，其特征在于，所述步驟s3包括以下子步驟：
9.根據(jù)權利要求8所述的方法，其特征在于，所述步驟s31中，用戶在i時刻的融合指數(shù)ri的計算方式為：，其中，fxi表示用戶在i時刻時x方向的加速度，fyi表示用戶在i時刻時y方向的加速度，fzi表示用戶在i時刻時z方向的加速度，log2(·)表示對數(shù)函數(shù)，exp(·)表示指數(shù)函數(shù)，max(·)表示取最大值，min(·)表示取最小值。