一种基于实时状态捕捉的安全辅助方法及系统与流程

1.本发明涉及数据处理领域，具体地，涉及一种基于实时状态捕捉的安全辅助方法及系统。


背景技术：

2.随着科学技术的发展，康复医疗设备被广泛应用于用户的康复训练中，极大地提高了用户的康复训练效果。在对用户进行康复训练期间，当用户出现紧急情况时，大多是由治疗医师按压康复医疗设备上的紧急停止按钮。这种方式高度依赖于治疗医师对用户状态的判断，无法实时、有效的保障用户的康复训练安全。研究设计一种对用户的康复训练进行安全辅助的方法，具有重要的现实意义。
3.现有技术中，存在针对用户的康复训练的安全预警适配度低、准确性不高，进而造成用户的康复训练的安全预警效果不佳，无法实时准确的保障用户的康复训练安全的技术问题。


技术实现要素：

4.本技术提供了一种基于实时状态捕捉的安全辅助方法及系统。解决了现有技术中针对用户的康复训练的安全预警适配度低、准确性不高，进而造成用户的康复训练的安全预警效果不佳，无法实时准确的保障用户的康复训练安全的技术问题。达到了提高对用户的康复训练进行安全预警的适配度、准确性，提升用户的康复训练的安全预警质量，从而实时准确的保障用户的康复训练安全的技术效果。
5.鉴于上述问题，本技术提供了一种基于实时状态捕捉的安全辅助方法及系统。
6.第一方面，本技术提供了一种基于实时状态捕捉的安全辅助方法，其中，所述方法应用于一种基于实时状态捕捉的安全辅助系统，所述方法包括：对第一用户进行身份识别，判断是否已激活第一康复设备；若已激活所述第一康复设备，对所述第一康复设备的信息录入终端发送数据请求指令，用于调用所述第一用户的历史训练数据集，所述历史训练数据集包括历史腿部肌力数据集、历史设备电机数据集以及所述重力加速传感器传感获取的历史用户动作数据集；根据所述历史训练数据集，建立预警分析模型；获取实时腿部肌力数据集、实时设备电机数据集以及实时用户动作数据集；将所述实时腿部肌力数据集和实时设备电机数据集输入所述预警分析模型中，得到第一预警分析结果；将所述实时用户动作数据集输入所述预警分析模型中，得到第二预警分析结果；根据所述第一预警分析结果和第二预警分析结果向所述第一康复设备的预警终端发送第一预警信号。
7.第二方面，本技术还提供了一种基于实时状态捕捉的安全辅助系统，其中，所述系统包括：身份识别模块，所述身份识别模块用于对第一用户进行身份识别，判断是否已激活第一康复设备；数据调用模块，所述数据调用模块用于若已激活所述第一康复设备，对所述第一康复设备的信息录入终端发送数据请求指令，用于调用所述第一用户的历史训练数据集，所述历史训练数据集包括历史腿部肌力数据集、历史设备电机数据集以及所述重力加
速传感器传感获取的历史用户动作数据集；建立模块，所述建立模块用于根据所述历史训练数据集，建立预警分析模型；实时数据获取模块，所述实时数据获取模块用于获取实时腿部肌力数据集、实时设备电机数据集以及实时用户动作数据集；第一预警分析模块，所述第一预警分析模块用于将所述实时腿部肌力数据集和实时设备电机数据集输入所述预警分析模型中，得到第一预警分析结果；第二预警分析模块，所述第二预警分析模块用于将所述实时用户动作数据集输入所述预警分析模型中，得到第二预警分析结果；预警信号发送模块，所述预警信号发送模块用于根据所述第一预警分析结果和第二预警分析结果向所述第一康复设备的预警终端发送第一预警信号。
8.第三方面，本技术还提供了一种电子设备，包括：存储器，用于存储可执行指令；处理器，用于执行所述存储器中存储的可执行指令时，实现本技术提供的一种基于实时状态捕捉的安全辅助方法。
9.第四方面，本技术还提供了一种计算机可读存储介质，存储有计算机程序，该程序被处理器执行时,实现本技术提供的一种基于实时状态捕捉的安全辅助方法。
10.本技术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：
11.在已激活第一康复设备时，通过对第一康复设备的信息录入终端发送数据请求指令，获得第一用户的历史训练数据集；根据历史训练数据集，建立预警分析模型；将实时腿部肌力数据集和实时设备电机数据集输入预警分析模型中，得到第一预警分析结果；将实时用户动作数据集输入预警分析模型中，得到第二预警分析结果；根据第一预警分析结果和第二预警分析结果向第一康复设备的预警终端发送第一预警信号。达到了提高对用户的康复训练进行安全预警的适配度、准确性，提升用户的康复训练的安全预警质量，从而实时准确的保障用户的康复训练安全的技术效果。
12.上述说明仅是本技术技术方案的概述，为了能够更清楚了解本技术的技术手段，而可依照说明书的内容予以实施，并且为了让本技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本技术的具体实施方式。
附图说明
13.为了更清楚地说明本公开实施例的技术方案,下面将对本公开实施例的附图作简单地介绍。明显地，下面描述中的附图仅仅涉及本公开的一些实施例,而非对本公开的限制。
14.图1为本技术一种基于实时状态捕捉的安全辅助方法的流程示意图；
15.图2为本技术一种基于实时状态捕捉的安全辅助方法中输出区间连续性的流程示意图；
16.图3为本技术一种基于实时状态捕捉的安全辅助系统的结构示意图；
17.图4为本技术示例性电子设备的结构示意图。
18.附图标记说明：身份识别模块11，数据调用模块12，建立模块13，实时数据获取模块14，第一预警分析模块15，第二预警分析模块16，预警信号发送模块17，处理器31，存储器32，输入装置33，输出装置34。
具体实施方式
19.本技术通过提供一种基于实时状态捕捉的安全辅助方法及系统。解决了现有技术中针对用户的康复训练的安全预警适配度低、准确性不高，进而造成用户的康复训练的安全预警效果不佳，无法实时准确的保障用户的康复训练安全的技术问题。达到了提高对用户的康复训练进行安全预警的适配度、准确性，提升用户的康复训练的安全预警质量，从而实时准确的保障用户的康复训练安全的技术效果。
20.实施例一
21.请参阅附图1，本技术提供一种基于实时状态捕捉的安全辅助方法，其中，所述方法应用于一种基于实时状态捕捉的安全辅助系统，所述系统与重力加速传感器通信连接，所述方法具体包括如下步骤：
22.步骤s100：对第一用户进行身份识别，判断是否已激活第一康复设备；
23.步骤s200：若已激活所述第一康复设备，对所述第一康复设备的信息录入终端发送数据请求指令，用于调用所述第一用户的历史训练数据集，所述历史训练数据集包括历史腿部肌力数据集、历史设备电机数据集以及所述重力加速传感器传感获取的历史用户动作数据集；
24.步骤s300：根据所述历史训练数据集，建立预警分析模型；
25.具体而言，本技术中的一种基于实时状态捕捉的安全辅助系统包括身份验证库，通过身份验证库对第一用户进行身份识别，当身份验证库匹配到第一用户的身份信息后，采集第一康复设备的实时状态信息，根据实时状态信息判断是否已激活第一康复设备。如果已激活第一康复设备，则，对第一康复设备的信息录入终端发送数据请求指令，根据数据请求指令调用第一用户的历史训练数据集，并根据历史训练数据集，构建预警分析模型。如果未已激活第一康复设备，则，等待第一康复设备激活。
26.其中，所述第一用户可以为使用所述一种基于实时状态捕捉的安全辅助系统进行智能化安全预警的任意下肢康复患者。所述身份验证库包括多个用户对应的多个身份信息。所述第一康复设备可以为现有技术中的下肢康复训练设备。所述第一康复设备包括信息录入终端、预警终端。所述实时状态信息包括第一康复设备处于已激活状态/未激活状态。所述数据请求指令是用于当第一康复设备处于已激活状态时，对第一康复设备的信息录入终端进行历史训练数据调取的指令信息。所述历史训练数据集包括历史腿部肌力数据集、历史设备电机数据集、历史用户动作数据集。所述历史腿部肌力数据集包括第一用户的多个历史正向腿部肌力、多个历史反向腿部肌力。所述历史设备电机数据集包括第一康复设备的多个历史正向电机电流、多个历史正向电机转速、多个历史反向电机电流、多个历史反向电机转速。所述重力加速传感器与所述第一康复设备通信连接。所述重力加速传感器能够感知用户在使用第一康复设备进行康复训练时的晃动、跌落、上升、下降等各种动作变化。所述历史用户动作数据集包括第一用户在使用第一康复设备进行康复训练时的多个历史动作信息，以及多个历史动作信息对应的多个历史重力加速传感数据。每个历史重力加速传感数据包括每个历史动作信息对应的历史加速度大小信息、历史加速度方向信息。达到了调用第一用户的历史训练数据集，为后续对第一用户进行安全预警提供数据支持的技术效果。
27.步骤s400：获取实时腿部肌力数据集、实时设备电机数据集以及实时用户动作数
据集；
28.具体而言，当第一用户使用第一康复设备进行康复训练，采集第一用户的实时康复训练信息，获得实时腿部肌力数据集、实时设备电机数据集、实时用户动作数据集。所述实时腿部肌力数据集包括第一用户的多个实时正向腿部肌力、多个实时反向腿部肌力。所述实时设备电机数据集包括第一康复设备的多个实时正向电机电流、多个实时正向电机转速、多个实时反向电机电流、多个实时反向电机转速。所述实时用户动作数据集包括第一用户的多个实时动作信息。
29.步骤s500：将所述实时腿部肌力数据集和实时设备电机数据集输入所述预警分析模型中，得到第一预警分析结果；
30.进一步的，本技术步骤s500还包括：
31.步骤s510：对所述实时腿部肌力数据集和所述实时设备电机数据集进行特征分析，得到腿部肌力数据特征和设备电机数据特征；
32.具体而言，预警分析模型包括数据分析层，将实时腿部肌力数据集和实时设备电机数据集作为输入信息，输入数据分析层，通过数据分析层对实时腿部肌力数据集和实时设备电机数据集进行特征分析，获得腿部肌力数据特征和设备电机数据特征。其中，所述腿部肌力数据特征包括多个实时正向腿部肌力对应的多个正向腿部肌力变化特征，以及多个实时反向腿部肌力对应的多个反向腿部肌力变化特征。所述设备电机数据特征包括多个实时正向电机电流对应的多个正向电机电流变化特征，多个实时正向电机转速对应的多个正向电机转速变化特征，多个实时反向电机电流对应的多个反向电机电流变化特征，多个实时反向电机转速对应的多个反向电机转速变化特征。示例性地，在构建数据分析层时，基于历史腿部肌力数据集、历史设备电机数据集进行大数据查询，获得构建数据集。构建数据集包括历史腿部肌力数据集、历史设备电机数据集，以及历史腿部肌力数据集、历史设备电机数据集对应的历史腿部肌力数据特征集、历史设备电机数据特征集。将构建数据集中随机的70％的数据信息划分为训练数据集。将构建数据集中随机的30％的数据信息划分为测试数据集。基于bp神经网络，对训练数据集进行交叉监督训练，获得数据分析层。将测试数据集作为输入信息，输入数据分析层，通过测试数据集对数据分析层进行参数更新。所述bp神经网络是一种按照误差逆向传播算法进行训练的多层前馈神经网络。所述bp神经网络包括输入层、多层神经元、输出层。bp神经网络可以进行正向计算、反向计算。正向计算时，输入信息从输入层经过多层神经元逐层处理，转向输出层，每一层神经元的状态只影响下一层神经元的状态。如果在输出层不能得到期望的输出，则转入反向计算，将误差信号沿原来的连接通路返回，通过修改各神经元的权值，使得误差信号最小。数据分析层具备对输入的实时腿部肌力数据集、实时设备电机数据集进行变化特征分析的功能。达到了通过数据分析层对实时腿部肌力数据集和实时设备电机数据集进行特征分析，获得准确的腿部肌力数据特征和设备电机数据特征，从而提高用户的康复训练的安全预警的可靠性的技术效果。
33.步骤s520：按照所述腿部肌力数据特征和设备电机数据特征，判断是否为预设区间持续的值；
34.步骤s530：若所述腿部肌力数据特征和设备电机数据特征均为所述预设区间持续的值，输出区间连续性。
35.进一步的，如附图2所示，本技术步骤s530还包括：
36.步骤s531：对所述腿部肌力数据特征处于所述预设区间持续的值进行频次分析，确定第一区间连续性；
37.步骤s532：对所述设备电机数据特征处于所述预设区间持续的值进行频次分析，确定第二区间连续性；
38.步骤s533：以所述第一区间连续性和所述第二区间连续性，输出区间连续性。
39.具体而言，预设区间持续的值包括预先设置确定的腿部肌力数据特征区间、设备电机数据特征区间。腿部肌力数据特征区间包括预设正向腿部肌力变化特征范围、预设反向腿部肌力变化特征范围。设备电机数据特征区间包括预设正向电机电流变化特征范围、预设正向电机转速变化特征范围、预设反向电机电流变化特征范围、预设反向电机转速变化特征范围。分别判断腿部肌力数据特征、设备电机数据特征是否处于对应的腿部肌力数据特征区间、设备电机数据特征区间，如果腿部肌力数据特征、设备电机数据特征处于对应的腿部肌力数据特征区间、设备电机数据特征区间，则，对处于腿部肌力数据特征区间的腿部肌力数据特征进行频次统计，获得第一区间连续性。对处于设备电机数据特征区间的设备电机数据特征进行频次统计，获得第二区间连续性，结合第一区间连续性，获得区间连续性。其中，所述第一区间连续性包括处于腿部肌力数据特征区间的腿部肌力数据特征对应的频次信息。所述第二区间连续性包括处于设备电机数据特征区间的设备电机数据特征对应的频次信息。所述区间连续性包括第一区间连续性、第二区间连续性。所述第一预警分析结果包括区间连续性。达到了通过对实时腿部肌力数据集和实时设备电机数据集进行区间连续性分析，获得准确的区间连续性，从而提高用户的康复训练的安全预警准确性的技术效果。
40.步骤s600：将所述实时用户动作数据集输入所述预警分析模型中，得到第二预警分析结果；
41.进一步的，本技术步骤s600还包括：
42.步骤s610：根据所述历史用户动作数据集，生成用户动作特征；
43.步骤s620：按照所述用户动作特征，搭建动作识别库，其中，所述预警分析模型能够对所述动作识别库进行调用；
44.步骤s630：将所述实时用户动作数据集输入所述预警分析模型中，基于所述动作识别库进行动作匹配，得到动作匹配相似度。
45.具体而言，对历史用户动作数据集中的多个历史动作信息进行特征分析，获得用户动作特征。继而，基于用户动作特征，构建动作识别库，并将动作识别库嵌入至预警分析模型的数据分析层。将实时用户动作数据集输入预警分析模型，通过预警分析模型的数据分析层内的动作识别库对实时用户动作数据集进行动作匹配，生成动作匹配相似度。其中，所述用户动作特征包括历史用户动作数据集中的多个历史动作信息，以及多个历史动作信息对应的多个动作特征信息。每个动作特征信息包括每个历史动作信息对应的动作类型参数、动作变化参数。所述动作识别库包括用户动作特征。所述动作匹配相似度是用于表征实时用户动作数据集与动作识别库之间的动作匹配性的参数信息。实时用户动作数据集与动作识别库之间的动作匹配性越高，对应的动作匹配相似度越大。达到了通过预警分析模型对动作识别库进行动作匹配，得到动作匹配相似度，提高用户的康复训练的安全预警适配度的技术效果。
46.进一步的，本技术步骤s630还包括：
47.步骤s631：根据所述历史用户动作数据集，获取各个动作分别对应的重力加速度传感数据特征；
48.步骤s632：将所述重力加速度传感数据特征与所述用户动作特征的对应性，优化所述动作识别库；
49.步骤s633：根据所述预警分析模型，得到重力加速度传感的数据匹配相似度；
50.步骤s634：基于所述动作匹配相似度以及所述重力加速度传感的数据匹配相似度进行连续性识别，得到匹配连续性。
51.具体而言，从历史用户动作数据集中提取出各个动作分别对应的重力加速度传感数据特征。所述重力加速度传感数据特征包括多个历史重力加速传感数据。分析多个历史动作信息与多个历史重力加速传感数据之间的对应关系，获得重力加速度传感数据特征与用户动作特征的对应性，按照对应性，将重力加速度传感数据特征添加至动作识别库中，通过重力加速度传感数据特征对动作识别库进行优化更新。实时用户动作数据集还包括第一用户的多个实时动作信息对应的多个实时重力加速传感数据。每个实时重力加速传感数据包括每个实时动作信息对应的实时加速度大小信息、实时加速度方向信息。将多个实时重力加速传感数据与重力加速度传感数据特征进行数据匹配，获得重力加速度传感的数据匹配相似度，结合动作匹配相似度，获得匹配连续性。其中，所述数据匹配相似度是用于表征多个实时重力加速传感数据与重力加速度传感数据特征之间的数据匹配性的参数信息。多个实时重力加速传感数据与重力加速度传感数据特征之间的数据匹配性越高，对应的数据匹配相似度越大。所述匹配连续性包括动作匹配相似度、数据匹配相似度。所述第二预警分析结果包括匹配连续性。达到了通过预警分析模型对实时用户动作数据集进行动作匹配分析、重力加速度传感数据相似度识别，获得全面的第二预警分析结果，从而提高用户的康复训练的安全预警准确性的技术效果。
52.步骤s700：根据所述第一预警分析结果和第二预警分析结果向所述第一康复设备的预警终端发送第一预警信号。
53.进一步的，本技术步骤s700还包括：
54.步骤s710：搭建所述预警分析模型，其中，所述预警分析模型包括数据分析层和预警分析层，所述预警分析层包括瞬时预警子模型、阶段预警子模型和连续预警子模型；
55.进一步的，本技术步骤s710还包括：
56.步骤s711：对所述瞬时预警子模型、所述阶段预警子模型和所述连续预警子模型进行激活参数配置，得到瞬时激活参数x1y1、阶段激活参数x2y2、连续激活参数x3y3，其中，每组激活参数均包括预设区间连续性x和预设匹配连续性y，且0《x1《x2《x3，0《y1《y2《y3。
57.步骤s720：分别对所述数据分析层输出的所述第一预警分析结果和所述第二预警分析结果中的数据进行分析，得到区间连续性和匹配连续性；
58.步骤s730：对所述区间连续性和匹配连续性进行判断，定位第一所属子模型和第二所属子模型，其中，所属子模型为所述瞬时预警子模型、所述阶段预警子模型和所述连续预警子模型中的一个。
59.具体而言，预警分析模型包括数据分析层。通过数据分析层对实时腿部肌力数据集、实时设备电机数据集、实时用户动作数据集进行分析，获得区间连续性和匹配连续性。
进一步，预警分析模型还包括预警分析层。预警分析层包括瞬时预警子模型、阶段预警子模型和连续预警子模型。瞬时预警子模型包括瞬时激活参数x1y1，阶段预警子模型包括阶段激活参数x2y2，连续预警子模型包括连续激活参数x3y3。瞬时激活参数x1y1、阶段激活参数x2y2、连续激活参数x3y3中的每组激活参数均包括预设区间连续性x和预设匹配连续性y，且0《x1《x2《x3，0《y1《y2《y3。进而，对区间连续性是否满足瞬时激活参数x1y1/阶段激活参数x2y2/连续激活参数x3y3进行判断，获得第一所属子模型。对匹配连续性是否满足瞬时激活参数x1y1/阶段激活参数x2y2/连续激活参数x3y3进行判断，获得第二所属子模型。根据第一所属子模型向第一康复设备的预警终端发送第一预警信号。根据第二所属子模型向第一康复设备的预警终端发送第二预警信号。其中，第一所属子模型为瞬时预警子模型、阶段预警子模型和连续预警子模型中的一个。所述第一预警信号是用于对第一用户的区间连续性进行瞬时预警/阶段预警/连续预警的信号。例如，当区间连续性满足瞬时激活参数x1y1时，第一所属子模型为瞬时预警子模型。根据第一预警信号对第一用户的区间连续性进行瞬时预警。第二所属子模型为瞬时预警子模型、阶段预警子模型和连续预警子模型中的一个。所述第二预警信号用于对第一用户的匹配连续性进行瞬时预警/阶段预警/连续预警的信号。达到了根据预警分析层适应性地对第一用户进行瞬时预警、阶段预警、连续预警，提高用户的康复训练的安全预警质量的技术效果。
60.综上所述，本技术所提供的一种基于实时状态捕捉的安全辅助方法具有如下技术效果：
61.1.在已激活第一康复设备时，通过对第一康复设备的信息录入终端发送数据请求指令，获得第一用户的历史训练数据集；根据历史训练数据集，建立预警分析模型；将实时腿部肌力数据集和实时设备电机数据集输入预警分析模型中，得到第一预警分析结果；将实时用户动作数据集输入预警分析模型中，得到第二预警分析结果；根据第一预警分析结果和第二预警分析结果向第一康复设备的预警终端发送第一预警信号。达到了提高对用户的康复训练进行安全预警的适配度、准确性，提升用户的康复训练的安全预警质量，从而实时准确的保障用户的康复训练安全的技术效果。
62.2.通过数据分析层对实时腿部肌力数据集和实时设备电机数据集进行特征分析，获得准确的腿部肌力数据特征和设备电机数据特征，从而提高用户的康复训练的安全预警的可靠性。
63.3.通过预警分析模型对动作识别库进行动作匹配，得到动作匹配相似度，提高用户的康复训练的安全预警适配度。
64.实施例二
65.基于与前述实施例中一种基于实时状态捕捉的安全辅助方法，同样发明构思，本发明还提供了一种基于实时状态捕捉的安全辅助系统，所述系统与重力加速传感器通信连接，请参阅附图3，所述系统包括：
66.身份识别模块11，所述身份识别模块11用于对第一用户进行身份识别，判断是否已激活第一康复设备；
67.数据调用模块12，所述数据调用模块12用于若已激活所述第一康复设备，对所述第一康复设备的信息录入终端发送数据请求指令，用于调用所述第一用户的历史训练数据集，所述历史训练数据集包括历史腿部肌力数据集、历史设备电机数据集以及所述重力加
速传感器传感获取的历史用户动作数据集；
68.建立模块13，所述建立模块13用于根据所述历史训练数据集，建立预警分析模型；
69.实时数据获取模块14，所述实时数据获取模块14用于获取实时腿部肌力数据集、实时设备电机数据集以及实时用户动作数据集；
70.第一预警分析模块15，所述第一预警分析模块15用于将所述实时腿部肌力数据集和实时设备电机数据集输入所述预警分析模型中，得到第一预警分析结果；
71.第二预警分析模块16，所述第二预警分析模块16用于将所述实时用户动作数据集输入所述预警分析模型中，得到第二预警分析结果；
72.预警信号发送模块17，所述预警信号发送模块17用于根据所述第一预警分析结果和第二预警分析结果向所述第一康复设备的预警终端发送第一预警信号。
73.进一步的，所述系统还包括：
74.数据特征分析模块，所述数据特征分析模块用于对所述实时腿部肌力数据集和所述实时设备电机数据集进行特征分析，得到腿部肌力数据特征和设备电机数据特征；
75.判断模块，所述判断模块用于按照所述腿部肌力数据特征和设备电机数据特征，判断是否为预设区间持续的值；
76.区间连续性确定模块，所述区间连续性确定模块用于若所述腿部肌力数据特征和设备电机数据特征均为所述预设区间持续的值，输出区间连续性。
77.进一步的，所述系统还包括：
78.第一区间连续性分析模块，所述第一区间连续性分析模块用于对所述腿部肌力数据特征处于所述预设区间持续的值进行频次分析，确定第一区间连续性；
79.第二区间连续性分析模块，所述第二区间连续性分析模块用于对所述设备电机数据特征处于所述预设区间持续的值进行频次分析，确定第二区间连续性；
80.第一执行模块，所述第一执行模块用于以所述第一区间连续性和所述第二区间连续性，输出区间连续性。
81.进一步的，所述系统还包括：
82.第二执行模块，所述第二执行模块用于根据所述历史用户动作数据集，生成用户动作特征；
83.识别库搭建模块，所述识别库搭建模块用于按照所述用户动作特征，搭建动作识别库，其中，所述预警分析模型能够对所述动作识别库进行调用；
84.动作匹配模块，所述动作匹配模块用于将所述实时用户动作数据集输入所述预警分析模型中，基于所述动作识别库进行动作匹配，得到动作匹配相似度。
85.进一步的，所述系统还包括：
86.第三执行模块，所述第三执行模块用于根据所述历史用户动作数据集，获取各个动作分别对应的重力加速度传感数据特征；
87.识别库优化模块，所述识别库优化模块用于将所述重力加速度传感数据特征与所述用户动作特征的对应性，优化所述动作识别库；
88.数据匹配相似度确定模块，所述数据匹配相似度确定模块用于根据所述预警分析模型，得到重力加速度传感的数据匹配相似度；
89.连续性识别模块，所述连续性识别模块用于基于所述动作匹配相似度以及所述重
力加速度传感的数据匹配相似度进行连续性识别，得到匹配连续性。
90.进一步的，所述系统还包括：
91.第四执行模块，所述第四执行模块用于搭建所述预警分析模型，其中，所述预警分析模型包括数据分析层和预警分析层，所述预警分析层包括瞬时预警子模型、阶段预警子模型和连续预警子模型；
92.第五执行模块，所述第五执行模块用于分别对所述数据分析层输出的所述第一预警分析结果和所述第二预警分析结果中的数据进行分析，得到区间连续性和匹配连续性；
93.第六执行模块，所述第六执行模块用于对所述区间连续性和匹配连续性进行判断，定位第一所属子模型和第二所属子模型，其中，所属子模型为所述瞬时预警子模型、所述阶段预警子模型和所述连续预警子模型中的一个。
94.进一步的，所述系统还包括：
95.激活参数配置模块，所述激活参数配置模块用于对所述瞬时预警子模型、所述阶段预警子模型和所述连续预警子模型进行激活参数配置，得到瞬时激活参数x1y1、阶段激活参数x2y2、连续激活参数x3y3，其中，每组激活参数均包括预设区间连续性x和预设匹配连续性y，且0《x1《x2《x3，0《y1《y2《y3。
96.本发明实施例所提供的一种基于实时状态捕捉的安全辅助系统可执行本发明任意实施例所提供的一种基于实时状态捕捉的安全辅助方法，具备执行方法相应的功能模块和有益效果。
97.所包括的各个模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能模块的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
98.实施例三
99.图4为本发明实施例三提供的电子设备的结构示意图，示出了适于用来实现本发明实施方式的示例性电子设备的框图。图4显示的电子设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。如图4所示，该电子设备包括处理器31、存储器32、输入装置33及输出装置34；电子设备中处理器31的数量可以是一个或多个，图4中以一个处理器31为例，电子设备中的处理器31、存储器32、输入装置33及输出装置34可以通过总线或其他方式连接，图4中以通过总线连接为例。
100.存储器32作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的一种基于实时状态捕捉的安全辅助方法对应的程序指令/模块。处理器31通过运行存储在存储器32中的软件程序、指令以及模块，从而执行计算机设备的各种功能应用以及数据处理，即实现上述一种基于实时状态捕捉的安全辅助方法。
101.本技术提供了一种基于实时状态捕捉的安全辅助方法，其中，所述方法应用于一种基于实时状态捕捉的安全辅助系统，所述方法包括：在已激活第一康复设备时，通过对第一康复设备的信息录入终端发送数据请求指令，获得第一用户的历史训练数据集；根据历史训练数据集，建立预警分析模型；将实时腿部肌力数据集和实时设备电机数据集输入预警分析模型中，得到第一预警分析结果；将实时用户动作数据集输入预警分析模型中，得到第二预警分析结果；根据第一预警分析结果和第二预警分析结果向第一康复设备的预警终
端发送第一预警信号。解决了现有技术中针对用户的康复训练的安全预警适配度低、准确性不高，进而造成用户的康复训练的安全预警效果不佳，无法实时准确的保障用户的康复训练安全的技术问题。达到了提高对用户的康复训练进行安全预警的适配度、准确性，提升用户的康复训练的安全预警质量，从而实时准确的保障用户的康复训练安全的技术效果。
102.注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

技术特征：
1.一种基于实时状态捕捉的安全辅助方法，其特征在于，所述方法应用于一种安全辅助的预警系统，所述系统与重力加速传感器通信连接，所述方法包括：对第一用户进行身份识别，判断是否已激活第一康复设备；若已激活所述第一康复设备，对所述第一康复设备的信息录入终端发送数据请求指令，用于调用所述第一用户的历史训练数据集，所述历史训练数据集包括历史腿部肌力数据集、历史设备电机数据集以及所述重力加速传感器传感获取的历史用户动作数据集；根据所述历史训练数据集，建立预警分析模型；获取实时腿部肌力数据集、实时设备电机数据集以及实时用户动作数据集；将所述实时腿部肌力数据集和实时设备电机数据集输入所述预警分析模型中，得到第一预警分析结果；将所述实时用户动作数据集输入所述预警分析模型中，得到第二预警分析结果；根据所述第一预警分析结果和第二预警分析结果向所述第一康复设备的预警终端发送第一预警信号。2.如权利要求1所述的一种基于实时状态捕捉的安全辅助方法，其特征在于，所述方法还包括：对所述实时腿部肌力数据集和所述实时设备电机数据集进行特征分析，得到腿部肌力数据特征和设备电机数据特征；按照所述腿部肌力数据特征和设备电机数据特征，判断是否为预设区间持续的值；若所述腿部肌力数据特征和设备电机数据特征均为所述预设区间持续的值，输出区间连续性。3.如权利要求2所述的一种基于实时状态捕捉的安全辅助方法，其特征在于，若所述腿部肌力数据特征和设备电机数据特征均为所述预设区间持续的值，方法还包括：对所述腿部肌力数据特征处于所述预设区间持续的值进行频次分析，确定第一区间连续性；对所述设备电机数据特征处于所述预设区间持续的值进行频次分析，确定第二区间连续性；以所述第一区间连续性和所述第二区间连续性，输出区间连续性。4.如权利要求2所述的一种基于实时状态捕捉的安全辅助方法，其特征在于，所述方法还包括：根据所述历史用户动作数据集，生成用户动作特征；按照所述用户动作特征，搭建动作识别库，其中，所述预警分析模型能够对所述动作识别库进行调用；将所述实时用户动作数据集输入所述预警分析模型中，基于所述动作识别库进行动作匹配，得到动作匹配相似度。5.如权利要求4所述的一种基于实时状态捕捉的安全辅助方法，其特征在于，所述方法还包括：根据所述历史用户动作数据集，获取各个动作分别对应的重力加速度传感数据特征；将所述重力加速度传感数据特征与所述用户动作特征的对应性，优化所述动作识别库；
根据所述预警分析模型，得到重力加速度传感的数据匹配相似度；基于所述动作匹配相似度以及所述重力加速度传感的数据匹配相似度进行连续性识别，得到匹配连续性。6.如权利要求5所述的一种基于实时状态捕捉的安全辅助方法，其特征在于，所述方法还包括：搭建所述预警分析模型，其中，所述预警分析模型包括数据分析层和预警分析层，所述预警分析层包括瞬时预警子模型、阶段预警子模型和连续预警子模型；分别对所述数据分析层输出的所述第一预警分析结果和所述第二预警分析结果中的数据进行分析，得到区间连续性和匹配连续性；对所述区间连续性和匹配连续性进行判断，定位第一所属子模型和第二所属子模型，其中，所属子模型为所述瞬时预警子模型、所述阶段预警子模型和所述连续预警子模型中的一个。7.如权利要求6所述的一种基于实时状态捕捉的安全辅助方法，其特征在于，所述方法还包括：对所述瞬时预警子模型、所述阶段预警子模型和所述连续预警子模型进行激活参数配置，得到瞬时激活参数x1y1、阶段激活参数x2y2、连续激活参数x3y3；其中，每组激活参数均包括预设区间连续性x和预设匹配连续性y，且0<x1<x2<x3，0<y1<y2<y3。8.一种基于实时状态捕捉的安全辅助系统，其特征在于，所述系统与重力加速传感器通信连接，所述系统包括：身份识别模块，所述身份识别模块用于对第一用户进行身份识别，判断是否已激活第一康复设备；数据调用模块，所述数据调用模块用于若已激活所述第一康复设备，对所述第一康复设备的信息录入终端发送数据请求指令，用于调用所述第一用户的历史训练数据集，所述历史训练数据集包括历史腿部肌力数据集、历史设备电机数据集以及所述重力加速传感器传感获取的历史用户动作数据集；建立模块，所述建立模块用于根据所述历史训练数据集，建立预警分析模型；实时数据获取模块，所述实时数据获取模块用于获取实时腿部肌力数据集、实时设备电机数据集以及实时用户动作数据集；第一预警分析模块，所述第一预警分析模块用于将所述实时腿部肌力数据集和实时设备电机数据集输入所述预警分析模型中，得到第一预警分析结果；第二预警分析模块，所述第二预警分析模块用于将所述实时用户动作数据集输入所述预警分析模型中，得到第二预警分析结果；预警信号发送模块，所述预警信号发送模块用于根据所述第一预警分析结果和第二预警分析结果向所述第一康复设备的预警终端发送第一预警信号。9.一种电子设备，其特征在于，所述电子设备包括：存储器，用于存储可执行指令；处理器，用于执行所述存储器中存储的可执行指令时，实现权利要求1至7任一项所述的一种基于实时状态捕捉的安全辅助方法。
10.一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至7中任一所述的一种基于实时状态捕捉的安全辅助方法。

技术总结
本发明公开了一种基于实时状态捕捉的安全辅助方法及系统，涉及数据处理领域，其中，所述方法包括：根据历史训练数据集，建立预警分析模型；将实时腿部肌力数据集和实时设备电机数据集输入预警分析模型中，得到第一预警分析结果；将实时用户动作数据集输入预警分析模型中，得到第二预警分析结果；根据第一预警分析结果和第二预警分析结果向第一康复设备的预警终端发送第一预警信号。解决了现有技术中针对用户的康复训练的安全预警适配度低、准确性不高，进而造成用户的康复训练的安全预警效果不佳的技术问题。达到了提高对用户的康复训练进行安全预警的适配度、准确性，提升用户的康复训练的安全预警质量的技术效果。复训练的安全预警质量的技术效果。复训练的安全预警质量的技术效果。


技术研发人员：冯彬 贺琛 马瑞 单丁 陈德才
受保护的技术使用者：中航创世机器人（西安）有限公司
技术研发日：2023.05.30
技术公布日：2023/6/28