隨著世界經(jīng)濟(jì)持續(xù)發(fā)展,人口老齡化問題日益突出。為此,我國提出“9073”養(yǎng)老模式,即在全市戶籍老年人中,90%由家庭自我照顧,7%享受社區(qū)居家養(yǎng)老服務(wù),3%享受機(jī)構(gòu)養(yǎng)老服務(wù)。然而現(xiàn)有的居家養(yǎng)老服務(wù)從業(yè)者人數(shù)和專業(yè)性遠(yuǎn)遠(yuǎn)達(dá)不到社會需求。隨著人工智能、物聯(lián)網(wǎng)技術(shù)的發(fā)展,智能住宅技術(shù)能夠?yàn)楠?dú)居老年人提供一系列的生活輔助,跟蹤住戶健康狀況、實(shí)現(xiàn)居民異常行為識別,能有效緩解這一難題。然而,智能住宅在實(shí)際研發(fā)和應(yīng)用中還存在以下幾個問題:（1）當(dāng)前智能住宅主要應(yīng)用于智能家居、環(huán)境監(jiān)測和智能安防等,關(guān)注居民的身體健康狀況、居家異常行為的應(yīng)用較少;（2）智能住宅傳感系統(tǒng)的風(fēng)險意識不強(qiáng),在收集住戶健康信息的同時,也要注重隱私的保護(hù);（3）對老年人異常行為的監(jiān)測,目前主要采用手環(huán)、RFID標(biāo)簽等方式,對用戶異常行為識別的精度不高,誤報情況較多。為解決以上問題,本研究提出了一種新的居家異常行為檢測思路,針對老年人居家異常行為,提供檢測和預(yù)警。主要工作如下:（1）梳理老年人常見異常行為、發(fā)生原因,構(gòu)建了異常俯身和跌倒行為模型。從計算機(jī)視覺、可穿戴設(shè)備和室內(nèi)定位傳感器的角度對典型的異常行為檢測方法進(jìn)行梳理;（2）... 

【文章來源】：華中科技大學(xué)湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：89 頁

【學(xué)位級別】：碩士

【部分圖文】：

智能住宅傳感系統(tǒng)示例

圖 2- 1 居民日常行為的分類日常行為和社交行為是在姿態(tài)識別和運(yùn)動識別的基礎(chǔ)上，增加行為發(fā)生的序列和循環(huán)等上下文信息，表達(dá)了用戶的日常習(xí)慣和心理狀態(tài)等信息。最近的研究表明，復(fù)雜日常生活任務(wù)的變化可能是早期衰退的標(biāo)志。評價認(rèn)知能力下降的最佳指標(biāo)并非是基于一個人在任何一個時間點(diǎn)的表現(xiàn)，而是監(jiān)測行為隨時間的變化和趨勢。最常見的“阿爾茲海默癥”和“帕金森綜合癥”可以通過行為的改變?nèi)缢哒系K、行走困難和不能完成輕而易舉的任務(wù)來進(jìn)行早期檢測。這些行為變化可以提供一個人的記憶、運(yùn)動和認(rèn)知的關(guān)鍵信息，例如患有阿爾茨海默氏癥的老年人可能會忘記吃午飯，吃多頓午餐，在半夜做飯等。認(rèn)知心理學(xué)領(lǐng)域的觀點(diǎn)認(rèn)為，抑郁癥患者的人際關(guān)系主要表現(xiàn)為多愁敏感、悲觀消沉，這種社交障礙對心理健康十分不利，對疾病的發(fā)生有重要的影響。然而到目前為止，其神經(jīng)病學(xué)的發(fā)病機(jī)理尚不清楚。目前基于長期的跟蹤數(shù)據(jù)判斷老年人日常行為和社交行為的異常，缺少行為數(shù)據(jù)集，受技術(shù)發(fā)展水平限制多，難度較大。綜上所述，為保證研究的順利開展和結(jié)果的準(zhǔn)確可靠，本文重點(diǎn)研究老年人的姿

左側(cè)躺、右側(cè)躺和平躺。動態(tài)的模型主要分為以下幾種：行走、奔跑、旋轉(zhuǎn)、跳躍、站立、坐下、俯身、蹲下、上下樓梯、躺下等。而老年人異常行為檢測就是要在日常行為中對異常俯身和跌倒等行為加以區(qū)分，類似跌倒的動作有：站立—側(cè)躺、站立—平躺、站立—坐下、行走—側(cè)躺、行走—平躺、行走—蹲下；異常俯身與正常彎腰的動作也極其相似，難以區(qū)分。因此，在老年人異常行為檢測方法中，對類跌倒和彎腰的分析就尤為重要。導(dǎo)致老年人異常俯身的原因有很多，主要特征表現(xiàn)為胸口疼或小腹疼痛等。老年人容易出現(xiàn)胸口疼痛的狀況，主要原因有三點(diǎn)：第一是心理因素，部分患者表示自己渾身不舒服，經(jīng)過專業(yè)診斷卻未能發(fā)現(xiàn)病根，這是精神疾病的“軀體癥狀”；第二是肌肉拉傷，胸部的肌肉出現(xiàn)了拉傷會造成胸部出現(xiàn)酸痛感；第三是疾病問題，心臟病、肺部、胃部、肝臟疾病等都可能引起胸口疼痛或小腹疼痛。人們在發(fā)生疼痛感時通常會用手捂住胸口或小腹，臉部表情異常，因此要對異常俯身和正常的彎腰加以區(qū)分，主要是要檢測手的位置和面部的表情。

【參考文獻(xiàn)】：
期刊論文
[1]基于神經(jīng)網(wǎng)絡(luò)的交互式異常行為識別研究[J]. 關(guān)百勝,卞春江,馮水春,陳實(shí).  電子設(shè)計工程. 2018(20)
[2]2014年全國傷害監(jiān)測系統(tǒng)老年跌倒/墜落病例特征分析[J]. 耳玉亮,段蕾蕾,葉鵬鵬,汪媛,紀(jì)翠蓉,鄧曉,高欣,金葉,王臨虹.  中華流行病學(xué)雜志. 2016 (01)
[3]基于時空興趣點(diǎn)的單人行為及交互行為識別[J]. 王世剛,孫愛朦,趙文婷,惠祥龍.  吉林大學(xué)學(xué)報(工學(xué)版). 2015(01)
[4]人體動作行為識別研究綜述[J]. 李瑞峰,王亮亮,王珂.  模式識別與人工智能. 2014(01)

碩士論文
[1]基于類中心最小超球體的快速分類法[D]. 蘇展.華中科技大學(xué) 2006



本文編號：3103133