CN114724714A - 一种基于用户空间的患者认知能力监测系统及方法 - Google Patents

Abstract

本发明涉及一种基于用户空间的患者认知能力监测系统，包括第一客户端，第一客户端通信连接于服务器，服务器内预存有符合用户行为习惯的预定行为顺序和预定的特定行为的时间长度，能够生成第一预警信息，并且根据接收的与用户关联的日常行为的行为数据分析用户在当前周期内的行为顺序和预定行为顺序相比的准确性得到第一置信度；本发明还涉及一种基于用户空间的患者认知能力监测方法，服务器根据所述第一客户端获取的数据按照以下评分公式得到用户的认知能力评分：

服务器定期比较当前周期对应的用户的认知能力评分与上一周期对应的用户的认知能力评分，并且在用户的认知能力评分环比下降超过预设触发阈值时生成第一预警信息。

Description

一种基于用户空间的患者认知能力监测系统及方法

本分案申请的原始基础是申请号为201910421469.5，申请日为2019年5月20日，发明名称为“一种基于老年人日常行为的认知能力评估系统及方法”的专利申请。

技术领域

本发明涉及数据库的构建领域，涉及人工智能领域中的机器学习，尤其涉及一种基于老年人日常行为的认知能力评估系统及方法。

背景技术

现有技术中如公开号为CN108348194A的专利文献所提出的一种监视对象的活动能力的方法，所述方法包括在至少一个处理设备中：确定指示多个传感器中的每个传感器的传感器读数的传感器数据，所述传感器位于所述对象的生活环境内，并且每个传感器的传感器数据至少部分地指示所述对象执行的一个或多个活动；针对多个活动域中的每个活动域，确定指示相应活动域内的活动水平的域分数，所述域分数是使用来自与相应域相关联的传感器的相应组合的传感器数据来确定的；使用在参考时间段期间测量的参考域分数来确定参考活动水平；使用在监视时间段期间测量的当前域分数来确定当前活动水平；以及至少部分地根据所述当前活动水平和所述参考活动水平来生成活动指标，所述活动指标至少部分地指示所述当前活动水平和所述参考活动水平之间的差异，由此提供关于所述对象活动能力的反馈。但这是一种现有的基于规则的方法，在规则不适用于特定环境的情况下，这种方法就很复杂且容易出错。

此外，一方面由于对本领域技术人员的理解存在差异；另一方面由于发明人做出本实用新型时研究了大量文献和专利，但篇幅所限并未详细罗列所有的细节与内容，然而这绝非本实用新型不具备这些现有技术的特征，相反本实用新型已经具备现有技术的所有特征，而且申请人保留在背景技术中增加相关现有技术之权利。

发明内容

针对现有技术之不足，本发明提供了一种基于老年人日常行为的认知能力评估系统和方法。由于用户的认知能力下降会体现在老人的日常行为之中，因此本发明通过感知技术实现对老人的行为数据长期监测，进而实现对老人认知能力的评估。不用频繁地通过认知障碍筛查量表评估用户的认知能力，减轻对用户的日常生活的打扰，降低医护人员的劳动强度。

根据一个优选实施方式，一种基于老年人日常行为的认知能力评估系统，该系统包括服务器和若干行为传感器，其中，所述服务器通过部署于用户的居住空间内的所述若干行为传感器以隐式感知的方式采集与用户关联的日常行为的行为数据；所述服务器至少根据与用户关联的日常行为的行为数据评估用户的认知能力以得到用户的认知能力评分。

根据一个优选实施方式，所述服务器定期比较当前周期对应的用户的认知能力评分与上一周期对应的用户的认知能力评分，并且所述服务器在用户的认知能力评分环比下降超过预设触发阈值时生成第一预警信息。

根据一个优选实施方式，所述服务器按照以下评分公式评估用户的认知能力以得到用户的认知能力评分：

其中，服务器在评估用户的认知能力以得到用户的认知能力评分之前，选择日常触发最多n项行为对应的行为数据作为用于评价用户的认知能力的标准任务X，表示为X＝{X₁，X₂，…，X_n}，T是普通人完成该n项任务中各任务的标准时间的集合，表示为T＝{T₁，T₂，…，T_n}，T_i是普通人完成该n项任务中第i项任务的标准时间，t是用户完成该n项任务中各任务的平均时间的集合，表示为t＝{t₁，t₂，…，t_n}，t_i是用户完成该n项任务中第i项任务的平均时间，α是用户完成该n项任务中各任务的任务完成度的集合，α_i表示用户完成该n项任务中第i项任务的任务完成度，w是该n项任务中各任务的权重的集合，w_i表示该n项任务中第i项任务的权重。

根据一个优选实施方式，所述服务器采集的与用户关联的日常行为的行为数据带有时间属性，所述服务器获取与用户关联的日常行为的行为数据后依据时间属性将与用户关联的日常行为的行为数据存储到时序数据库中，所述服务器为每个用户独立建立与之关联的用于预测其行为的隐马尔科夫模型，所述服务器使用时序数据库中的与用户有关的行为数据训练与该用户关联的隐马尔科夫模型，服务器根据与该用户关联的隐马尔科夫模型预测用户的预测行为，并在用户的实际行为与预测行为发生偏差而且该偏差将导致已知风险和/或已知损失的情况下生成第二预警信息。

根据一个优选实施方式，所述系统还包括第一客户端，所述第一客户端通信连接于所述服务器，所述第一客户端作为中继设备获取布置在居住空间内的所述若干行为传感器采集的行为数据，所述服务器生成第二预警信息后向所述第一客户端发送风险验证请求，所述第一客户端响应于所述风险验证请求而发出警报，并且所述警报仅能由用户在第一客户端上通过至少两项生物特征识别的验证后才能予以解除，所述第一客户端解除警报后向所述服务器发送风险误报反馈或者风险解除反馈，所述服务器响应于风险误报反馈或者风险解除反馈而删除第二预警信息。

根据一个优选实施方式，所述系统还包括摄像装置，所述摄像装置通信连接于第一客户端，所述摄像装置能设于进出所述居住空间的出入门外，所述摄像装置用于采集第一照片组和第二照片组，所述第一照片组是出入门打开之前拍摄的，所述第二照片组是出入门打开之后直至出入门关闭后持续预设时间的期间拍摄的，所述第一客户端从所述摄像装置获取第一照片组和第二照片组，所述第一客户端比较所述第一照片组和第二照片组来确定所述居住空间内的人员变化状态，并且所述第一客户端响应于所述居住空间内的人员变化状态确定居住空间内容纳的人员的容纳模式，所述容纳模式包括以下模式中的一种：居住空间内有且仅有用户一人的用户独处模式；居住空间内有除用户以外的其他人员或者仅有其他人员的访客模式；和居住空间内没有任何人的空置模式；其中，第一客户端分析所述若干行为传感器在访客模式期间采集的行为数据的触发者，所述第一客户端在访客模式期间采集的相应的行为数据的触发者无法确定的情况下截留无法确定触发者的相应的行为数据，而仅将所述若干行为传感器在访客模式期间采集的能确定触发者为用户的行为数据发送给服务器。优选地，预设时间的长度可以由厂家和/或用户设置。比如，预设时间可以是1～5s。具体地，比如，预设时间可以是2s、3s或者4s。即，假设预设时间是2s，第二照片组包括出入门打开后至关闭后2s的期间内拍摄的照片。

根据一个优选实施方式，所述若干传感器至少包括安装于出入门上的用于识别出入门开关状态的角位移传感器，所述用于识别出入门开关状态的角位移传感器通信连接于所述摄像装置，所述用于识别出入门开关状态的角位移传感器被配置为在出入门朝打开的方向转动3°～5°时立即主动向所述摄像装置发送表示出入门打开的电信号，所述摄像装置收到出入门打开的电信号后在1s内拍摄若干照片作为第一照片组，所述用于识别出入门开关状态的角位移传感器被配置为在出入门朝关闭的方向转动至出入门完全关闭的情况下才向所述摄像装置发送表示出入门关闭的电信号，所述摄像装置在第一照片组拍摄完成后连续拍摄若干照片直至收到出入门关闭的电信号后持续预设时间的期间作为第二照片组。

根据一个优选实施方式，所述系统还包括智能手环和身份识别模块，服务器为每个用户分配一个唯一的身份标识并将该身份标识存储在智能手环中，所述智能手环向有限的通信范围内发送携带身份标识的电磁波，每个行为传感器均配有用于识别携带身份标识的电磁波的身份识别模块，以检测用户佩戴的智能手环从而识别行为传感器采集的行为数据的触发者，在第一客户端确定居住空间内容纳的人员的容纳模式为用户独居模式时，所述第一客户端接收行为传感器采集的行为数据并且将身份识别模块在未检测到用户未佩戴智能手环的情况下采集到行为数据的触发者默认定义为用户；在第一客户端响应于所述居住空间内的人员变化状态确定居住空间内容纳的人员的容纳模式由用户独居模式转变为访客模式时，所述第一客户端指示用户佩戴所述智能手环，所述第一客户端接收行为传感器采集的行为数据并且仅将身份识别模块在检测到用户佩戴的智能手环的情况下采集到的行为数据的确定为触发者为用户的行为数据。

根据一个优选实施方式，所述服务器内预存有符合用户行为习惯的预定行为顺序和预定的特定行为的时间长度，所述服务器生成第一预警信息后，所述服务器根据接收的与用户关联的日常行为的行为数据分析用户在当前周期内的行为顺序和预定行为顺序相比的准确性得到第一置信度，所述服务器根据接收的与用户关联的日常行为的行为数据分析用户在当前周期内的相应的特定行为的时间长度与预定的特定行为的时间长度相比的第二置信度，所述服务器内存有预设的第一置信度阈值和第二置信度阈值，所述第一置信度阈值大于第二置信度阈值，所述服务器在第一置信度大于第一置信度阈值和第二置信度大于第二置信度阈值时判定所述第一预警信息无效，所述服务器在第一置信度小于等于第一置信度阈值和第二置信度小于等于第二置信度阈值时直接确认第一预警信息有效，所述服务器在第一置信度小于等于第一置信度阈值和第二置信度小于等于第二置信度阈值中的其中一个条件成立时将第一预警信息标注为待验证的第一预警信息，服务器等待第一客户端发来的下一周期的与用户关联的日常行为的行为数据来验证该待验证的第一预警信息，仅当服务器根据下一周期对应的用户的认知能力评分与下一周期往前两个周期时评估的对应的用户的认知能力评分相比下降超过预设触发阈值时确认第一预警信息有效，在所述服务器在确认第一预警信息有效时将所述第一预警信息发送给由用户以外的其他人员所持有的第二客户端。

根据一个优选实施方式，一种基于老年人日常行为的认知能力评估方法，该方法使用如前所述的系统来评估用户的认知能力，该系统包括服务器和若干行为传感器，其中，所述服务器通过部署于用户的居住空间内的所述若干行为传感器以隐式感知的方式采集与用户关联的日常行为的行为数据；所述服务器至少根据与用户关联的日常行为的行为数据评估用户的认知能力以得到用户的认知能力评分。

附图说明

图1是本发明的系统的一个优选实施方式的模块示意图。

附图标记列表

100：第一客户端 200：第二客户端 300：服务器

400：行为传感器 500：摄像装置 600：智能手环

700：身份识别模块

具体实施方式

下面结合附图进行详细说明。

首先，对发明中使用到的部分术语进行定义：

隐式感知可以是指行为传感器耦合到居住空间的物品中或者物品上以在用户触动或者操作这些物品时感知用户的行为获取行为数据。换言之，隐式感知是在用户进行日常行为的过程中通过耦合到居住空间中的会被用户的日常行为所触动的物品上的行为传感器隐式地获取用户的行为数据的感知过程。这使得隐式感知与用户主动地去测试不同，隐式感知时用户无需刻意去触发行为传感器，而是在完成日常行为的过程中顺便触发了行为传感器而获得相应的行为数据。行为传感器的设置方式和测量方式不会打扰用户的日常行为。即，若干行为传感器以免打扰用户的方式设置于用户的居住空间中采集与用户关联的日常行为的行为数据。物品例如可以包括各类门、各类开关和各类用具中的至少一种。具体的，物品可以包括室内门、窗户门、出入门、冰箱门、微波炉门、衣柜门、水龙头开关、灯开关、灶台开关、电源开关、洗漱杯和洗脸盆中的至少一个。

时序数据库可以是指时间序列数据库。时间序列数据库主要用于指处理带时间标签(按照时间的顺序变化，即时间序列化)或者说时间属性的数据。带时间标签或者时间属性的数据也称为时间序列数据。

实施例1

本实施例公开了一种基于老年人日常行为的认知能力评估系统，或者说，一种基于用户日常行为的认知能力评估系统，或者说一种基于时序数据库评估认知能力的系统，或者说一种用于评估认知能力的系统。该系统适于执行本发明记载的各个方法步骤，以达到预期的技术效果。在不造成冲突或者矛盾的情况下，其他实施例的优选实施方式的整体和/或部分内容可以作为本实施例的补充。

根据一个优选实施方式，参见附图1，该系统可以包括服务器300和/或若干行为传感器400。服务器300可以通过设置于或者部署于用户的居住空间中的若干行为传感器400采集与用户关联的日常行为的行为数据。或者说，服务器300可以通过部署于用户的居住空间内的若干行为传感器400以隐式感知的方式采集与用户关联的日常行为的行为数据。优选地，行为传感器400可以包括角度传感器、门磁开关传感器、激光传感器、水流量传感器、微动开关传感器、压力传感器、温度传感器、湿度传感器、智能开关和角度传感器中的至少一个。服务器300可以根据与用户关联的日常行为的行为数据评估用户的认知能力以得到用户的认知能力评分。优选地，服务器300通过设置于用户的居住空间中的若干行为传感器400以隐式感知的方式采集与用户关联的日常行为的行为数据。优选地，居住空间是指用户的起居环境。比如，居住空间可以包括卧室、客厅、厨房和厕所中的至少一个。本发明采用此方式至少能够实现以下有益技术效果：第一，可以减少频繁地评估认知能力对用户的日常行为的打扰；第二，降低持续获取用户的认知能力评分的难度，以长期观察用户的认知能力的变化。

根据一个优选实施方式，服务器300可以定期比较当前周期对应的用户的认知能力评分与上一周期对应的用户的认知能力评分。服务器300可以在用户的认知能力评分环比下降超过预设触发阈值时生成预警信息。优选地，服务器300可以将第一预警信息发送给第二客户端。优选地，服务器300定期比较当前周期对应的用户的认知能力评分与上一周期对应的用户的认知能力评分的比较周期可以是人为设定的。优选地，预设触发阈值可以人为设定。比如，预设触发阈值例如可以是5％～60％。即，假设服务器300以天为周期比较用户的认知能力评分，预设触发阈值被设定为10％。当前一天用户的认知能力评分为50分，今天用户的认知能力评分是38分，则用户的认知能力评分环比下降24％，超过了10％，则服务器300生成预警信息。优选地，服务器300定期比较当前周期对应的用户的认知能力评分与上一周期对应的用户的认知能力评分的比较周期可以具有多个周期长度彼此不同的周期。比如，服务器300可以被配置为以天、周、月、季度和年中的至少一个为周期。比如，服务器300可以被配置为以天为周期来比较对应的用户的认知能力评分。又比如，服务器300可以被配置为以天和周为周期来比较对应的用户的认知能力评分。即，服务器300既比较相邻两天中对应的用户的认知能力评分，也比较相邻两周中对应的用户的认知能力评分。优选地，服务器300可以以彼此不同的至少两个比较周期定期比较当前周期对应的用户的认知能力评分与上一周期对应的用户的认知能力评分。服务器300可以在用户的认知能力评分环比下降超过预设触发阈值时生成预警信息。不同的比较周期可以对应于彼此不同的预设触发阈值。具有越长的周期长度的比较周期对应的预设触发阈值可以越小。比如，服务器300比较相邻两天中对应的用户的认知能力评分时，对应的预设触发阈值可以为15％。服务器300比较相邻两周中对应的用户的认知能力评分时，对应的预设触发阈值可以为10％。优选地，周期长度可以是指一个周期所含的时长。本发明采用此方式至少能够实现以下有益技术效果：第一，本发明通过服务器300对传感器采集到的用户的行为数据定期地处理比较，以反馈出用户的认知能力的变化，并且服务器300在用户的认知能力评分环比下降超过预设触发阈值时生成预警信息，以便了解到用户的认知能力水平可能存在快速下降的问题；第二，如果采用现有的认知障碍筛查量表持续地每日去对用户的认知能力进行评价，这几乎是不可能实现的，而本发明利用传感器每日采集到的丰富的用户的行为数据评价用户的认知能力，通过多个周期定期比较的方式，能够得到用户的认知能力在不同的周期长度的周期内的变化并及时预警；第三，通常，假设用户的认知能力随时间缓慢降低，则时间跨度越大，应当认知能力降低得越多，所以常规的方式是具有越长的周期长度的比较周期对应的预设触发阈值越大，但是，本发明的发明人认为，由于周期长度越大，其数据量也越大，其反应的一个认知能力评分也就更真实，误差也更小，因此，本发明打破常规，让服务器300中将具有越长的周期长度的比较周期对应的预设触发阈值设置得越小，比如，服务器300比较相邻两天中对应的用户的认知能力评分时，对应的预设触发阈值为19％，服务器300比较相邻两周中对应的用户的认知能力评分时，对应的预设触发阈值为16％，服务器300比较相邻两个季度中对应的用户的认知能力评分时，对应的预设触发阈值为13％，服务器300比较相邻两个季度中对应的用户的认知能力评分时，对应的预设触发阈值为10％，以降低系统误报，让本发明的预警信息更准确。

根据一个优选实施方式，该系统可以包括第一客户端、智能手环600和身份识别模块700中的至少一个。服务器300可以为每个用户分配一个唯一的身份标识并将该身份标识存储在智能手环600中。智能手环600可以由用户随身携带。智能手环600可以向有限的通信范围内发送携带身份标识的电磁波。每个行为传感器400均可以配有身份识别模块700，以识别行为传感器400采集的行为数据的关联用户。在智能手环600随用户移动使得其通信范围覆盖相应的身份识别模块700时，相应的身份识别模块700根据获取的带有身份标识的电磁波识别与行为传感器400采集到的行为数据相关的用户的身份并生成带有时间属性的信息。相应的第一客户端关联于具有相应身份标识的用户。

根据一个优选实施方式，该系统可以包括若干摄像头。若干摄像头可以设置在进出用户的居住空间的门的周边。系统可以根据若干摄像头采集的图像识别居住空间内的人员的情况。系统可以在行为数据具有被除用户以外的其他人影响的情况下，忽略被影响的行为数据。

根据一个优选实施方式，服务器300可以按照以下评分公式评估用户的认知能力以得到用户的认知能力评分：

优选地，服务器300在评估用户的认知能力以得到用户的认知能力评分之前，可以选择日常触发最多n项行为对应的行为数据作为用于评价用户的认知能力的标准任务X，表示为X＝{X₁，X₂，…，X_n}。T可以是普通人完成该n项任务中各任务的标准时间的集合，表示为T＝{T₁，T₂，…，T_n}。T_i可以是普通人完成该n项任务中第i项任务的标准时间。t可以是用户完成该n项任务中各任务的平均时间的集合，表示为t＝{t₁，t₂，…，t_n}。t_i可以是用户完成该n项任务中第i项任务的平均时间。α可以是用户完成该n项任务中各任务的任务完成度的集合。α_i可以表示用户完成该n项任务中第i项任务的任务完成度。w可以是该n项任务中各任务的权重的集合。w_i可以表示该n项任务中第i项任务的权重。比如，用户开门之后，在超过一定的时间没有关门，这时极有可能是用户忘记关门，开关门事件完成的任务完成度降低，通过认知能力评分公式计算得到的认知能力评分将会因此降低，如果开关门的事件是用户日常触发最多n项行为之一，则其会被采用用于评价用户的认知能力，忘记开关门的次数越多，认知能力评分越低。又比如，用户在洗菜的过程中很长时间才关水，会导致完成洗菜事件的事件远超于正常完成洗菜的时间，极有可能是用户忘记关水，如果开关水龙头的事件是用户日常触发最多n项行为之一，则其会被采用用于评价用户的认知能力，计算的认知能力评分也会降低。本发明采用用户日常触发最多n项行为来评价用户的认知能力，可以减少因为作为评价的来源数据过少而导致一些少数的、偶然的数据对用户的认知能力的评价造成过多的干扰。优选地，不同用户有着不同的习惯，比如，一些用户可能习惯打开出入门不关来通风。又比如，一些用户可能习惯不使用微波炉时长时间打开微波炉的门来散味。在使用本发明时，可以先向用户说明本发明的认知能力的评分规则，以让用户能够避免因不知道评分规则而因为个人习惯做出一些导致评分出现较大偏差的事件。而用户知晓这些规则后，能不能在进行一些行为时刻意做出一些动作以得到更高的认知能力评分也能体现用户的认知能力。优选地，n可以是大于等于1的整数。n可以由人为设定，比如，设定为1、2、3或者4。设定时，可以根据用户的居住空间内设置的行为传感器的数量而定，行为传感器越多，n的值可以设置得越大。

根据一个优选实施方式，服务器300采集的与用户关联的日常行为的行为数据可以带有时间属性。服务器300获取与用户关联的日常行为的行为数据后可以依据时间属性将与用户关联的日常行为的行为数据存储到时序数据库中。服务器300可以为每个用户独立建立与之关联的用于预测其行为的隐马尔科夫模型。服务器300可以使用时序数据库中的与用户有关的行为数据训练与该用户关联的隐马尔科夫模型。服务器300可以根据与该用户关联的隐马尔科夫模型预测用户的预测行为。服务器可以在用户的实际行为与预测行为发生偏差而且该偏差将导致已知风险和/或已知损失的情况下生成第二预警信息。

根据一个优选实施方式，系统可以包括第一客户端100，第一客户端100通信连接于服务器300。第一客户端100可以作为中继设备获取布置在居住空间内的若干行为传感器400采集的行为数据。服务器300可以生成第二预警信息后向第一客户端100发送风险验证请求。第一客户端100可以响应于风险验证请求而发出警报。警报仅能由用户在第一客户端100上通过至少两项生物特征识别的验证后才能予以解除。第一客户端100解除警报后可以向服务器300发送风险误报反馈或者风险解除反馈。服务器300可以响应于风险误报反馈或者风险解除反馈而删除第二预警信息。

根据一个优选实施方式，系统可以包括摄像装置500。摄像装置500可以通信连接于第一客户端100。摄像装置500可以设于进出居住空间的出入门外。摄像装置500可以用于采集第一照片组和第二照片组。第一照片组可以是出入门打开之前拍摄的。第二照片组可以是出入门打开之后直至出入门关闭后持续预设时间的期间拍摄的。第一客户端100可以从摄像装置500获取第一照片组和第二照片组。第一客户端100可以比较第一照片组和第二照片组来确定居住空间内的人员变化状态。第一客户端100可以响应于居住空间内的人员变化状态确定居住空间内容纳的人员的容纳模式。容纳模式可以包括以下模式中的一种：居住空间内有且仅有用户一人的用户独处模式；居住空间内有除用户以外的其他人员或者仅有其他人员的访客模式；和居住空间内没有任何人的空置模式。第一客户端100可以分析若干行为传感器400在访客模式期间采集的行为数据的触发者。第一客户端100可以在访客模式期间采集的相应的行为数据的触发者无法确定的情况下截留无法确定触发者的相应的行为数据，而仅将若干行为传感器400在访客模式期间采集的能确定触发者为用户的行为数据发送给服务器300。

优选地，预设时间的长度可以由厂家和/或用户设置。比如，预设时间可以是1～5s。具体地，比如，预设时间可以是2s、3s或者4s。即，假设预设时间是2s，第二照片组包括出入门打开后至关闭后2s的期间内拍摄的照片。本发明采用此方式至少能够实现以下有益技术效果：第一，通常，现有技术在门外设置摄像装置500是为了通过摄像装置500采集人员的特征来进行特征识别，以确定相应的人员是否具有进门的权限，但并不涉及本发明的判断居住空间内的人员的容纳模式，本发明采用该方式既可以保证行为数据的真实性，也可以减少老人操作的麻烦。虽然也可以让老人在第一客户端100上操作以剔除不真实的行为数据，但是，由于老年人对智能设备操作存在不熟和难于操作的情况，本发明为了简化该系统对老年人的打扰，竭尽所能地减少老人的操作步骤；第二，该摄像装置500设置在门外，不会采集到老人的生活隐私有关的照片，避免老人出现抵触情绪。

根据一个优选实施方式，若干行为传感器可以包括安装于出入门上的用于识别出入门开关状态的角位移传感器。用于识别出入门开关状态的角位移传感器可以通信连接于摄像装置500。用于识别出入门开关状态的角位移传感器可以被配置为在出入门朝打开的方向转动3°～5°时立即主动向摄像装置500发送表示出入门打开的电信号。摄像装置500收到出入门打开的电信号后可以在1s内拍摄若干照片作为第一照片组。用于识别出入门开关状态的角位移传感器可以被配置为在出入门朝关闭的方向转动至出入门完全关闭的情况下才向摄像装置500发送表示出入门关闭的电信号。摄像装置500可以在第一照片组拍摄完成后连续拍摄若干照片直至收到出入门关闭的电信号后持续预设时间的期间作为第二照片组。本发明采用此方式至少能够实现以下有益技术效果：本发明的用于识别出入门开关状态的角位移传感器通信连接于摄像装置500，并且摄像装置500采集的第一照片组和第二照片组的时间与出入门的开关状态相关，使得本发明拍摄的第一照片组和第二照片组大概率与居住空间内的人员变化状态有关，而不会拍摄过多的无用照片，比如出入门未开启时路人路过出入门前的照片，能够减轻第一客户端100的计算量，还能使得第一客户端100能够高效、准确地分析居住空间内容纳的人员的容纳模式。

根据一个优选实施方式，该系统该可以包括智能手环600和/或身份识别模块700。服务器300可以为每个用户分配一个唯一的身份标识并将该身份标识存储在智能手环600中。智能手环600可以向有限的通信范围内发送携带身份标识的电磁波。每个行为传感器400均可以配有用于识别携带身份标识的电磁波的身份识别模块700，以检测用户佩戴的智能手环600从而识别行为传感器400采集的行为数据的触发者。在第一客户端100确定居住空间内容纳的人员的容纳模式为用户独居模式时，第一客户端100可以接收行为传感器400采集的行为数据并且将身份识别模块700在未检测到用户未佩戴智能手环600的情况下采集到行为数据的触发者默认定义为用户。

在第一客户端100响应于居住空间内的人员变化状态确定居住空间内容纳的人员的容纳模式由用户独居模式转变为访客模式时，第一客户端100可以指示用户佩戴智能手环600。在第一客户端100响应于居住空间内的人员变化状态确定居住空间内容纳的人员的容纳模式由用户独居模式转变为访客模式时，第一客户端100可以接收行为传感器400采集的行为数据并且仅将身份识别模块700在检测到用户佩戴的智能手环600的情况下采集到的行为数据的确定为触发者为用户的行为数据。本发明采用此方式至少能够实现以下有益技术效果：第一，在用户独居模式下，用户可以不携带智能手环600，让用户更自由；第二，在用户的生活过程中，由于亲友串门、维护人员维护设备或者水电气公司查表等各种原因，居住空间内进入其他人员是必然的，而在访客模式下，用户可以携带智能手环600，以在有他人在居住空间内的情况下依然仅获取由用户触发的行为数据来评价用户的认知能力，从而避免采集到的由他人触发的行为数据而错误地评价用户的认知能力，提高本发明的认知能力评价的准确性；第三，在访客模式的情况下，减少因用户和访客同时触发不同的行为传感器400而导致的误报的第一预警信息和/或第二预警信息。

根据一个优选实施方式，服务器300内可以预存有符合用户行为习惯的预定行为顺序和预定的特定行为的时间长度。服务器300生成第一预警信息后，服务器300可以根据接收的与用户关联的日常行为的行为数据分析用户在当前周期内的行为顺序和预定行为顺序相比的准确性得到第一置信度。服务器300可以根据接收的与用户关联的日常行为的行为数据分析用户在当前周期内的相应的特定行为的时间长度与预定的特定行为的时间长度相比的第二置信度。服务器300内可以存有预设的第一置信度阈值和第二置信度阈值。第一置信度阈值可以大于第二置信度阈值。服务器300可以在第一置信度大于第一置信度阈值和第二置信度大于第二置信度阈值时判定第一预警信息无效。服务器300可以在第一置信度小于等于第一置信度阈值和第二置信度小于等于第二置信度阈值时直接确认第一预警信息有效。服务器300可以在第一置信度小于等于第一置信度阈值和第二置信度小于等于第二置信度阈值中的其中一个条件成立时将第一预警信息标注为待验证的第一预警信息。服务器300可以等待第一客户端100发来的下一周期的与用户关联的日常行为的行为数据来验证该待验证的第一预警信息。仅当服务器300根据下一周期对应的用户的认知能力评分与下一周期往前两个周期时评估的对应的用户的认知能力评分相比下降超过预设触发阈值时确认第一预警信息有效。在服务器300可以在确认第一预警信息有效时将第一预警信息发送给由用户以外的其他人员所持有的第二客户端200。本发明采用此方式至少能够实现以下有益技术效果：第一，本发明通过设置第一置信度与第一置信度阈值的比较以及第二置信度与第二置信度阈值的比较来减少第一预警信息的误报，提高本发明的第一预警信息的准确性；第二，因为用户的行为的时间长度相比于行为顺序因潜在因素而发生波动的可能性更大，因此服务器300内预设的第一置信度阈值大于第二置信度阈值，由此，以进一步减少第一预警信息的误报。

根据一个优选实施方式，第二客户端200的持有者例如可以是医护人员或者本发明的系统的运营者。服务器300可以将第一预警信息发送给第二客户端200，以便让相关的人员了解到用户的认知能力的改变。优选地，第二客户端200收到第一预警信息后，第二客户端200可以指示其持有者前往用户的居住空间采用MoCA量表和/或MMSE量表对用户的认知能力进行评价得到反映用户认知能力的现场评分，当现场评分低于相应的预设分数时认定用户不再适合独居。由此，以便现场准确地对认知能力下降到不适合独居，独居会产生相应的风险的用户的认知能力进行评判，并且及时地干预这类用户的独居的行为。比如，将用户送至有护理人员集中护理的养老院，或者通知其家属对用户进行照顾，以防止认知能力严重下降的用户独居而产生的风险。

实施例2

本实施例公开了一种基于老年人日常行为的认知能力评估方法，或者说，一种基于用户日常行为的认知能力评估方法，或者说一种基于时序数据库评估认知能力的方法，或者说一种用于评估认知能力的方法。该方法可以由本发明的系统和/或其他可替代的零部件实现。比如，通过使用本发明的系统中的各个零部件实现本发明的方法。在不造成冲突或者矛盾的情况下，其他实施例的优选实施方式的整体和/或部分内容可以作为本实施例的补充。

根据一个优选实施方式，该方法可以使用本发明的系统来评估用户的认知能力。

根据一个优选实施方式，该方法可以包括以下步骤1、步骤2、步骤3和步骤4中的至少一个。该方法可以包括信息采集步骤、专家知识库构建步骤，数据处理步骤和认知能力评估及预警步骤。数据采集步骤由传感器和服务器组成，传感器收集每一时刻的老人动作的信息，服务器收集整合传感器数据；信息知识库构建步骤包括对原有特征的向更高层次的分类和分类数据的存储；数据处理步骤包括对基于分类存储的信息进行的行为预测分类器的构建，其中使用了隐马尔科夫模型作为分类模型；认知能力评估步骤包括对得到的行为进行评分，对评分下降超过阈值的结果进行预警。

步骤1：采集基础信息，构建传感器信息数据集，包括传感器设备信息表和传感器数据信息表。传感器设备信息表描述了各类传感器的基础信息，其属性包括：传感器名称、MAC地址、作用描述、传感器类型、数据单位、安装位置。MAC地址作为传感器设备信息的唯一标识。传感器数据信息表描述了传感器收集到的信息内容，其属性包括：传感器设备、数据内容、上传时间。

通过在房间内部署传感器，在传感器被触发的时候将数据上传到云端服务器，服务器将数据进行存储，根据数据的上传时间，定期将数据进行归档存储和数据处理。

步骤2：构建专家知识库，通过专家知识提供对于传感器与行为之间关系的先验知识来增加行为预测的精准度，进而增加认知预警的精准度。通过构建行为，传感器以及属性的之间的关系信息表，不完全基于规则的行为预测。专家知识库主要包括传感器行为表，传感器行为表包括了属性：行为名称、行为定义、触发物品、触发传感器、触发时间和位置，通过人工常识，对日常生活基本的行为进行定义，分解行为到具体的动作，动作所触发的物品与传感器相关联，即将行为限定到行为可能触发的几种传感器之间，通过上述规则提高行为预测的准确率。通过传感器行为表将底层传感器根据分类将其归类至各个行为下，并将此行为对传感器的多对多的关系存储在专家知识库中。

步骤3：行为预测分析，针对传感器和行为数据中隐含的时序性，使用隐马尔科夫模型来根据传感器数据预测行为。隐马尔科夫模型引入一个隐含变量，并认为数据中状态的改变是由且仅由前一个时间点的隐含变量和此隐含变量造成的，但此隐含变量并不能被观察者直接观察得到。在隐马尔科夫模型中，由隐含变量之间的转移矩阵、初始状态概率矩阵和隐变量对应行为的发射矩阵解出要预测的时间点的行为。在使用隐马尔科夫模型进行行为识别时，将行为看作是传感器的隐变量，传感器数据是可观察到的而行为数据是隐藏的。

根据一个优选实施方式，本发明使用预先收集到的数据训练隐马尔科夫模型。并以24小时为周期对本日收集到的传感器数据使用隐马尔科夫模型进行行为预测。下面将给出马尔科夫模型训练和预测的过程的步骤：

对隐马尔科夫模型定义变量：

变量名	变量解释
		T	数据序列长度
A	状态隐变量之间的转移矩阵
		B	发射矩阵
π	初始状态概率矩阵
		N	隐变量取值的个数
Q＝{q<sub>0</sub>，q<sub>1</sub>，...，q<sub>N-1</sub>}	隐变量可能的值集合
		I＝(i<sub>1</sub>，i<sub>2</sub>，...i<sub>T-1</sub>)	隐变量序列
O＝(O<sub>0</sub>，O<sub>1</sub>，...，O<sub>T-1</sub>)	观察到的数据序列

定义矩阵A的第i行第j列的元素值也是由第i个状态q_i转移到第j个状态q_j的概率为a_ij：

a_ij＝P(q_j|q_i)

定义矩阵B的第k行第j列的值也是在状态为q_j时，观察到数据k的概率：

b_j(k)＝P(k|q_j)

至此，马尔科夫模型λ＝(A，B，π)构建完成，但是A和B都是未知的，下面将给出使用维特比算法解隐马尔科夫模型的过程和公式。

维特比算法想要最大化的是给定观察数据后隐变量序列的概率，即：

maxP(I|O)

维特比算法定义

则可由上述公式得到递推公式：

定义

则维特比算法的流程如下：

输入：模型λ＝(A，B，π)，观察数据序列O＝(o₀，o₁，...，o_T-1)

输出：隐变量序列I＝(i₀，i₁，...，i_T-1)

初始化局部状态：

δ₀＝π_ib_i(o₀)，i＝0，1，...，N-1

Ψ₀(i)＝0，i＝0，1，...，N-1

进行动态规划递推t＝1，2，...，T-1时刻的局部状态：

计算时刻T最大的Ψ_T(i)，此时Ψ_T(i)即为t＝T时刻最有可能出现的隐变量状态

利用Ψ(i)回溯得到I＝(i₀，i₁，...，i_T-1)：

i_t＝Ψ_t+1(i_t+1)

在使用隐马尔科夫模型进行预测时，将传感器数据看作是观察序列，即O＝(o₀，o₁，...，o_T-1)，将行为看作是隐变量，即I＝(i₀，i₁，...，i_T-1)。使用维特比算法即可求得每个时刻对应的行为。

步骤4：通过识别得到的行为信息，评估认知能力并实现预警。认知能力的下降在日常生活中表现为行为的错误，在完成某项活动的时候跳过或者执行不正确的重要步骤，使得该项活动失去原本实现的意义。这些行为的错误可能包括忘记关闭煤气，保持冰箱门长时间的打开，或者花费很长的时间来完成某项简单的工作。

本发明选择日常触发最多n项行为作为标准任务X，表示为X＝{X₁，X₂，…，X_n}，测试得到一般人完成该n项任务的时间作为该项行为的标准时间T，表示为T＝{T₁，T₂，…，T_n}，假设每个人的任务完成时间为t＝{t₁，t₂，…，t_n}，任务完成度为α＝{α₁，α₂，…，α_n}，根据每项任务的重要性确定其权重为w＝{w₁，w₂，…，w_n}，认知能力的评分公式如下：

通过将认知能力用分数标准化，用以量化活动完成的质量。根据每日评分信息，当用户的认知能力评分下降超过阈值10％即产生警报信息。

根据一个优选实施方式，行为传感器设备信息表描述了各类行为传感器的基础信息，其属性如下表所示：

根据一个优选实施方式，传感器设备收集数据将数据传输到服务器。服务器进行存储为传感器数据信息，其属性下表所示：

序号	符号	属性信息
			1	Device ID	传感器设备
2	Data	数据内容
			3	Time	上传时间

根据一个优选实施方式，为检测到人的基础动作，对一般户型房子进行以下部署：

根据一个优选实施方式，行为传感器设备内部包括通信网关和通信模块。不同传感器通过通信模块将信息传输到第一客户端。通信模块可以是有线通信模块或者无线通信模块。无线通信模块例如可以是蓝牙模块或者ZigBee模块。第一客户端通过连接WIFI将所有数据转发到服务器。系统兼容多种行为传感器，当有新的行为传感器接入时只需要将传感器的数据设置为当前系统确定的通信协议即可。行为传感器只在有行为产生触发的时候传输数据，可以减少数据量的传输。

根据一个优选实施方式，通信协议格式定义如下表所示：

根据一个优选实施方式，数据存储到服务器端之后，由于数据量大，在每天的晚上十二点定时进行数据的归档，将当日的收集得到的数据进行整理，打包存储。

根据一个优选实施方式，由专家知识构建的行为传感器-行为对应表如下所示：

需要注意的是，上述具体实施例是示例性的，本领域技术人员可以在本发明公开内容的启发下想出各种解决方案，而这些解决方案也都属于本发明的公开范围并落入本发明的保护范围之内。本领域技术人员应该明白，本发明说明书及其附图均为说明性而并非构成对权利要求的限制。本发明的保护范围由权利要求及其等同物限定。

Claims (10)

1.一种基于用户空间的患者认知能力监测系统，其特征在于，所述系统包括：

第一客户端(100)，用于获取采集的行为数据；

服务器(300)，至少根据与用户关联的日常行为的行为数据评估用户的认知能力以得到用户的认知能力评分；

所述服务器(300)，用于定期比较当前周期对应的用户的认知能力评分与上一周期对应的用户的认知能力评分；

所述服务器(300)，在用户的认知能力评分环比下降超过预设触发阈值时生成第一预警信息。

2.根据权利要求1或2所述的一种基于用户空间的患者认知能力监测系统，其特征在于，所述服务器(300)能够按照以下评分公式评估用户的认知能力以得到用户的认知能力评分：

其中，服务器(300)在评估用户的认知能力以得到用户的认知能力评分之前，选择日常触发最多n项行为对应的行为数据作为用于评价用户的认知能力的标准任务X，表示为X＝{X₁，X₂，…，X_n}，T是普通人完成该n项任务中各任务的标准时间的集合，表示为T＝{T₁，T₂，…，T_n}，T_i是普通人完成该n项任务中第i项任务的标准时间，t是用户完成该n项任务中各任务的平均时间的集合，表示为t＝{t₁，t₂，…，t_n}，t_i是用户完成该n项任务中第i项任务的平均时间，α是用户完成该n项任务中各任务的任务完成度的集合，α_i表示用户完成该n项任务中第i项任务的任务完成度，w是该n项任务中各任务的权重的集合，w_i表示该n项任务中第i项任务的权重。

3.根据权利要求1或2项所述的一种基于用户空间的患者认知能力监测系统，其特征在于，所述服务器(300)能够根据接收的与用户关联的日常行为的行为数据分析用户在当前周期内的行为顺序和预定行为顺序相比的准确性得到第一置信度。

4.根据权利要求1～3任一项所述的一种基于用户空间的患者认知能力监测系统，其特征在于，所述服务器(300)能够根据与该用户关联的隐马尔科夫模型预测用户的行为，并在用户的实际行为与预测行为发生偏差而且该偏差将导致已知风险和/或已知损失的情况下生成第二预警信息，

所述服务器(300)能够在生成第二预警信息后，向所述第一客户端(100)发送风险验证请求。

5.根据权利要求1～4任一项所述的一种基于用户空间的患者认知能力监测系统，其特征在于，所述第一客户端(100)响应于所述风险验证请求而发出警报，并且所述警报仅能由用户在第一客户端上通过至少两项生物特征识别的验证后才能予以解除，

所述第一客户端(100)能够解除警报后向所述服务器(300)发送风险误报反馈或者风险解除反馈，所述服务器(300)响应于风险误报反馈或者风险解除反馈而删除第二预警信息。

6.根据权利要求1～5任一项所述的一种基于用户空间的患者认知能力监测系统，其特征在于，所述服务器(300)根据接收的与用户关联的日常行为的行为数据分析用户在当前周期内的相应的特定行为的时间长度与预定的特定行为的时间长度相比的第二置信度，

所述服务器(300)内存有预设的第一置信度阈值和第二置信度阈值，其中，所述第一置信度阈值大于第二置信度阈值。

7.一种基于用户空间的患者认知能力监测方法，包括以下步骤：

获取采集的行为数据；

至少根据与用户关联的日常行为的行为数据评估用户的认知能力以得到用户的认知能力评分；

定期比较当前周期对应的用户的认知能力评分与上一周期对应的用户的认知能力评分；

在用户的认知能力评分环比下降超过预设触发阈值时生成第一预警信息。

8.根据权利要求7所述的一种基于用户空间的患者认知能力监测方法，其特征在于，在第一置信度大于第一置信度阈值和第二置信度大于第二置信度阈值时判定所述第一预警信息无效；在第一置信度小于等于第一置信度阈值和第二置信度小于等于第二置信度阈值时直接确认第一预警信息有效。

9.根据权利要求7或8所述的一种基于用户空间的患者认知能力监测方法，其特征在于，包括以下步骤，在第一置信度小于等于第一置信度阈值和第二置信度小于等于第二置信度阈值中的其中一个条件成立时将第一预警信息标注为待验证的第一预警信息；根据发来的下一周期的与用户关联的日常行为的行为数据来验证该待验证的第一预警信息。

10.根据权利要求7～9任一项所述的一种基于用户空间的患者认知能力监测方法，其特征在于，还包括以下步骤，当根据下一周期对应的用户的认知能力评分与下一周期往前两个周期时评估的对应的用户的认知能力评分相比下降超过预设触发阈值时确认第一预警信息有效；在确认第一预警信息有效时将所述第一预警信息发送给由用户以外的其他人员。

Images