基于信息分析的养老社区智能管理系统研究

张航 亓孝博 韦伟 曹天人 刘瑜

摘 要：基于信息分析的养老社区智能管理系统主要由养老社区室内Kinect视频监控、ZigBee传感器节点和养老社区终端云服务器构成，文章通过分布式数据挖掘技术对室内环境和老年人起居生活信息进行处理和分析，并及时进行反馈，保证老年人的身体健康。本系统可行性强，在未来具有良好的发展前景。

关键词：ZigBee技术；Kinect视频监控；分布式数据挖掘

随着我国老龄化的加剧和独生子女比例的逐年增加，越来越多的家庭面临着一对夫妇需要赡养4位老人的局面，单纯的居家养老已经不能满足老人的物质和健康的需要，但是大部分老年人会排斥诸如敬老院类的社会养老，由此社区养老成为了近年来的热门探索的新型养老模式。社区养老是在社区中的居家养老，现阶段我国已经有养老社区实现老年人居家养老的同时，享受养老社区中的各项服务，但是目前的养老社区智能化程度不高，本系统将“社区养老”与“智能居家养老”相结合，设计一套基于信息分析的养老社区智能管理系统，提高养老社区智能化水平。

1 总体设计

本系统利用无线Zigbee技术将室内各传感器节点采集到的数据汇总到汇聚节点；利用家庭视频采集设备，采集老年人日常行为信息，将采集到的所有数据信息通过家庭有线网络传输到养老社区终端云服务器，通过分布式数据挖掘技术对数据进行分析，根据信息分析结果，给老年人提出相应建议，起到预防疾病，保证老年人身体健康的目的。图1为系统整体设计。

2 系统硬件设计

2.1 系统硬件架构

系统的硬件设计包括室内视频监控部分和室内传感器节点部分：室内视频采集通过在室内特定区域设置摄像头来完成相应的视频数据采集；室内传感器节点部分中的各个节点由微处理器模块、无线传输模块、传感器模块、处理器外围电路模块以及电源模块五部分构成。节点间采用星型拓扑方式进行自组网，通过各传感器节点采集室内环境数据，经过节点的ZigBee模块发送给汇聚节点，最后将数据由汇聚节点传输至嵌入式家庭网关。

2.2 室内视频监控设计

室内视频监控部分主要采用分布式智能视频监视系统，通过Kinect深度相机对于人体行为信息的采集从而进行数据的分析。Kinect深度相机是美国微软公司推出的一款基于光编码（light coding）技术的智能相机，其主要的优势在于能够实现实时识别功能，识别具有较高的精确度。在对人体全身识别方面，运用迭代最近点法来追踪已知大小的骨架和起始姿势，将3D范围扫描数据中的人模型分割为头、四肢、躯干以及背景几部分。用全封闭的三维网格从头顶开始进行分类并分割为不同的部分，建立了一个三维网格以找出与测量极值相关的点，并将这些点分为头部、手部、脚部3部分，通过Kinect深度相机的光编码成像技术，对人体进行识别主要包括人体部位的静态识别（部分和全身识别）、对骨骼、关节位置的判定以及人体动作的动态识别从而掌握包括老年人睡眠、起床、外出等关键行为信息，最后上传至社区监控云服务器，进行相应的分析处理。

2.3 传感器节点设计

室内各传感器节点由微处理器模块、无线传输模块、传感器模块、处理器外围电路模块以及电源模块五部分构成，节点间采用星型拓扑结构进行自组网。微处理器选用低功耗处理器MSP430F149单片机，传感器包括SHT10温湿度传感器、LXD/GB5-A1EL光敏电阻、TGS2600空气质量传感器等，各传感器采集的数据信息经过A/D转换后经由汇聚节点上传至嵌入式家庭网关，电源模块采用电池和3.3V电源双重供电模式，保证节点的正常运作。传感器节点设计如图2所示。

3 系统信息分析设计

养老社区管理系统的信息分析是由家庭服务云平台完成，由于老年人起居信息数据量庞大，高度分散，且具有一定的隐私性，故采用分布式数据挖掘技术来发现关键信息，通过关联分析、聚类分析、数据回归、做出决策得出分析结果，从而给老年人日常起居提出相应建议。

3.1 分布式数据挖掘技术

随着互联网、移动互联网、物联网、云计算的快速兴起，当前数据增长速度十分快，数据规模也空前巨大，数据挖掘技术可以发现数据中隐藏的规则和模式，从而最大化这些数据的价值，但由于受到普遍存在的异构性、私有性和平台兼容性等限制，以及个人或企业信息隐私等问题，分布式挖掘技术应运而生。

所谓分布式数据挖掘（DDM）就是使用分布式计算，从分布式数据库中发现知识的过程。分布式数据挖掘的数据源就是分布式数据库，或者是把集中式数据库按水平方式或垂直方式划分（见图3）后分布在不同站点的分布式数据集。在水平划分情况下，各站点的数据是同构的，即每个站点上的数据具有相同的特征集。在垂直划分情况下，各站点的数据是异构的，即每个站点上的数据具有不同的特征集，目前绝大多数使用的是垂直划分的分布式数据库。

3.2 数据信息分析

家庭服务云平台的功能是实现数据的存储，计算和网络传输，由于海量数据中只有部分为关键信息，所以在分布式数据挖掘过程中要对数据进行分类、簇聚、关联分析，最终做出决策。

（1）分类。

分类问题实际上是建立一个从输入数据到分类标签的映射，在系统中，采用决策树的分类算法，建立一系列检验数据属性的if-then规则对数据进行细分。将数据分类时，选择熵来反映数据的类别：

熵定义为：

当实际数据集中的数据类别相同，具有相同意义时，熵值为0，对于二分类问题，当数据集中两种类别的数据数量相同时，熵值最大。

（2）簇聚分析。

簇聚分析是将分类好的数据划分成有实际记忆的或者有用的组，采用K-means聚类算法，将分类后的N个数据聚合成K个簇，并使其最小化。

求得当最小时：

即为K个簇中数据点的平均值。

（3）关联分析。

关联分析可发现隐藏在大型数据集中的有意义的联系，通过关联规则找出数据间的强联系，分析数据的关联规则的支持度与可信度：

规则支持度：

规则可信度：

得出关联规则是找出支持度大于等于最小支持度阈值，且可信度大于等于最小可信度阈值的所有规则。基于这种思想，可以得到结论：经常一起出现或规律性出现的实物存在一定关系。

由上述3个过程可以通过对老年人日常生活各项信息进行分析处理，根据老年人年龄，已知的身体状况与实际信息进行对比，如果发现环境或者老年人起居不适宜老年人身体健康，则及时提出相应建议。如：老年人睡眠时间长时间处于较短状态，则提出辅助安眠建议；老年人外出运动长期处于较少状态，则提出加大运动量的建议等。

4 结语

本文针对目前养老社区智能化程度不高的现状提出物联网技术与大数据信息分析相结合的方式，通过建立养老社区智能管理系统，进行智能的信息分析给老年人提出日常生活的建议，提高了老年的健康水平，具有实际的意义。相信在未来，随着物联网和大数据技术的不断发展，智能化的养老社区必将有良好的发展前景。[参考文献]

[1]李明亮.基于ARM11的智能家居设计与实现[M].北京：北京航空航天大学出版社，2015.

[2]毛明毅.智能家庭物联网系统[M].北京：机械工业出版社，2015.

[3]赵勇.大数据技术及算法分析[M].北京：电子工业出版社，2015.

[4]国泰安金融大数据中心.大数据导论[M].北京：清华大学出版社，2015.

[5]高原.无线传感器网络环境监测采集节点的设计[J].实验室技术与管理，2012（4）：127-131.

[6]李少军，刘忠领.智能视频监控技术综述[J].中国安防，2009（10）：89-94.

[7]孟明.基于Kinect深度图像信息的人体运动检测[J].仪器仪表学报，2015（2）：386-393.

[8]蒋良孝，蔡之华.分布式数据挖掘研究[J].计算机与现代化，2002（9）：4-7.

Analysis on Aging Community Intelligent Community Management System Based on the Information

Zhang Hang， Qi Xiaobo， Wei Wei， Cao Tianren， Liu Yu（Anhui University， Hefei 230601， China）

Abstract： Aging community intelligent community management system based on the information analysis includes the Kinect indoor monitor，the ZigBee sensor nodes and the aging community cloud server.The system analyzes information of the indoor environment and the elderly living by using distributed data mining（DDM）， and offers proposals to the elderly to ensure them health.The system has feasibility in the future.

Key words： ZigBee technology； Kinect indoor monitor； distributed data mining