非侵入式振动行为识别方法、设备及存储介质

摘要: 本技术涉及冰箱振动识别,尤其涉及一种非侵入式振动行为识别方法、设备及存储介质。背景技术:1、随着社会老龄化程度不断加深,独居老人群体规模持续扩大,其居家安全监护...
非侵入式振动行为识别方法、设备及存储介质

本技术涉及冰箱振动识别,尤其涉及一种非侵入式振动行为识别方法、设备及存储介质。

背景技术:

1、随着社会老龄化程度不断加深,独居老人群体规模持续扩大,其居家安全监护需求日益迫切。通过监测居家环境中各类家电的使用规律来间接评估老人的日常活动状态,是当前居家养老监护领域的重要技术方向。冰箱作为家庭中使用频率最高、使用规律最具周期性的家电之一,其开关门行为能够有效反映老人的取餐与饮食规律,因此通过识别冰箱开关门事件来实现对独居老人日常活动状态的间接监测,逐渐成为该领域的研究热点。

2、在传统传感器方案,主要包括磁簧开关类传感器和商用振动传感器。磁簧开关类传感器成本较低,但需要在冰箱门体与箱体之间精准对位安装,不仅破坏家电外观完整性,安装维护也较为繁琐。

3、而且,传统商用振动传感器大多采用固定幅值阈值进行开关门判断,然而不同型号冰箱的振动特性差异显著,同一冰箱不同安装位置的振动传导特性亦不相同,固定阈值无法适配上述差异;更为关键的是,此类方案难以有效区分冰箱开关门所产生的振动与扫地机碰撞冰箱、宠物跳跃落地、人体意外磕碰等日常干扰动作所产生的振动,实际应用场景中误报率普遍超过20%。综上所述,当前该领域尚缺乏一种能够同时兼顾隐私保护、免配置便捷部署、强环境抗干扰能力以及超低功耗运行的系统性技术框架,难以在单颗低功耗微控制器上实现高精度的非侵入式冰箱开关门行为识别。

4、上述内容仅用于辅助理解本技术的技术方案,并不代表承认上述内容是现有技术。

技术实现思路

1、本技术的主要目的在于提供一种非侵入式振动行为识别方法、设备及存储介质,旨在解决现有振动传感器采用固定幅值阈值进行冰箱开关门识别时,因无法适配不同安装位置与设备型号的振动特性差异、无法区分关门动作与日常环境干扰,导致误报率高的技术问题。

2、为实现上述目的,本技术提出一种非侵入式振动行为识别方法,所述的方法包括:

3、通过贴附于冰箱外壁某一安装位置的三轴加速度传感器采集振动信号,在振动幅值超过预设触发阈值时唤醒微控制器,记录单次振动事件的三轴加速度时序数据;

4、在所述三轴加速度时序数据中提取多维度物理可解释的结构振动特征,所述结构振动特征包括总能量特征、各轴向峰值特征、功率衰减比特征、各轴向功率占比特征、各轴向过零率特征和各轴向归一化峰值时刻特征;

5、根据预先确定的筛选条件,从所述多维度的结构振动特征中筛选最优特征子集,基于所述最优特征子集构成特征向量,所述最优特征子集的筛选条件依据所述安装位置预先确定,且不同安装位置所对应的最优特征子集互不相同,所述最优特征子集的确定方式为:计算各维度的结构振动特征的区分度指标,所述区分度指标用于区分关门事件与干扰事件,按照所述区分度指标从高到低排序,根据排序结果构建多个候选特征子集,以误报率和推理时延为优化目标,从所述候选特征子集中筛选出帕累托最优特征子集;

6、计算所述特征向量与关门事件特征模板之间的加权归一化欧氏距离;

7、若所述加权归一化欧氏距离小于预设分类阈值,则判定为冰箱关门事件,否则判定为环境干扰事件。

8、在一实施例中,所述计算各维度的结构振动特征的区分度指标的步骤,包括:

9、获取关门事件样本集合中各样本在各维度的结构振动特征上的取值,计算各维度的结构振动特征在关门事件样本集合中的第一均值和第一方差;

10、获取干扰事件样本集合中各样本在各维度的结构振动特征上的取值,计算各维度的结构振动特征在干扰事件样本集合中的第二均值和第二方差;

11、针对每一维度的结构振动特征,计算所述第一均值与所述第二均值之差的平方值,将所述平方值除以所述第一方差与所述第二方差之和,所得比值作为所述维度的结构振动特征的区分度指标,其中,所述区分度指标的值越大,表示所述维度的结构振动特征对关门事件与干扰事件的区分能力越强。

12、在一实施例中,所述根据排序结果构建多个候选特征子集,以误报率和推理时延为优化目标,从所述候选特征子集中筛选出帕累托最优特征子集的步骤,包括:

13、按照各维度的结构振动特征的区分度指标从高到低的排序结果,依次选取排序靠前的第一数量个维度的结构振动特征构成第一候选子集,选取排序靠前的第二数量个维度的结构振动特征构成第二候选子集,依此类推,直至选取全部维度的结构振动特征构成最终候选子集,获得多个候选特征子集;

14、针对每一候选特征子集,分别测试基于所述候选特征子集进行关门事件与干扰事件判别的误报率,并测试在所述微控制器上基于所述候选特征子集执行特征提取与距离计算所需的推理时延;

15、在所有候选特征子集中,筛选出所述推理时延不超过预设时延预算的候选特征子集,并在筛选出的候选特征子集中选取所述误报率最低的候选特征子集作为所述最优特征子集。

16、在一实施例中,所述最优特征子集的筛选条件依据所述安装位置预先确定,且不同安装位置所对应的最优特征子集互不相同的步骤,包括:

17、当所述安装位置为冰箱铰链对侧侧壁时,所述最优特征子集为按照所述区分度指标从高到低排序后,排序靠前的十个维度的结构振动特征;

18、当所述安装位置为冰箱铰链附近侧壁时,所述最优特征子集为按照所述区分度指标从高到低排序后,排序靠前的十一个维度的结构振动特征;

19、当所述安装位置为冰箱顶面时,所述最优特征子集为按照所述区分度指标从高到低排序后,排序靠前的七个维度的结构振动特征。

20、在一实施例中,所述计算所述特征向量与关门事件特征模板之间的加权归一化欧氏距离的步骤,包括:

21、针对所述特征向量中的每一维度的结构振动特征,将所述维度的结构振动特征的特征值减去所述关门事件特征模板中对应维度的结构振动特征的模板值,所得到的差值作为所述维度的结构振动特征的差值;

22、对所述差值取平方值,将所述平方值乘以所述维度的结构振动特征所对应的权重向量的分量值,得到所述维度的结构振动特征的加权平方距离;

23、将所有维度的结构振动特征的加权平方距离求和,对求和结果取平方根,所得平方根值即为所述特征向量与所述关门事件特征模板之间的加权归一化欧氏距离。

24、在一实施例中,所述计算所述特征向量与关门事件特征模板之间的加权归一化欧氏距离的步骤之前,还包括:

25、响应于用户触发的学习模式指令,控制所述微控制器进入自学习校准模式;

26、在所述自学习校准模式下,依次采集用户执行的多次关门动作所对应的关门振动事件样本,以及用户执行的多次典型干扰动作所对应的干扰振动事件样本;

27、基于所采集到每一振动事件样本,提取所述振动事件样本中与所述最优特征子集对应的特征向量,以预设的递推方式在线计算关门事件样本集合中各维度的结构振动特征的均值和标准差,以及干扰事件样本集合中各维度的结构振动特征的均值和标准差;

28、在完成全部振动事件样本的采集后,根据关门事件样本集合与干扰事件样本集合在各维度的结构振动特征的均值和标准差,计算各维度的结构振动特征的区分度指标并将所述区分度指标归一化,生成所述加权归一化欧氏距离计算所需的权重向量,同时根据关门事件样本集合在各维度的结构振动特征的均值生成所述关门事件特征模板。

29、在一实施例中,所述典型干扰动作包括碰撞冰箱所产生的振动、跳跃落地所产生的振动、以及意外磕碰冰箱所产生的振动;所述关门振动事件样本的采集次数为五次,所述干扰振动事件样本的采集次数为三次。

30、在一实施例中,所述微控制器为支持深度休眠模式的低功耗微控制器,所述方法还包括:

31、在未检测到振动信号期间,控制所述微控制器维持深度休眠模式,所述深度休眠模式下的电流消耗低于微安级;

32、仅在所述三轴加速度传感器检测到的振动幅值超过所述预设触发阈值时,唤醒所述微控制器执行振动信号采集、特征提取、特征筛选和加权归一化欧氏距离计算操作;

33、在完成单次振动事件的关门事件或环境干扰事件的判定后,控制所述微控制器返回所述深度休眠模式。

34、此外,为实现上述目的,本技术还提出一种非侵入式振动行为识别设备,所述设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序配置为实现如上文所述的非侵入式振动行为识别方法的步骤。

35、此外,为实现上述目的,本技术还提出一种存储介质,所述存储介质为计算机可读存储介质,所述存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上文所述的非侵入式振动行为识别方法的步骤。

36、本技术提出的一个或多个技术方案,至少具有以下技术效果:

37、本技术的技术方案,通过贴附于冰箱外壁某一安装位置的三轴加速度传感器采集振动信号,在振动幅值超过预设触发阈值时唤醒微控制器,记录单次振动事件的三轴加速度时序数据;在所述三轴加速度时序数据中提取多维度物理可解释的结构振动特征,所述结构振动特征包括总能量特征、各轴向峰值特征、功率衰减比特征、各轴向功率占比特征、各轴向过零率特征和各轴向归一化峰值时刻特征;根据预先确定的筛选条件,从所述多维度的结构振动特征中筛选最优特征子集,基于所述最优特征子集构成特征向量,所述最优特征子集的筛选条件依据所述安装位置预先确定,且不同安装位置所对应的最优特征子集互不相同,所述最优特征子集的确定方式为:计算各维度的结构振动特征的区分度指标,所述区分度指标用于区分关门事件与干扰事件,按照所述区分度指标从高到低排序,根据排序结果构建多个候选特征子集,以误报率和推理时延为优化目标,从所述候选特征子集中筛选出帕累托最优特征子集;计算所述特征向量与关门事件特征模板之间的加权归一化欧氏距离;若所述加权归一化欧氏距离小于预设分类阈值,则判定为冰箱关门事件,否则判定为环境干扰事件。

38、本技术的技术方案,在保障居家隐私安全的前提下,解决了现有固定阈值方案无法适配不同安装位置与设备型号差异、难以区分关门动作与日常环境干扰、误报率高且部署繁琐的技术难题,实现了非侵入式、免配置、抗干扰、超低功耗的冰箱开关门行为识别系统,能够在单颗低功耗微控制器上稳定运行,为独居老人居家活动监测提供可靠的技术支撑。