一种基于数字化的智慧养老监护系统及方法技术方案

本发明专利技术公开了一种基于数字化的智慧养老监护系统及方法，属于智慧养老技术领域；系统包括智能终端

【技术实现步骤摘要】
一种基于数字化的智慧养老监护系统及方法


[0001]本专利技术涉及智慧养老
，具体为一种基于数字化的智慧养老监护系统及方法
。

技术介绍

[0002]根据调查数据显示，二十一世纪以来中国老年人口比例逐渐上升，说明人口老龄化在进一步加深，老年人成为了我国人口中很大的一部分，而随着人口老龄化的加剧，如何使老年人度过一个安好的晚年成了一个急需解决的问题
。
[0003]当下全球智慧养老产业具备庞大的市场需求，并且在未来一段时间内，这一市场需求将持续快速增长
。
国内的智慧养老市场虽处于起步阶段，但已经具备一定的规模，预计随着我国人口老龄化程度的不断加深，国内智慧养老产业的市场规模将会快速扩展
。
目前对老年人的看护多使用远程智能监控设备，同时也存在一些问题
。
[0004]公开号为
CN105848101A
的中国专利文本公开了一种基于室内定位的老年人居家养老监护系统，所述系统包括：室内定位模块，用于对老年人的室内位置进行定位获得定位信息，并根据定位信息进行预警；危险感测模块，用于感测老年人的状态，并根据该状态进行摔倒检测；处理模块，用于处理定位信息，并将处理后的定位信息存储到指纹数据库中
。
专利文本中采用了基于
WIFI
指纹定位算法的室内定位方法，但该方法相比将信号值转换为距离值较复杂，通过结合两个距离值建立坐标系可以准确且快速的获取老年人位置
。
[0005]公开号为
>CN115171335A
的中国专利文本公开了一种融合图像和语音的独居老人室内安全保护方法，方法包括：获取居家环境下的监控视频数据，监控视频数据包括图像数据和语音数据；对图像数据进行人脸检测和人脸识别，判断得到居家环境人数以及身份认证；响应于判断为独居老人，对独居老人进行跌倒动作识别，得到独居老人跌倒识别结果；对语音数据进行云端语音识别处理，得到老人的情感分析结果；结合居家环境人数以及身份认证
、
老人跌倒识别结果和情感分析结果对老人状态进行综合分析，得到老人状态分析结果；根据老人状态分析结果，向对应的终端或平台发送安全保护通知
。
当该方法只考虑了人脸识别，未考虑对老年人身体姿态的对比判断
。

技术实现思路

[0006]为解决上述现有技术的智慧养老系统存在的问题，本专利技术提供如下技术方案：一种基于数字化的智慧养老监护系统，包括：智能终端
、
移动终端和摄像终端；智能终端包括位置定位模块
、
相似度对比模块
、
摔倒检测模块
、
健康监测模块
、
数据存储模块，移动终端包括警告模块；
[0007]位置定位模块用于对老年人的位置进行定位；
[0008]相似度对比模块用于对老年人的身体姿态进行对比判断；
[0009]摔倒检测模块用于判断老年人是否摔倒；
[0010]健康监测模块用于获得老年人的身体状况数据
。
[0011]进一步地，所述位置定位模块采用如下方式进行定位：
[0012]S11、
在室内活动区安装两个信号发射器，以其中一个信号发射器为原点，建立直角坐标系并预设房屋坐标区间
U1及休息区坐标区间
U2；
[0013]S12、
智能终端分别接收信号发射器的信号强度；将传输过程中信号强度
RSSI
转换为距离值，其中
RSSI
＝
P
r
(d)
，计算公式如下：
[0014]P
r
(d)
＝
P
r
(d0)+10
·
n(lgd0‑
lgd)+
η
[0015]式中
d
表示信号发射器到老年人的距离，
d0为
1m
；
n
是路径损失系数比；
η
表示信号的损失程度，表示均值为0时高斯分布随机变量；
P
r
(d)
表示信号发射器距离智能终端
d
处的
RSSI
，用
dBm
表示；
Pr(d0)
表示信号发射器距离智能终端
1m
处的
RSSI
；
[0016]S13、
根据获取得到的距离值计算老年人当前位置坐标
u。
[0017]进一步地，所述相似度对比模块的对比方法如下：
[0018]S21、
数据采集：采集老年人跌倒时的身体姿态图像作为第一历史图像集；
[0019]S22、
图像采集：根据老年人当前位置坐标启动对应摄像终端，以预设间隔时长采集老年人身体姿态图像；
[0020]S23、
当
u∈U2时，不进行图像相似度对比，当
u∈U1且时，将拍摄图像与第一历史图像集进行图像相似度对比；
[0021]S24、
若图像相似度达到设置阈值，则判断老年人存在跌倒情况，并将拍摄图像传输至移动终端警告模块
。
[0022]进一步地，所述相似度对比采用如下方式：
[0023][0024]式中，
x
，
y
为进行对比的两张图像，
μ
x
，
μ
y
分别为
x
图像，
y
图像的均值；
ε
x2
，
ε
y2
，
ε
xy
表示
x
图像方差，
y
图像方差，两图像协方差；
C1，
C2均为常数
。
[0025]进一步地，当时，即老年人离开房屋时启动所述摔倒检测模块，所述摔倒检测模块采用阈值分析法判断老年人是否摔倒，阈值分析法包括失重检测
、
撞击检测
、
静止检测和姿势角检测
。
[0026]进一步地，所述智能终端还包括疾病预测模块，所述疾病预测模块用于对健康监测模块获取的数据进行处理
。
[0027]进一步地，所述疾病预测模块包括神经网络模型，采用如下方式对疾病进行预测：
[0028]S41、
对神经网络进行训练，收集生病老年人的身体状况数据，形成数据集，将数据集分为训练集和测试集；
[0029]S42、
将训练集的数据归一化后输入到神经网络模型中，通过不断地正向传播和误差反向传播使得结果趋于准确，当训练次数达到学习次数
T
时，停止训练过程保存训练结果，得到训练后的神经网络模型；
[0030]S43、
将测试集的数据归一化后输入到训练后的神经本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于数字化的智慧养老监护系统，其特征在于，包括：智能终端
、
移动终端和摄像终端；所述智能终端包括位置定位模块
、
相似度对比模块
、
摔倒检测模块
、
健康监测模块
、
数据存储模块，所述移动终端包括警告模块；所述位置定位模块用于对老年人的位置进行定位；所述相似度对比模块用于对老年人的身体姿态进行对比判断；所述摔倒检测模块用于判断老年人是否摔倒；所述健康监测模块用于获得老年人的身体状况数据
。2.
根据权利1所述的一种基于数字化的智慧养老监护系统，其特征在于，所述位置定位模块采用如下方式进行定位：
S11、
在室内活动区安装两个信号发射器，以其中一个信号发射器为原点，建立直角坐标系并预设房屋坐标区间
U1及休息区坐标区间
U2；
S12、
智能终端分别接收信号发射器的信号强度；将传输过程中信号强度
RSSI
转换为距离值，其中
RSSI
＝
P
r
(d)
，计算公式如下：
P
r
(d)
＝
P
r
(d0)+10
·
n(lgd0‑
lgd)+
η
式中
d
表示信号发射器到老年人的距离，
d0为
1m
；
n
是路径损失系数比；
η
表示信号的损失程度，表示均值为0时高斯分布随机变量；
P
r
(d)
表示信号发射器距离智能终端
d
处的
RSSI
，用
dBm
表示；
Pr(d0)
表示信号发射器距离智能终端
1m
处的
RSSI
；
S13、
根据获取得到的距离值计算老年人当前位置坐标
u。3.
根据权利2所述的一种基于数字化的智慧养老监护系统，其特征在于，所述相似度对比模块的对比方法如下：
S21、
数据采集：采集老年人跌倒时的身体姿态图像作为第一历史图像集；
S22、
图像采集：根据老年人当前位置坐标启动对应摄像终端，以预设间隔时长采集老年人身体姿态图像；
S23、
当
u∈U2时，不进行图像相似度对比，当
u∈U1且时，将拍摄图像与第一历史图像集进行图像相似度对比；
S24、
若图像相似度达到设置阈值，则判断老年人存在跌倒情况，并将拍摄图像传输至移动终端警告模块
。4.
根据权利3所述的一种基于数字化的智慧养老监护系统，其特征在于，所述相似度对比采用如下方式：式中，
x
，
y
为进行对比的两张图像，
μ
x
，
μ
y
分别为
x
图像，
y
图像的均值；
ε
x2
，
ε
y2
，
ε
xy
表示
x
图像方差，
y
图像方差，两图像协方差；
C1，
C2均为常数
。5.
根据权利4所述的一种基于数字化的智慧养老监护系统，其特征在于，当时，即老年人离开房屋时启动所述摔倒检测模块，所述摔倒检测模块采用阈值分析法判断老年人是否摔倒，阈值分析法包括失重检测
、
撞击检测
、
静止检测和姿势角检测
。6.
根据权利1所述的一种基于数字化的智慧养老监护系统，其特征在于，所述智能终端还包括疾病预测模块，所述疾病预测模块用于对健康监测模块获取的数据进行处理
。
7....

【专利技术属性】
技术研发人员：李海源，
申请(专利权)人：李海源，
类型：发明
国别省市：