CN116052378B - 一种基于多阶段用户适配的报警分析方法及系统 - Google Patents

Abstract

本发明提供了一种基于多阶段用户适配的报警分析方法及系统，涉及数据处理技术领域，方法包括：根据康复设备的数据采集终端对用户进行数据采集，并进行报警阈值计算，输出第一报警阈值，根据加速度传感器对用户进行特征动作捕捉，获取用户使用康复设备的历史治疗数据集后进行用户阶段分析，生成阶段阈值调整区间，对第一报警阈值进行动态调整，输出第二报警阈值，将实时腿部肌力数据集、实时电机数据集以及用户特征动作集输入报警识别模型中进行报警判断，输出第一报警信号，本发明解决了现有技术中对用户动作判断不及时，使得最终无法准确对用户进行适配报警的技术问题，实现了对用户进行多阶段适配分析，进而提高报警准确率。

Description

一种基于多阶段用户适配的报警分析方法及系统

技术领域

本发明涉及数据处理技术领域，具体涉及一种基于多阶段用户适配的报警分析方法及系统。

背景技术

随着科学技术的发展，对于康复患者多采用康复医疗设备来进行治疗，结合计算机的应用能够提高康复效果，为了治疗过程的安全性，目前大部分的下肢康复医疗设备在治疗康复患者的过程中若出现异常情况，设备根据定义的报警阈值去判定，当设备达到报警阈值后，设备自动紧急停止并报警。这种安全辅助判定由于各个康复患者的个体差异不同，肌张力也有所不同，所以并不能很好的适配各个阶段的康复患者以及对患者的安全进行有效的保障。本发明解决了现有技术中对用户动作判断不及时，使得最终无法准确对用户进行适配报警的技术问题，实现了对用户进行多阶段适配分析，进而提高报警准确率。

发明内容

本申请提供了一种基于多阶段用户适配的报警分析方法及系统，用于针对解决现有技术中存在的对用户动作判断不及时，使得最终无法准确对用户进行适配报警的技术问题。

鉴于上述问题，本申请提供了一种基于多阶段用户适配的报警分析方法及系统。

第一方面，本申请提供了一种基于多阶段用户适配的报警分析方法，所述方法包括：根据所述第一康复设备的数据采集终端对第一用户进行数据采集，得到腿部肌力数据集、电机电流数据集以及电机转速数据集；通过对所述腿部肌力数据集、电机电流数据集以及电机转速数据集进行报警阈值计算，输出第一报警阈值；根据所述加速度传感器对所述第一用户进行特征动作捕捉，获取用户特征动作集；获取所述第一用户使用所述第一康复设备的历史治疗数据集；根据所述历史治疗数据集进行用户阶段分析，生成阶段阈值调整区间；按照所述阶段阈值调整区间对所述第一报警阈值进行动态调整，输出第二报警阈值；将实时腿部肌力数据集、实时电机数据集以及用户特征动作集输入报警识别模型中进行报警判断，输出第一报警信号，其中，所述报警识别模型包括所述第二报警阈值。

第二方面，本申请提供了一种基于多阶段用户适配的报警分析系统，所述系统包括：数据采集模块，所述数据采集模块用于根据所述第一康复设备的数据采集终端对第一用户进行数据采集，得到腿部肌力数据集、电机电流数据集以及电机转速数据集；报警阈值计算模块，所述报警阈值计算模块用于通过对所述腿部肌力数据集、电机电流数据集以及电机转速数据集进行报警阈值计算，输出第一报警阈值；特征动作捕捉模块，所述特征动作捕捉模块用于根据所述加速度传感器对所述第一用户进行特征动作捕捉，获取用户特征动作集；数据集获得模块，所述数据集获得模块用于获取所述第一用户使用所述第一康复设备的历史治疗数据集；用户阶段分析模块，所述用户阶段分析模块用于根据所述历史治疗数据集进行用户阶段分析，生成阶段阈值调整区间；动态调整模块，所述动态调整模块用于按照所述阶段阈值调整区间对所述第一报警阈值进行动态调整，输出第二报警阈值；报警判断模块，所述报警判断模块用于将实时腿部肌力数据集、实时电机数据集以及用户特征动作集输入报警识别模型中进行报警判断，输出第一报警信号，其中，所述报警识别模型包括所述第二报警阈值。

本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：

本申请提供的一种基于多阶段用户适配的报警分析方法，涉及数据处理技术领域，解决了现有技术中对用户动作判断不及时，使得最终无法准确对用户进行适配报警的技术问题，实现了对用户进行多阶段适配分析，进而提高报警准确率。

附图说明

图1为本申请提供了一种基于多阶段用户适配的报警分析方法流程示意图；

图2为本申请提供了一种基于多阶段用户适配的报警分析方法中数据存储区块流程示意图；

图3为本申请提供了一种基于多阶段用户适配的报警分析方法中输出第一报警阈值流程示意图；

图4为本申请提供了一种基于多阶段用户适配的报警分析方法中获取用户特征动作集流程示意图；

图5为本申请提供了一种基于多阶段用户适配的报警分析方法中输出第一报警信号流程示意图；

图6为本申请提供了一种基于多阶段用户适配的报警分析系统结构示意图。

附图标记说明：数据采集模块1，报警阈值计算模块2，特征动作捕捉模块3，数据集获得模块4，用户阶段分析模块5，动态调整模块6，报警判断模块7。

具体实施方式

本申请通过提供一种基于多阶段用户适配的报警分析方法及系统，用于解决现有技术中对用户动作判断不及时，使得最终无法准确对用户进行适配报警的技术问题。

实施例一

如图1所示，本申请实施例提供了一种基于多阶段用户适配的报警分析方法，该方法应用于多阶段用户适配的报警分析系统，多阶段用户适配的报警分析系统与第一康复设备和加速度传感器通信连接，该方法包括：

步骤S100：根据所述第一康复设备的数据采集终端对第一用户进行数据采集，得到腿部肌力数据集、电机电流数据集以及电机转速数据集；

具体而言，本申请实施例提供的一种基于多阶段用户适配的报警分析方法应用于多阶段用户适配的报警分析系统，多阶段用户适配的报警分析系统与第一康复设备和加速度传感器通信连接，该第一康复设备和加速度传感器用于进行第一用户数据的采集。

第一用户的定位为不同阶段康复患者，由于目前由于患者各阶段的恢复状态不同，因此需要通过当前系统所连接的第一康复设备的数据采集终端对第一用户进行数据采集，其数据采集是通过对第一用户的实时训练方式进行获取，在第一用户的实时训练方式中存在对第一用户的腿部肌力数据、第一康复设备的电机电流数据、第一康复设备的电机转速数据，同时对所获取的第一用户的实时训练方式是否为交替训练方式进行判断，若第一用户的实时训练方式为交替训练方式，则与交替训练方式的数量对应生成同等数量的数据存储区块，最终从数据存储区块中获得腿部肌力数据集、电机电流数据集以及电机转速数据集，为后期实现对多阶段用户进行适配报警作为重要参考依据。

步骤S200：通过对所述腿部肌力数据集、电机电流数据集以及电机转速数据集进行报警阈值计算，输出第一报警阈值；

具体而言，在上述所获腿部肌力数据集、电机电流数据集以及电机转速数据集的基础上，由于每个数据集均存在均值及最大值，因此需要对各个数据设定报警阈值，即在所生成的多个数据存储区块中包含的数据项中，对腿部肌力数据集、电机电流数据集以及电机转速数据集分别根据其影响程度对应分配权重，进一步的，将具有权重值的腿部肌力数据集、电机电流数据集以及电机转速数据集进行归一化计算后，进行相应输出，最终基于输出结果对所设定的报警阈值进行计算，其所设定的报警阈值可以根据康复设备的数据采集终端来对下肢康复用户进行实时的电机电流、电机转速和腿部肌力的采集，实现肌力评估，得到实时肌力评估数据进行初步报警阈值的分配和设定，继而输出第一报警阈值，为实现对多阶段用户进行适配报警做保障。

步骤S300：根据所述加速度传感器对所述第一用户进行特征动作捕捉，获取用户特征动作集；

具体而言，由于不同用户所存在的动作特征也不尽相同，因此需要通过加速度传感器对第一用户进行运动识别，从而对第一用户当前的运动加速度信息进行对应获取，再基于所获取的运动加速度信息进行单个动作的捕捉分析，对所捕捉到的第一用户动作类型进行坐标分量，同时基于第一用户的多个耽搁动作分别输出基于x轴、y轴、z轴的高频分量，即第一用户动作的频繁度，进一步的，对多个动作进行频繁度的预设，则当第一用户的某个单动作频繁度大于预设频繁度时，则将当前第一用户的对应动作归为用户特征动作集中进行完善，为后续实现对多阶段用户进行适配报警夯实基础。

步骤S400：获取所述第一用户使用所述第一康复设备的历史治疗数据集；

具体而言，为了更好的对不同用户所对应的不同康复阶段进行更精确的适配报警，因此需要对每个用户所对应使用的康复设备中的历史治疗数据进行获取，其中，所获历史治疗数据与用户为一一对应的关系，且在历史治疗数据中可以包含用户在各个治疗阶段中所表现出不同的肌力变化、电机电流变化和特定动作变化的数据，从而将其进行汇总整合后对应获得第一用户使用第一康复设备的历史治疗数据集，为实现对多阶段用户进行适配报警有着推进的作用。

步骤S500：根据所述历史治疗数据集进行用户阶段分析，生成阶段阈值调整区间；

具体而言，由于在所采集到的第一用户使用第一康复设备的历史治疗数据集中包含第一用户在康复过程中的各个阶段的数据，由于不同的治疗阶段的康复目标与侧重点的不同，因此其所对应的阶段阈值也不同，进一步的，在所获历史治疗数据集的基础上对所对应的用户进行当前用户阶段的分析，即当前用户处于康复治疗中的哪一个阶段，同时根据当前用户所处阶段所需的治疗数据与该阶段所对应的阶段阈值相匹配，从而对阶段阈值调整区间进行生成，为后期实现对多阶段用户进行适配报警有着深远的影响。

步骤S600：按照所述阶段阈值调整区间对所述第一报警阈值进行动态调整，输出第二报警阈值；

具体而言，以对历史治疗数据集进行用户阶段分析所生成的阶段阈值调整区间为基础，并按照该阶段阈值调整区间对上述所输出的第一报警阈值进行动态调整，该动态调整是指根据用户在各个治疗阶段中腿部肌力变化、电机电流变化、特定动作变化以及电机转速变化所对应每个阶段的于腿部肌力报警阈值、电机电流报警阈值、动作报警阈值以及电机转速变化报警阈值进行适应性调整，并将调整后的报警阈值记作第二报警阈值进行输出，为实现对多阶段用户进行适配报警有着限制的作用。

步骤S700：将实时腿部肌力数据集、实时电机数据集以及用户特征动作集输入报警识别模型中进行报警判断，输出第一报警信号，其中，所述报警识别模型包括所述第二报警阈值。

具体而言，首先对报警识别模型进行搭建，该报警识别模型为三层全连接的神经网络，其报警识别模型包含对肌力、电机以及特定动作进行报警识别，进一步的，将实时腿部肌力数据集、实时电机数据集以及用户特征动作集一同输入至所搭建的报警识别模型进行在第二报警阈值内的识别，从而对应获取肌力识别结果、电机识别结果和特定动作识别结果，若所获三者均对报警进行出发，则对第一报警信号进行输出，实现了对用户进行多阶段适配分析，进而提高报警准确率

进一步而言，如图2所示，本申请步骤S100还包括：

步骤S110：获取所述第一用户的实时训练方式；

步骤S120：判断所述第一用户的实时训练方式是否为交替训练方式，若所述第一用户的实时训练方式为交替训练方式，生成第一数据存储区块和第二数据存储区块；

步骤S130：其中，所述第一数据存储区块用于存储所述第一用户的正向腿部肌力数据集、正向电机电流数据集以及正向电机转速数据集；

步骤S140：所述第二数据存储区块用于存储所述第一用户的反向腿部肌力数据集、反向电机电流数据集以及反向电机转速数据集。

具体而言，对第一用户所实时使用的训练方式进行采集，其训练方式可以包含单项训练方式、交替训练方式等，进一步的对第一用户的实时训练方式是否为交替训练方式进行判断，交替训练方式是指在一个康复阶段中用户基于两个训练方向交替进行，若第一用户的实时训练方式被判定为交替训练方式，则对不同的训练方式对应生成一数据存储区块，从而对应生成第一数据存储区块以及第二数据存储区块，其中，第一数据存储区块用于存储第一用户的正向腿部肌力数据集、正向电机电流数据集以及正向电机转速数据集，第二数据存储区块用于存储第一用户的反向腿部肌力数据集、反向电机电流数据集以及反向电机转速数据集，同时对顺时针规定为正向训练、逆时针规定为反向训练，在此基础上进行整合，获得腿部肌力数据集、电机电流数据集以及电机转速数据集，达到为后期实现对多阶段用户进行适配报警提供重要依据的技术效果。

进一步而言，如图3所示，本申请步骤S200还包括：

步骤S210：以所述第一数据存储区块的数据项与所述第二数据存储区块的数据项，搭建优序图权重表；

步骤S220：采用优序图算法对所述优序图权重表进行归一化计算，输出所述第一数据存储区块的数据项与所述第二数据存储区块的数据项，分别对应的权重配置结果；

步骤S230：基于所述权重配置结果进行报警阈值计算，输出第一报警阈值。

具体而言，在第一数据存储区块的数据项与所述第二数据存储区块的数据项的基础上，对专家针对正反向电机电流的均值、正反向电机电流的最大值、正反向电机转速的均值、正反向电机电流的最大值、正反向腿部肌力的均值、正反向腿部肌力的最大值进行评分，从而完成优序图权重表的搭建，首先通过优序图算法对所有参数先进行平均值计算，然后两两参数进行比较，示例性的，若参数A比参数B重要，则参数A得1分；若同等重要，则参数A得0.5分；若参数B比参数A重要，则A得0分，计算出优序图权重，再通过优序图算法对所计算出的优序图权重表进行归一化的处理计算，其计算公式如下：

其中，

为第n个参数的权重，b为n对应的参数，n为参数序号。

从而通过权重计算公式计算出第一数据存储区块的数据项与第二数据存储区块的数据项所分别对应的权重配置结果，在此基础上对报警阈值进行计算，示例性的，当训练只有正向训练或反向训练时，此时所采集的报警值越趋近0.5则将其视为触发报警，若报警值＞0.4时则认为触发报警，其对应的报警阈值为0.4，报警区间为0.25-0.5。当存在正反向训练交替的训练时，此时采集的报警值越趋近于1则将其视为触发报警，若报警值＞0.8则认为触发报警，其对应的报警阈值为0.8，报警区间为0.5-1，进而将所计算出的报警阈值记作第一报警阈值进行输出，以保证在对多阶段用户进行适配报警时的高效性。

进一步而言，如图4所示，本申请步骤S300还包括：

步骤S310：根据所述加速度传感器对所述第一用户进行运动识别，得到第一加速度信号和第一加速度数值；

步骤S320：对所述第一加速度信号和所述第一加速度数值进行单动作捕捉分析，输出单动作捕捉类型；

步骤S330：通过对所述单动作捕捉类型进行坐标分量，分别输出基于x轴、y轴、z轴的高频分量；

步骤S340：当基于x轴、y轴、z轴的任一高频分量超过预设高频分量时，获取用户特征动作集。

具体而言，通过加速度传感器对当前第一用户的运动动作进行识别，从而获得与之对应康复设备的加速度信号以及第一用户当前动作的加速度数值，在此基础上对第一用户运动过程中的单个动作进行捕捉分析，示例性的，单个动作捕捉分析可以是捕捉到特定动作且实时电机电流与腿部肌张力都达到报警阈值时，也可以是持续捕捉到特定动作至少连续三次或是预设次数阈值时，还可以是捕捉到至少一次特定动作且腿部肌张力与实时电机电流为一个区间时，从而对所捕捉的单个动作的单动作捕捉类型进行输出，进一步的，对所获单动作捕捉类型进行坐标分量，即通过识别加速度值以及加速度信号，识别出当前单个动作的方向可以是±X、±Y、±Z六个方向，其中，±X、±Y、±Z根据人体佩戴的方向可以分别对应前后左右上下6个方向维度，其单动作捕捉的类型可以是前到后的方向维度、前到左的方向维度、前到右的方向维度、前到上的方向维度、前到下的方向维度、后到前的方向维度、后到左的方向维度、后到右的方向维度、后到上的方向维度、后到下的方向维度、左到前的方向维度、左到后的方向维度、左到右的方向维度、左到上的方向维度、左到下的方向维度、右到前的方向维度、右到后的方向维度、右到左的方向维度、右到上的方向维度、右到下的方向维度、上到前的方向维度、上到后的方向维度、上到左的方向维度、上到右的方向维度、上到下的方向维度、下到前的方向维度、下到后的方向维度、下到左的方向维度、下到右的方向维度、下到上的方向维度，并对以上方向维度进行频次统计，从而分别对基于X轴、Y轴、Z轴的高频分量进行输出，并对以上方向维度进行频次预设，当可识别出施加到 X、 Y或 Z 轴的加速度的高频分量超过预设频次阈值时，其中所获预设迭代阈值可以是250 mg，将其进行整合后记作用户特征动作集，最终达到对多阶段用户进行适配报警提供参考的技术效果。

进一步而言，如图5所示，本申请步骤S700还包括：

步骤S710：搭建所述报警识别模型，其中，所述报警识别模型为三层全连接的神经网络，包括肌力报警识别、电机报警识别以及特定动作报警识别；

步骤S720：将所述实时腿部肌力数据集、所述实时电机数据集以及所述用户特征动作集输入所述报警识别模型进行识别，获取肌力识别结果、电机识别结果和特定动作识别结果；

步骤S730：若所述肌力识别结果、所述电机识别结果且所述特定动作识别结果均触发报警，输出所述第一报警信号。

具体而言，首先对报警识别模型进行搭建，该报警识别模型为三层全连接的神经网络，所述报警识别模型通过训练数据集和监督数据集训练获得，其中，所述训练数据集中的每组训练数据均可对肌力、电机以及特定动作进行报警识别；所述监督数据集为与所述训练数据集一一对应的监督数据。

其报警识别模型构建过程为：将训练数据集中每一组训练数据输入报警识别模型，通过这组训练数据对应的监督数据进行报警识别模型的输出监督调整，当报警识别模型的输出结果与监督数据一致，则当前组训练结束，将训练数据集中全部的训练数据均训练结束，则报警识别模型训练完成。

为了保证报警识别模型的准确性，可以通过测试数据集进行报警识别模型的测试处理，举例而言，测试准确率可以设定为90%，当测试数据集的测试准确率满足90%时，则报警识别模型搭建完成。

进一步的，对当前所输入的判断实时腿部肌力数据集、实时电机数据集是否大于所述第二报警阈值进行判断，若实时腿部肌力数据集、实时电机数据集大于所述第二报警阈值，则对应触发肌力报警以及电机报警，同时对用户特征动作集是否为空进行判断，若用户特征动作集不为空，则对应触发特定动作报警。

若肌力识别结果、电机识别结果且特定动作识别结果均任一结果未触发报警，则对用户特征动作集进行持续性分析，判断当前系统是否持续捕捉到特定动作，若持续捕捉到特定动作则对应输出第一报警信号，最终达到对多阶段用户进行适配报警的技术效果。

进一步而言，本申请步骤S730包括：

步骤S731：将所述实时腿部肌力数据集和所述实时电机数据集输入所述报警识别模型；

步骤S732：判断所述实时腿部肌力数据集是否大于所述第二报警阈值，若所述实时腿部肌力数据集大于所述第二报警阈值，触发肌力报警；

步骤S733：判断所述实时电机数据集是否大于所述第二报警阈值，若所述实时电机数据集大于所述第二报警阈值，触发电机报警；

步骤S734：判断所述用户特征动作集是否为空，若所述用户特征动作集不为空，触发特定动作报警。

具体而言，通过对所获实时腿部肌力数据集和实时电机数据集输入至所搭建的报警识别模型中，同时对所输入实时腿部肌力数据集、实时电机数据集是否大于按照阶段阈值调整区间对所述第一报警阈值进行动态调整所输出的第二报警阈值进行判断，示例性的，当第二报警阈值调整至0.8时，若实时腿部肌力数据集、实时电机数据集大于第二报警阈值，则相应触发肌力报警、电机报警，进一步的，对用户特征动作集中的动作是否为空进行判断，若用户特征动作集不为空，则视为当前用户处于运动状态，同时触发对应特定动作报警，达到对多阶段用户进行适配报警的技术效果。

进一步而言，本申请步骤S730包括：

步骤S735：若所述肌力识别结果、所述电机识别结果且所述特定动作识别结果均任一结果未触发报警，对所述用户特征动作集进行持续性分析，判断是否持续捕捉到特定动作，若持续捕捉到特定动作输出第一报警信号。

具体而言，当所获肌力识别结果、电机识别结果且特定动作识别结果中存在任一结果未触发报警，则需要对用户特征动作集进行持续性分析，即对系统是否捕捉到一次特定动作进行判断，若系统当前捕捉到一次特定动作，则对实时腿部肌力数据集以及实时电机数据集进行持续性分析，即当前腿部肌力数据以及电机数据是否为持续生成状态，从而对实时腿部肌力数据集所对应的肌力持续性结果以及实时电机数据集所对应的电机持续性结果进行获取，并对于肌力持续性结果和电机持续性结果所对应的报警区间进行预设，即对肌力持续性结果和电机持续性结果的临界值进行设定判断当前系统是否持续捕捉到特定动作，当肌力持续性结果处于所对应的第一预设区间，且电机持续性结果处于所对应的第二预设区间时，则视为持续捕捉到特定动作，并对第一报警信号进行输出，达到对生产优化管理提供参考的技术效果。

进一步而言，本申请步骤S735包括：

步骤S7351：判断是否捕捉到一次特定动作，若捕捉到一次特定动作，对所述实时腿部肌力数据集和所述实时电机数据集进行持续性分析，得到肌力持续性结果和电机持续性结果；

步骤S7352：当所述肌力持续性结果处于第一预设区间，且所述电机持续性结果处于第二预设区间，输出第一报警信号。

具体而言，当肌力识别结果、电机识别结果且特定动作识别结果均任一结果未触发报警时，首先对当前系统是否捕捉到至少一次的特定动作，从而对当前用户运动情况进行判断，当系统存在捕捉到至少一次的特定动作时，对实时腿部肌力数据集以及实时电机数据集进行持续性的分析，即对所采集到的实时腿部肌力数据集和实时电机数据集在所捕捉的动作中是否连续进行分析，进一步的，对具有持续性质的肌力持续性结果以及电机持续性结果进行判断，若所获肌力持续性结果处于第一预设区间的同时电机持续性结果处于第二区间时，对第一报警信号进行输出，示例性的，若当前预设报警区间为0.65，而当前训练设置的0.5S一圈，那么当持续检测到报警阈值在0.5-1之前且通过重力加速度传感器检测特定动作则会对设备进行紧急停止并报警，从而达到了多阶段用户适配报警的技术效果。

实施例二

基于与前述实施例中一种基于多阶段用户适配的报警分析方法相同的发明构思，如图6所示，本申请提供了一种基于多阶段用户适配的报警分析系统，系统包括：

数据采集模块1，所述数据采集模块1用于根据所述第一康复设备的数据采集终端对第一用户进行数据采集，得到腿部肌力数据集、电机电流数据集以及电机转速数据集；

报警阈值计算模块2，所述报警阈值计算模块2用于通过对所述腿部肌力数据集、电机电流数据集以及电机转速数据集进行报警阈值计算，输出第一报警阈值；

特征动作捕捉模块3，所述特征动作捕捉模块3用于根据所述加速度传感器对所述第一用户进行特征动作捕捉，获取用户特征动作集；

数据集获得模块4，所述数据集获得模块4用于获取所述第一用户使用所述第一康复设备的历史治疗数据集；

用户阶段分析模块5，所述用户阶段分析模块5用于根据所述历史治疗数据集进行用户阶段分析，生成阶段阈值调整区间；

动态调整模块6，所述动态调整模块6用于按照所述阶段阈值调整区间对所述第一报警阈值进行动态调整，输出第二报警阈值；

报警判断模块7，所述报警判断模块7用于将实时腿部肌力数据集、实时电机数据集以及用户特征动作集输入报警识别模型中进行报警判断，输出第一报警信号，其中，所述报警识别模型包括所述第二报警阈值。

进一步而言，系统还包括：

实时训练方式获得模块，所述实时训练方式获得模块用于获取所述第一用户的实时训练方式；

第一判断模块，所述第一判断模块用于判断所述第一用户的实时训练方式是否为交替训练方式，若所述第一用户的实时训练方式为交替训练方式，生成第一数据存储区块和第二数据存储区块；

第一数据存储区块模块，所述第一数据存储区块模块用于其中，所述第一数据存储区块用于存储所述第一用户的正向腿部肌力数据集、正向电机电流数据集以及正向电机转速数据集；

第二数据存储区块模块，所述第二数据存储区块模块用于所述第二数据存储区块用于存储所述第一用户的反向腿部肌力数据集、反向电机电流数据集以及反向电机转速数据集。

进一步而言，系统还包括：

优序图权重表搭建模块，所述优序图权重表搭建模块用于以所述第一数据存储区块的数据项与所述第二数据存储区块的数据项，搭建优序图权重表；

第一计算模块，所述第一计算模块用于采用优序图算法对所述优序图权重表进行归一化计算，输出所述第一数据存储区块的数据项与所述第二数据存储区块的数据项，分别对应的权重配置结果；

第二计算模块，所述第二计算模块用于基于所述权重配置结果进行报警阈值计算，输出第一报警阈值。

进一步而言，系统还包括：

运动识别模块，所述运动识别模块用于根据所述加速度传感器对所述第一用户进行运动识别，得到第一加速度信号和第一加速度数值；

单动作捕捉分析模块，所述单动作捕捉分析模块用于对所述第一加速度信号和所述第一加速度数值进行单动作捕捉分析，输出单动作捕捉类型；

坐标分量模块，所述坐标分量模块用于通过对所述单动作捕捉类型进行坐标分量，分别输出基于x轴、y轴、z轴的高频分量；

第二判断模块，所述第二判断模块用于当基于x轴、y轴、z轴的任一高频分量超过预设高频分量时，获取用户特征动作集。

进一步而言，系统还包括：

模型搭建模块，所述模型搭建模块用于搭建所述报警识别模型，其中，所述报警识别模型为三层全连接的神经网络，包括肌力报警识别、电机报警识别以及特定动作报警识别；

识别模块，所述识别模块用于将所述实时腿部肌力数据集、所述实时电机数据集以及所述用户特征动作集输入所述报警识别模型进行识别，获取肌力识别结果、电机识别结果和特定动作识别结果；

触发报警模块，所述触发报警模块用于若所述肌力识别结果、所述电机识别结果且所述特定动作识别结果均触发报警，输出所述第一报警信号。

进一步而言，系统还包括：

输入模块，所述输入模块用于将所述实时腿部肌力数据集和所述实时电机数据集输入所述报警识别模型；

第三判断模块，所述第三判断模块用于判断所述实时腿部肌力数据集是否大于所述第二报警阈值，若所述实时腿部肌力数据集大于所述第二报警阈值，触发肌力报警；

第四判断模块，所述第四判断模块用于判断所述实时电机数据集是否大于所述第二报警阈值，若所述实时电机数据集大于所述第二报警阈值，触发电机报警；

第五判断模块，所述第五判断模块用于判断所述用户特征动作集是否为空，若所述用户特征动作集不为空，触发特定动作报警。

进一步而言，系统还包括：

第六判断模块，所述第五判断模块用于若所述肌力识别结果、所述电机识别结果且所述特定动作识别结果均任一结果未触发报警，对所述用户特征动作集进行持续性分析，判断是否持续捕捉到特定动作，若持续捕捉到特定动作输出第一报警信号。

进一步而言，系统还包括：

第七判断模块，所述第七判断模块用于判断是否捕捉到一次特定动作，若捕捉到一次特定动作，对所述实时腿部肌力数据集和所述实时电机数据集进行持续性分析，得到肌力持续性结果和电机持续性结果；

输出模块，所述输出模块用于当所述肌力持续性结果处于第一预设区间，且所述电机持续性结果处于第二预设区间，输出第一报警信号。

本说明书通过前述对一种基于多阶段用户适配的报警分析方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种基于多阶段用户适配的报警分析系统，对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (7)

1.一种基于多阶段用户适配的报警分析方法，其特征在于，所述方法应用于多阶段用户适配的报警分析系统，所述系统与第一康复设备和加速度传感器通信连接，所述方法包括：

根据所述第一康复设备的数据采集终端对第一用户进行数据采集，得到腿部肌力数据集、电机电流数据集以及电机转速数据集；

通过对所述腿部肌力数据集、电机电流数据集以及电机转速数据集进行报警阈值计算，输出第一报警阈值；

根据所述加速度传感器对所述第一用户进行特征动作捕捉，获取用户特征动作集；

获取所述第一用户使用所述第一康复设备的历史治疗数据集；

根据所述历史治疗数据集进行用户阶段分析，生成阶段阈值调整区间；

按照所述阶段阈值调整区间对所述第一报警阈值进行动态调整，输出第二报警阈值；

将实时腿部肌力数据集、实时电机数据集以及用户特征动作集输入报警识别模型中进行报警判断，输出第一报警信号，其中，所述报警识别模型包括所述第二报警阈值；

获取所述第一用户的实时训练方式；

判断所述第一用户的实时训练方式是否为交替训练方式，若所述第一用户的实时训练方式为交替训练方式，生成第一数据存储区块和第二数据存储区块；

其中，所述第一数据存储区块用于存储所述第一用户的正向腿部肌力数据集、正向电机电流数据集以及正向电机转速数据集；以及

所述第二数据存储区块用于存储所述第一用户的反向腿部肌力数据集、反向电机电流数据集以及反向电机转速数据集；

以所述第一数据存储区块的数据项与所述第二数据存储区块的数据项，搭建优序图权重表；

采用优序图算法对所述优序图权重表进行归一化计算，输出所述第一数据存储区块的数据项与所述第二数据存储区块的数据项，分别对应的权重配置结果；

基于所述权重配置结果进行报警阈值计算，输出第一报警阈值。

2.如权利要求1所述的一种基于多阶段用户适配的报警分析方法，其特征在于，根据所述加速度传感器对所述第一用户进行特征动作捕捉，获取用户特征动作集，方法还包括：

根据所述加速度传感器对所述第一用户进行运动识别，得到第一加速度信号和第一加速度数值；

对所述第一加速度信号和所述第一加速度数值进行单动作捕捉分析，输出单动作捕捉类型；

通过对所述单动作捕捉类型进行坐标分量，分别输出基于x轴、y轴、z轴的高频分量；

当基于x轴、y轴、z轴的任一高频分量超过预设高频分量时，获取用户特征动作集。

3.如权利要求1所述的一种基于多阶段用户适配的报警分析方法，其特征在于，将实时腿部肌力数据集、实时电机数据集以及用户特征动作集输入报警识别模型中进行报警判断，输出第一报警信号，方法还包括：

搭建所述报警识别模型，其中，所述报警识别模型为三层全连接的神经网络，包括肌力报警识别、电机报警识别以及特定动作报警识别；

将所述实时腿部肌力数据集、所述实时电机数据集以及所述用户特征动作集输入所述报警识别模型进行识别，获取肌力识别结果、电机识别结果和特定动作识别结果；

若所述肌力识别结果、所述电机识别结果且所述特定动作识别结果均触发报警，输出所述第一报警信号。

4.如权利要求3所述的一种基于多阶段用户适配的报警分析方法，其特征在于，所述方法还包括：

将所述实时腿部肌力数据集和所述实时电机数据集输入所述报警识别模型；

判断所述实时腿部肌力数据集是否大于所述第二报警阈值，若所述实时腿部肌力数据集大于所述第二报警阈值，触发肌力报警；

判断所述实时电机数据集是否大于所述第二报警阈值，若所述实时电机数据集大于所述第二报警阈值，触发电机报警；

判断所述用户特征动作集是否为空，若所述用户特征动作集不为空，触发特定动作报警。

5.如权利要求3所述的一种基于多阶段用户适配的报警分析方法，其特征在于，所述方法还包括：

若所述肌力识别结果、所述电机识别结果且所述特定动作识别结果均任一结果未触发报警，对所述用户特征动作集进行持续性分析，判断是否持续捕捉到特定动作，若持续捕捉到特定动作输出第一报警信号。

6.如权利要求3所述的一种基于多阶段用户适配的报警分析方法，其特征在于，若所述肌力识别结果、所述电机识别结果且所述特定动作识别结果均任一结果未触发报警，方法还包括：

判断是否捕捉到一次特定动作，若捕捉到一次特定动作，对所述实时腿部肌力数据集和所述实时电机数据集进行持续性分析，得到肌力持续性结果和电机持续性结果；

当所述肌力持续性结果处于第一预设区间，且所述电机持续性结果处于第二预设区间，输出第一报警信号。

7.一种基于多阶段用户适配的报警分析系统，其特征在于，所述系统与第一康复设备和加速度传感器通信连接，所述系统包括：

数据采集模块，所述数据采集模块用于根据所述第一康复设备的数据采集终端对第一用户进行数据采集，得到腿部肌力数据集、电机电流数据集以及电机转速数据集；

报警阈值计算模块，所述报警阈值计算模块用于通过对所述腿部肌力数据集、电机电流数据集以及电机转速数据集进行报警阈值计算，输出第一报警阈值；

特征动作捕捉模块，所述特征动作捕捉模块用于根据所述加速度传感器对所述第一用户进行特征动作捕捉，获取用户特征动作集；

数据集获得模块，所述数据集获得模块用于获取所述第一用户使用所述第一康复设备的历史治疗数据集；

用户阶段分析模块，所述用户阶段分析模块用于根据所述历史治疗数据集进行用户阶段分析，生成阶段阈值调整区间；

动态调整模块，所述动态调整模块用于按照所述阶段阈值调整区间对所述第一报警阈值进行动态调整，输出第二报警阈值；

报警判断模块，所述报警判断模块用于将实时腿部肌力数据集、实时电机数据集以及用户特征动作集输入报警识别模型中进行报警判断，输出第一报警信号，其中，所述报警识别模型包括所述第二报警阈值；

实时训练方式获得模块，所述实时训练方式获得模块用于获取所述第一用户的实时训练方式；

第一判断模块，所述第一判断模块用于判断所述第一用户的实时训练方式是否为交替训练方式，若所述第一用户的实时训练方式为交替训练方式，生成第一数据存储区块和第二数据存储区块；

第一数据存储区块模块，所述第一数据存储区块模块用于其中，所述第一数据存储区块用于存储所述第一用户的正向腿部肌力数据集、正向电机电流数据集以及正向电机转速数据集；

第二数据存储区块模块，所述第二数据存储区块模块用于所述第二数据存储区块用于存储所述第一用户的反向腿部肌力数据集、反向电机电流数据集以及反向电机转速数据集；

优序图权重表搭建模块，所述优序图权重表搭建模块用于以所述第一数据存储区块的数据项与所述第二数据存储区块的数据项，搭建优序图权重表；

第一计算模块，所述第一计算模块用于采用优序图算法对所述优序图权重表进行归一化计算，输出所述第一数据存储区块的数据项与所述第二数据存储区块的数据项，分别对应的权重配置结果；

第二计算模块，所述第二计算模块用于基于所述权重配置结果进行报警阈值计算，输出第一报警阈值。

Images