TWM642660U - 居家行為分析系統 - Google Patents

Abstract

一種居家行為分析系統，包含第一伺服器、第二伺服器、及照護端主機。第一伺服器接收行為資訊，並依據行為資訊在符合熱度模式規則下產生熱度圖資訊，第二伺服器連接第一伺服器，第二伺服器的行為分類模組依據熱度圖資訊在符合行為模式分析規則下產生標籤結果，照護端主機連接第二伺服器，照護端主機的標註模組依據熱度圖資訊產生標註結果，照護端主機的分類處理模組判斷標籤結果與標註結果是否一致，於不一致時，依據標註結果產生修正資訊，第二伺服器的深度學習模組依據修正資訊更新行為模式分析規則。

Description

居家行為分析系統

本創作係關於一種居家行為分析系統。

目前照護處對於獨居長者的日常行為，通常是定期安排社工員實際居家拜訪進行訪視評估，需要配置大量人力。另外，還可以透過於長者家中裝設影像設備（例如閉路監視器（CCTV）、或無線網路監控攝影機（IPCam）等）以確認長者於家中的作息及活動狀況，但此作法存在隱私權被侵犯之虞慮問題。另一方面，若只在門口配置監控設備供長者自行操作設備進行外出或返家設定，則無法在狀況發生時，即時作緊急救護，或無法確切掌握長者的健康狀態。

鑒於上述問題，本創作的實施例提供一種居家行為分析系統。

在任一實施例中，一種居家行為分析系統包含第一伺服器、第二伺服器及照護端主機，第一伺服器包含傳輸模組、處理模組、及用戶資訊庫，傳輸模組接收行為資訊，處理模組連接傳輸模組，處理模組依據行為資訊在符合熱度模式規則下產生熱度圖資訊，用戶資訊庫連接處理模組，用戶資訊庫儲存熱度圖資訊及熱度模式規則。第二伺服器連接第一伺服器並接收熱度圖資訊，第二伺服器包含行為分類模組、深度學習模組、及行為資訊庫，行為分類模組依據熱度圖資訊在符合行為模式分析規則下產生標籤結果，深度學習模組連接行為分類模組，深度學習模組依據修正資訊更新行為模式分析規則，行為資訊庫連接行為分類模組，行為資訊庫儲存標籤結果與行為模式分析規則。另外，照護端主機連接第一伺服器與第二伺服器，並接收自第一伺服器之熱度圖資訊，及接收自第二伺服器之標籤結果，照護端主機包含標註模組與分類處理模組，標註模組依據熱度圖資訊產生標註結果，分類處理模組連接標註模組，分類處理模組判斷標籤結果與標註結果是否一致，於不一致時，依據標註結果產生修正資訊並傳送修正資訊至第二伺服器。

在一些實施例，照護端主機中，分類處理模組判斷標籤結果與標註結果為一致時，依據標註結果產生強化資訊，第二伺服器的深度學習模組依據強化資訊產生生活模式標籤，行為資訊庫儲存生活模式標籤。

在一些實施例，照護端主機更包含服務建議模組，連接分類處理模組，服務建議模組依據該生活模式標籤產生建議資訊並推播建議資訊至電子裝置。

在一些實施例，第二伺服器更包含異常管理模組，連接行為分類模組與行為資訊庫，於標籤結果與該生活模式標籤不一致時，異常管理模組判斷熱度圖資訊在一場域資訊變化規則下是否為一異常結果，於判斷為異常結果時，產生一異常通報。

在一些實施例，第二伺服器中，深度學習模組依據熱度圖資訊在符合失能變化量規則下產生評估資訊並傳送評估資訊至照護端主機。

在一些實施例，第二伺服器中，行為資訊庫儲存模擬場域資訊，第二伺服器更包含特徵萃取模組與模型建立模組，特徵萃取模組連接行為資訊庫，特徵萃取模組依據模擬場域資訊得到特徵資訊，模型建立模組連接特徵萃取模組，模型建立模組依據特徵資訊產生行為模式分析規則。

在一些實施例，第二伺服器中，行為資訊庫儲存場域用戶資訊，第二伺服器更包含特徵處理模組連接行為資訊庫與模型建立模組，特徵處理模組依據場域用戶資訊產生用戶特徵資訊，模型建立模組依據用戶特徵資訊更新行為模式分析規則。

在一些實施例，第一伺服器中，行為資訊包含觸發次數與時間，熱度模式規則包含觸發次數對應顏色，及時間對應顏色，處理模組依據行為資訊在符合熱度模式規則下產生熱度圖資訊。

在一些實施例，更包含複數感測器與用戶端主機，複數感測器產生觸發訊號，用戶端主機連接該些感測器並接收觸發訊號，用戶端主機依據觸發訊號產生行為資訊並傳送行為資訊至第一伺服器。

在一些實施例，該些感測器為紅外線感測器、超音波感測器、或前述之任一組合。

綜上所述，在任一實施例，透過資料視覺化，將所收集到行為資訊製成熱度圖資訊，居家行為分析系統可以有效地進行行為模式分析，分析所需的佈建成本低，並且照護者也可從系統得到直觀圖表，快速了解場域內活動狀況，以利緊急狀況發生時，進行即時救護，另外，行為模式分析規則會隨著時間不斷調整，居家行為分析系統的判斷準確率高，具有可靠度。此外，於一些實施例中，使用紅外線感測器或超音波感測器收集行為資訊，成本低，且可以保護居住者的隱私權。於一些實施例中，經由長期數據收集整合居家資料（即行為資訊），當長者生活作息變動異常時，系統可以主動通報照護者進行關懷。於一些實施例中，居家行為分析系統可以提供客觀的評估資訊，避免人為主觀偏見影響對長者的失能評估，而延誤即時照護。於一些實施例中，居家行為分析系統可以依據目前長者的生活模式，對長者或其家人提供適切的建議資訊，減少長者的孤獨感。

以下在實施方式中詳細敘述本創作之詳細特徵以及優點，其內容足以使任何熟習相關技藝者瞭解本創作之技術內容並據以實施，且依據本說明書所揭露之內容、申請專利範圍及圖式，任何熟習相關技藝者可輕易地理解本創作相關之目的及優點。

以下舉出具體實施例以詳細說明本創作之內容，並以圖式作為輔助說明。說明書中提及之符號係參閱符號說明。

以下實施例中，所指的單元或模組間的連接係指資料傳輸，其可為單向的進行資料傳輸，亦可為雙向的進行資料傳輸，而資料傳輸例如可為訊息或影像的接收或發出、指令的接收或發出等，非以前述為限。所述之資料傳輸可以包含利用直接電性連結之方式，或是利用通訊協定（Low Power Wide Area, LoRa）、藍牙（Bluetooth）、WiFi、ZigBee等無線通訊技術，或是利用固網網路、同軸電纜或ADSL（非對稱數位用戶迴路）、或行動網路（3G、4G、5G行動上網）等網際網路方式進行資訊傳輸，惟前述通訊方式僅為舉例，非以此為限。

請參閱圖1，圖1為一些實施例的居家行為分析系統1的方塊示意圖（一）。

依據一實施例，居家行為分析系統1包含第一伺服器10、第二伺服器20及照護端主機30，照護端主機30連接第一伺服器10與第二伺服器20，第二伺服器20連接第一伺服器10。

第一伺服器10包含傳輸模組11、處理模組13、及用戶資訊庫15，傳輸模組11接收行為資訊，處理模組13連接傳輸模組11，處理模組13依據行為資訊在符合熱度模式規則下產生熱度圖資訊，用戶資訊庫15連接處理模組13，用戶資訊庫15儲存熱度圖資訊及熱度模式規則。須說明的是，第一伺服器10所包含的資訊庫與模組可為但不限於傳輸模組11、處理模組13、及用戶資訊庫15，前述的資訊庫與模組可以為處理器配合運算程式，或/和進一步透過人工智慧功能進行運算與處理。須說明的是，前述的用戶資訊庫15可包含各種儲存單元，例如硬碟、固態硬碟（SSD）或各式記憶卡。如此一來，第一伺服器10對行為資訊處理並製成熱度圖資訊，以供後續第二伺服器20與照護端主機30的分析處理。

第二伺服器20從第一伺服器10接收熱度圖資訊，第二伺服器20包含行為分類模組21、深度學習模組23、及行為資訊庫25，行為分類模組21依據熱度圖資訊在符合行為模式分析規則下產生標籤結果，深度學習模組23連接行為分類模組21，深度學習模組23依據修正資訊更新行為模式分析規則，行為資訊庫25連接行為分類模組21，行為資訊庫25儲存標籤結果與行為模式分析規則。須說明的是，第二伺服器20所包含的資訊庫與模組可為但不限於行為分類模組21、深度學習模組23、及行為資訊庫25，前述的資訊庫與模組可以為處理器配合運算程式，或/和進一步透過人工智慧功能進行運算與處理。須說明的是，前述的行為資訊庫25可包含各種儲存單元，例如硬碟、固態硬碟（SSD）或各式記憶卡。如此一來，第二伺服器20依據熱度圖資訊對應產生一個標籤結果。

照護端主機30接收自第一伺服器10之熱度圖資訊，及接收自第二伺服器20之標籤結果，照護端主機30包含標註模組31與分類處理模組33，標註模組31依據熱度圖資訊產生標註結果，分類處理模組33連接標註模組31，分類處理模組33判斷標籤結果與標註結果是否一致，於不一致時，依據標註結果產生修正資訊並傳送修正資訊至第二伺服器20。須說明的是，照護端主機30所包含的資訊庫與模組可為但不限於標註模組31與分類處理模組33，前述的資訊庫與模組可以為處理器配合運算程式，或/和進一步透過人工智慧功能進行運算與處理。例如，若第二伺服器20產生的標籤結果為早睡早起，照護端主機30產生的標註結果為晚睡早起，此二結果不一致，則照護端主機30將此不一致結果回饋回第二伺服器20，第二伺服器20據此調整行為模式分析規則，也就表示，透過照護端主機30對熱度圖資訊進行再次分析及確認並將其結果回饋回第二伺服器20，第二伺服器20的深度學習模組23據此調整行為模式分析規則以供行為分類模組21所作的標籤結果更趨向居住者的日常生活模式。

請參閱圖2、圖3A、圖3B、及圖3C，圖2為一些實施例的居家行為分析系統1的方塊示意圖（二）；圖3A為一些實施例的熱度圖資訊的示意圖（一）；圖3B為一些實施例的熱度圖資訊的示意圖（二）；圖3C為一些實施例的熱度圖資訊的示意圖（三）。

請參閱圖2，於一些實施例中，居家行為分析系統1更包含複數感測器41與用戶端主機40，複數感測器41產生觸發訊號，用戶端主機40連接該些感測器41並接收觸發訊號，用戶端主機40依據觸發訊號產生行為資訊並傳送行為資訊至第一伺服器10。於一些實施例中，所述複數感測器41為紅外線感測器、超音波感測器、或前述之任一組合。如此，使用紅外線感測器或超音波感測器收集行為資訊，成本低，且可以保護居住者的隱私權。

於一些實施例中，紅外線感測器及用戶端主機40的連接可以是但不限於通訊協定（Low Power Wide Area, LoRa）、藍牙（Bluetooth）、WiFi、ZigBee等無線通訊技術，長者的日常生活會觸發紅外線感測器，經觸發的紅外線感測器產生觸發訊號並將觸發訊號傳送至用戶端主機40，用戶端主機40據此產生行為資訊，行為資訊可以包含感測器41觸發次數數值、日期、時間等，第一伺服器10例如透過網際網路接收到此行為資訊，行為資訊經由第一伺服器10的處理模組13處理成熱度圖資訊，並儲存於用戶資訊庫15。

請參閱圖2、圖3A、圖3B、及圖3C，於一些實施例中，第一伺服器10中，行為資訊包含觸發次數與時間，熱度模式規則包含觸發次數對應顏色，及時間對應顏色，處理模組13依據行為資訊在符合熱度模式規則下產生熱度圖資訊，如圖3A、圖3B、或圖3C所示。舉例來說，於圖3A、圖3B、及圖3C中，橫軸可以代表一天二十四小時的時間軸（單位為小時），縱軸可以代表連續一段期間的時間軸（單位為周），例如圖3A、圖3B、及圖3C的縱軸為約一年半的時間軸，並依據行為資訊的觸發次數高低給予不同顏色，也就表示，每天的行為資訊經過處理模組13處理後變成該些圖式中的一橫條之熱度圖資訊，連續一段期間的行為資訊經過處理模組13處理後變成如圖3A、圖3B、或圖3C所示之熱度圖資訊。

請參閱圖3A、圖3B、及圖3C，於一些實施例中，行為模式分析規則包含熱度圖資訊對應特徵，特徵對應標籤，行為分類模組21據此標籤結果。於圖3A、圖3B、及圖3C中的一橫條之熱度圖資訊皆不同，也就是，各自對應的特徵不同，其對應的標籤也不同，例如，圖3A之熱度圖資訊對應的標籤可以是周末活動多的生活模式，圖3B之熱度圖資訊對應的標籤可以是睡眠中斷的生活模式，圖3C之熱度圖資訊對應的標籤可以是早睡早起的生活模式，進而行為分類模組21依據不同的熱度圖資訊而產生不同的標籤結果。

另一方面，於一些實施例中，分類處理模組33判斷標籤結果與標註結果為一致時，依據標註結果產生強化資訊，第二伺服器20的深度學習模組23依據強化資訊產生生活模式標籤，行為資訊庫25儲存生活模式標籤。如此一來，透過照護端主機30對第二伺服器20的回饋以使第二伺服器20據此產生生活模式標籤，照護者透過居家行為分析系統1，可以直接地得到長者最近的生活模式類型為何，以利提供適切的照護及關懷。舉例來說，若第二伺服器20產生的標籤結果為早睡早起，照護端主機30產生的標註結果也為早睡早起，則分類處理模組33據此產生強化資訊而回饋回第二伺服器20，第二伺服器20進而產生早睡早起之生活模式標籤。

以感測器41為紅外線感測器為例作說明，紅外線感測器及用戶端主機40安裝在長者起居生活的場域內（例如客廳或臥室），長者的日常生活會觸發紅外線感測器，經觸發的紅外線感測器產生觸發訊號並將觸發訊號傳送至用戶端主機40，用戶端主機40據此產生行為資訊，行為資訊可以包含感測器41觸發次數數值、日期、時間等，第一伺服器10例如透過網際網路接收到此行為資訊，行為資訊經由第一伺服器10的處理模組13處理成熱度圖資訊，並儲存於用戶資訊庫15。接著，第二伺服器20的行為分類模組21進一步地分析熱度圖資訊而給予對應的標籤結果，另外，照護端主機30的標註模組31與分類處理模組33以會再次分析及確認熱度圖資訊所對應的標籤為何，並將結果回饋回第二伺服器20。如此，透過資料視覺化，將所收集到行為資訊製成熱度圖資訊，居家行為分析系統1可以有效地進行行為模式分析，分析所需的佈建成本低，並且照護者也可從系統得到直觀圖表，快速了解場域內活動狀況，另外，行為模式分析規則會隨著時間不斷調整，居家行為分析系統1的判斷準確率高，具有可靠度。

另外，請參閱圖2，於一些實施例中，照護端主機30更包含服務建議模組35，連接分類處理模組33，服務建議模組35依據該生活模式標籤產生建議資訊並推播建議資訊至電子裝置43。電子裝置43可以但不限為行動裝置（例如手機、智慧型手機、平板電腦、或筆記電腦）、個人電腦、或具有接收與發送資訊功能的裝置。舉例來說，第二伺服器20產生的生活模式標籤為睡眠中斷，則建議資訊可以包含助眠食品、營養師建議的飲食攝取、或是其他衛教資訊，並推播至長者或是家人的手機（電子裝置43）。如此一來，居家行為分析系統1可以依據目前長者的生活模式，對長者或其家人提供適切的建議資訊，減少長者的孤獨感。

請參閱圖4，圖4為一些實施例的第二伺服器的方塊示意圖。

於一些實施例中，第二伺服器20更包含異常管理模組27，連接行為分類模組21與行為資訊庫25，於標籤結果與該生活模式標籤不一致時，異常管理模組27判斷熱度圖資訊在一場域資訊變化規則下是否為一異常結果，於判斷為異常結果時，產生一異常通報。例如，場域資訊變化規則為早睡早起之生活模式標籤於夏季（4月至6月）的特徵為早上6點觸發次數高，晚上6點觸發次數低，於冬季（10月至12月）的特徵為早上6至7點觸發次數高，晚上6至7點觸發次數低，當行為分類模組21分析即時的熱度圖資訊（例如12月25日）為晚睡晚起之標籤結果，異常管理模組27進一步判斷即時的熱度圖資訊是否有符合生活模式標籤於冬季的變化量，若即時的熱度圖資訊屬於早上8點觸發次數高，晚上8點觸發次數低，則異常管理模組27判斷為異常；若即時的熱度圖資訊屬於早上7點觸發次數高，晚上7點觸發次數低，則異常管理模組27判斷為非異常，並產生修正標籤結果傳送至照護端主機30。如此一來，居家行為分析系統1可結合場域資訊自動判斷是否將變化視為異常，經由長期數據收集整合居家資料（即行為資訊），當長者生活作息變動異常時，居家行為分析系統1可以主動通報照護者進行關懷。

於一些實施例中，所述場域資訊變化規則可以依據同一場域內過去一段期間內（例如一年內）所建立的變化規則、或是預設的變化值。

請參閱圖4，於一些實施例中，第二伺服器20中，深度學習模組23連接異常管理模組27，深度學習模組23依據熱度圖資訊在符合失能變化量規則下產生評估資訊並傳送評估資訊至照護端主機30。例如，失能變化量規則為連續一週，安裝在客廳的感測器41產生的觸發次數平均小於一數值（例如20次），或是空間移動平均速率小於一數值，則屬於行動不便之評估。例如，當行為分類模組21分析3月20日至3月27日每日的熱度圖資訊為客廳的感測器41的平均觸發次數為15次，則產生行動不便之評估資訊。如此一來，深度學習模組23提供的評估資訊為基於客觀數據之資訊，居家行為分析系統1可以避免人為主觀偏見影響對長者的失能評估，而延誤即時照護。

請參閱圖4，於一些實施例中，第二伺服器20中，行為資訊庫25儲存模擬場域資訊，第二伺服器20更包含特徵萃取模組22與模型建立模組24，特徵萃取模組22連接行為資訊庫25，特徵萃取模組22依據模擬場域資訊得到特徵資訊，模型建立模組24連接特徵萃取模組22與行為資訊庫25，模型建立模組24依據特徵資訊產生行為模式分析規則。所述模擬場域資訊可以是依據於不同場域狀態下，預先收集大量感測器41產生的觸發訊號，或是經處理後的熱度圖資訊（如圖3A、圖3B、及圖3C），如此建立前述實施例中使用的行為模式分析規則。

請參閱圖4，在一些實施例，第二伺服器20中，行為資訊庫25儲存場域用戶資訊，第二伺服器20更包含特徵處理模組26連接行為資訊庫25與模型建立模組24，特徵處理模組26依據場域用戶資訊產生用戶特徵資訊，模型建立模組24依據用戶特徵資訊更新行為模式分析規則。所述場域用戶資訊可以是居住人數、居住者健康狀態等，如此，模型建立模組24所建立的行為模式分析規則可以趨於該場域內居住者的日常狀態，降低誤判發生。

綜上所述，在任一實施例，透過資料視覺化，將所收集到行為資訊製成熱度圖資訊，居家行為分析系統可以有效地進行行為模式分析，分析所需的佈建成本低，並且照護者也可從系統得到直觀圖表，快速了解場域內活動狀況，以利緊急狀況發生時，進行即時救護，另外，行為模式分析規則會隨著時間不斷調整，居家行為分析系統的判斷準確率高，具有可靠度。

透過上述之詳細說明，即可充分顯示本創作之目的及功效上均具有實施之進步性，極具產業之利用性價值，且為目前市面上前所未見之新創作，完全符合專利要件，爰依法提出申請。唯以上所述僅為本創作之較佳實施例而已，當不能用以限定本創作所實施之範圍。即凡依本創作專利範圍所作之均等變化與修飾，皆應屬於本創作專利涵蓋之範圍內，謹請 貴審查委員明鑑，並祈惠准，是所至禱。

1:居家行為分析系統 10:第一伺服器 11:傳輸模組 13:處理模組 15:用戶資訊庫 20:第二伺服器 21:行為分類模組 22:特徵萃取模組 23:深度學習模組 24:模型建立模組 25:行為資訊庫 26:特徵處理模組 27:異常管理模組 30:照護端主機 31:標註模組 33:分類處理模組 35:服務建議模組 40:用戶端主機 41:感測器 43:電子裝置

圖1為一些實施例的居家行為分析系統的方塊示意圖（一）； 圖2為一些實施例的居家行為分析系統的方塊示意圖（二）； 圖3A為一些實施例的熱度圖資訊的示意圖（一）； 圖3B為一些實施例的熱度圖資訊的示意圖（二）； 圖3C為一些實施例的熱度圖資訊的示意圖（三）； 圖4為一些實施例的第二伺服器的方塊示意圖。

1:居家行為分析系統

10:第一伺服器

11:傳輸模組

13:處理模組

15:用戶資訊庫

20:第二伺服器

21:行為分類模組

23:深度學習模組

25:行為資訊庫

30:照護端主機

31:標註模組

33:分類處理模組

Claims (10)

1. 一種居家行為分析系統，包含： 一第一伺服器，包含： 一傳輸模組，接收一行為資訊； 一處理模組，連接該傳輸模組，該處理模組依據該行為資訊在符合一熱度模式規則下產生一熱度圖資訊；及 一用戶資訊庫，連接該處理模組，該用戶資訊庫儲存該熱度圖資訊、及該熱度模式規則； 一第二伺服器，連接該第一伺服器並接收該熱度圖資訊，該第二伺服器包含： 一行為分類模組，依據該熱度圖資訊在符合一行為模式分析規則下產生一標籤結果； 一深度學習模組，連接該行為分類模組，該深度學習模組依據一修正資訊更新該行為模式分析規則；及 一行為資訊庫，連接該行為分類模組，該行為資訊庫儲存該標籤結果與該行為模式分析規則；以及 一照護端主機，連接該第一伺服器與該第二伺服器，並接收自該第一伺服器之該熱度圖資訊，及接收自該第二伺服器之該標籤結果，該照護端主機包含： 一標註模組，依據該熱度圖資訊產生一標註結果；及 一分類處理模組，連接該標註模組，該分類處理模組判斷該標籤結果與該標註結果是否一致，於不一致時，依據該標註結果產生該修正資訊並傳送該修正資訊至該第二伺服器。
2. 如請求項1所述的居家行為分析系統，其中該照護端主機中，該分類處理模組判斷該標籤結果與該標註結果為一致時，依據該標註結果產生一強化資訊，該第二伺服器的該深度學習模組依據該強化資訊產生一生活模式標籤，該行為資訊庫儲存該生活模式標籤。
3. 如請求項2所述的居家行為分析系統，其中該照護端主機更包含一服務建議模組，連接該分類處理模組，該服務建議模組依據該生活模式標籤產生一建議資訊並推播該建議資訊至一電子裝置。
4. 如請求項2所述的居家行為分析系統，其中該第二伺服器更包含一異常管理模組，連接該行為分類模組與該行為資訊庫，於該標籤結果與該生活模式標籤不一致時，該異常管理模組判斷該熱度圖資訊在一場域資訊變化規則下是否為一異常結果，於判斷該熱度圖資訊為該異常結果時，產生一異常通報。
5. 如請求項1所述的居家行為分析系統，其中該第二伺服器中，該深度學習模組依據該熱度圖資訊在符合一失能變化量規則下產生一評估資訊並傳送該評估資訊至該照護端主機。
6. 如請求項1所述的居家行為分析系統，其中該第二伺服器中，該行為資訊庫儲存一模擬場域資訊，該第二伺服器更包含： 一特徵萃取模組，連接該行為資訊庫，該特徵萃取模組依據該模擬場域資訊得到一特徵資訊；及 一模型建立模組，連接該特徵萃取模組，該模型建立模組依據該特徵資訊產生該行為模式分析規則。
7. 如請求項6所述的居家行為分析系統，其中該第二伺服器中，該行為資訊庫儲存一場域用戶資訊，該第二伺服器更包含一特徵處理模組，連接該行為資訊庫與該模型建立模組，該特徵處理模組依據該場域用戶資訊產生一用戶特徵資訊，該模型建立模組依據該用戶特徵資訊更新該行為模式分析規則。
8. 如請求項1所述的居家行為分析系統，其中該第一伺服器中，該行為資訊包含一觸發次數與一時間，該熱度模式規則包含該觸發次數對應一顏色，及該時間對應該顏色，該處理模組依據該行為資訊在符合該熱度模式規則下產生該熱度圖資訊。
9. 如請求項1所述的居家行為分析系統，更包含： 複數感測器，產生一觸發訊號；及 一用戶端主機，連接該些感測器並接收該觸發訊號，該用戶端主機依據該觸發訊號產生該行為資訊並傳送該行為資訊至該第一伺服器。
10. 如請求項9所述的居家行為分析系統，其中該些感測器為紅外線感測器、超音波感測器、或前述之任一組合。

Images