基于位置信息的老人異常狀態(tài)檢測技術(shù)研究

1、 基于位置信息的老人異常狀態(tài)檢測技術(shù)研究 王長清 馮惠粉 豐明奎摘 要： 傳統(tǒng)居家養(yǎng)老模式中，對獨居老人的日常生活健康狀況的監(jiān)測及室內(nèi)活動的異常行為檢測，依賴于各種可穿戴傳感器設(shè)備，易給老人造成行動不便和隱私問題。為此，提出一種基于位置信息的老人異常狀態(tài)檢測方法。該方法根據(jù)藍(lán)牙信號的信號強(qiáng)度指示（Received Signal Strength Indication，RSSI）測距定位，獲得老人當(dāng)前位置，由交互式多模型的卡爾曼濾波方法實現(xiàn)老人在室內(nèi)的移動軌跡跟蹤;對老人在室內(nèi)移動軌跡進(jìn)行生理監(jiān)測，而對老人突發(fā)異常狀態(tài)，通過設(shè)置不同室內(nèi)空間區(qū)域的時間閾值，以停留點檢測方式進(jìn)行判斷。實驗結(jié)果表明，

2、該方法簡單易于實現(xiàn)，且對于獨居老人的日常監(jiān)護(hù)方法優(yōu)于傳統(tǒng)可穿戴傳感器設(shè)備。Key： 獨居老人; 異常狀態(tài)檢測; 低功耗藍(lán)牙技術(shù); 異常狀態(tài)判斷; 軌跡跟蹤; 生理監(jiān)測; 停留點檢測： TN911.23?34; TP391 ： A ： 1004?373X（2019）16?0182?050 引 言隨著社會的發(fā)展，老齡化問題日益嚴(yán)重，獨居老人的數(shù)量和比例呈快速上升的趨勢1。目前，對獨居老人的日常生活狀態(tài)監(jiān)測，大多依賴各種可穿戴傳感器2?3，該方式穿戴不便、體驗感不好。室內(nèi)居住環(huán)境中的臥室、衛(wèi)生間等敏感區(qū)域涉及生活隱私，則視頻監(jiān)控技術(shù)不能應(yīng)用于敏感區(qū)域，且視頻監(jiān)控技術(shù)的數(shù)據(jù)量大4?6。傳統(tǒng)的老人健康監(jiān)

3、護(hù)模式是把老人送到醫(yī)院，借助醫(yī)療設(shè)備進(jìn)行身體檢查7，給老人生活帶來不便或產(chǎn)生心理壓力。而對于由老人的生活習(xí)慣所表現(xiàn)出的老人興趣愛好或隱藏健康問題，比如：老人經(jīng)常不間斷地去往洗手間，或者是一直待在臥室等情況，上述方式未能有效的監(jiān)測或直觀的體現(xiàn)。為解決上述問題，本文基于RSSI測距和交互式多模型的卡爾曼濾波跟蹤定位算法實現(xiàn)老人在室內(nèi)的移動軌跡跟蹤建模，通過老人在室內(nèi)的移動軌跡及在室內(nèi)某空間停留的時間，對老人的興趣愛好或生理健康狀況進(jìn)行監(jiān)測和了解。針對老人在日常生活中可能因突發(fā)疾病或摔倒，長時間停留在室內(nèi)某位置而不能得到及時救治，通過停留點檢測方法，實現(xiàn)對老人的遠(yuǎn)程監(jiān)護(hù)及緊急情況報警等服務(wù)，提高獨居

4、老人的室內(nèi)安全指數(shù)。1 系統(tǒng)的整體架構(gòu)1.1 系統(tǒng)的應(yīng)用場景概述本文對獨居老人的日常生活狀況及室內(nèi)活動的異常行為進(jìn)行監(jiān)測，由老人在室內(nèi)的移動軌跡跟蹤，得到老人進(jìn)入臥室、廚房、客廳、衛(wèi)生間等室內(nèi)任何空間下的位置信息;由老人在室內(nèi)不同空間區(qū)域的移動軌跡，對老人的興趣愛好或突發(fā)異常狀態(tài)進(jìn)行監(jiān)測，提高居家養(yǎng)老服務(wù)的質(zhì)量。系統(tǒng)應(yīng)用框架結(jié)構(gòu)圖如圖1所示。獨居老人在室內(nèi)空間區(qū)域移動，由接收到的RSSI值獲得老人的室內(nèi)位置，由交互式卡爾曼跟蹤濾波算法獲取老人在室內(nèi)的移動軌跡。根據(jù)老人的移動軌跡分析老人的生活習(xí)慣、興趣愛好等。對于老人突發(fā)異常，根據(jù)停留點檢測方法對老人異常狀態(tài)進(jìn)行判斷。1.2 系統(tǒng)的組成結(jié)構(gòu)本文

5、基于位置信息的老人異常行為檢測技術(shù)的實現(xiàn)主要由一定數(shù)量的藍(lán)牙iBeacon基站、藍(lán)牙終端和服務(wù)器組成，如圖2所示。其中，iBeacon基站為整個系統(tǒng)的硬件部分，其功率小，可以做到無源，通常一枚紐扣電池可以工作23年。iBeacon是低功耗藍(lán)牙技術(shù)的一種，2013年由蘋果公司發(fā)布的用于檢測周圍BLE設(shè)備的低功耗、低成本基站技術(shù)8。藍(lán)牙終端采集一定空間范圍內(nèi)的藍(lán)牙廣播數(shù)據(jù)包，提取有效數(shù)據(jù)通過串口傳送數(shù)據(jù)到服務(wù)器。服務(wù)器部分為整個系統(tǒng)的核心部分，主要是接收藍(lán)牙終端傳輸?shù)臄?shù)據(jù)包和位置計算，并進(jìn)行數(shù)據(jù)的存儲。3 系統(tǒng)實現(xiàn)3.1 系統(tǒng)狀態(tài)的判斷假設(shè)系統(tǒng)的初始狀態(tài)為S0，老人在室內(nèi)正?；顒訒r的狀態(tài)為S1，當(dāng)

6、老人進(jìn)入室內(nèi)某空間，根據(jù)RSSI測距定位算法獲取當(dāng)前位置，由交互式多模型卡爾曼濾波跟蹤算法獲得老人在室內(nèi)的移動軌跡，由停留點檢測的方式計算老人在該空間位置的時間，進(jìn)行時間約束。當(dāng)老人從進(jìn)入空間某位置到離開該位置的時間差T，小于當(dāng)前位置的時間閾值，則老人處于S1狀態(tài)，然后系統(tǒng)自動恢復(fù)到初始狀態(tài)S0，重新開始下一空間位置的判斷;否則，老人可能出現(xiàn)異常狀態(tài)S2，系統(tǒng)的狀態(tài)將跳轉(zhuǎn)到異常狀態(tài)S2，生成報警信息通知其監(jiān)護(hù)人處理。系統(tǒng)狀態(tài)轉(zhuǎn)換如圖4所示。3.2 異常狀態(tài)的實現(xiàn)流程基于位置信息的老人異常狀態(tài)檢測系統(tǒng)的工作流程為：當(dāng)老人進(jìn)入室內(nèi)空間某區(qū)域時，根據(jù)RSSI測距定位算法獲取老人在室內(nèi)的位置;由交互式

7、多模型卡爾曼濾波方法進(jìn)行移動軌跡跟蹤，獲取老人在室內(nèi)移動軌跡;對老人突發(fā)異常狀態(tài)，通過停留點檢測方法，計算老人開始進(jìn)入室內(nèi)某空間區(qū)域到老人離開該空間區(qū)域的時間差值。當(dāng)老人在某空間停留的結(jié)束時間與開始時間的差值小于該區(qū)域預(yù)設(shè)的時間閾值時，則表示此時老人在此空間區(qū)域安全，系統(tǒng)狀態(tài)返回到初始狀態(tài)，進(jìn)行下一個系統(tǒng)狀態(tài)判斷;否則，表示老人在此位置空間可能出現(xiàn)異常情況，系統(tǒng)跳轉(zhuǎn)至異常狀態(tài)，生成報警信息，通知其監(jiān)護(hù)人進(jìn)行及時處理。具體工作流程如圖5所示。4 仿真與測試本文將通過Matkab仿真分析的方式，根據(jù)實際的室內(nèi)場景進(jìn)行模擬。首先，基于藍(lán)牙iBeacon信標(biāo)節(jié)點組合，在辦公室環(huán)境下布設(shè)藍(lán)牙定位網(wǎng)絡(luò)，根

8、據(jù)圓環(huán)定位算法得到定位結(jié)果，并對定位結(jié)果進(jìn)行保存作為濾波輸入;然后由交互式多模型的卡爾曼濾波方法對輸入的定位數(shù)據(jù)進(jìn)行濾波跟蹤，得到老人在室內(nèi)的移動軌跡。本文根據(jù)室內(nèi)環(huán)境，首先模擬了信標(biāo)位置固定時，在室內(nèi)環(huán)境下的定位結(jié)果以及對其進(jìn)行濾波后得到的該次定位結(jié)果的濾波效果。測試實驗中，信標(biāo)在每個位置采集100次數(shù)據(jù)給出一組數(shù)據(jù)包括算法定位結(jié)果坐標(biāo)值，定位結(jié)果及濾波效果如圖6所示。圖6a）藍(lán)色部分是信標(biāo)位置固定，RSSI測距定位算法定位結(jié)果，紅色部分是濾波結(jié)果;圖6b）是定位結(jié)果中x坐標(biāo)的濾波效果;圖6c）是定位結(jié)果中對y坐標(biāo)的濾波效果。由于固定位置時接收數(shù)據(jù)較穩(wěn)定，所以濾波效果不顯著。為了驗證該方法的

9、濾波效果，在室內(nèi)環(huán)境下，測試信標(biāo)節(jié)點位置從大廳變換到研究室的過程中，算法的定位結(jié)果與濾波效果如圖7所示。由圖7可知，從算法定位結(jié)果可以看出，信標(biāo)位置發(fā)生變化時，定位結(jié)果并不是連續(xù)跳動的。圖7a）藍(lán)色部分是算法定位結(jié)果，紅色部分是跟蹤軌跡;圖7b）是x坐標(biāo)的變化以及濾波效果;圖7c）是對y坐標(biāo)的變化趨勢以及濾波效果。濾波之后的坐標(biāo)是慢慢移動，不像定位結(jié)果那樣跳變。5 結(jié) 語本文基于RSSI測距的定位算法及交互式多模型的卡爾曼濾波方法實現(xiàn)老人在室內(nèi)的軌跡跟蹤，通過對老人在室內(nèi)的移動軌跡分析獲取老人在室內(nèi)不同區(qū)域的興趣熱點及對老人日常生活健康狀況進(jìn)行監(jiān)測，并對老人在日常生活中的突發(fā)異常行為狀態(tài)，由停

10、留點檢測的方式進(jìn)行判斷，從而提高居家養(yǎng)老服務(wù)質(zhì)量。在后續(xù)的研究中，可以將獲取的老人的位置信息，構(gòu)成一條帶有時間戳的老人移動軌跡儲存在數(shù)據(jù)庫中形成軌跡數(shù)據(jù)庫，通過大數(shù)據(jù)對采集的數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘，進(jìn)一步了解老人的生活習(xí)慣及興趣愛好，從而為老人健康生活提出合理化的建議。Reference1 陳習(xí)瓊.中國獨居老年人問題研究現(xiàn)狀J.中國老年學(xué)雜志，2015，35（22）：6624?6626.CHEN Xiqiong. Research status of elderly people living alone in China J. Chinese journal of gerontology， 201

11、5， 35（22）： 6624?6626.2 瞿暢，孫杰，王君澤，等.基于Kinect體感傳感器的老年人跌倒自動檢測J.傳感技術(shù)學(xué)報，2016，29（3）：378?383.QU Chang， SUN Jie， WANG Junze， et al. Automatic fall detection for the elderly using Kinect sensor J. Journal of sensing technology， 2016， 29（3）： 378?383.3 李建立.基于運(yùn)動傳感器的日常生活智能監(jiān)護(hù)D.重慶：重慶大學(xué)，2014.LI Jianli. Intelligent

12、monitoring of daily life based on motion sensor D. Chongqing： Chongqing University， 2014.4 米曉萍，李雪梅.基于物聯(lián)網(wǎng)智能的獨居老人自動監(jiān)控方法研究J.計算機(jī)仿真，2014，31（2）：378?381.MI Xiaoping， LI Xuemei. Old people who live alone automatic monitoring method based on IoT intelligence research J. Computer simulation， 2014， 31（2）： 378?

13、381.5 吳揚(yáng).基于監(jiān)控視頻的人體異常行為檢測研究D.哈爾濱：哈爾濱工業(yè)大學(xué)，2015.WU Yang. Human abnormal behavior detection research based on video monitoring D. Harbin： Harbin Institute of Technology， 2015.6 李曉東.基于監(jiān)控視頻的異常行為檢測技術(shù)研究D.廣州：廣東工業(yè)大學(xué)，2012.LI Xiaodong. Research on abnormal behavior detection technology based on video monitoring

14、 D. Guangzhou： Guangdong University of Technology， 2012.7 楊志海.遠(yuǎn)程護(hù)理中老人跌倒檢測研究D.大連：大連海事大學(xué)，2015.YANG Zhihai. Research on fall detection of elderly people in remote nursing D. Dalian： Dalian Maritime University， 2015.8 郭星.基于BLE的3D室內(nèi)定位系統(tǒng)的設(shè)計與實現(xiàn)D.西安：長安大學(xué)，2015.GUO Xing. Design and implementation of 3D indoor

15、 positioning system based on BLE D. Xian： Changan University， 2015.9 秦俊平，鄧慶緒，孫詩文，等.基于時間序列啟發(fā)式信息的室內(nèi)軌跡跟蹤算法J.計算機(jī)研究與發(fā)展，2017（12）：2698?2710.QIN Junping， DENG Qingxu， SUN Shiwen， et al. Indoor trajectory tracking algorithm based on time series heuristic information J. Computer research and development， 2017（12）： 2698?2710.10 XIAO Hao， WANG Wenjun， ZHANG Xu. Identifying the stay point using GPS trajectory of taxis J. Applied mechanics and materials， 2013， 353/356： 3511?3515.11 馮錦海.基于多模的室內(nèi)POI推薦系統(tǒng)分析和設(shè)計D.天津：天津工業(yè)大學(xué)，2014.FENG Jinhai. Analysis and design of indoor P