基于多传感器融合的居家监护系统的设计与实现

摘  要：为了在非临床条件下，搭建一套智能的、非入侵式的智能监护系统，为居家老人提供合理的、非入侵式的、智能化的生活服务，本文融合客观环境信息与被照顾者在室内的位置、日常行为等主观信息，开发设计一套智能化的、未入侵式的智能监护系统，为老人或者慢性病患者提供智能化的生活服务。实验证明，融合室内位置与日常行为等主观信息，能有效地提高智能监护系统的“非入侵”性与合理性。

关键词：室内定位;低功耗蓝牙;数据采集;行为识别;智能决策

中图分类号：TP39     文献标识码：A

Design and Implementation of Intelligent Monitoring System

Based on Multiple Sensors Combination

SU Chunfang

（Dept.of Computer Science and Technology，Jiangyin Polytechnic College，Jiangyin 214405，China）

Abstract：A set of intelligent and non-intrusive monitoring system in non-clinical environment will be built，which can provide reasonable，non-intrusive and intelligent services for the elderly at home.In this paper，by integrating environment information with the indoor positions and daily behavior information of the elderly，an intelligent monitoring system is designed to serve the elderly or chronic patients in their homes.Experiments have demonstrated that combining the indoor locations and daily behaviors can improve the non-intrusiveness and rationality of the intelligent monitoring system.

Keywords：indoor positioning;low-energy Bluetooth;data collecting;activity recognition;intelligent decision

1   引言（Introduction）

醫疗技术的进步延长了人的寿命，同时也加剧了世界老龄化的步伐。预计到 2020年，我国60岁以上老年人口将增加到2.55亿人左右，占总人口比重提升到17.8%左右;高龄老年人将达到2900万人左右，独居和空巢老年人将增加到1.18亿人左右[1]，对老年人的照顾已经成为社会关注的热点。对65岁以上的老年人进行调查，发现其中90%的人表示他们愿意住在目前的居住地，实现居家养老，因此在非临床环境下，智能监护系统能够辅助老年人实现居家养老，并能提高生活质量。

随着传感器技术以及智能设备的进步，智能监护系统逐渐应用于对老年人的日常护理、照顾中。目前，智能监护系统主要分为两大类，一类是应用多种智能设备并融合多种传感器技术，搭建一套集监护与服务为一体的智能服务系统，用于对老年人或者慢性病人患者的照顾[2]。另一类是开发设计用于智能监护的服务机器人，由于机器人内置了丰富的传感器，可以实时采集环境信息，依据对环境信息的分析做出智能的决策，可用于紧急救援或者对老年人的照顾[3]。在以上的研究中，侧重于对环境信息的采集、分析，出现了智能决策方案与被照顾者的意愿不一致，对其生活产生干扰的情况。为此，本文提出从主观和客观两个方面收集环境信息，融合室内定位技术和行为分析技术，兼顾老人在室内的位置以及正在从事的日常活动等主观信息，建立非入侵式的智能决策，增加决策的合理性与未入侵式性，更好地服务于老年人的生活。

目前，RFID（Radio Frequency Identification）、无线Wi-Fi、BLE（Bluetooth Low Energy）、ZigBee、图像处理等技术被应用到室内定位中[4-6]，其中基于低功耗蓝牙（BLE）的室内定位技术，得到了广泛的应用，主要原因是出于对使用者个人隐私的保护以及设备使用能耗的考虑。目前手机已经成为室内定位领域常用的设备之一，一方面是由于的手机的普及使用，另一方面是由于手机内置了丰富的传感器（Sensor），如加速度、陀螺仪、蓝牙、无线等。

鉴于以上原因，本文开发设计了一套基于多传感器融合的非入侵式的居家养老照顾、监护系统，一方面为老年人搭建智能、方便的服务系统，实现对家用电器的智能控制，为被照顾者提供合理、便捷的生活服务;另一方面，为监护人提供实时的、居家生活监护信息，实现远程监控功能。

2   相关工作（Related work）

2.1   传感器网络

智能监护系统的目的是为被照顾者提供智能的居家服务，提高被照顾者的生活质量，该系统首先在不对使用者生活产生干扰的情况下，依据对环境信息的综合分析，进而对家用电器进行智能控制。为此，本文在居家环境下搭建传感器网络，用于采集温度、湿度、光照、室内位置等信息，为智能决策、节能环保提供科学的依据。

在两居室的居住环境，搭建传感器网络，结构如图1所示。环境信息主要包括主、客观两部分信息，一部分是温度、湿度、电器运行状态等客观环境信息;另一部分是反映使用者室内位置、日常行为的主观信息。本文选自三星公司的SmartThings系列产品中的智能插座、温度传感器、湿度传感器、光照传感器，用于采集环境信息[7，8];选取Estimote公司的Beacon，该设备定时向外发射蓝牙广播包，手机在接近Beacon时会收到信号强度不等的广播包，以此来获取使用者在室内的位置。另外采集表征手腕动作的加速度和方位角信息，用于识别老人正在从事的日常行为。

图1 2D的居家智慧监护环境

Fig.1 2D ichnography of intelligent monitoringenvironment

2.2   系统结构

智能决策是智能监护系统的核心，不仅要科学还要符合用户的生活习惯，为此，本文融合客观的环境信息和反映使用者主观行为的信息。鉴于室内定位设备Beacon的部署，将生活区域划分为{卧室1，卧室2，客厅，厨房，卫生间}五个区域，另外在每个区域分别安装相对独立的传感器。以区域为单位，分别采集各自区域的温度、湿度、电器状态、光照强度，基于以上环境信息，由智能决策单元进行智能的决策。为了减少对使用者的干扰，融入反映使用者日常行为的行为信息，为被照顾者提供非入侵式、方便、快捷、智能的服务，系统结构如图2所示。

智能监护系统分为环境信息融合和家用电器智能控制两个部分，环境信息主要包括温度、湿度、光照、家用电器运转状态、室内位置、日常行为等信息，t时刻的环境信息记为Dt={位置，行为，持续时间，温度，湿度，光照，时间}，在综合分析Dt在基础上，不违反用户行为习惯的前提下，对电器、设备进行智能控制。电器的状态分为开、关两种状态，标记为{0，1}，如环境信息序列为{客厅，坐，2m，>26，<30，5，10：50}，决策列表为{风扇=1，空调=1}，依据用户的行为习惯，对决策进行优化，输出{风扇=1}，进而控制outlet，打开风扇。

图2 居家智慧监护系统结构图

Fig.2 Structure of intelligent monitoring system

室内定位技术的应用，使得智能决策可以分区域进行，这种基于区域的智能决策不仅提高决策的合理性，而且节能环保，当检测到用户在卧室睡觉时，自主将其他区域的電器关闭，实现了对电器的智能控制。

3  多传感器融合的智能监护模型（Intelligent monitoring model based on multiple sensor）

3.1   基于IBeacon的室内定位方法

为了减少室内环境对定位信号的干扰，将Beacon安装在天花板上，记为BPi，其中i?[1，5]，各个Beacon以200ms的时间间隔向外发送强度为-4dBm的广播包。当使用者接近或者进入BPi区域，手机会接收到Beacon的蓝牙广播包。在这些广播包中包含最重要的定位信息蓝牙信号强度（Received Signal Strength Indicator，RSSI），RSSI值会随着使用者与BPi之间距离的变化而变化，当距离d小于1米时，随着距离d的变大RSSI值会以一定的比例减少;而当距离在1米以上时，由于反射波的影响，RSSI会出现上下波动的现象，甚至丢失。

鉴于以上原因，本文将信标BPi的邻近区域对象设置为“远区域”far=5m、“近区域”near=1m。当使用者在区域对象中的位置发生变化时，会触发相应的事件onEnter、onExit、onContextChange的发生，进而获取使用者距离信标BPi的位置信息，从而确定使用者处于哪一个生活区域，如当使用者与BPi的距离小于1米时，near区域的onEnter事件会被触发，表示使用者已经进入了near区域，从云端获取BPi的附加信息，即获取了该区域的家用电器列表。

3.2   在线行为分类模型

在日常生活中，人们在从事一种日常行为的过程中，常常伴随着手臂一系列有规律的运动，比如“走路”时，手臂会前后有规律的摆动，而“睡觉”时手臂则相对保持静止。在前期研究中[9]，首先通过收集居家日常行为的数据，在此基础上，基于无监督聚类方法提取高层语义特征，构建行为数据集，最后基于动态贝叶斯算法建立日常行为的分类模型。基于以上分类模型，本文实时采集行为数据，对日常行为进行在线辨识，系统结构如图3所示。

图3 日常行为在线行为识别结构

Fig.3 The flow path for online recognition of daily activities

本文设置采样频率是30Hz，在线收集加速度、陀螺仪的数据分别记为，首先基于滑动时间窗模型抽取特征生成在线测试数据Xi（t），然后将测试数据送入分类模型Mode，从而得到分类结果Yi（t）。

3.3   智能决策算法

环境信息主要包括客观环境信息和主观信息两个部分，记为样本集D。实时监控区域BPi的onEnter事件，当事件被触发时，要从两个方面进一步获取信息：

（1）从云平台获取BPi的家用电器使用列表。

（2）从日常行为分类模型BehavorMode获取当前的日常行为类别Btp。

在此基础上，依据客观环境信息，由智能决策模块建立对家用电器的控制列表，算法描述如下所示：

输入：环境信息样本集D;

输出：电器状态控制

1.初始化室内位置Pt=-1;P区域内的电器状态Stp=-1;日常行为Btp=-1;

2.从云平台获取当前位置Pt=function（t）

3. if Pt?{BP1，BP2，……BPn}do

4.    日常行为Btp←BehavorMode（D）

智能决策Stp←Decision（D）|Btp

5.    for电器设备列表Stip?Di  do

6.         Stip←{1，0}

7.     end

8. endif

智能決策一方面以客观环境信息为依据，建立家用电器控制方案;另一方面又考虑到使用者主观的日常行为和室内位置，从而保证智能决策的合理性与非入侵性，充分考虑到用户对电器的使用习惯。

4   实验结果（Experiment results）

对原始数据进行特征抽取，基于滑动时间窗模式，将日常行为表征为一系列“子动作”的有序组合。设日常行为可以表征为一系列不可拆分的“子动作”的集合，记为X={x1，x2，…，xn}，随机抽取5分钟内日常行为的特征序列，如图4所示。本文设置滑动时间窗为5分钟，重叠为3，在一个时间片5分钟内观察，“睡觉”的动作序列为{8，8，8，8，8}，“运动”的子序列为{28，25，28，28，30}。

图4 日常行为特征序列

Fig.4 Feature sequence of daily activities

图4中y轴的值代表不同的手臂子动作，“读书”“看电视”“睡觉”三种日常行为中，手腕动作变化不大，由一种“子动作”构成;“运动”“走路”手腕动作有多种变化，因此由多种“子动作”组成，如“运动”由id=25、id=38、id=30共计三种“子动作”构成。

手机APP端可以实时显示使用者当前在室内的位置，以及正在从事的日常行为、持续的时间，鉴于以上信息，监护人可以实时了解老年人的状态，如图5所示。除此之外，使用者在家中也可以得到智能化的服务，当系统监测到老人坐在客厅，就会建立“打开电视”的控制方案，并发出语音提示“您是否需要打开电视？”，在得到主人允许的情况下打开电视。

图5 手机端实时信息监控信息

Fig.5 APP real-time monitoring

5   结论（Conclusion）

融合居家环境下的环境信息与被照顾者在室内位置、从事的日常行为，有效地提高了智能决策的合理性，减少对老人生活的干扰。智能监护系统一方面为监护人提供实时的信息监控;另一方面为被照顾者提供智能化的服务，从而提高居家生活质量，实现居家养老的愿望。实验证明，融入用户生活习惯、喜好的等主观因素，能有效地提高系统的智能性与合理性。

参考文献（References）

[1] 国务院关于印发“十三五”国家老龄事业发展和养老体系建设规划的通知[EB/OL].http：//www.cncaprc.gov.cn/contents/2/179240.html，2017-02-28.

[2] Moraitou M，Pateli A，Fotiou S.Smart Health Caring Home：A Systematic Review of Smart Home Care for Elders and Chronic Disease Patients[J].Advances in Experimental Medicine & Biology，2017（989）：255.

[3] Multi-functional stretchable and flexible sensor array to determine the location，shape，and pressure：Application in a smart robot[J].Science China（Technological Sciences），2018，61（08）：35-41.

[4] Chiu C C，Hsu J C，Leu J S.Implementation and analysis of Hybrid Wireless Indoor Positioning with iBeacon and Wi-Fi[C].International Congress on Ultra Modern Telecommunications & Control Systems & Workshops（ICUMT）.IEEE，2016：80-84.

[5] Deka M J，Joshi J，Sinha N，et al.Indoor and outdoor position identification using RFID[C].International Conference on Recent Advances & Innovations in Engineering（ICRAIE）.IEEE，2017：1-7.

[6] Kalbandhe A A，Patil S C.Indoor Positioning System using Bluetooth Low Energy[C].International Conference on Computing，Analytics and Security Trends（CAST）.IEEE，2017：451-455.

[7] 乔子木，邵堃，刘超，等.基于环境智能的老人健康照护系统设计[J].传感器与微系统，2017，36（3）：97-100.

[8]瞿燕.居家养老建筑中智能照护系统的研究与应用[J].建筑技术开发，2017（6）：87-88.

[9]Chen Y H，Tsai M J，Fu L C，et al.Monitoring Elder's Living Activity Using Ambient and Body Sensor Network in Smart Home[C].IEEE International Conference on Systems，Man，and Cybernetics（SMC），2015.

作者简介：

苏春芳（1979-），女，硕士，讲师.研究领域：物联网，人工智能.