CN103325080B - 一种基于物联网技术的敬老院智能看护系统及方法 - Google Patents

Abstract

本发明公开了一种基于物联网技术的敬老院智能看护系统及方法，结合物联网技术与行为识别技术，通过监护仪和环境传感器对老人的生理信息、姿态信息及环境信息进行监控，同时通过监护仪携带的RFID标签信息计算老人的位置信息，当有异常情况发生时，视频监控网络根据老人的位置信息获取老人监控视频的序列图像，对序列图像进行行为识别，根据老人的行为进一步判定是否确实有危险情况发生。本发明在老人发生危险时进行双重判断，提高了危险报警的准确率，而且本发明基于物联网技术的敬老院智能看护系统在设置完成后可自动运行，降低了看护人员的工作量，提高了看护质量。

Description

一种基于物联网技术的敬老院智能看护系统及方法

技术领域

本发明属于智能看护技术领域，更为具体地讲，涉及一种基于物联网技术的敬老院智能看护系统及方法。

背景技术

目前全球老龄化的问题日趋严重，老年人与年轻人比例的严重失衡，造成敬老院的看护人员非常缺失，在突发情况发生时，老人不能在第一时间被发现进行救治，导致严重的后果。如何在看护人员有限的条件下，为老年人提供优质、全面的看护服务，在发生危险时第一时间做出反应，已经成为一个迫切需要解决的问题。目前，国内外已经研发出基于RFID（Radio FrequencyIdentification，射频识别）技术或是基于视频监控的敬老院老年人看护系统。

基于RFID技术的敬老院老年人看护系统一般采用RFID系统与传感器配合使用，通过RFID标签携带老年人信息，传感器对老年人的身体状态等信息进行采集，从而在发生危险时，通过RFID无线传输进行报警和定位，对老年人进行救助。但是由于RFID技术判别的条件有限，报警不够准确，容易出现误报。

基于视频监控的敬老院老年人看护系统，主要是采用分布于场所内的监控设备进行监控，需要专人进行肉眼观察，监控对象多，劳动强度大，由于疲劳等因素会导致监控人员不能及时发现危险状况，出现漏报。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于物联网技术的敬老院智能看护系统及方法，结合物联网技术与视频图像自动识别技术，对老人发生的危险情况进行双重判断，提高报警的准确率，降低看护人员的工作量。

为实现上述发明目的，本发明基于物联网技术的敬老院智能看护系统，其特征在于，监护仪、环境传感器、信息采集模块、视频监控网络、数据处理模块、视频行为检测模块和数据库模块，其中，

监护仪，监测得到老人生理信息和身体姿态信息，并设置有RFID标签模块，监护仪将RFID标签信息和监测得到的信息一起发送给信息采集模块；

环境传感器，用于监测环境信息，发送给信息采集模块；

信息采集模块，用于采集监护仪上传的RFID标签信息、老人的生理信息和身体姿态信息，以及环境传感器上传的环境信息，转发给数据处理模块；

数据处理模块，用于根据信息采集模块上传的RFID标签信息计算老人的位置信息，读取数据库模块中存储的标准生理信息、标准环境信息及预先设定的身体姿态信息阈值，对生理信息、身体姿态信息和环境信息进行异常情况判定，在异常情况发生时将老人的位置信息与监控请求指令发送给视频行为检测模块；

视频行为检测模块，用于根据从数据处理模块接收到的老人的位置信息与监控请求指令，向视频监控网络发送监控指令；接收视频监控网络反馈的监视视频的序列图像，从数据库模块中提取出预先建立的标准行为模板，对序列图像进行行为识别，如果识别到危险情况发生则向报警模块发送报警信息；

视频监控网络，包括多个监控设备，用于根据视频行为检测模块发送的监控指令对老人进行监控，并将监控视频的序列图像反馈给视频行为检测模块；

数据库模块，用于存储老人的标准生理信息、标准环境信息、标准行为模板以及监控设备的位置信息与状态信息；

报警模块，用于根据接收到的报警信息发出警报。

其中，环境传感器包括温度传感器、湿度传感器，红外传感器，光照传感器。

其中，数据库模块包括：

监控设备状态数据库，用于存储监控设备的位置信息与状态信息；

生理体征数据库，用于存储老人的标准生理信息；

环境状态数据库，用于存储标准环境信息；

视频行为数据库，用于存储用于行为识别的标准行为模板，包括坐姿与睡姿的标准行为模板。

本发明还提供一种基于物联网技术的敬老院智能看护方法，其特征在于，包括以下步骤：

S1：带有RFID标签的监护仪获取老人的生理信息和身体姿态信息，连同RFID标签信息一起通过信息采集模块上传至数据处理模块；

S2：数据处理模块根判断老人的生理信息和身体姿态信息是否正常，如果有异常情况发生，进入步骤S5；如果没有异常情况发生，进入步骤S3；

S3：数据处理模块检测是否有环境传感器上传环境信息，如果没有环境信息上传，返回步骤S1；如果有环境信息上传，进入步骤S4；

S4：数据处理模块判定环境信息是否超出预先设定的标准环境信息范围，如果没有任何环境信息超出对应的标准环境信息范围，则环境正常，返回步骤S1；否则环境不正常，进入步骤S5；

S5：数据处理模块根据步骤S1中上传的RFID标签信息计算出老人的位置信息，通过视频行为检测模块向视频监控网络发送监控指令对老人进行视频监控，得到老人的监控视频的序列图像；

S6：预先建立标准行为模板，包括坐姿与睡姿的标准行为模板；视频行为检测模块根据标准行为模板对步骤S5中得到的序列图像进行行为识别，判断行为是否正常，如果正常，则老人安全，返回步骤S1；如果不正常，则老人有危险情况发生，进行报警。

其中，标准行为模板的建立方法为：预先采集多名老人的多种行为姿态序列图像，采用特征提取方法提取每种行为的特征向量，通过样本训练与聚类，选取最优参数，形成标准行为模板。

其中，标准行为模板的建立方法为：预先采集多名老人的多种行为姿态序列图像，采用特征提取方法提取每种行为的特征向量，通过样本训练与聚类，选取最优参数，形成标准行为模板。

其中，行为识别包括以下步骤：

①、从待识别的序列图像中识别出前景目标，即人体图像；

②、采用特征提取方法在检测出前景目标的序列图像中提取出老人行为的特征向量；

③、根据预先建立的标准行为模板，与待检测的序列图像的特征向量匹配，匹配度最高的标准行为模板即为该序列图像中老人的行为。

本发明的发明目的是这样实现的：

本发明基于物联网技术的敬老院智能看护系统及方法，结合物联网技术与行为识别技术，通过监护仪和环境传感器对老人的生理信息、身体姿态信息及环境信息进行监控，同时通过监护仪携带的RFID标签信息计算老人的位置信息，当有异常情况发生时，视频监控网络根据老人的位置信息获取老人监控视频的序列图像，对序列图像进行行为识别，根据老人的行为进一步判定是否确实有危险情况发生。

本发明基于物联网技术的敬老院智能看护系统及方法具有以下有益效果：

①、本发明将物联网技术与视频图像行为识别技术相结合，通过传感器技术对老人异常情况进行快速的初级判断，若判断老人存在危险，则启动视频图像行为检测模块进行精确判断，从而增加了系统判断危险的效率，避免老人长时间处于危险环境而受到更深的伤害；

②、本发明通过传感器技术与视频图像行为识别技术对危险发生时进行了双重检测，避免单独使用传感器技术容易产生误判性；

③、本发明基于物联网技术的敬老院智能看护系统在进行设置后，异常情况的初级判断与视频图像行为识别均可自动进行，从而实现智能化的敬老院看护，减少看护人员的工作量，提高看护质量。

附图说明

图1是本发明基于物联网技术的敬老院智能看护系统的一种具体实施方式架构图；

图2是图1中腕带式监护仪的一种具体实施方式架构图；

图3是图1中环境传感器的一种具体实施方式结构图；

图4是图1中数据库模块的一种具体实施方式结构图；

图5是本发明基于物联网技术的敬老院智能看护方法的一种具体实施方式流程图。

具体实施方式

下面结合附图对本发明的具体实施方式进行描述，以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是，在以下的描述中，当已知功能和设计的详细描述也许会淡化本发明的主要内容时，这些描述在这里将被忽略。

实施例

图1是本发明基于物联网技术的敬老院智能看护系统的一种具体实施方式架构图。如图1所示，本发明基于物联网技术的敬老院智能看护系统包括：腕带式监护仪1、环境传感器2、信息采集模块3、视频监控网络4、服务器5和报警模块6，其中服务器5包括数据处理模块51、视频行为检测模块52、数据库模块53。

腕带式监护仪1，用于实时监测老人生理信息与身体姿态信息，腕带式监护仪1设置有RFID标签模块，用于记录老人的ID信息。腕带式监护仪1将所得到的老人的生理信息、身体姿态信息、RFID标签信息无线发送给信息采集模块3。监护仪也可制作成其他形式进行佩戴。

图2是图1中腕带式监护仪的一种具体实施方式架构图。如图2所示，本实施例中，腕带式监护仪1包括：

生理特征信息采集模块11，用于实时监测老人的生理信息。本实施例中，采集到的生理信息包括血压收缩压、舒张压以及心率正常区间值。

重力及加速度传感器12，用于通过加速度变化实时监测老人的身体姿态信息。重力及加速度传感器12主要是通过对老人动作产生的加速度进行实时测量来监测身体姿态信息，采用现有技术即可通过重力及加速度传感器测得的重力与加速度的变化来判断老人是否跌倒，是一种较为普遍的跌倒检测装置。

RFID标签模块13，用于记录老人的ID信息。服务器5通过信息采集模块3上传的老人的ID信息通过计算即可确定老人的位置信息。信息采集模块3的数量越多，所计算的位置信息越精确。

环境传感器2，用于监测老人所处环境的环境信息，发送给信息采集模块3。环境传感器2可根据需要安装于敬老院合适位置，服务器5根据上传的环境信息判定老人所处的环境是否适宜。图3是图1中环境传感器的一种具体实施方式结构图。如图3所示，本实施例中，环境传感器2包括温度传感器21、湿度传感器22、红外传感器23、光照传感器24。

温度传感器21，安装于浴室，用于在老人洗浴时实时测量浴室的温度，设定有开启温度阈值，当温度超过开启温度阈值时，温度传感器启动，实时测量浴室湿度，当温度低于开启温度阈值时，温度传感器关闭。

湿度传感器22，安装于浴室，用于在老人洗浴时实时测量浴室的湿度，设定有开启湿度阈值，当湿度超过开启湿度阈值时，湿度传感器启动，实时测量浴室湿度，当湿度低于开启湿度阈值时，温度传感器关闭。

红外传感器23，安装于浴室和厕所，用于监测老人洗浴和如厕时间，当老人进入浴室或厕所时，触发红外传感器23开始计时，当老人离开浴室或厕所时，终止计时。

光照传感器24，安装于卧室，用于监测老人卧室灯光的状态信息，当夜晚开灯时，触发光照传感器24开始计时，当关灯时，终止计时。该计时上传至服务器5后可与服务器时钟绑定，从而监控老人的休息时间。

本实施例中，这四种环境传感器得到的环境信息都将被发送给信息采集模块3。

信息采集模块3，分布与敬老院各处，用于当老人进入其覆盖区域时采集腕带式监护仪1上传的老人的生理信息、身体姿态信息、RFID标签信息，并采集环境传感器2上传的环境信息，并转发给服务器5中的数据处理模块51。

视频监控网络4，包括分布于敬老院各处的多个监控设备，每个监控设备的位置信息与状态信息均存储于数据库模块53中，用于根据服务器5中视频行为检测模块52发送的监控指令，开启老人位置信息对应的监控设备对老人进行视频监控，并将监控视频的序列图像反馈给服务器5中的视频行为检测模块52。

服务器5，用于根据从多个信息采集模块3接收到的RFID标签信息计算老人的位置信息，对老人的生理信息、身体姿态信息以及环境信息进行初步判断，一旦有异常情况即发送监控指令给视频监控网络4。服务器5包括数据处理模块51、视频行为检测模块52、数据库模块53。

数据处理模块51，用于根据步骤信息采集模块3上传的RFID标签信息计算出老人的位置信息，根据数据库模块53中存储的标准生理信息、标准环境信息及预先设定的身体姿态信息阈值对腕带式监护仪1和环境传感器2发送的生理信息、身体姿态信息和环境信息进行异常情况判定，一旦老人有任何生理信息、身体姿态信息或环境信息的异常情况，即将老人的位置信息与监控请求指令发送给视频行为检测模块52。异常情况判定包括：

生理信息判定：根据老人的ID信息从数据库模块53中提取出预先设定的标准生理信息对老人的生理信息进行判定；

姿态信息判定：采用对重力及加速度传感器12的加速度信息进行判断，当重力传感器的加速度或加速度传感器检测到的横向、纵向多维加速度的变化超过事先设定好的加速度变化阈值时，初步判断老人可能发生跌倒；加速度变化阈值一般为加速度在设定时间内变化的平均加速度，根据实际情况事先在数据处理模块51中设置进行设置。

环境信息判定：从数据库模块53中提取出预先设定的标准环境信息对环境信息进行判定，是否超出标准环境信息范围。

视频行为检测模块52，用于根据从数据处理模块51接收到的老人的位置信息与监控请求指令，向视频监控网络4发送监控指令，接收视频监控网络4反馈的监视视频的序列图像，从数据库模块53中提取出预先建立的标准行为模板，对序列图像进行行为识别，如果识别到危险情况发生则向报警模块6发送报警信息。

数据库模块53，用于存储老人的标准生理信息、标准环境信息、标准行为模板以及监控设备的位置信息与状态信息。图4是图1中数据库模块的一种具体实施方式结构图。如图4所示，本实施例中，数据库模块53包括：

监控设备状态数据库531，用于存储监控设备的位置信息与状态信息。

生理体征数据库532，用于存储老人的标准生理信息。本实施例中，老人的标准生理信息可以采用默认和手动设置两种方式，数据库模块53中存储有根据年龄分类的标准生理信息库，采用默认方式时，只需要选定老人所在年龄段即可；也可根据个体的差异，人工设定血压收缩压、舒张压以及心率正常区间值。

环境状态数据库533，用于存储标准环境信息，标准环境信息根据实际情况进行设置。

视频行为数据库534，用于存储用于行为识别的标准行为模板。一般来说，当老人发生危险情况时，行为为坐姿或睡姿，因此标准行为模板必须包含这两种行为姿态。本实施例中，老人行为包括走姿、站姿、坐姿、睡姿4种，预先采集20名老人的4种行为姿态序列图像，采用特征提取方法提取每种行为的特征向量，通过样本训练与聚类，选取最优参数，形成标准行为模板。

报警模块6，用于根据接收到的报警信息发出警报，包括危险情况与老人位置信息，提示看护人员处理。

图5是本发明基于物联网技术的敬老院智能看护方法的一种具体实施方式流程图。如图5所示，本发明基于物联网技术的敬老院智能看护方法包括以下步骤：

S501：老人随身佩戴带有RFID标签的腕带式监护仪1，腕带式监护仪1获取老人的生理信息与身体姿态信息，连同RFID标签信息一起通过分布于敬老院各处的信息采集模块3上传至服务器5；

S502：服务器5中的数据处理模块51根判断老人当前生理状态、身体姿态信息是否正常：

生理状态判定：根据老人的ID信息从数据库模块53中提取到预先设定的标准生理信息对老人的生理信息进行判定。

身体姿态信息判定：采用对重力及加速度传感器12的加速度信息进行判断，当重力传感器的加速度或加速度传感器检测到的横向、纵向多维加速度的变化超过事先设定好的阈值时，初步判断老人可能发生跌倒；加速度阈值根据实际情况事先在数据处理模块51中设置进行设置。

如果有异常情况发生，进入步骤S505，如果没有异常情况发生，进入步骤S503。

S503：服务器5中的数据处理模块51检测是否有环境传感器2上传环境信息，如果没有环境信息上传，返回步骤S501继续采集老人生理信息、身体姿态信息，如果有环境信息上传，进入步骤S504。

S504：服务器5中的数据处理模块51判断环境是否正常：从数据库模块53中提取到预先设定的标准环境信息对环境信息进行判定，是否超出标准环境信息范围，如果没有任何环境信息超出对应的标准环境信息范围，则环境正常，返回步骤S501继续采集老人生理信息、身体姿态信息，否则环境不正常，进入步骤S505；

S505：服务器5中的数据处理模块51根据步骤S501中多个信息采集模块3上传的RFID标签信息实时计算出老人所在的位置信息，将老人的位置信息与监控请求指令发送给视频行为检测模块52，视频行为检测模块52向视频监控网络4发送监控指令，开启老人位置信息对应的监控设备对老人进行视频监控；

S506：服务器5中的视频行为检测模块52根据数据库模块53中的标准行为模板对老人的监控视频进行行为识别，判断行为是否正常，如果正常，则老人安全，返回步骤S501继续采集老人生理信息、身体姿态信息，如果不正常，即老人此时为坐姿或睡姿，则老人有危险情况发生，进入步骤S507。

标准行为模板预先存储于数据库模块53中，一般来说，当老人发生危险情况时，行为为坐姿或睡姿，因此标准行为模板必须包含这两种行为姿态。现有技术中有多种标准行为模板的建立方法，本实施例中采用的方法为：预先采集多名老人的多种行为姿态序列图像，采用特征提取方法提取每种行为的特征向量，通过样本训练与聚类，选取最优参数，形成标准行为模板。本实施例中，行为姿态包括走姿、站姿、坐姿、睡姿。

特征提取方法可直接采用现有的特征提取方法，本实施例得到的特征向量为

R表示矩形度，计算公式为R＝A₀/A_R，其中A₀为人体面积，A_R为最小封闭矩阵的面积。

C表示协方差矩阵，计算公式为：

$C=\frac{1}{N-1}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}(X_i-\mathrm{\τ}){(X_i-\mathrm{\τ})}^T$

其中，N为人体图像范围内的像素总数，X_i为人体图像范围内第i个像素的坐标，τ为人体图像中心的坐标，该中心坐标包含重要的信息，如人体的姿势。

为Hu不变矩。Hu不变矩是一种常用的特征提取工具，计算方法为：

定义二维人体图像f(x,y)的矩集为：

$m_{p,q}={\∫}_{-\∞}^{\∞}{\∫}_{-\∞}^{\∞}{x}^p{y}^{q}f(x,y)\mathrm{dxdy}$

其中，p,q取所有的正整数，从而产生一个矩的无限集。无限集的(p+q)阶中心矩定义为：

$v_{p,q}=\underset{x}{\mathrm{\Σ}}\underset{y}{\mathrm{\Σ}}{(x-x_0)}^p{(y-y_0)}^{q}f(x,y)$

其中，(x₀,y₀)是质心坐标。对上述中心矩进行规范化，可得到如下的尺度规范化中心矩：

${\mathrm{\μ}}_{p,q}=\frac{v_{p,q}}{{\left(v_{\mathrm{0,0}}\right)}^{1+(p+q)/2}}=\frac{v_{p,q}}{{\left(m_{\mathrm{0,0}}\right)}^{1+(p+q)/2}}$

相对于主轴并用面积规范化的中心矩，在人体图像放大、平移、旋转时保持不变，这些矩的幅值反映了人体的形状并能用于模式识别。由规范化中心矩可以得到7个Hu不变矩，本实施例中，主要采用前4个不变矩：

本实施例中，行为识别的具体方法为：

①、利用背景差分法及阴影消除技术从待识别的序列图像中识别出前景目标，即人体图像。

②、采用特征提取方法在检测出前景目标的序列图像中提取出老人行为的特征向量。本步骤中的特征提取方法与标准行为模板建立时所使用的特征提取方法一致。

③、从数据库模块53中提取出预先建立的标准行为模板，与待检测的序列图像的特征向量匹配，匹配度最高的标准行为模板即为该序列图像中老人的行为。

S507：进行报警，包括危险情况与老人位置信息，提示看护人员处理。

本实施例中，报警级别由低至高分为1级警报、2级警报、3级警报，报警级别可根据危险情况进行设置。1级警报定义为对老人的安全不造成危险，但会影响老人的身体健康，应提示看护人员尽快前往处理；2级警报定义为对老人的安全会造成危险，应提示看护人员即时处理，3级警报定义为老人极大可能存在生命危险，应提示看护人员紧急前往处理，并且联系急救中心。

本发明基于物联网技术的敬老院智能看护系统及方法，通过生理信息、姿态信息、环境信息监测，配合视频监控，从而可提高对危险报警的准确率。下面通过本实施例中几种典型危险情况来说明本发明的实施：

1、身体不适：当血压、脉搏超出正常范围，若通过行为识别发现老人此时并非坐姿或睡姿，则启动1级警报，看护人员前往查看老人是否有运动过于剧烈或情绪激动等情况发生；当血压、脉搏超出正常浮动范围，而通过行为识别又发现老人处于坐姿或睡姿，那么此时老人极有可能发生危险情况，例如心脏病突发、突然昏阙等，因此启动3级警报。

2、摔倒：摔倒分为侧向摔倒及前后摔倒，当发生摔倒时，身体的横向及纵向的多维加速度急剧加大，若通过行为识别发现老人处于坐姿或睡姿，则判断老人为摔倒，启动2级警报。

3、床上摔下：当老人从床上摔下时，向下的加速度会急剧加大，若通过行为识别发现老人处于坐姿或睡姿，则启动2级警报。

4、如厕看护：通过环境传感器2中的红外传感器23以及RFID标签信息共同确定老人是否正在如厕，若服务器5中的数据处理模块51根据接收到红外传感器23的计时发现老人如厕时间超出阈值，则启动2级警报。

5、洗浴过长：通过环境传感器2中的温度传感器21和湿度传感器22判别老人是否正在淋浴，并通过红外传感器23及RFID标签信息的辅助，对每位老人的洗浴情况和时间进行监测，若温度、湿度、洗浴时间任意一项超出阈值，则启动2级警报。

6、夜间睡眠看护：通过环境传感器2中的光照传感器24判别老人是否已熄灯休息，若超过正常熄灯时间仍为点灯状态，则通过行为识别的结果，给出不同等级的警报。如老人此时并非是坐姿与睡姿，则老人还在进行活动，则启动1级警报提示看护人员前往督促老人休息，否则启动2级警报提示看护人员前往查看老人情况。

尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

Claims (5)

1.一种基于物联网技术的敬老院智能看护系统，其特征在于，包括监护仪、环境传感器、信息采集模块、视频监控网络、数据处理模块、视频行为检测模块和数据库模块，其中，

监护仪，监测得到老人生理信息和身体姿态信息，并设置有RFID标签模块，监护仪将RFID标签信息和监测得到的信息一起发送给信息采集模块；

环境传感器，用于监测环境信息，发送给信息采集模块；

信息采集模块，用于采集监护仪上传的RFID标签信息、老人的生理信息和身体姿态信息，以及环境传感器上传的环境信息，转发给数据处理模块；

数据处理模块，用于根据信息采集模块上传的RFID标签信息计算老人的位置信息，读取数据库模块中存储的标准生理信息、标准环境信息及预先设定的身体姿态信息阈值，对生理信息、环境信息和身体姿态信息进行异常情况判定，在异常情况发生时将老人的位置信息与监控请求指令发送给视频行为检测模块；

视频行为检测模块，用于根据从数据处理模块接收到的老人的位置信息与监控请求指令，向视频监控网络发送监控指令；接收视频监控网络反馈的监视视频的序列图像，从数据库模块中提取出预先建立的标准行为模板，对序列图像进行行为识别，如果识别到危险情况发生则向报警模块发送报警信息；其中，标准行为模板的建立方法为：预先采集多名老人的多种行为姿态序列图像，采用特征提取方法提取每种行为的特征向量，通过样本训练与聚类，选取最优参数，形成标准行为模板；其中特征向量为R表示矩形度计算公式为R＝A₀/A_R，其中A₀为人体面积，A_R为最小封闭矩阵的面积，C表示人体图像范围内像素的协方差矩阵，为Hu不变矩中的前4个不变矩，其中协方差矩阵C的计算公式为：

$C=\frac{1}{N-1}\underset{i=1}{\overset{N}{\Σ}}(X_i-\mathrm{\τ}){(X_i-\mathrm{\τ})}^T$

其中，N为人体图像范围内的像素总数，X_i为人体图像范围内第i个像素的坐标，τ为人体图像中心的坐标；

Hu不变矩中的前4个不变矩的计算方法为：

定义二维人体图像f(x,y)的矩集为：

$m_{p,q}={\∫}_{-\mathrm{\∞}}^{\mathrm{\∞}}{\∫}_{-\mathrm{\∞}}^{\mathrm{\∞}}{x}^p{y}^{q}f(x,y)dxdy$

其中，p,q取所有的正整数，从而产生一个矩的无限集；无限集的(p+q)阶中心矩定义为：

$v_{p,q}=\underset{x}{\Σ}\underset{y}{\Σ}{(x-x_0)}^p{(y-y_0)}^{q}f(x,y)$

其中，(x₀,y₀)是质心坐标；对上述中心矩进行规范化，可得到如下的尺度规范化中心矩：

${\mathrm{\μ}}_{p,q}=\frac{v_{p,q}}{{\left(m_{0,0}\right)}^{1+(p+q)/2}}$

前4个不变矩的计算公式为：

行为识别的方法为：从待识别的序列图像中识别出前景目标，即人体图像，采用特征提取方法在检测出前景目标的序列图像中提取出老人行为的特征向量，根据预先建立的标准行为模板，与待检测的序列图像的特征向量匹配，匹配度最高的标准行为模板即为该序列图像中老人的行为；

视频监控网络，包括多个监控设备，用于根据视频行为检测模块发送的监控指令对老人进行监控，并将监控视频的序列图像反馈给视频行为检测模块；

数据库模块，用于存储老人的标准生理信息、标准环境信息、标准行为模板以及监控设备的位置信息与状态信息；

报警模块，用于根据接收到的报警信息发出警报。

2.根据权利要求1所述的敬老院智能看护系统，其特征在于，所述监护仪还包括生理特征信息采集模块与重力及加速度传感器。

3.根据权利要求1所述的敬老院智能看护系统，其特征在于，所述环境传感器包括温度传感器、湿度传感器，红外传感器，光照传感器。

4.根据权利要求1所述的基于物联网技术的敬老院智能看护系统，其特征在于，所述数据库模块包括：

监控设备状态数据库，用于存储监控设备的位置信息与状态信息；

生理体征数据库，用于存储老人的标准生理信息；

环境状态数据库，用于存储标准环境信息；

视频行为数据库，用于存储用于行为识别的标准行为模板，包括坐姿与睡姿的标准行为模板。

5.一种基于物联网技术的敬老院智能看护方法，其特征在于包括以下步骤：

S1：带有RFID标签的监护仪获取老人的生理信息和身体姿态信息，连同RFID标签信息一起通过信息采集模块上传至数据处理模块；

S2：数据处理模块根判断老人的生理信息和身体姿态信息是否正常，如果有异常情况发生，进入步骤S5；如果没有异常情况发生，进入步骤S3；

S3：数据处理模块检测是否有环境传感器上传环境信息，如果没有环境信息上传，返回步骤S1；如果有环境信息上传，进入步骤S4；

S4：数据处理模块判定环境信息是否超出预先设定的标准环境信息范围，如果没有任何环境信息超出对应的标准环境信息范围，则环境正常，返回步骤S1；否则环境不正常，进入步骤S5；

S5：数据处理模块根据步骤S1中上传的RFID标签信息计算出老人的位置信息，通过视频行为检测模块向视频监控网络发送监控指令对老人进行视频监控，得到老人的监控视频的序列图像；

S6：预先建立标准行为模板，包括坐姿与睡姿的标准行为模板，标准行为模板的建立方法为：预先采集多名老人的多种行为姿态序列图像，采用特征提取方法提取每种行为的特征向量，通过样本训练与聚类，选取最优参数，形成标准行为模板；其中特征向量为R表示矩形度计算公式为R＝A₀/A_R，其中A₀为人体面积，A_R为最小封闭矩阵的面积，C表示人体图像范围内像素的协方差矩阵，为Hu不变矩中的前4个不变矩；

其中协方差矩阵C的计算公式为：

$C=\frac{1}{N-1}\underset{i=1}{\overset{N}{\Σ}}(X_i-\mathrm{\τ}){(X_i-\mathrm{\τ})}^T$

其中，N为人体图像范围内的像素总数，X_i为人体图像范围内第i个像素的坐标，τ为人体图像中心的坐标；

Hu不变矩中的前4个不变矩的计算方法为：其计算方法为：

定义二维人体图像f(x,y)的矩集为：

$m_{p,q}={\∫}_{-\mathrm{\∞}}^{\mathrm{\∞}}{\∫}_{-\mathrm{\∞}}^{\mathrm{\∞}}{x}^p{y}^{q}f(x,y)dxdy$

其中，p,q取所有的正整数，从而产生一个矩的无限集；无限集的(p+q)阶中心矩定义为：

$v_{p,q}=\underset{x}{\Σ}\underset{y}{\Σ}{(x-x_0)}^p{(y-y_0)}^{q}f(x,y)$

其中，(x₀,y₀)是质心坐标；对上述中心矩进行规范化，可得到如下的尺度规范化中心矩：

${\mathrm{\μ}}_{p,q}=\frac{v_{p,q}}{{\left(m_{0,0}\right)}^{1+(p+q)/2}}$

前4个不变矩的计算公式为：

视频行为检测模块根据标准行为模板对步骤S5中得到的序列图像进行行为识别，行为识别的方法为：从待识别的序列图像中识别出前景目标，即人体图像，采用特征提取方法在检测出前景目标的序列图像中提取出老人行为的特征向量，根据预先建立的标准行为模板，与待检测的序列图像的特征向量匹配，匹配度最高的标准行为模板即为该序列图像中老人的行为；判断行为是否正常，如果正常，则老人安全，返回步骤S1；如果不正常，则老人有危险情况发生，进行报警。