基于物聯(lián)網(wǎng)和svm分析的人體健康狀態(tài)檢測系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及信息檢測領(lǐng)域，具體是一種可實時監(jiān)測人體特征信息的移動監(jiān)測系 統(tǒng)，結(jié)合了物聯(lián)網(wǎng)技術(shù)和SVM分類，可以實時地對人體健康狀態(tài)進(jìn)行預(yù)警。
【背景技術(shù)】
[0002] 體檢的時候，身體各項指標(biāo)正常，可是，后來卻發(fā)現(xiàn)了癌癥。難道人體從健康到癌 變就沒有任何的中間過程，我們是一下子就出現(xiàn)腫瘤的？答案當(dāng)然是否定的。如果我們能 夠把從健康一直到腫瘤，這整個的發(fā)展過程，詳細(xì)的表述出來，那么我們完全可以避免最終 不治之癥的悲劇。如果我們很清楚的知道自己處于疾病發(fā)展過程中的哪個位置，這也有助 于我們更加正確的對待身體。疾病不是一天形成的，疾病的發(fā)展也是有跡可循的，基于此， 本發(fā)明通過采集人體的生命特征信息來判斷其是否處于健康狀態(tài)，對人體的健康狀態(tài)進(jìn)行 實時監(jiān)測。
[0003] 物聯(lián)網(wǎng)（InternetofThings,I0T)是一個基于互聯(lián)網(wǎng)、傳統(tǒng)電信網(wǎng)等信息承載 體，讓所有能夠被獨立尋址的普通物理對象實現(xiàn)互聯(lián)互通的網(wǎng)絡(luò)。物聯(lián)網(wǎng)一般為無線網(wǎng)，由 于每個人周圍的設(shè)備可以達(dá)到一千至五千個，所以物聯(lián)網(wǎng)可能要包含500萬億至一千萬億 個物體，在物聯(lián)網(wǎng)上，每個人都可以應(yīng)用電子標(biāo)簽將真實的物體上網(wǎng)聯(lián)結(jié)，在物聯(lián)網(wǎng)上都可 以查找出它們的具體位置，根據(jù)傳感器獲取的參數(shù)可以了解每個物體的狀態(tài)。
[0004] 支持向量機SVM(SupportVectorMachine)在解決小樣本、非線性及高維模式識 別中表現(xiàn)出許多特有的優(yōu)勢，并能夠推廣應(yīng)用到函數(shù)擬合等其它機器學(xué)習(xí)問題中.它是建 立在統(tǒng)計學(xué)習(xí)理論的VC維理論和結(jié)構(gòu)分險最小原理基礎(chǔ)上的，主要基于以下三種考慮（1) 基于結(jié)構(gòu)風(fēng)險最小化，通過最小化函數(shù)集的VC維來控制學(xué)習(xí)機器的結(jié)構(gòu)風(fēng)險，使其具有較 強的推廣能力.（2)通過最大化分類間隔（尋找最優(yōu)分類超平面）來實現(xiàn)對VC維的控制， 這是由統(tǒng)計學(xué)習(xí)理論的相關(guān)定理保證的.（3)而SVM在技術(shù)上采用核化技術(shù)，根據(jù)泛函中的 Mercer定理，尋找一個函數(shù)（稱核函數(shù)）將樣本空間中內(nèi)積對應(yīng)于變換空間中的內(nèi)積，即避 免求非線形映射而求內(nèi)積
[0005]目前已有的技術(shù)就是為人建立一個病歷檔案，或者是定期進(jìn)行體檢，但這并不能 實時地對人體的健康情況進(jìn)行檢測和預(yù)警。
[0006]目前對人體特征檢測的主要是采用圖像處理的方法，圖像處理雖然能夠準(zhǔn)確地提 供較為詳細(xì)的信息，但圖像的傳輸需要耗費很大的帶寬資源，分析圖像特點信息更是需要 大量的計算資源，而且圖像分析只能應(yīng)用與固定的場所，需要安裝大量的攝像頭來采集圖 片信息。

【發(fā)明內(nèi)容】

[0007] 本發(fā)明的目的在于提供一種基于物聯(lián)網(wǎng)和SVM分類的可實時監(jiān)控人體健康狀態(tài) 的系統(tǒng)。該系統(tǒng)通過使用傳感器等相關(guān)技術(shù)采集人體的生命特征信息，運用一種SVM分類 算法，來對人體的健康狀態(tài)進(jìn)行分類，從而實現(xiàn)有效的預(yù)警和監(jiān)控。
[0008] 實現(xiàn)本發(fā)明目的的技術(shù)方案為：一種基于物聯(lián)網(wǎng)和SVM分析的人體健康狀態(tài)檢測 系統(tǒng)，包括人體特征采集端10和數(shù)據(jù)中心端11 ;
[0009] 人體特征采集端10包括傳感器裝置101、網(wǎng)絡(luò)傳輸單元102和顯示端口 110,傳感 器裝置101獲取人體的特征參數(shù)，然后通過網(wǎng)絡(luò)傳輸單元102實時地把數(shù)據(jù)流傳輸?shù)綌?shù)據(jù) 中心端11，顯示端口 110用于接收數(shù)據(jù)中心端11反饋回來的結(jié)果進(jìn)行輸出；
[0010] 數(shù)據(jù)中心端11包括預(yù)處理單元104、數(shù)據(jù)存儲單元105、特征數(shù)據(jù)庫106、已知特征 庫107、特征提取單元103、SVM分類器108和輸出端口 109;
[0011] 數(shù)據(jù)中心端11接收到實時特征數(shù)據(jù)流后，通過預(yù)處理單元104對數(shù)據(jù)流進(jìn)行比特 壓縮處理，然后把處理后的數(shù)據(jù)分別傳送給數(shù)據(jù)存儲單元105和SVM分類器108;
[0012] 數(shù)據(jù)存儲單元105負(fù)責(zé)對實時數(shù)據(jù)流進(jìn)行緩沖，把經(jīng)過預(yù)處理的數(shù)據(jù)存儲到特征 數(shù)據(jù)庫106中，同時處理特征提取單元103對特征數(shù)據(jù)庫106的信息訪問要求；
[0013] 特征提取單元103通過從特征數(shù)據(jù)庫106中提取數(shù)據(jù)，采用自學(xué)習(xí)的方法提煉出 判定規(guī)則，然后把規(guī)則存放到已知規(guī)則庫107中；
[0014]SVM分類器108通過BRSVM算法基于已知規(guī)則庫107對預(yù)處理單元104傳輸過來 的數(shù)據(jù)流進(jìn)行判定，得出結(jié)果，送到輸出端口 109,并把結(jié)果反饋到顯示端口 110,對用戶進(jìn) 行提醒。
[0015] 人體特征采集端10中的傳感器裝置101為穿戴式傳感器裝置，用于檢測人體的體 溫、動脈收縮壓和心跳指數(shù)人體特征參數(shù)。
[0016]SVM分類器108采用的BRSVM算法具體如下：
[0017] (1)對所采集的實時數(shù)據(jù)流進(jìn)行標(biāo)準(zhǔn)化處理；設(shè)
[0018]I(v) =int(ZXv)
[0019] 其中，V是樣本值，Z是放大標(biāo)準(zhǔn)化后的特征值的比例；I(V)將用于⑵中的比特 壓縮步驟；
[0020] (2)在比特壓縮過程中，假設(shè)b是將壓縮的比特數(shù)，則壓縮過程表示為：
[0021]I(V)，一I(V)>>b
[0022] 其中，k>>b表示將整數(shù)k右移b位，給定一個m維特征的樣本
[0023]Xi=(xn, xi2, xi3,......Xim),經(jīng)過比特壓縮后可表示為
[0024] I(Xi)'=(I(Xil)'，I(Xi2)'，......，I(Xim)'）；
[0025] (3)將樣本按照經(jīng)過比特壓縮后I(Xi)'的取值進(jìn)行聚合，具有相同I(Xi)'的樣 本落入同一個聚合集A中，A中的樣本可能分屬不同的類別；為此，對聚合集A中屬于各個 不同類別的樣本分別統(tǒng)計數(shù)量W并計算均值mean，在計算均值時使用樣本特征的原始值 (xn,xi2,......，Xj;隨后，屬于同一類別且具有相同I(Xi)'取值的樣本特征值由均值 mean替代，W則代表其權(quán)重；
[0026] (4)經(jīng)過比特壓縮后，原始樣本數(shù)據(jù)（Xi，yi)聚合為具有權(quán)重值W的新樣本數(shù)據(jù) (Xi，Yi)'，然后采用加權(quán)支持向量機分類器進(jìn)行分類判定，權(quán)重SVM算法將轉(zhuǎn)化為一般性 的二次優(yōu)化問題進(jìn)行解決。
[0027] 本發(fā)明與現(xiàn)有技術(shù)相比，其顯著優(yōu)點：（1)本發(fā)明通過穿戴式傳感器設(shè)備來實時 采集人體特征參數(shù)，采用實時分析數(shù)據(jù)流的方法來對人體的健康情況進(jìn)行判別，這樣不但 加快信息傳遞上的速度，極大地提高了效率。（2)本發(fā)明能應(yīng)用于移動場景之中，大大地拓 展了使用范圍。（3)本發(fā)明結(jié)合大數(shù)據(jù)分析和SVM分類的方法，保證判斷正確率。
【附圖說明】
[0028]圖1是人體健康狀態(tài)檢測系統(tǒng)控制元件的模塊框圖。
[0029] 圖2是基于樣本比特壓縮的BRSVM算法。
【具體實施方式】
[0030] 本發(fā)明具體實現(xiàn)的非限制性說明提供了一種能監(jiān)測人體健康情況的實時系統(tǒng)和 方法，自動采集人體的生命特征信息，自動分析，并反饋給相關(guān)用戶。作為一個智能化的系 統(tǒng)，它對源源不斷的數(shù)據(jù)流進(jìn)行訓(xùn)練分析，不斷優(yōu)化已有的特征庫，提高了識別的精度和準(zhǔn) 確率，從而促進(jìn)生命健康產(chǎn)業(yè)的發(fā)展。本發(fā)明在現(xiàn)實應(yīng)用中需要將無線網(wǎng)絡(luò)和物聯(lián)網(wǎng)相結(jié) 合，能夠自動實現(xiàn)對人體健康狀況24小時無縫隙的監(jiān)測，極大程度上從源頭上預(yù)防了大病 的發(fā)生，同時也能及時地發(fā)現(xiàn)疾病，也將極大了方便人們的生活。因此該系統(tǒng)具有非常良好 的應(yīng)用前景。
[0031] 主要包括以下步驟：
[0032] 1)根據(jù)采集模塊獲取脈搏、體溫等生命特征參數(shù)；
[0033] 2)參數(shù)將通過網(wǎng)絡(luò)模塊傳送給遠(yuǎn)程工作站，作為后臺系統(tǒng)輸入；
[0034] 3)預(yù)處理進(jìn)行比特壓縮，然后進(jìn)行聚合；
[0035] 4)基于已知特征庫，SVM分類器對輸入數(shù)據(jù)進(jìn)行判斷；
[0036] 5)相關(guān)數(shù)據(jù)將被儲存在特征數(shù)據(jù)庫中，用于后期進(jìn)行數(shù)據(jù)分析，動態(tài)更新特征庫。
[0037] 6)輸出模塊、反饋給相關(guān)用戶。
[0038] 下面結(jié)合附圖對本發(fā)明做進(jìn)一步說明。
[0039] 人體的狀況具體分為健康、非健康2個狀態(tài)，主要通過體溫、心跳、脈搏等參數(shù)進(jìn) 行判定。
[0040] 參照圖1，人體健康狀態(tài)檢測系統(tǒng)一般包括人體特征采集端10和數(shù)據(jù)中心端11兩 部分。人體特征信息采集段主要通過穿戴式傳感器裝備來采集相關(guān)特征信息，例如：體溫、 脈搏、心跳等。生命體征采集裝置可以是其他廠商提供的標(biāo)準(zhǔn)監(jiān)控設(shè)備。數(shù)據(jù)中心端11主 要完成對人體采集端10傳送過來的數(shù)據(jù)的存儲、分析和反饋。下面具體介紹其組成。
[0041]參照圖1，顯示了人體健康狀態(tài)檢測系統(tǒng)控制元件的模塊框圖，一種基于物聯(lián)網(wǎng)和 SVM分析的人體健康狀態(tài)檢測系統(tǒng)，特征在于：包括人體特征采集端10、數(shù)據(jù)中心端11。
[0042] 人體特征采集端10通過穿戴式傳感器裝置101獲取人體的特征參數(shù)，然后通過 網(wǎng)絡(luò)傳輸單元102實時地把數(shù)據(jù)流傳輸?shù)綌?shù)據(jù)中心端11。數(shù)據(jù)中心端11包括預(yù)處理單元 104、數(shù)據(jù)存儲單元105、特征數(shù)據(jù)庫106、已知特征庫107、特征提取單元103、SVM分類器 108、輸出端口 109。數(shù)據(jù)中心端11接收到實時特征數(shù)據(jù)流后，通過預(yù)處理單元104對數(shù)據(jù) 流進(jìn)行比特壓縮處理，然后把數(shù)據(jù)分別傳送給數(shù)據(jù)存儲單元105和SVM分類器108。數(shù)據(jù)存 儲單元105負(fù)責(zé)對實時數(shù)據(jù)流進(jìn)行緩沖，把經(jīng)過預(yù)處理的數(shù)據(jù)存儲到特征數(shù)據(jù)庫106中，同 時處理其他部件對數(shù)據(jù)庫的信息訪問要求。特征提取