CN107146183A - 一种适老化智能家居环境生活状态的分析方法及*** - Google Patents
一种适老化智能家居环境生活状态的分析方法及*** Download PDFInfo
- Publication number
- CN107146183A CN107146183A CN201710385648.9A CN201710385648A CN107146183A CN 107146183 A CN107146183 A CN 107146183A CN 201710385648 A CN201710385648 A CN 201710385648A CN 107146183 A CN107146183 A CN 107146183A
- Authority
- CN
- China
- Prior art keywords
- habits
- customs
- monitored person
- indoor
- demarcated
- 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.)
- Granted
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 28
- 230000032683 aging Effects 0.000 title claims abstract description 26
- 230000007613 environmental effect Effects 0.000 claims abstract description 31
- WSFSSNUMVMOOMR-UHFFFAOYSA-N Formaldehyde Chemical compound O=C WSFSSNUMVMOOMR-UHFFFAOYSA-N 0.000 claims description 29
- 239000000463 material Substances 0.000 claims description 23
- 239000008280 blood Substances 0.000 claims description 20
- 210000004369 blood Anatomy 0.000 claims description 20
- 230000036772 blood pressure Effects 0.000 claims description 11
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 claims description 10
- 239000010419 fine particle Substances 0.000 claims description 10
- 239000008103 glucose Substances 0.000 claims description 10
- 239000011159 matrix material Substances 0.000 claims description 10
- 230000000052 comparative effect Effects 0.000 claims description 9
- 239000003673 groundwater Substances 0.000 claims description 9
- 230000037396 body weight Effects 0.000 claims description 8
- 235000005911 diet Nutrition 0.000 claims description 7
- -1 blood pressure Substances 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 230000000378 dietary effect Effects 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 238000013481 data capture Methods 0.000 claims description 3
- 235000005686 eating Nutrition 0.000 claims description 3
- 235000012054 meals Nutrition 0.000 claims description 3
- WSFSSNUMVMOOMR-NJFSPNSNSA-N methanone Chemical compound O=[14CH2] WSFSSNUMVMOOMR-NJFSPNSNSA-N 0.000 claims 1
- 102000004169 proteins and genes Human genes 0.000 claims 1
- 108090000623 proteins and genes Proteins 0.000 claims 1
- 238000000034 method Methods 0.000 abstract description 8
- 230000002265 prevention Effects 0.000 abstract description 3
- 230000036651 mood Effects 0.000 description 27
- 238000012544 monitoring process Methods 0.000 description 21
- 230000006870 function Effects 0.000 description 13
- 235000019256 formaldehyde Nutrition 0.000 description 8
- 239000007789 gas Substances 0.000 description 8
- 230000036541 health Effects 0.000 description 7
- 238000012706 support-vector machine Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 241000208340 Araliaceae Species 0.000 description 4
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 4
- 235000003140 Panax quinquefolius Nutrition 0.000 description 4
- 235000008434 ginseng Nutrition 0.000 description 4
- 241000894007 species Species 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 3
- 230000037213 diet Effects 0.000 description 3
- 230000002996 emotional effect Effects 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 235000006694 eating habits Nutrition 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 210000004885 white matter Anatomy 0.000 description 2
- 208000027534 Emotional disease Diseases 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 239000003034 coal gas Substances 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000018823 dietary intake Nutrition 0.000 description 1
- 235000020979 dietary recommendations Nutrition 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004438 eyesight Effects 0.000 description 1
- 239000003517 fume Substances 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 150000002632 lipids Chemical class 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000004630 mental health Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000000474 nursing effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000002331 protein detection Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 239000002352 surface water Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/22—Social work or social welfare, e.g. community support activities or counselling services
Landscapes
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Child & Adolescent Psychology (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种适老化智能家居环境生活状态的分析方法及***,该方法包括:获取基础数据;将部分基础数据进行生活习惯的标定,获得已标定特征数据,将未进行生活习惯标定的基础数据作为特征数据,构建生活习惯分类模型;获取实时数据;利用生活习惯分类模型对实时数据进行分类,得到被监控者的生活习惯;依据生活习惯确定生活状态。通过本发明获得老人生活的环境质量信息、生活状态信息,为老人提供准确的生活建议和指导,提高了老人的防范意识和生活质量。
Description
技术领域
本发明涉及智能家居技术领域,特别是涉及一种适老化智能家居环境生活状态的分析方法及***。
背景技术
随着人口老龄化速度的加快,国内养老相关产业正面临着一系列新的机遇和挑战。如何为老年人营造适老、宜老、养老的服务体系和环境,越发引起社会关注。
老人在居家养老生活中,需要的是一套比较完整的服务体系,这套体系里会有丰富的服务链条,可以帮老年人解决实际问题。科技成果可以在服务链条中寻找到最精准的环节,根据用户需求进行转化,融合到服务链中直接服务用户。
要实现幸福居家养老,关键是要对居家的环境进行改造,让老人真正有一个适合养老的家。对居家环境的改造也是为了获得与老人生活息息相关的信息,为老人提供更可靠的数据支持,而如何实现对老人生活的居家环境和老人的生活状态进行监控和分析,从而给出适合老人生活习惯的建议和指导成为本领域亟需解决的问题。
发明内容
本发明的目的是提供一种适老化智能家居环境生活状态的分析方法及***,通过该分析方法和***来获得老人生活的环境质量信息、老人的生活状态信息,为老人提供准确的生活建议和指导,以提高老人的防范意识和生活质量。
为实现上述目的,本发明提供了一种适老化智能家居环境生活状态的分析方法,包括:
获取基础数据,所述基础数据包括环境参数、被监控者体征参数和被监控者摄入物质参数;
将部分所述基础数据进行生活习惯的标定,获得已标定特征数据;
将未进行生活习惯标定的所述基础数据作为特征数据;
根据所述已标定特征数据和所述特征数据,构建生活习惯分类模型;
获取实时数据,所述实时数据包括实时环境参数、实时被监控者体征参数和实时被监控者摄入物质参数;
利用所述生活习惯分类模型对所述实时数据进行分类,得到被监控者的生活习惯;
依据所述被监控者的生活习惯确定被监控者的生活状态。
可选的,所述获取基础数据,具体包括:
获取环境参数,所述环境参数包括室内外烟雾含量、室内外细颗粒物含量、室内外地面水位、室内甲醛含量、室内煤气含量、室内风速、室内外温度、室内外湿度、门窗开闭状态;
获取被监控者体征参数,所述被监控者体征参数包括身高、体重、年龄、血糖、血压、血脂、脉搏、运动数据和睡眠时间;
获取被监控者摄入物质参数,所述被监控者摄入物质参数包括每餐就餐总量、蛋白质含量、脂肪含量、水分含量;
利用所述环境参数、被监控者体征参数和被监控者摄入物质参数构建基础数据库。
可选的,在所述将部分所述基础数据进行生活习惯的标定,获得已标定特征数据之前,还包括:
根据所述环境参数判断环境中是否存在安全隐患,得到第一判断结果,所述安全隐患包括环境安全隐患和人身安全隐患;
当所述第一判断结果表示是时,向用户发送存在安全隐患的警示指令,并提示是所述环境安全隐患和/或人身安全隐患;
当所述第一判断结果表示否时,返回所述获取基础数据的步骤。
可选的,所述根据所述环境参数判断环境中是否存在安全隐患,得到第一判断结果,具体包括:
将所述环境参数包括的室内外烟雾含量、室内外细颗粒物含量、室内外地面水位、室内甲醛含量、室内煤气含量、室内风速、室内外温度、室内外湿度、门窗开闭状态分别与各自对应的预设环境阈值进行比较,得到比较结果;
当所述比较结果中至少存在一项所述环境参数超过所述对应的预设环境阈值时,确定环境中存在安全隐患,并确定超过所述对应的预设环境阈值所对应的该项所述环境参数;
根据所述该项环境参数确定所述安全隐患的种类,所述环境安全隐患为当所述室内外细颗粒物含量、所述室内甲醛含量、所述室内风速、所述室内外温度、所述室内外湿度和所述门窗开闭状态中的一项或多项超过对应的预设环境阈值时的环境状态;所述人身安全隐患为当所述室内外烟雾含量、所述室内外地面水位和所述室内煤气含量中的一项或多项超过对应的预设环境阈值时的环境状态;
当所述比较结果中无所述环境参数超过所述对应的预设环境阈值时,确定环境中无安全隐患。
可选的,所述根据所述已标定特征数据和所述特征数据,构建生活习惯分类模型,具体包括:
获取所述已标定特征数据的已标定特征矩阵v={v1,v2,…,vm},其中v1,v2,…,vm表示已标定特征矩阵中的m个元素;
获取所述特征数据的特征矩阵u={u1,u2,…,un},其中u1,u2,…,un表示特征矩阵中的n个元素;
计算所述特征矩阵与所述已标定特征矩阵在特征f中的契合度
将所述特征矩阵与所述已标定特征矩阵在特征f中进行匹配关系的规则化其中μ表示所述特征矩阵与所述已标定特征矩阵在特征f中的匹配关系,F为规则化;
依据目标函数结合所述契合度和所述规则化后的匹配关系构建生活习惯分类模型,所述目标函数为所述目标函数表示所述特征矩阵与所述已标定特征矩阵的匹配误差,其中,表示哈达玛乘积,Gf表示具有特征f的用户评分矩阵,J表示与用户评分矩阵Gf同维的指示矩阵,ε表示正则化参数;所述生活习惯分类模型为其中α表示匹配关系规则化参数。
可选的,在所述利用所述生活习惯分类模型对所述实时数据进行分类,得到被监控者的生活习惯之前,还包括:
获取所述被监控者体征参数,所述被监控者体征参数包括身高、体重、年龄、血糖、血压、血脂、脉搏、运动数据和睡眠时间;
根据所述被监控者体征参数计算所述被监控者的每餐应饮食量和应运动量;
判断所述被监控者的血糖、血压和血脂是否超过对应的体征预设阈值,得到第二判断结果;
当所述第二判断结果表示至少有一项所述被监控者体征参数超过对应的体征预设阈值时,向用户发送体征异常警示指令,并确定发生异常的具体的所述被监控者体征参数;
当所述第二判断结果表示否时,返回获取所述被监控者体征参数的步骤。
本发明还提供了一种适老化智能家居环境生活状态的分析***,包括:
数据获取单元,用于获取基础数据,所述基础数据包括环境参数、被监控者体征参数和被监控者摄入物质参数;
生活习惯标定单元,用于将部分所述基础数据进行生活习惯的标定,获得已标定特征数据,
特征数据获取单元,用于将未进行生活习惯标定的所述基础数据作为特征数据,
模型构建单元,用于根据所述已标定特征数据和所述特征数据,构建生活习惯分类模型;
实时数据获取单元,用于获取实时数据,所述实时数据包括实时环境参数、实时被监控者体征参数和实时被监控者摄入物质参数;
生活习惯分类单元,用于利用所述生活习惯分类模型对所述实时数据进行分类,得到被监控者的生活习惯;
生活状态确定单元,用于依据所述被监控者的生活习惯确定被监控者的生活状态。
根据本发明提供的具体实施例,本发明公开了以下技术效果:本发明提供的适老化智能家居环境生活状态的分析方法和***利用相关检测设备检测的基础数据作为数据基础,对老人的生活习惯进行分类,例如老人的饮食习惯、运动习惯、日常爱好、穿着习惯等等进行分类,实现对老人生活习惯的量化管理,方便养老机构对不同老人的生活状态的了解,并为老人提供更舒适周到的服务,挺高老人的生活质量以及对危险事物的防患意识。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例适老化智能家居环境生活状态的分析方法的流程图;
图2为本发明实施例适老化智能家居环境生活状态的分析***的***框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种适老化智能家居环境生活状态的分析方法及***,通过该分析方法和***来获得老人生活的环境质量信息、老人的生活状态信息,为老人提供准确的生活建议和指导,以提高老人的防范意识和生活质量。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
老人在居家养老生活中,需要的是一套比较完整的服务体系,这套体系里会有丰富的服务链条,可以帮老年人解决实际问题。科技成果可以在服务链条中寻找到最精准的环节,根据用户需求进行转化,融合到服务链中直接服务用户。
要实现幸福居家养老,关键是要对居家的环境进行改造,让老人真正有一个适合养老的家。这个平台主要依靠互联网技术、物联网技术,以及大数据、云计算等高科技支撑,覆盖了适老化的家居设计、家居用品、智能化等一系列服务,通过大数据分析,给老人们推送全方位的生活建议和健康指导,从而让相关养老服务有的放矢、更加精准,真正能够提升老人居家的生活质量。
对老年人进行健康监管和安全防护,一方面可以很好的减轻社会的负担,因为随着家庭结构的改变,人口抚养系数有加大的趋势,原来由子女直接照顾老年人的工作可能被社会化的老年瞻养机构所代替。另一方面也有助于推动科技进入老年市场,从而创造出更多的消费因素,推动社会经济的发展。现有的老年人健康监管和安全防护,主要是通过视频监控的方式实现,这种方式下,存在着依赖监控人员视力监控,无法看护全面,且在老人发生意外情况时往往难以准确地观测到,不能及时实施警报与救援。在对老人进行看护时,不仅要保障老人的安全,同时应当保证居住环境的舒适度,目前的看护方式下,不能对居住环境进行实时监测与调节,难以保障居住环境的适宜。此外视频监控的方式下,存在着监控方式单一,不全面,只能对老人的活动情况进行视觉上的监控,无法实现周围环境的监控,尤其是,在老人生命体征异常时无法监控的问题。
基于上述问题,本领域出现了适老化的智能家居***,该***主要基于老人在日常生活的各个方面,包括:饮食、环境、起居、安全和健康等,对老人居家养老中的生活用品进行智能化设计、开发,是该***能够将老人们的健康、生活环境、进食信息等详细记录下来,并通过设备自带的嵌入式***对采集的数据信息进行分析,并对所有采集信息存储在无线局域网的存储器中。在设备联网后可以将该数据传送至云端,进行老年人生活习惯大数据分析,并将分析结果返回到用户端。通过对不同数据进行相关分析,得到老人生活状态的分析结果,根据其生活状态,针对不同用户提供饮食、运动等相关的建议。
通过建立不同老年人的生活习惯与健康状况的量化关联模型,形成区域性或普遍性不同年龄层老人的健康的生活期望标准,有助于老人形成更加健康的生活习惯。同时根据不同老年人群的饮食、生活习惯,可推送相关的饮食建议、生活资讯、广告、在线服务等信息。
通过该套***可以让老年人、子女及养老服务人员随时了解老年人生活的环境、健康安全状况等情况,更加量化的了解其生活情况,并促进其形成更良好的生活习惯;对于公共养老场所,如养老院、老年康乐中心等场所使用该设备,不但可以让老年人更加透明的了解老年人的各项指标状况,并提高管理效率;当用户将个人数据传送至云端后,可以形成老年人生活大数据,可以为国家、政府管理部门提供有效的数据支持。
基于上述适老化的智能居家***,本发明提供了一种适老化智能家居环境生活状态的分析方法,包括:
步骤101:获取基础数据,所述基础数据包括环境参数、被监控者体征参数和被监控者摄入物质参数;
步骤102:将部分所述基础数据进行生活习惯的标定,获得已标定特征数据;
步骤103:将未进行生活习惯标定的所述基础数据作为特征数据;
步骤104:根据所述已标定特征数据和所述特征数据,构建生活习惯分类模型;
步骤105:获取实时数据,所述实时数据包括实时环境参数、实时被监控者体征参数和实时被监控者摄入物质参数;
步骤106:利用所述生活习惯分类模型对所述实时数据进行分类,得到被监控者的生活习惯;
步骤107:依据所述被监控者的生活习惯确定被监控者的生活状态。
其中上述步骤101:获取基础数据,具体包括:
获取环境参数,所述环境参数包括室内外烟雾含量、室内外细颗粒物含量、室内外地面水位、室内甲醛含量、室内煤气含量、室内风速、室内外温度、室内外湿度、门窗开闭状态;
获取被监控者体征参数,所述被监控者体征参数包括身高、体重、年龄、血糖、血压、血脂、脉搏、运动数据和睡眠时间;
获取被监控者摄入物质参数,所述被监控者摄入物质参数包括每餐就餐总量、蛋白质含量、脂肪含量、水分含量;
利用所述环境参数、被监控者体征参数和被监控者摄入物质参数构建基础数据库。
在适老化的智能居家***中,上述数据具体通过以下方式获得:
环境参数的检测:
煤气检测仪用来检测房屋内是否存在煤气泄漏情况,检测室内煤气含量。
烟雾检测仪用来检测室内外烟雾含量,能够及时预防火灾等突发情况。
水位检测仪用来检测室内外地表水位,以防室外地面或室内地板、水池等区域存在溢水情况进而导致老人滑倒。
门窗异常检测用来检测屋内门窗是否被异常打开,起到防盗等作用。
跌倒监测仪通过红外装置用来检测屋内是否有人摔倒。
温度检测仪用来检测房屋内温度。
湿度检测仪用来检测房屋内湿度。
风速检测仪用来检测室内风速。
甲醛检测仪用来检测室内甲醛含量。
PM2.5(细颗粒物)检测仪用来检测房屋内PM2.5的浓度。
被监控者体征参数的检测:
血糖检测仪用来监测老人的血糖。
血压检测仪用来监测老人的血压。
血脂检测仪用来监测老人的血脂。
体重检测仪用来监测老人体重。
运动量检测仪用来监测老人使用设备期间的运动量。
脉搏监测仪用来监测老人使用设备期间的脉搏的变化。
睡眠监测仪通过加速度计的肢体运动数据分析对老人睡眠时间进行监测。
被监控者摄入物质参数:
蛋白质检测仪用来监测老人通过智能餐具摄入的蛋白质含量。
脂肪检测仪用来监测老人通过智能餐具摄入的脂肪含量。
水分检测仪用来监测老人通过智能餐具摄入的水分含量。
就餐量检测仪用来监测老人通过智能餐具摄入食物的总重量。
用户在使用该智能居家***并联网后,***会自动将上述的用户生活数据与记录传送到云端进行数据分析。
作为一种可选的实施方式,与上述实施方式不同的是,在上述步骤102:将部分所述基础数据进行生活习惯的标定,获得已标定特征数据之前,还包括:
根据所述环境参数判断环境中是否存在安全隐患,得到第一判断结果,所述安全隐患包括环境安全隐患和人身安全隐患;
当所述第一判断结果表示“是”时,向用户发送存在安全隐患的警示指令,并提示是所述环境安全隐患和/或人身安全隐患;
当所述第一判断结果表示“否”时,返回所述获取基础数据的步骤。
其中,所述根据所述环境参数判断环境中是否存在安全隐患,得到第一判断结果,具体包括:
将所述环境参数包括的室内外烟雾含量、室内外细颗粒物含量、室内外地面水位、室内甲醛含量、室内煤气含量、室内风速、室内外温度、室内外湿度、门窗开闭状态分别与各自对应的预设环境阈值进行比较,得到比较结果;
当所述比较结果中至少存在一项所述环境参数超过所述对应的预设环境阈值时,确定环境中存在安全隐患,并确定超过所述对应的预设环境阈值所对应的该项所述环境参数;
根据所述该项环境参数确定所述安全隐患的种类,所述环境安全隐患为当所述室内外细颗粒物含量、所述室内甲醛含量、所述室内风速、所述室内外温度、所述室内外湿度和所述门窗开闭状态中的一项或多项超过对应的预设环境阈值时的环境状态;所述人身安全隐患为当所述室内外烟雾含量、所述室内外地面水位和所述室内煤气含量中的一项或多项超过对应的预设环境阈值时的环境状态;
当所述比较结果中无所述环境参数超过所述对应的预设环境阈值时,确定环境中无安全隐患。
通过该方法,可以有效及时的掌控老人生活的环境状况,并能够及时对存在安全隐患的环境进行修护,以防老人发生安全事故,最大程度的保证了老人生活环境的安全,提高了安全系数。
对于上述步骤104:根据所述已标定特征数据和所述特征数据,构建生活习惯分类模型的步骤具体可以包括:
获取所述已标定特征数据的已标定特征矩阵v={v1,v2,…,vm},其中v1,v2,…,vm表示已标定特征矩阵中的m个元素;其中各个元素为基础数据对应的数值;
获取所述特征数据的特征矩阵u={u1,u2,…,un},其中u1,u2,…,un表示特征矩阵中的n个元素;其中各个元素为基础数据对应的数值;
计算所述特征矩阵与所述已标定特征矩阵在特征f中的契合度
将所述特征矩阵与所述已标定特征矩阵在特征f中进行匹配关系的规则化,规则化后特征矩阵与所述已标定特征矩阵的匹配关系为其中μ表示所述特征矩阵与所述已标定特征矩阵在特征f中的匹配关系,F为规则化;
依据目标函数结合所述契合度和所述规则化后的匹配关系构建生活习惯分类模型,所述目标函数为所述目标函数表示所述特征矩阵与所述已标定特征矩阵的匹配误差,其中,表示哈达玛乘积,Gf表示具有特征f的用户评分矩阵,J表示与用户评分矩阵Gf同维的指示矩阵,ε表示正则化参数;所述生活习惯分类模型为其中α表示匹配关系规则化参数。
该老人生活习惯的分类算法在云端中实现,将采集到的用户生活数据,即基础数据,通过对基础数据的划分,以及标定,可以将未进行标定的数据进行老人生活习惯的分类或归类,老人的生活习惯包括饮食习惯、运动习惯、睡眠习惯、穿着习惯、爱好习惯等,通过对部分基础数据进行分类标定,在将未分类标定的基础数据与已标定的基础数据进行契合度、匹配度的相关计算,逐次迭代数据,直至使生活习惯分类模型的数值最小,也就表示特征数据与已标定的数据的匹配误差越小,说明该特征数据与已标定的数据的分类越相近,由已标定数据的生活习惯的种类即可确定未标定的生活习惯的类型,实现老人生活习惯的分类,云端还会将分类后的用户生活习惯特征与生活信息库进行匹配,将符合用户生活习惯的相关信息反馈至用户,这里的生活信息库包括饮食种类、运动方式、穿着、爱好相关用品等等一切与老人生活息息相关的事物,这样在得知老人生活习惯的前提下,也方便亲人或医护监护人员依据老人的生活习惯为老人提供更贴心的服务,让老人时时刻刻方方面面都能得到贴合自身喜好和习惯的照料和帮助,让老人能够度过更舒适快乐的晚年生活。
作为一种可选的实施方式,与上述实施方式不同的是,在步骤106:利用所述生活习惯分类模型对所述实时数据进行分类,得到被监控者的生活习惯之前,还可以包括:
获取所述被监控者体征参数,所述被监控者体征参数包括身高、体重、年龄、血糖、血压、血脂、脉搏、运动数据和睡眠时间;
根据所述被监控者体征参数计算所述被监控者的每餐应饮食量和应运动量;这样可以根据老人身体状况提供更有利于老人健康的生活指导,给老人贴切的建议,以帮助老人缓解身体不适和帮助老人生活的更好。
判断所述被监控者的血糖、血压和血脂是否超过对应的体征预设阈值,得到第二判断结果;
当所述第二判断结果表示至少有一项所述被监控者体征参数超过对应的体征预设阈值时,向用户发送体征异常警示指令,并确定发生异常的具体的所述被监控者体征参数;
当所述第二判断结果表示否时,返回获取所述被监控者体征参数的步骤。
该方法可以及时发现老人身体是否异常并做出及时的处理措施,以防更危险的病情发生。
以上述实施例提供的适老化智能家居环境生活状态的分析方法对应的,本发明还提供了一种适老化智能家居环境生活状态的分析***,包括:
数据获取单元201,用于获取基础数据,所述基础数据包括环境参数、被监控者体征参数和被监控者摄入物质参数;
生活习惯标定单元202,用于将部分所述基础数据进行生活习惯的标定,获得已标定特征数据,
特征数据获取单元203,用于将未进行生活习惯标定的所述基础数据作为特征数据,
模型构建单元204,用于根据所述已标定特征数据和所述特征数据,构建生活习惯分类模型;
实时数据获取单元205,用于获取实时数据,所述实时数据包括实时环境参数、实时被监控者体征参数和实时被监控者摄入物质参数;
生活习惯分类单元206,用于利用所述生活习惯分类模型对所述实时数据进行分类,得到被监控者的生活习惯;
生活状态确定单元207,用于依据被监控者的生活习惯确定被监控者的生活状态。
基于上述实施方式,本发明还提供了一种适老化智能家居环境生活状态的分析方法,该方法与上述实施方式不同的是,在上述步骤106之前还包括以下步骤:
对所述基础数据进行情绪标定,得到情绪标定数据;
利用所述情绪标定数据对支持向量机进行训练,生成情绪分类模型;
利用所述情绪分类模型对所述实时数据进行分类,得到被监控者的情绪状态。
本实施例中,利用机器自学习中的支持向量机算法实现对老人情绪的分类,使得监护老人的用户能够及时获知老人的情绪状态,以便做出及时的应对措施,同时也能通过老人的情绪反应对其所处环境的满意程度,以提高对老人所处环境的管理和维护。
其中,对所述基础数据进行情绪标定,得到情绪标定数据;利用所述情绪标定数据对支持向量机进行训练,生成情绪分类模型的步骤具体可以包括:
获取所述基础数据中的脉搏数据和运动数据;
对所述脉搏数据和所述运动数据进行情绪标定,得到情绪标定数据;
利用所述情绪标定数据对支持向量机进行训练,生成情绪分类模型,所述情绪包括内向、外向。当然,情绪的种类不仅仅包括内向和外向两种,还包括喜、怒、哀、乐、愁等,对于情绪分类的细致性可以通过对基础数据进行情绪标定时确切的标定出情绪的分类,再经过训练支持向量机即可获得相应的情绪分类器,这样也可以根据需求更细致的划分老人的情绪,对老人的呵护方式也会更贴切,更能满足老人的心理需求。
其中,利用情绪标定数据对支持向量机进行训练中的支持向量机采用高斯径向基函数作为分类的核函数,高斯径向基函数是一种局部性强的核函数,其可以将一个样本映射到一个更高维的空间内,该核函数是应用最广的一个,无论大样本还是小样本都有比较好的性能,而且其相对于多项式核函数参数要少。其中,x1,x2……为基础数据,如:环境参数、被监控者体征参数和被监控者摄入物质参数等。
将采集的新的肢体运动数据和脉搏数据输入该情绪分类模型后,可以智能的判断老人当前的情绪。该情绪的监测数据通过软件中心端APP发送至老人的亲人或医疗监护人员,以监测老人长期情绪变化特征及心理健康状况,对老人能够给以适当的情绪安抚,提高老人的生活质量。老人的生活状态可以通过老人的情绪和生活习惯相结合共同得到,这样能够更全面的掌握老人的生活状态,
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的***而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (7)
1.一种适老化智能家居环境生活状态的分析方法,其特征在于,所述分析方法包括:
获取基础数据,所述基础数据包括环境参数、被监控者体征参数和被监控者摄入物质参数;
将部分所述基础数据进行生活习惯的标定,获得已标定特征数据;
将未进行生活习惯标定的所述基础数据作为特征数据;
根据所述已标定特征数据和所述特征数据,构建生活习惯分类模型;
获取实时数据,所述实时数据包括实时环境参数、实时被监控者体征参数和实时被监控者摄入物质参数;
利用所述生活习惯分类模型对所述实时数据进行分类,得到被监控者的生活习惯;
依据所述被监控者的生活习惯确定被监控者的生活状态。
2.根据权利要求1所述的适老化智能家居环境生活状态的分析方法,其特征在于,所述获取基础数据,具体包括:
获取环境参数,所述环境参数包括室内外烟雾含量、室内外细颗粒物含量、室内外地面水位、室内甲醛含量、室内煤气含量、室内风速、室内外温度、室内外湿度、门窗开闭状态;
获取被监控者体征参数,所述被监控者体征参数包括身高、体重、年龄、血糖、血压、血脂、脉搏、运动数据和睡眠时间;
获取被监控者摄入物质参数,所述被监控者摄入物质参数包括每餐就餐总量、蛋白质含量、脂肪含量、水分含量;
利用所述环境参数、被监控者体征参数和被监控者摄入物质参数构建基础数据库。
3.根据权利要求1所述的适老化智能家居环境生活状态的分析方法,其特征在于,在所述将部分所述基础数据进行生活习惯的标定,获得已标定特征数据之前,还包括:
根据所述环境参数判断环境中是否存在安全隐患,得到第一判断结果,所述安全隐患包括环境安全隐患和人身安全隐患;
当所述第一判断结果表示是时,向用户发送存在安全隐患的警示指令,并提示是所述环境安全隐患和/或人身安全隐患;
当所述第一判断结果表示否时,返回所述获取基础数据的步骤。
4.根据权利要求3所述的适老化智能家居环境生活状态的分析方法,其特征在于,所述根据所述环境参数判断环境中是否存在安全隐患,得到第一判断结果,具体包括:
将所述环境参数包括的室内外烟雾含量、室内外细颗粒物含量、室内外地面水位、室内甲醛含量、室内煤气含量、室内风速、室内外温度、室内外湿度、门窗开闭状态分别与各自对应的预设环境阈值进行比较,得到比较结果;
当所述比较结果中至少存在一项所述环境参数超过所述对应的预设环境阈值时,确定环境中存在安全隐患,并确定超过所述对应的预设环境阈值所对应的该项所述环境参数;
根据所述该项环境参数确定所述安全隐患的种类,所述环境安全隐患为当所述室内外细颗粒物含量、所述室内甲醛含量、所述室内风速、所述室内外温度、所述室内外湿度和所述门窗开闭状态中的一项或多项超过对应的预设环境阈值时的环境状态;所述人身安全隐患为当所述室内外烟雾含量、所述室内外地面水位和所述室内煤气含量中的一项或多项超过对应的预设环境阈值时的环境状态;
当所述比较结果中无所述环境参数超过所述对应的预设环境阈值时,确定环境中无安全隐患。
5.根据权利要求1所述的适老化智能家居环境生活状态的分析方法,其特征在于,所述根据所述已标定特征数据和所述特征数据,构建生活习惯分类模型,具体包括:
获取所述已标定特征数据的已标定特征矩阵v={v1,v2,…,vm},其中v1,v2,…,vm表示已标定特征矩阵中的m个元素;
获取所述特征数据的特征矩阵u={u1,u2,…,un},其中u1,u2,…,un表示特征矩阵中的n个元素;
计算所述特征矩阵与所述已标定特征矩阵在特征f中的契合度
将所述特征矩阵与所述已标定特征矩阵在特征f中进行匹配关系的规则化其中μ表示所述特征矩阵与所述已标定特征矩阵在特征f中的匹配关系,F为规则化;
依据目标函数结合所述契合度和所述规则化后的匹配关系构建生活习惯分类模型,所述目标函数为所述目标函数表示所述特征矩阵与所述已标定特征矩阵的匹配误差,其中,表示哈达玛乘积,Gf表示具有特征f的用户评分矩阵,J表示与用户评分矩阵Gf同维的指示矩阵,ε表示正则化参数;所述生活习惯分类模型为其中α表示匹配关系规则化参数。
6.根据权利要求1所述的适老化智能家居环境生活状态的分析方法,其特征在于,在所述利用所述生活习惯分类模型对所述实时数据进行分类,得到被监控者的生活习惯之前,还包括:
获取所述被监控者体征参数,所述被监控者体征参数包括身高、体重、年龄、血糖、血压、血脂、脉搏、运动数据和睡眠时间;
根据所述被监控者体征参数计算所述被监控者的每餐应饮食量和应运动量;
判断所述被监控者的血糖、血压和血脂是否超过对应的体征预设阈值,得到第二判断结果;
当所述第二判断结果表示至少有一项所述被监控者体征参数超过对应的体征预设阈值时,向用户发送体征异常警示指令,并确定发生异常的具体的所述被监控者体征参数;
当所述第二判断结果表示否时,返回获取所述被监控者体征参数的步骤。
7.一种适老化智能家居环境生活状态的分析***,其特征在于,所述分析***包括:
数据获取单元,用于获取基础数据,所述基础数据包括环境参数、被监控者体征参数和被监控者摄入物质参数;
生活习惯标定单元,用于将部分所述基础数据进行生活习惯的标定,获得已标定特征数据,
特征数据获取单元,用于将未进行生活习惯标定的所述基础数据作为特征数据,
模型构建单元,用于根据所述已标定特征数据和所述特征数据,构建生活习惯分类模型;
实时数据获取单元,用于获取实时数据,所述实时数据包括实时环境参数、实时被监控者体征参数和实时被监控者摄入物质参数;
生活习惯分类单元,用于利用所述生活习惯分类模型对所述实时数据进行分类,得到被监控者的生活习惯;
生活状态确定单元,用于依据所述被监控者的生活习惯确定被监控者的生活状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710385648.9A CN107146183B (zh) | 2017-05-26 | 2017-05-26 | 一种适老化智能家居环境生活状态的分析方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710385648.9A CN107146183B (zh) | 2017-05-26 | 2017-05-26 | 一种适老化智能家居环境生活状态的分析方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107146183A true CN107146183A (zh) | 2017-09-08 |
CN107146183B CN107146183B (zh) | 2020-07-03 |
Family
ID=59780820
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710385648.9A Active CN107146183B (zh) | 2017-05-26 | 2017-05-26 | 一种适老化智能家居环境生活状态的分析方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107146183B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111063436A (zh) * | 2019-11-25 | 2020-04-24 | 泰康保险集团股份有限公司 | 数据处理方法及装置、存储介质及电子终端 |
CN113782205A (zh) * | 2021-09-16 | 2021-12-10 | 广州爱牵挂数字科技有限公司 | 一种老人夜间风险防控方法、***、装置及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7584166B2 (en) * | 2005-10-25 | 2009-09-01 | Caterpillar Inc. | Expert knowledge combination process based medical risk stratifying method and system |
CN204287783U (zh) * | 2014-11-26 | 2015-04-22 | 中铁建工集团诺德投资有限公司 | 智能家居*** |
CN105404254A (zh) * | 2015-10-30 | 2016-03-16 | 安徽云硕科技有限公司 | 一种多功能智慧居家养老服务平台 |
CN105894400A (zh) * | 2016-01-06 | 2016-08-24 | 深圳格信息服务有限公司 | 一种智慧养老生态*** |
-
2017
- 2017-05-26 CN CN201710385648.9A patent/CN107146183B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7584166B2 (en) * | 2005-10-25 | 2009-09-01 | Caterpillar Inc. | Expert knowledge combination process based medical risk stratifying method and system |
CN204287783U (zh) * | 2014-11-26 | 2015-04-22 | 中铁建工集团诺德投资有限公司 | 智能家居*** |
CN105404254A (zh) * | 2015-10-30 | 2016-03-16 | 安徽云硕科技有限公司 | 一种多功能智慧居家养老服务平台 |
CN105894400A (zh) * | 2016-01-06 | 2016-08-24 | 深圳格信息服务有限公司 | 一种智慧养老生态*** |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111063436A (zh) * | 2019-11-25 | 2020-04-24 | 泰康保险集团股份有限公司 | 数据处理方法及装置、存储介质及电子终端 |
CN113782205A (zh) * | 2021-09-16 | 2021-12-10 | 广州爱牵挂数字科技有限公司 | 一种老人夜间风险防控方法、***、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN107146183B (zh) | 2020-07-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yin et al. | Effects of biophilic interventions in office on stress reaction and cognitive function: A randomized crossover study in virtual reality | |
Dunn et al. | Factor analysis on the Sensory Profile from a national sample of children without disabilities | |
Johnson et al. | Portion sizes for children are predicted by parental characteristics and the amounts parents serve themselves | |
Wang et al. | Activity density map visualization and dissimilarity comparison for eldercare monitoring | |
CN107092806A (zh) | 一种面向老人家居智能化的信息融合与预警方法 | |
Esposito et al. | Food selectivity in children with autism: Guidelines for assessment and clinical interventions | |
Peters Jr et al. | The relationship between perceived psychological distress, behavioral indicators and African-American female college student food insecurity. | |
JP2012110716A (ja) | 患者からのムード情報の単純な収集の方法 | |
Plötz et al. | Activity recognition and healthier food preparation | |
Genschow et al. | The power of movement: evidence for context-independent movement imitation. | |
CN106163383A (zh) | 用于判定吞咽缺陷的技术 | |
Yared et al. | Ambient technology to assist elderly people in indoor risks | |
Engelen et al. | Design for healthy ageing–the relationship between design, well-being, and quality of life: a review | |
KR20190063954A (ko) | 인공지능 클라우드 영양소 변화 예측 방법과 인공지능 클라우드 영양소 대사량 측정 방법 및 그를 사용하는 질병관리 방법 | |
Brønd et al. | Simple method for the objective activity type assessment with preschoolers, children and adolescents | |
Sokol et al. | Relationship between child maltreatment and adolescent body mass index trajectories | |
CN107146183A (zh) | 一种适老化智能家居环境生活状态的分析方法及*** | |
Walsh et al. | Inferring health metrics from ambient smart home data | |
JP2007148935A (ja) | 元気姿勢測定装置 | |
Singh et al. | Olfactory cues of restaurant wait staff modulate patrons’ dining experiences and behavior | |
Kosma et al. | Psychosocial determinants of stages of change and physical activity among adults with physical disabilities | |
Mentes | Hydration management protocol | |
US20230346299A1 (en) | Device for correlating a biometric variation with an external stimulus and related methods and systems | |
Schmitter-Edgecombe | Automated clinical assessment from Smart home-based behavior data | |
Fowler et al. | The Mutuality of Autonomy scale: An implicit measure of object relations for the Rorschach Inkblot Method |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20200902 Address after: 102200 1-2007, 17th floor, building 8, No. 87 yard, Jianzhu Chengxi Road, Changping District, Beijing Patentee after: Beijing Bogen Optical Technology Co.,Ltd. Address before: 100000, Beijing, Chaoyang District Xin Tung Street, No. 11 violet development building, block A, 9 Patentee before: BEIJING JUJIAYUNSHE TECHNOLOGY SERVICE Co.,Ltd. |
|
TR01 | Transfer of patent right |