大数据背景下智慧养老平台的设计与应用*

李常迪，邵一川，陈醉涵，曹 勇

（1.沈阳大学 信息工程学院，辽宁 沈阳110044；2.中国医科大学附属盛京医院，辽宁 沈阳110023）

截止到2020年，我国人口老龄化增速已位居全球第一，预计到2030年，我国65岁以上人口占比将超过全球人口老龄化最严重的日本。人口老龄化已经成为我国经济发展的一道阻力，解决人口老龄化问题也同样成为世界性难题。老龄人口的增长使得年轻人的就业生活压力大大增加，由于生活工作压力的加大使得儿女无法全天候照看老人，因此养老院成为很多退休老人的养老选择。目前，国内多数养老院都是人工看护的形式，存在着管理人员不足、专业度不高、养老设施不完善、应急措施不及时等问题，为促进养老智能化发展，本文基于大数据技术设计了智慧养老系统[1]。该系统由五个子系统组成，分别为RFID集成管理平台、视频监控联动模块、养老院SOA集成服务平台、医疗云计算平台、短信服务平台五大模块。

1 智慧养老系统架构

该系统将物联网RFID技术作为依托，以RFID腕带标签信息的采集、集中处理和分散服务为主线，打造RFID集成管理平台、视频监控联动模块、养老院SOA集成服务平台、医疗云计算平台、短信服务平台五大平台。智慧养老系统各平台间功能如图1所示。

图1 智慧养老系统功能图

1.1 RFID集成管理平台

系统利用RFID腕带标签完成对养老院老人身体健康数据的采集，包括血压、心率、体温等指标，RFID腕带标签同样记录了每位老人的身份信息以及实时地理位置信息[2]。RFID集成管理平台通过构建RFID中间件数据融合模型、面向服务请求的RFID数据容错控制等模型完成各项信息传递任务。在该平台中，利用RFID定位技术能够实现老人地理位置的快速准确定位，利用RFID中间件软件能够对阅读器和标签之间大量原始数据进行过滤处理和精简操作，并完成系统软硬件间信息交换和管理任务。

1.2 视频监控联动模块

在整个智慧养老系统管理过程中，需要RFID管理系统与视频监控联动系统协同作用。当老人发生突发情况时，利用视频监控能够控制摄像头查看老人所在的具体位置和相应区域情况。目前，由于基础设施建设和技术不足等因素多数养老院没有将RFID系统接入视频监控系统。本系统将两个模块进行协同作用，即老人通过控制RFID腕带终端呼救功能能够激活视频联动系统进行老人位置协同定位，以帮助养老院管理人员快速准确地完成老人健康状况查看和救助任务。

1.3 养老院SOA集成服务平台

该模块是智慧养老系统完成各项服务所需信息数据的中转站。养老院系统包含着大量的信息数据，其中RFID系统实时将采集到的老人健康数据传递到SOA集成服务平台，该平台将信息传递给医疗云平台，在信息通过医疗云平台进行计算及分析后反馈到SOA集成平台，当老人健康出现异常情况时，平台将以短信的形式向老人家属发出预警，同时向养老院管理系统告警，以及时对老人可能发生的病情做出检查治疗。从图1中能够看出，SOA集成服务平台实现了系统内部、系统与外部间跨平台的信息整合。

1.4 医疗云计算平台

通过汇总医学专家系统数据构建养老系统所属的私有云计算平台。通过养老院SOA集成服务平台将老人健康数据上传至医疗云计算平台，进行大数据分析以对老人健康检查预判服务。当养老院老人身体感到不适时，该平台能够提供专家会诊服务以帮助老人解决健康咨询问题。医疗云平台使智慧养老系统能够提供的服务功能更加多样化和完善化。

1.5 短信服务平台

该模块是养老院与老人家属进行沟通交流的平台。当老人健康出现问题时，系统将通过该平台通知家属老人健康状况。随着计算机技术的发展，该平台可以被养老院开发的APP所代替，家属通过APP能够实时查看老人健康数据的变化情况，更加方便家属对老人健康进行关注。

2 智慧养老系统的技术支撑

2.1 非接触式生理特征数据采集腕带

数据采集腕带——智能手环，主要用于采集被测老人的生理特征指标。手环采用反射式光路测量的方式，将两个不同波长的发光二极管（630mn，940mn）和光敏器件（光电二级管）置于人体同一侧，设计实现可穿戴反射式探头[3]，反射式探头能够实现对人体光电容积脉搏波（PPG）信号的实时监测，其低功耗、微型化的PPG信号采集检测模块输出适合幅值的PPG信号直流基线和交流分量，系统采用的实时测量算法能够从PPG信号中提取出动脉血氧饱和度和实时心率信息。首先，该算法通过周期移动平均滤波器完成对PPG信号预处理；血氧饱和度测量算法对双波长PPG信号移动平均得到直流基线，采用差分算法计算信号交流分量。实时心率测量算法的优点在于将自适应窗函数和优化后的微分阈值法进行结合实现对心率的计算。反射式脉搏血氧动态监测系统，目标实现对动脉血氧饱和度和心率的连续动态监测，应用于分布式养老看护平台中。智能手环样式和原理如图2、图3所示。

图2 数据特征采集腕带

图3 非接触式生理特征数据采集原理

2.2 自适应寻峰小波阈值去噪算法的心率监测信号处理方法

心率监测中对各类信号的处理方法有很多种，如小波去噪、信号寻峰、周期的计算等。有研究者对各种信号处理方法进行了对比实验，并对小波阈值去噪方法做了较为详尽的研究。评估了各参数变化（如小波函数、阈值函数及阈值）对心率监测的准确度影响，创新地提出了一种自适应小波变换去噪算法，利用该算法能够提高心率监测的准确度。

本文提出的自适应寻峰利用了有效点集中分布的特点，通常情况下，噪音点的分布较为零散，且局部信号差异性小，该算法能够通过设定局部模板大小LSIZE计算出符合约束条件的有效信号点。在遍历完全部有效候选点后，通过简单寻峰算法判断心率信号中每个时间段内波峰的数量，该数值即为在该时间段内被测者心跳的次数，最后确定时间周期T。

2.3 基于Kinect数据特征收集巡诊机器人

系统采用非接触式腕带收集老人身体健康数据后，还需要对老人的姿态信息进行识别。因此，系统选用基于Kinect的巡诊机器人完成人体姿态识别任务，该机器人还能实现老人的寻找和跟踪任务。基于Kinect数据特征收集的巡诊机器人的优点在于其有较高的抗干扰能力，因此在漆黑环境下该机器人同样能够正常完成各项任务。且其反应速度快，能够快速完成姿态识别任务并完成实时上传，当检测到老人出现跌倒等意外状况时会启动系统预警装置。为了提高老人状态识别能力对巡诊机器人中的深度传感器增加了面部识别功能，使机器人能够对老人的表情状态进行识别。其中巡诊机器人面部识别类型包括高兴、痛苦、悲伤、惊讶等状态[4]，行为状态识别类型包括站立、行走、卧躺、平坐、跌倒等状态，系统通过综合面部和行为状态准确地对老人状况作出检测，为老人的健康安全提供了更高的保障。特征收集巡诊机器人如图4所示。

图4 特征收集巡诊机器人

3 结束语

本文为解决人口老龄化带来的社会养老难问题，设计了由RFID集成管理平台、视频监控联动模块、养老院SOA集成服务平台、医疗云计算平台、短信服务平台五大模块组成的智慧养老平台。系统包含的医疗云平台为实时检测老人健康提供了保障，养老院SOA集成服务实现了各系统间老人健康信息的交互服务。利用该平台能够促进养老服务更加智能化、科学化、创新化发展。