CN106875629B - 基于体感网的居家养老系统及其控制方法 - Google Patents

基于体感网的居家养老系统及其控制方法 Download PDF

Info

Publication number
CN106875629B
CN106875629B CN201710130308.1A CN201710130308A CN106875629B CN 106875629 B CN106875629 B CN 106875629B CN 201710130308 A CN201710130308 A CN 201710130308A CN 106875629 B CN106875629 B CN 106875629B
Authority
CN
China
Prior art keywords
alarm
health
value
wristwatch
home
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201710130308.1A
Other languages
English (en)
Other versions
CN106875629A (zh
Inventor
杨玉东
贺玉珍
孙媛媛
李英韬
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
CHANGCHUN WHY-E SCIENCE AND TECHNOLOGY CO LTD
Original Assignee
CHANGCHUN WHY-E SCIENCE AND TECHNOLOGY CO LTD
Jilin Jiarenbang Information Services Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by CHANGCHUN WHY-E SCIENCE AND TECHNOLOGY CO LTD, Jilin Jiarenbang Information Services Co ltd filed Critical CHANGCHUN WHY-E SCIENCE AND TECHNOLOGY CO LTD
Priority to CN201710130308.1A priority Critical patent/CN106875629B/zh
Publication of CN106875629A publication Critical patent/CN106875629A/zh
Application granted granted Critical
Publication of CN106875629B publication Critical patent/CN106875629B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
    • G08B21/0438—Sensor means for detecting
    • G08B21/0446—Sensor means for detecting worn on the body to detect changes of posture, e.g. a fall, inclination, acceleration, gait
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
    • G08B21/0407—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis
    • G08B21/043—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis detecting an emergency event, e.g. a fall
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
    • G08B21/0438—Sensor means for detecting
    • G08B21/0453—Sensor means for detecting worn on the body to detect health condition by physiological monitoring, e.g. electrocardiogram, temperature, breathing
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
    • G08B21/0438—Sensor means for detecting
    • G08B21/0492—Sensor dual technology, i.e. two or more technologies collaborate to extract unsafe condition, e.g. video tracking and RFID tracking
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
    • G08B25/01—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium
    • G08B25/016—Personal emergency signalling and security systems
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
    • G08B25/01—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium
    • G08B25/08—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium using communication transmission lines
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B29/00—Checking or monitoring of signalling or alarm systems; Prevention or correction of operating errors, e.g. preventing unauthorised operation
    • G08B29/18—Prevention or correction of operating errors
    • G08B29/185—Signal analysis techniques for reducing or preventing false alarms or for enhancing the reliability of the system
    • G08B29/188—Data fusion; cooperative systems, e.g. voting among different detectors
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B29/00—Checking or monitoring of signalling or alarm systems; Prevention or correction of operating errors, e.g. preventing unauthorised operation
    • G08B29/18—Prevention or correction of operating errors
    • G08B29/20—Calibration, including self-calibrating arrangements
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Emergency Management (AREA)
  • Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Gerontology & Geriatric Medicine (AREA)
  • Computer Security & Cryptography (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Multimedia (AREA)
  • Biophysics (AREA)
  • Cardiology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Physiology (AREA)
  • Pulmonology (AREA)
  • Psychiatry (AREA)
  • Psychology (AREA)
  • Social Psychology (AREA)
  • Alarm Systems (AREA)

Abstract

基于体感网的居家养老系统及其控制方法属于智能家居服务系统技术领域，包括居家体感网、服务器和智能手机，所述居家体感网包括居家传感器和居家无线网络；所述居家传感器包括红外传感器、门禁传感器、紧急按钮、IP摄像头和健康腕表；所述居家无线网络包括中央控制器和无线路由器。本发明在家庭中创建一个体感网络环境，通过多种传感器分析佩戴健康腕表的老人的一种状态，大大减少了误报警情况的发生，并可以根据个体进行报警阈值的修正，克服了单个传感器的误报技术界限，为居家生活的老人提供一种健康、安全信息化监控系统；架设了子女的远程监护信息化平台，为子女提供了监控老人健康、监控家庭安全和与老人沟通的平台。

Description

基于体感网的居家养老系统及其控制方法
技术领域
本发明属于智能家居服务系统技术领域，特别是涉及到一种基于体感网的居家养老系统及其控制方法。
背景技术
居家养老是解决目前人口老龄化的重要途径。人口老龄化问题是全世界各国共同面临的问题，截至2015年底，中国老年人约占全球老年人口21.4％，近十年来高龄人口增加一倍，城市空巢老人家庭占比已达到49.7％，据中国老龄办数据统计，空巢家庭/类空巢家庭在2030年将会达到90％。居家养老服务实际上是在远程科技的体系上建立的一个支持家庭温情养老的新型社会化服务体系，是其它养老模式的补充与完善，切实解决老人的实际困难，已成为老人、儿女迫切的需求。因而居家养老是当今社会必须研究的课题。
体感网是针对人的一种新形式物联网，我国的家庭监控市场虽然刚刚起步，但是移动家庭监控产品在保护家庭安全、预防风险方面起到不可低估的作用。未来的移动家庭监控系统，将是一个完善的智能化监控体系，结合了4G、安防、智能、电子商务等应用，还可灵活组合电信运营商已有的增值业务系统，将电视娱乐、视频监控、视频会议、手机视频、可视通信等多种业务整合在一个平台上提供给用户，发挥整合优势，来满足用户的个性化需求。同时，高端家庭监控系统还会更加智能化，如视频监测方面能提供高级视频智能分析功能，包括智能分析区域和边界、人像识别、人物追踪、人物统计等；还将结合医疗、家政、呼叫等功能，增加联动报警及安全服务方面的应用。
多传感器融合技术：传统的传感器由于技术和使用环境限制，存在一定程度的误报问题，通过采用多传感器融合技术提高了灵敏度，也提高了误报率，如果设置阈值低，很多危险也检测不到。而多个传感器的检测数据的整合，并通过一定算法进行分析后给出的报警信息，将极大的提高检测水平。
将多传感器融合技术和体感网同时应用于居家养老方面，用于监护老人的健康以及生活是一个新的课题。
发明内容
本发明所要解决的技术问题是：提供一种基于体感网的居家养老系统及其控制方法作为监测居家老人安全和健康的信息化系统及方法，用来解决单一传感器误判和不同人的个体化差异等技术问题。
基于体感网的居家养老系统，包括居家体感网、服务器和智能手机，所述居家体感网包括居家传感器和居家无线网络；所述居家传感器包括红外传感器、门禁传感器、紧急按钮、IP摄像头和健康腕表；所述居家无线网络包括中央控制器和无线路由器；所述健康腕表的内部设置有三维加速度传感器、心率传感器、计时器、存储器、紧急呼叫装置、基站定位装置和GPS定位装置，健康腕表通过GPRS与互联网连接；所述中央控制器通过ZigBee分别与红外传感器、门禁传感器以及紧急按钮连接；所述无线路由器通过Wifi分别与IP摄像头、健康腕表以及中央控制器连接，无线路由器通过宽带与互联网连接；所述服务器与互联网连接；所述智能手机通过TD-LTE与服务器连接。
所述IP摄像头的数量为四个以上。
基于体感网的居家养老系统的控制方法，利用所述的基于体感网的居家养老系统，包括以下步骤，并且以下步骤顺次进行，
步骤一、将老人的注册信息、子女的注册信息、传感器的注册信息、传感器权限分配信息、家庭位置信息以及居室分布信息录入中央控制器；
通过与健康腕表通信连接的智能手机的app端应用程序设定健康腕表中的模型参数、报警阈值；
所述模型参数包括每日要求运动步数、本人体重、性别、年龄、健康状态和腕表佩戴习惯，所述健康状态分为好、中、差三种，所述腕表佩戴习惯分为左手佩戴和右手佩戴两种；所述报警阈值包括最迟睡眠时间、每天累计睡眠时间、每天最低运动量、每天最高运动量、每小时最高运动量、运动心率最高值、静态心率最低值、静态心率最高值、静坐时间最高限值和日常活动位置区域；
老人佩戴健康腕表，在健康腕表上对“坐”，“走”，“跑”三种状态进行设置，并存储老人在设置过程中坐、走、跑的最大运动加速度；
在中央控制器中进行入门初始化和出门初始化；
步骤二、通过门禁传感器和红外传感器的报警时间顺序判断老人是室内运动还是室外运动，
门禁传感器的报警时间早于红外传感器的报警时间，判定为老人室外运动，健康腕表中的GPS定位装置和三维加速度传感器定位老人的所在位置，健康腕表中的三维加速度传感器检测老人的运动步数和运动距离，计时器记录老人的室外运动时间；
门禁传感器的报警时间晚于红外传感器的报警时间，判定为老人室内运动，健康腕表中的基站定位装置和三维加速度传感器定位老人的所在房间及位置；
步骤三、健康腕表中的三维加速度传感器检测老人的运动步数、运动距离和运动量，计时器记录老人的运动时间、静坐时间、最迟睡眠时间和每天累计睡眠时间，心率传感器检测老人的心率，形成老人的健康数据集，保存到健康腕表内的存储器中并传输至中央控制器；
步骤四、中央控制器采用粗糙数据集分类算法的方法对健康数据集进行统计和计算，获得三维加速度数据的平均值、最高值、最低值、离散值、偏离度和标准差，心率数据的平均值、最高值、最低值、离散值、偏离度和标准差，位置数据平均值、最高值、最低值、离散值、偏离度和标准差，时间数据的平均值、最高值、最低值、离散值、偏离度和标准差以及三维加速度数据、心率数据、位置数据以及时间数据之间的关联度信息，形成健康初级数据集，
健康初级数据集中的最迟睡眠时间、每天累计睡眠时间、每天最低运动量、每天最高运动量、每小时最高运动量、运动心率最高值、静态心率最低值、静态心率最高值、静坐时间最高限值、日常活动位置区域超过报警阈值，发出“活动超出预警范围”的报警信号，并将该报警信号通过GPRS把报警信号传递给服务器；
步骤五、三维加速度传感器检测的运动加速度大于步骤一中存储的老人坐、走、跑的最大运动加速度的X倍时，其中X大于1，初步判断老人为跌倒状态，
老人在卫生间、厨房或卧室，判定老人跌倒，健康腕表通过GPRS把老人跌倒报警信号传递给服务器，
老人在客厅则进行步骤六进一步确定老人是否跌倒；
步骤六、室内房间屋顶架设有IP摄像头，IP摄像头检测老人的跌倒状态图像并传输至中央控制器，中央控制器提取图像的特征向量并存储，将提取的图像的特征向量与模板库中的跌倒姿态特征向量对比，二者匹配健康腕表通过GPRS把老人跌倒报警信号传递给服务器，二者不匹配将提取的图像的特征向量存储至中央控制器中；
步骤七、健康腕表通过GPRS通讯装置，把步骤三中形成的健康数据集和腕表健康初级数据集传递给服务器；
步骤八、服务器采用粗糙数据集分类算法对接收到健康数据集、腕表健康初始化数据集进行数据集训练，获得报警阈值的偏差值和佩戴健康腕表的老人的模型参数值；
步骤九、服务器把报警阈值的偏差值及佩戴健康腕表的老人的模型参数值采用GPRS通讯方式传递给健康腕表；
步骤十、健康腕表根据接到的报警阈值的偏差值及模型参数值，修改健康腕表内的存储器的报警阈值；
步骤十一、服务器通过TD-LTE通讯模式把修改后的报警信号传递给子女的智能手机，同时服务器把该报警信号传递给工作人员；
步骤十二、子女根据智能手机的报警情况对该项报警信息进行核查，该项报警信息是虚假报警，在智能手机上发送虚假报警操作；该项报警信息是有效报警，在智能手机上发送接受本项报警操作；
步骤十三、子女的智能手机自动把该项报警操作通过TD-LTE通讯模式传递给服务器，服务器把该项报警操作填写到该项报警信息中，并通过粗糙数据集分类算法进一步对报警阈值进行训练，进一步修正报警阈值；
步骤十四、老人通过健康腕表上的SOS键手动报警，健康腕表通过GPRS把报警信号传递给服务器。
所述步骤一中对“坐”，“走”，“跑”三种状态设置的具体方法为：健康腕表上点击行为识别，健康腕表的屏幕上出现“坐”字样，老人进行“坐”的动作，屏幕显示“走”，坐的动作设置完成，老人进行“走”的动作，屏幕显示“跑”，走的动作设置完成，老人进行跑的动作，屏幕出现“设置完毕”，“坐”，“走”，“跑”三种状态设置完成。
所述步骤一中入门初始化的方法为在健康腕表中选择入门初始化，通过健康腕表中的GPS定位装置检测地理坐标和检测地理坐标的时间，红外传感器发出红外报警信号，门禁传感器发出门禁报警器信号，系统检测到门禁报警器信号给出时间，红外探测器的报警信号给出时间，GPS检测地理坐标的时间三个数据后，中央控制器自动结束入门初始化，并通过居家体感网，把传感器类型，三个时间的顺序及间隔传入到服务器中，完成入门初始化工作。
所述步骤一中出门初始化的方法为在健康腕表中选择出门初始化，通过健康腕表中的GPS定位装置检测地理坐标和检测地理坐标的时间，红外传感器发出红外报警信号，门禁传感器发出门禁报警器信号，系统检测到门禁报警器信号给出时间，红外探测器的报警信号给出时间，GPS检测地理坐标的时间三个数据后，中央控制器自动结束出门初始化，并通过居家体感网，把传感器类型，三个时间的顺序及间隔传入到服务器中，完成出门初始化工作。
所述步骤五中中央控制器提取图像的特征向量的方法为通过高斯混合模型提取人的跌倒图像中的运动区域，采用形态学的操作对图像进行膨胀、腐蚀、开和闭运算，采用sobel算子和canny算子提取出跌倒图像中的运动区域的轮廓模型，获得轮廓周长、面积、面积比率和傅里叶特征向量提取的图像特征融合成图像的特征向量。
所述粗糙数据集分类算法为运用粗糙数据集分类思想，采用MapRecuce框架下粗糙关联规则算法——L-Aprior算法，对健康数据集进行频繁度、支持度和置信度关联处理，从而获得报警状态下的数据阈值，用于修正原报警阈值。
所述粗糙数据集分类算法修正报警阈值的方法，其具体步骤如下，并且以下步骤顺次进行，
①、设定佩戴健康腕表老人的人为非报警状态阈值，根据支持该人为非报警状态阈值对健康数据集和健康初级数据集进行处理，获得报警状态阈值范围内的“正常的数据集”；
②、设定佩戴健康腕表老人的人为报警状态阈值，根据支持该人为报警状态阈值对健康数据集和健康初级数据集进行处理，获得“异常的数据集”；
③、把“正常的数据集”和“异常的数据集”进行布尔化处理，获得二异化数据集；
④、把具有相同时间、相同空间位置的二异化数据集进行归并，并按照支持该人为非报警状态和支持该人为报警状态进行分类，获得报警关联的频繁项集；
⑤、采用L-Aprior函数计算并获得支持度和置信度；
⑥、根据步骤④获得的频繁项集设定报警的运动加速度阈值、心率阈值、GPS位置阈值、时间阈值以及传感器阈值；
⑦、根据步骤⑤获得的支持度和置信度设置传感器的影响因子；
⑧、根据如下公式计算并获得跌倒报警的报警值B，
B＝Σ检测值*置信度*支持度/阈值/Σ支持度
其中，Σ为所有相关传感器数值之和，
式中B大于80％为报警状态；
⑨、用步骤⑧获得的数值B与数据库中的实际检测数据进行比较，
获得的数值B是报警状态与健康腕表实际发出的报警不一致，将该项报警的阈值上调1％，重复步骤①至⑧，直至数值B是报警状态与实际发出的报警一致为止；
获得的数值B为非报警状态与健康腕表实际发出的报警不一致，将该项报警的阈值下调1％，重复步骤①至⑧，直至符合该条件为止；
获得的数值B是报警状态与健康腕表实际发出的报警一致，不进行阈值修改。
通过上述设计方案，本发明可以带来如下有益效果：
本发明在家庭中创建一个体感网络环境，通过多种传感器分析佩戴健康腕表的老人的一种状态，大大减少了误报警情况的发生，并可以根据个体进行报警阈值的修正，克服了单个传感器的误报技术界限，为居家生活的老人提供一种健康、安全信息化监控系统；架设了子女的远程监护信息化平台，为子女提供了监控老人健康、监控家庭安全和与老人沟通的平台。
健康监控通过老人所带的健康腕表来实现。健康腕表中带有GPS定位，一键呼叫，无线通话，检测运动状态、睡眠状态、心率功能。可以通过GPRS网络把所检测的位置数据、健康数据传递给服务器。服务器通过TD-LTD网络传递给智能手机。通过镶嵌在智能手机上的APP程序把相应的监测数据展现出来。
附图说明
以下结合附图和具体实施方式对本发明作进一步的说明：
图1为本发明中基于体感网的居家养老系统的结构框图。
图中1-居家体感网、2-服务器、3-智能手机、4-居家传感器、5-居家无线网络、6-红外传感器、7-门禁传感器、8-紧急按钮、9-IP摄像头、10-健康腕表、11-中央控制器、12-无线路由器。
具体实施方式
如图所示，基于体感网的居家养老系统，包括居家体感网1、服务器2和智能手机3，所述居家体感网1包括居家传感器4和居家无线网络5；所述居家传感器4包括红外传感器6、门禁传感器7、紧急按钮8、IP摄像头9和健康腕表10；所述居家无线网络5包括中央控制器11和无线路由器12，无线网络包括ZigBee、Wifi和GPRS三种网络形式；所述健康腕表10的内部设置有三维加速度传感器、心率传感器、计时器、存储器、紧急呼叫装置、基站定位装置和GPS定位装置，健康腕表10通过GPRS与互联网连接；所述中央控制器11通过ZigBee分别与红外传感器6、门禁传感器7以及紧急按钮8连接；所述无线路由器12通过Wifi分别与IP摄像头9、健康腕表10以及中央控制器11连接，无线路由器12通过宽带与互联网连接；所述服务器2与互联网连接；所述智能手机3通过TD-LTE与服务器2连接。
所述IP摄像头9的数量为四个以上。
基于体感网的居家养老系统的控制方法，利用所述的基于体感网的居家养老系统，包括以下步骤，并且以下步骤顺次进行，
步骤一、将老人的注册信息、子女的注册信息、传感器的注册信息、传感器权限分配信息、家庭位置信息以及居室分布信息录入中央控制器11；
通过与健康腕表10通信连接的智能手机3的app端应用程序设定健康腕表10中的模型参数、报警阈值；
所述模型参数包括每日要求运动步数、本人体重、性别、年龄、健康状态和腕表佩戴习惯，所述健康状态分为好、中、差三种，所述腕表佩戴习惯分为左手佩戴和右手佩戴两种；所述报警阈值包括最迟睡眠时间、每天累计睡眠时间、每天最低运动量、每天最高运动量、每小时最高运动量、运动心率最高值、静态心率最低值、静态心率最高值、静坐时间最高限值和日常活动位置区域；
老人佩戴健康腕表10，在健康腕表10上对“坐”，“走”，“跑”三种状态进行设置，并存储老人在设置过程中坐、走、跑的最大运动加速度；
在中央控制器11中进行入门初始化和出门初始化；
步骤二、通过门禁传感器7和红外传感器6的报警时间顺序判断老人是室内运动还是室外运动，
门禁传感器7的报警时间早于红外传感器6的报警时间，判定为老人室外运动，健康腕表10中的GPS定位装置和三维加速度传感器定位老人的所在位置，健康腕表10中的三维加速度传感器检测老人的运动步数和运动距离，计时器记录老人的室外运动时间；
门禁传感器7的报警时间晚于红外传感器6的报警时间，判定为老人室内运动，健康腕表10中的基站定位装置和三维加速度传感器定位老人的所在房间及位置；
步骤三、健康腕表10中的三维加速度传感器检测老人的运动步数、运动距离和运动量，计时器记录老人的运动时间、静坐时间、最迟睡眠时间和每天累计睡眠时间，心率传感器检测老人的心率，形成老人的健康数据集，保存到健康腕表10内的存储器中并传输至中央控制器11；
步骤四、中央控制器11采用粗糙数据集分类算法的方法对健康数据集进行统计和计算，获得三维加速度数据的平均值、最高值、最低值、离散值、偏离度和标准差，心率数据的平均值、最高值、最低值、离散值、偏离度和标准差，位置数据平均值、最高值、最低值、离散值、偏离度和标准差，时间数据的平均值、最高值、最低值、离散值、偏离度和标准差以及三维加速度数据、心率数据、位置数据以及时间数据之间的关联度信息，形成健康初级数据集，
健康初级数据集中的最迟睡眠时间、每天累计睡眠时间、每天最低运动量、每天最高运动量、每小时最高运动量、运动心率最高值、静态心率最低值、静态心率最高值、静坐时间最高限值、日常活动位置区域超过报警阈值，发出“活动超出预警范围”的报警信号，并将该报警信号通过GPRS把报警信号传递给服务器2；
步骤五、三维加速度传感器检测的运动加速度大于步骤一中存储的老人坐、走、跑的最大运动加速度的X倍时，其中X大于1，初步判断老人为跌倒状态，
老人在卫生间、厨房或卧室，判定老人跌倒，健康腕表10通过GPRS把老人跌倒报警信号传递给服务器2，
老人在客厅则进行步骤六进一步确定老人是否跌倒；
步骤六、室内房间屋顶架设有IP摄像头9，IP摄像头9检测老人的跌倒状态图像并传输至中央控制器11，中央控制器11提取图像的特征向量并存储，将提取的图像的特征向量与模板库中的跌倒姿态特征向量对比，二者匹配健康腕表10通过GPRS把老人跌倒报警信号传递给服务器2，二者不匹配将提取的图像的特征向量存储至中央控制器11中；
步骤七、健康腕表10通过GPRS通讯装置，把步骤三中形成的健康数据集和腕表健康初级数据集传递给服务器2；
步骤八、服务器2采用粗糙数据集分类算法对接收到健康数据集、腕表健康初始化数据集进行数据集训练，获得报警阈值的偏差值和佩戴健康腕表10的老人的模型参数值；
步骤九、服务器2把报警阈值的偏差值及佩戴健康腕表10的老人的模型参数值采用GPRS通讯方式传递给健康腕表10；
步骤十、健康腕表10根据接到的报警阈值的偏差值及模型参数值，修改健康腕表10内的存储器的报警阈值；
步骤十一、服务器2通过TD-LTE通讯模式把修改后的报警信号传递给子女的智能手机3，同时服务器2把该报警信号传递给工作人员；
步骤十二、子女根据智能手机3的报警情况对该项报警信息进行核查，该项报警信息是虚假报警，在智能手机3上发送虚假报警操作；该项报警信息是有效报警，在智能手机3上发送接受本项报警操作；
步骤十三、子女的智能手机3自动把该项报警操作通过TD-LTE通讯模式传递给服务器，服务器2把该项报警操作填写到该项报警信息中，并通过粗糙数据集分类算法进一步对报警阈值进行训练，进一步修正报警阈值；
步骤十四、老人通过健康腕表10上的SOS键手动报警，健康腕表10通过GPRS把报警信号传递给服务器2。
所述步骤一中对“坐”，“走”，“跑”三种状态设置的具体方法为：健康腕表10上点击行为识别，健康腕表10的屏幕上出现“坐”字样，老人进行“坐”的动作，屏幕显示“走”，坐的动作设置完成，老人进行“走”的动作，屏幕显示“跑”，走的动作设置完成，老人进行跑的动作，屏幕出现“设置完毕”，“坐”，“走”，“跑”三种状态设置完成。
所述步骤一中入门初始化的方法为在健康腕表10中选择入门初始化，通过健康腕表10中的GPS定位装置检测地理坐标和检测地理坐标的时间，红外传感器6发出红外报警信号，门禁传感器7发出门禁报警器信号，系统检测到门禁报警器信号给出时间，红外探测器的报警信号给出时间，GPS检测地理坐标的时间三个数据后，中央控制器11自动结束入门初始化，并通过居家体感网，把传感器类型，三个时间的顺序及间隔传入到服务器中2，完成入门初始化工作。
所述步骤一中出门初始化的方法为在健康腕表10中选择出门初始化，通过健康腕表10中的GPS定位装置检测地理坐标和检测地理坐标的时间，红外传感器6发出红外报警信号，门禁传感器7发出门禁报警器信号，系统检测到门禁报警器信号给出时间，红外探测器的报警信号给出时间，GPS检测地理坐标的时间三个数据后，中央控制器11自动结束出门初始化，并通过居家体感网，把传感器类型，三个时间的顺序及间隔传入到服务器中2，完成出门初始化工作。
所述步骤五中中央控制器11提取图像的特征向量的方法为通过高斯混合模型提取人的跌倒图像中的运动区域，采用形态学的操作对图像进行膨胀、腐蚀、开和闭运算，采用sobel算子和canny算子提取出跌倒图像中的运动区域的轮廓模型，获得轮廓周长、面积、面积比率和傅里叶特征向量提取的图像特征融合成图像的特征向量。
所述粗糙数据集分类算法为运用粗糙数据集分类思想，采用MapRecuce框架下粗糙关联规则算法——L-Aprior算法，对健康数据集进行频繁度、支持度和置信度关联处理，从而获得报警状态下的数据阈值，用于修正原报警阈值。
利用所述粗糙数据集分类算法修正跌倒报警阈值的方法，其具体步骤如下，并且以下步骤顺次进行，
①、针对跌倒报警情况以下简称报警情况，按照支持该人为非报警状态的角度即行为正常的角度，以下称正常角度，对健康数据集和健康初级数据集进行分析，形成“正常的数据集”。例如某人血压高压140毫米汞柱，虽然高于正常值120毫米汞柱，但是该人高压始终在140左右，没有任何不良反应，可以认为正常状态。
②、分别针对步骤一所提及的报警情况，按照“该人为报警状态”的可能数据的角度即行为异常的角度，以下称异常角度对健康数据集和健康初级数据集进行分析，形成“异常的数据集”。例如某人血压高压120毫米汞柱，但是已经是标准的极限了，该人可能出现不良反应，可以认为不正常状态。
③、把“正常的数据集”和“异常的数据集”进行布尔化处理，获得二异化数据集。
④、把具有相同时间、空间位置的二异化数据集进行归并，并按照支持与反对进行分类，从而找到报警关联的频繁项集。例如跌倒报警与加速度传感器和摄像头有关，与GPS位置无关。
⑤、采用L-Aprior函数计算出支持度和置信度。
⑥、根据步骤④获得的频繁项集设定报警的加速度、心率、GPS位置、时间、摄像头等关联传感器。
⑦、根据步骤⑤获得的支持度和置信度设置各传感器的影响因子。
⑧、计算并获得跌倒报警的报警值B
B＝Σ检测值*置信度*支持度/阈值/Σ支持度
其中，Σ对所有相关传感器数值进行求和。
式中B大于80％即认为时报警状态。
⑨、用计算的结果与数据库中的实际检测数据进行比较，如果发现计算出的数值是报警状态而实际不是该项报警，修改所有该项报警的阈值上调1％，重新计算，直至符合该条件为止。反之，如果发现计算出的数值不是报警状态而实际出现该项报警，修改所有该项报警的阈值下调1％，重新计算，直至符合该条件为止。如果符合，不进行阈值修改。
同理按照上述类似方法可以修正运动量过大报警、运动量不足报警、睡眠不足报警、久坐报警等报警阈值。
基于体感网的居家养老系统，通过居家体感网1把老人的健康信息，居家安全信息传递到服务器2。智能手机3通过TD-LTE与服务器2连接，提取各种传感器的数据，监控居家安全和健康状态。
所述的居家养老系统包括老人信息注册、子女中信息注册、家庭成员管理、传感器注册、传感器权限分配、报警状态设置、位置查询、实时图像查询、历史图像查询、网络对讲等功能。通过无线的居家体感网，把各项传感器感应的数据传递给服务器2，所述各项传感器感应的数据包括传感器注册信息、门禁报警信息，红外报警信息、视频信息、健康监控信息等，服务器2根据权限设置传递给对应的智能手机3，智能手机用户根据情况下达各项控制指令，通过服务器2和居家体感网1传递给各个终端设备，用于完成健康和居家安全的监控和管理等功能。
所述的健康监控通过老人所带的健康腕表10来实现。健康腕表10中带有GPS定位，一键呼叫，无线通话，检测运动状态、睡眠状态、心率功能。可以通过GPRS网络把所检测的位置数据、健康数据传递给服务器2。服务器2通过TD-LTD网络传递给智能手机3。通过镶嵌在智能手机3上的APP程序把相应的监测数据展现出来。

Claims (6)

1.基于体感网的居家养老系统的控制方法，利用基于体感网的居家养老系统，所述基于体感网的居家养老系统包括居家体感网(1)、服务器(2)和智能手机(3)；所述居家体感网(1)包括居家传感器(4)和居家无线网络(5)；所述居家传感器(4)包括红外传感器(6)、门禁传感器(7)、紧急按钮(8)、IP摄像头(9)和健康腕表(10)；所述居家无线网络(5)包括中央控制器(11)和无线路由器(12)；所述健康腕表(10)的内部设置有三维加速度传感器、心率传感器、计时器、存储器、紧急呼叫装置、基站定位装置和GPS定位装置，健康腕表(10)通过GPRS与互联网连接；所述中央控制器(11)通过ZigBee分别与红外传感器(6)、门禁传感器(7)以及紧急按钮(8)连接；所述无线路由器(12)通过Wifi分别与IP摄像头(9)、健康腕表(10)以及中央控制器(11)连接，无线路由器(12)通过宽带与互联网连接；所述服务器(2)与互联网连接；所述智能手机(3)通过TD-LTE与服务器(2)连接；其特征是：包括以下步骤，并且以下步骤顺次进行，
步骤一、将老人的注册信息、子女的注册信息、传感器的注册信息、传感器权限分配信息、家庭位置信息以及居室分布信息录入中央控制器(11)；
通过与健康腕表(10)通信连接的智能手机(3)的app端应用程序设定健康腕表(10)中的模型参数、报警阈值；
所述模型参数包括每日要求运动步数、本人体重、性别、年龄、健康状态和腕表佩戴习惯，所述健康状态分为好、中、差三种，所述腕表佩戴习惯分为左手佩戴和右手佩戴两种；所述报警阈值包括最迟睡眠时间、每天累计睡眠时间、每天最低运动量、每天最高运动量、每小时最高运动量、运动心率最高值、静态心率最低值、静态心率最高值、静坐时间最高限值和日常活动位置区域；
老人佩戴健康腕表(10)，在健康腕表(10)上对“坐”，“走”，“跑”三种状态进行设置，并存储老人在设置过程中坐、走、跑的最大运动加速度；
在中央控制器(11)中进行入门初始化和出门初始化；
步骤二、通过门禁传感器(7)和红外传感器(6)的报警时间顺序判断老人是室内运动还是室外运动，
门禁传感器(7)的报警时间早于红外传感器(6)的报警时间，判定为老人室外运动，健康腕表(10)中的GPS定位装置和三维加速度传感器定位老人的所在位置，健康腕表(10)中的三维加速度传感器检测老人的运动步数和运动距离，计时器记录老人的室外运动时间；
门禁传感器(7)的报警时间晚于红外传感器(6)的报警时间，判定为老人室内运动，健康腕表(10)中的基站定位装置和三维加速度传感器定位老人的所在房间及位置；
步骤三、健康腕表(10)中的三维加速度传感器检测老人的运动步数、运动距离和运动量，计时器记录老人的运动时间、静坐时间、最迟睡眠时间和每天累计睡眠时间，心率传感器检测老人的心率，形成老人的健康数据集，保存到健康腕表(10)内的存储器中并传输至中央控制器(11)；
步骤四、中央控制器(11)采用粗糙数据集分类算法的方法对健康数据集进行统计和计算，获得三维加速度数据的平均值、最高值、最低值、离散值、偏离度和标准差，心率数据的平均值、最高值、最低值、离散值、偏离度和标准差，位置数据平均值、最高值、最低值、离散值、偏离度和标准差，时间数据的平均值、最高值、最低值、离散值、偏离度和标准差以及三维加速度数据、心率数据、位置数据以及时间数据之间的关联度信息，形成健康初级数据集，
健康初级数据集中的最迟睡眠时间、每天累计睡眠时间、每天最低运动量、每天最高运动量、每小时最高运动量、运动心率最高值、静态心率最低值、静态心率最高值、静坐时间最高限值、日常活动位置区域超过报警阈值，发出“活动超出预警范围”的报警信号，并将该报警信号通过GPRS把报警信号传递给服务器(2)；
步骤五、三维加速度传感器检测的运动加速度大于步骤一中存储的老人坐、走、跑的最大运动加速度的X倍时，其中X大于1，初步判断老人为跌倒状态，
老人在卫生间、厨房或卧室，判定老人跌倒，健康腕表(10)通过GPRS把老人跌倒报警信号传递给服务器(2)，
老人在客厅则进行步骤六进一步确定老人是否跌倒；
步骤六、室内房间屋顶架设有IP摄像头(9)，IP摄像头(9)检测老人的跌倒状态图像并传输至中央控制器(11)，中央控制器(11)提取图像的特征向量并存储，将提取的图像的特征向量与模板库中的跌倒姿态特征向量对比，二者匹配健康腕表(10)通过GPRS把老人跌倒报警信号传递给服务器(2)，二者不匹配将提取的图像的特征向量存储至中央控制器(11)中；
步骤七、健康腕表(10)通过GPRS通讯装置，把步骤三中形成的健康数据集和腕表健康初级数据集传递给服务器(2)；
步骤八、服务器(2)采用粗糙数据集分类算法对接收到健康数据集、腕表健康初始化数据集进行数据集训练，获得报警阈值的偏差值和佩戴健康腕表(10)的老人的模型参数值；
步骤九、服务器(2)把报警阈值的偏差值及佩戴健康腕表(10)的老人的模型参数值采用GPRS通讯方式传递给健康腕表(10)；
步骤十、健康腕表(10)根据接到的报警阈值的偏差值及模型参数值，修改健康腕表(10)内的存储器的报警阈值；
步骤十一、服务器(2)通过TD-LTE通讯模式把修改后的报警信号传递给子女的智能手机(3)，同时服务器(2)把该报警信号传递给工作人员；
步骤十二、子女根据智能手机(3)的报警情况对该项报警信息进行核查，该项报警信息是虚假报警，在智能手机(3)上发送虚假报警操作；该项报警信息是有效报警，在智能手机(3)上发送接受本项报警操作；
步骤十三、子女的智能手机(3)自动把该项报警操作通过TD-LTE通讯模式传递给服务器，服务器(2)把该项报警操作填写到该项报警信息中，并通过粗糙数据集分类算法进一步对报警阈值进行训练，进一步修正报警阈值；
步骤十四、老人通过健康腕表(10)上的SOS键手动报警，健康腕表(10)通过GPRS把报警信号传递给服务器(2)。
2.根据权利要求1所述的基于体感网的居家养老系统的控制方法，其特征是：所述步骤一中对“坐”，“走”，“跑”三种状态设置的具体方法为：健康腕表(10)上点击行为识别，健康腕表(10)的屏幕上出现“坐”字样，老人进行“坐”的动作，屏幕显示“走”，坐的动作设置完成，老人进行“走”的动作，屏幕显示“跑”，走的动作设置完成，老人进行跑的动作，屏幕出现“设置完毕”，“坐”，“走”，“跑”三种状态设置完成。
3.根据权利要求1所述的基于体感网的居家养老系统的控制方法，其特征是：所述步骤一中入门初始化的方法为在健康腕表(10)中选择入门初始化，通过健康腕表(10)中的GPS定位装置检测地理坐标和检测地理坐标的时间，红外传感器(6)发出红外报警信号，门禁传感器(7)发出门禁报警器信号，系统检测到门禁报警器信号给出时间，红外探测器的报警信号给出时间，GPS检测地理坐标的时间三个数据后，中央控制器(11)自动结束入门初始化，并通过居家体感网，把传感器类型，三个时间的顺序及间隔传入到服务器中(2)，完成入门初始化工作。
4.根据权利要求1所述的基于体感网的居家养老系统的控制方法，其特征是：所述步骤五中中央控制器(11)提取图像的特征向量的方法为通过高斯混合模型提取人的跌倒图像中的运动区域，采用形态学的操作对图像进行膨胀、腐蚀、开和闭运算，采用sobel算子和canny算子提取出跌倒图像中的运动区域的轮廓模型，获得轮廓周长、面积、面积比率和傅里叶特征向量提取的图像特征融合成图像的特征向量。
5.根据权利要求1所述的基于体感网的居家养老系统的控制方法，其特征是：所述粗糙数据集分类算法为运用粗糙数据集分类思想，采用MapRecuce框架下粗糙关联规则算法——L-Aprior算法，对健康数据集进行频繁度、支持度和置信度关联处理，从而获得报警状态下的数据阈值，用于修正原报警阈值。
6.根据权利要求5所述的基于体感网的居家养老系统的控制方法，其特征是：所述粗糙数据集分类算法修正报警阈值的方法，其具体步骤如下，并且以下步骤顺次进行，
①、设定佩戴健康腕表(10)老人的人为非报警状态阈值，根据支持该人为非报警状态阈值对健康数据集和健康初级数据集进行处理，获得报警状态阈值范围内的“正常的数据集”；
②、设定佩戴健康腕表(10)老人的人为报警状态阈值，根据支持该人为报警状态阈值对健康数据集和健康初级数据集进行处理，获得“异常的数据集”；
③、把“正常的数据集”和“异常的数据集”进行布尔化处理，获得二异化数据集；
④、把具有相同时间、相同空间位置的二异化数据集进行归并，并按照支持该人为非报警状态和支持该人为报警状态进行分类，获得报警关联的频繁项集；
⑤、采用L-Aprior函数计算并获得支持度和置信度；
⑥、根据步骤④获得的频繁项集设定报警的运动加速度阈值、心率阈值、GPS位置阈值、时间阈值以及传感器阈值；
⑦、根据步骤⑤获得的支持度和置信度设置传感器的影响因子；
⑧、根据如下公式计算并获得跌倒报警的报警值B，
B＝Σ(检测值*置信度*支持度/阈值)/Σ支持度
其中，Σ为所有相关传感器数值之和，
式中B大于80％为报警状态；
⑨、用步骤⑧获得的数值B与数据库中的实际检测数据进行比较，
获得的数值B是报警状态与健康腕表(10)实际发出的报警不一致，将该项报警的阈值上调1％，重复步骤①至⑧，直至数值B是报警状态与实际发出的报警一致为止；
获得的数值B为非报警状态与健康腕表(10)实际发出的报警不一致，将该项报警的阈值下调1％，重复步骤①至⑧，直至符合该条件为止；
获得的数值B是报警状态与健康腕表(10)实际发出的报警一致，不进行阈值修改。
CN201710130308.1A 2017-03-07 2017-03-07 基于体感网的居家养老系统及其控制方法 Active CN106875629B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710130308.1A CN106875629B (zh) 2017-03-07 2017-03-07 基于体感网的居家养老系统及其控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710130308.1A CN106875629B (zh) 2017-03-07 2017-03-07 基于体感网的居家养老系统及其控制方法

Publications (2)

Publication Number Publication Date
CN106875629A CN106875629A (zh) 2017-06-20
CN106875629B true CN106875629B (zh) 2023-02-10

Family

ID=59169697

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710130308.1A Active CN106875629B (zh) 2017-03-07 2017-03-07 基于体感网的居家养老系统及其控制方法

Country Status (1)

Country Link
CN (1) CN106875629B (zh)

Families Citing this family (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107669248B (zh) * 2017-09-29 2024-02-02 长春市万易科技有限公司 老人动态脉搏连续检测系统及方法
CN107707657B (zh) * 2017-09-30 2021-08-06 苏州涟漪信息科技有限公司 基于多传感器的安全监护系统
CN108803368A (zh) * 2018-07-23 2018-11-13 芜湖琅格信息技术有限公司 一种基于wifi模块的智能家居控制装置
CN108693780A (zh) * 2018-07-23 2018-10-23 芜湖琅格信息技术有限公司 一种基于Zigbee模块的智能家居控制装置
CN109361728B (zh) * 2018-08-30 2021-01-29 中国科学院上海微系统与信息技术研究所 一种基于多源传感数据关联度的分级事件报告系统及方法
CN108961135A (zh) * 2018-10-17 2018-12-07 威海富腾信息科技股份有限公司 养老管理服务系统
CN109581887A (zh) * 2019-01-24 2019-04-05 合肥盛东信息科技有限公司 一种物联网家居养老陪护预警系统
CN110503302B (zh) * 2019-07-18 2023-06-06 长春市万易科技有限公司 一种文化养老活动效果评价方法
CN110491088A (zh) * 2019-07-26 2019-11-22 安徽泛米科技有限公司 一种区域滞留报警装置
CN112540235B (zh) * 2019-09-20 2023-02-17 中国石油化工股份有限公司 雷电预警阈值的修正方法与系统及预警评估方法与系统
CN110751115B (zh) * 2019-10-24 2021-01-01 北京金茂绿建科技有限公司 一种无接触式人体行为识别方法和系统
CN110731785A (zh) * 2019-10-24 2020-01-31 合肥盛东信息科技有限公司 一种老年人家居健康智能监测呼救系统
CN111273731A (zh) * 2020-01-13 2020-06-12 润海智能科技扬州有限公司 一种手戴式智能终端及其应用系统
CN111754725A (zh) * 2020-06-02 2020-10-09 苏州久久春晖养老服务有限公司 一种居家养老监控系统
CN112150780A (zh) * 2020-08-17 2020-12-29 来邦养老科技有限公司 一种报警阈值修正方法、装置及存储介质
CN112954597B (zh) * 2021-03-23 2022-07-05 成都麦杰康科技有限公司 一种用于养老监护的室内定位方法
CN113179486A (zh) * 2021-03-30 2021-07-27 福贵夕阳红(武汉)科技有限公司 一种应用于养老机构的具有定位功能的紧急呼叫器
CN113141677B (zh) * 2021-04-02 2023-03-31 重庆邮电大学 基于wifi的老人居家远程监测系统
CN113229805A (zh) * 2021-05-12 2021-08-10 重庆菲莫科技有限公司 一种地下矿用人体姿态感应系统及方法
CN113436402A (zh) * 2021-07-12 2021-09-24 南京孝德智能科技有限公司 一种基于无线定位技术的居家老人定位系统
CN114706318A (zh) * 2022-04-18 2022-07-05 深圳亿思腾达集成股份有限公司 一种基于智能家居的监测方法、系统及终端设备
CN115063752B (zh) * 2022-08-15 2022-11-18 杭州中芯微电子有限公司 一种基于uwb定位的视频追踪预警方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110064478A (ko) * 2009-12-08 2011-06-15 계명대학교 산학협력단 러프 집합을 이용한 규칙 기반 신체 활동 상태 결정방법 및 시스템
WO2013024461A1 (en) * 2011-08-18 2013-02-21 Koninklijke Philips Electronics N.V. Estimating velocity in a horizontal or vertical direction from acceleration measurements

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008140321A (ja) * 2006-12-05 2008-06-19 Kyushu Hitachi Maxell Ltd 警報器
US20100030350A1 (en) * 2008-07-29 2010-02-04 Pvi Virtual Media Services, Llc System and Method for Analyzing Data From Athletic Events
US8941723B2 (en) * 2010-08-26 2015-01-27 Blast Motion Inc. Portable wireless mobile device motion capture and analysis system and method
CA3177719A1 (en) * 2011-04-04 2012-10-04 Alarm.Com Incorporated Fall detection and reporting technology
CN102737474A (zh) * 2011-04-07 2012-10-17 胡茂林 基于智能视频的室内人员异常行为的监视和报警
CN202553941U (zh) * 2012-04-07 2012-11-28 周小伟 腕带式定位看护装置
CN102722715A (zh) * 2012-05-21 2012-10-10 华南理工大学 一种基于人体姿势状态判决的跌倒检测方法
CN105051799A (zh) * 2013-03-22 2015-11-11 皇家飞利浦有限公司 用于检测跌倒的方法和跌倒检测器
CN203898284U (zh) * 2014-01-15 2014-10-29 浙江万里学院 老年人生活异常检测装置
CN105282490A (zh) * 2014-06-25 2016-01-27 北京聚安威视觉信息技术有限公司 一种新型空巢老人的智能家庭交互系统及方法
CN105721275A (zh) * 2014-12-04 2016-06-29 中国移动通信集团公司 一种发送即时消息的方法及装置
WO2016107607A1 (en) * 2015-01-04 2016-07-07 Vita-Course Technologies Co.,Ltd System and method for health monitoring
CN104599443B (zh) * 2015-01-12 2017-05-31 中设设计集团股份有限公司 一种基于信息融合的驾驶行为预警车载终端及其预警方法
US9866507B2 (en) * 2015-04-27 2018-01-09 Agt International Gmbh Method of monitoring well-being of semi-independent persons and system thereof
CN104796485B (zh) * 2015-04-30 2019-09-10 深圳市全球锁安防系统工程有限公司 一种老龄人云安康服务平台及大数据处理方法
CN104799826B (zh) * 2015-04-30 2018-05-15 王家法 一种智能安康服务系统及报警可靠检测方法
CN105957308A (zh) * 2016-05-27 2016-09-21 北京灵龄科技有限责任公司 安全报警模式切换的判定方法及装置
CN206610413U (zh) * 2017-03-07 2017-11-03 吉林真才信息技术有限公司 基于体感网的居家养老系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110064478A (ko) * 2009-12-08 2011-06-15 계명대학교 산학협력단 러프 집합을 이용한 규칙 기반 신체 활동 상태 결정방법 및 시스템
WO2013024461A1 (en) * 2011-08-18 2013-02-21 Koninklijke Philips Electronics N.V. Estimating velocity in a horizontal or vertical direction from acceleration measurements
CN103733078A (zh) * 2011-08-18 2014-04-16 皇家飞利浦有限公司 从加速度测量估计水平或垂直方向的速度

Also Published As

Publication number Publication date
CN106875629A (zh) 2017-06-20

Similar Documents

Publication Publication Date Title
CN106875629B (zh) 基于体感网的居家养老系统及其控制方法
CN110477925B (zh) 一种针对敬老院老人的跌倒检测与预警方法及系统
CN102387345B (zh) 基于全方位视觉的独居老人安全监护系统
CN109558865A (zh) 一种基于人体关键点的对需特别看护人员的异常状态检测方法
EP3525673B1 (en) Method and apparatus for determining a fall risk
CN106454277B (zh) 一种用于视频监控的图像分析方法以及装置
CN105282490A (zh) 一种新型空巢老人的智能家庭交互系统及方法
US20170241797A1 (en) Pedometer with Accelerometer and Foot Motion Distinguishing Method
CN105652767A (zh) 一种智能浴室的调节方法及调节系统
CN105608839B (zh) 一种老人室内摔倒求救系统
CN107247945A (zh) 一种基于Kinect设备的病房病患监护系统及监护方法
CN109887238A (zh) 一种基于视觉和人工智能的跌倒检测系统及检测报警方法
CN111739248B (zh) 一种人工智能物联网安防系统及控制方法
CN109360374A (zh) 一种基于物联网的人体摔倒自动预警系统
Dovgan et al. Intelligent elderly-care prototype for fall and disease detection
CN107909771A (zh) 一种基于无线传感网络的人员跌倒报警系统及其实现方法
CN105891775A (zh) 基于区域定位的智能监护方法及装置
JP2004164282A (ja) 個人行動検知システム
CN112949417A (zh) 一种摔倒行为识别方法、设备及系统
CN206610413U (zh) 基于体感网的居家养老系统
CN107290975A (zh) 一种家居智能机器人
CN107886677A (zh) 一种基于Kinect的老年人步态家庭监控系统
CN106850796A (zh) 基于物联网的无线追踪监测方法和系统
Keshavarz et al. Distributed vision-based reasoning for smart home care
CN114241375A (zh) 一种用于运动过程中的监测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20180504

Address after: 130000 hongnun Digital Plaza, No. 1035 industrial and agricultural road, Chaoyang District, Changchun, Jilin 2715

Applicant after: JILIN JIARENBANG INFORMATION SERVICES CO.,LTD.

Applicant after: CHANGCHUN WHY-E SCIENCE AND TECHNOLOGY Co.,Ltd.

Address before: No. 1568, Chaoyang District construction street, Changchun, Jilin Province

Applicant before: JILIN ZHENCAI INFORMATION TECHNOLOGY Co.,Ltd.

Applicant before: CHANGCHUN WHY-E SCIENCE AND TECHNOLOGY Co.,Ltd.

GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20230418

Address after: Overseas Scholar Entrepreneurship Park, No. 1357 Jinhu Road, High tech Zone, Changchun City, Jilin Province, 130000

Patentee after: CHANGCHUN WHY-E SCIENCE AND TECHNOLOGY Co.,Ltd.

Address before: 130000 hongnun Digital Plaza, No. 1035 industrial and agricultural road, Chaoyang District, Changchun, Jilin 2715

Patentee before: JILIN JIARENBANG INFORMATION SERVICES CO.,LTD.

Patentee before: CHANGCHUN WHY-E SCIENCE AND TECHNOLOGY Co.,Ltd.