[发明专利]一种基于物联网技术的敬老院智能看护系统及方法

摘要

本发明公开了一种基于物联网技术的敬老院智能看护系统及方法，结合物联网技术与行为识别技术，通过监护仪和环境传感器对老人的生理信息、姿态信息及环境信息进行监控，同时通过监护仪携带的RFID标签信息计算老人的位置信息，当有异常情况发生时，视频监控网络根据老人的位置信息获取老人监控视频的序列图像，对序列图像进行行为识别，根据老人的行为进一步判定是否确实有危险情况发生。本发明在老人发生危险时进行双重判断，提高了危险报警的准确率，而且本发明基于物联网技术的敬老院智能看护系统在设置完成后可自动运行，降低了看护人员的工作量，提高了看护质量。

主权项

一种基于物联网技术的敬老院智能看护系统，其特征在于，包括监护仪、环境传感器、信息采集模块、视频监控网络、数据处理模块、视频行为检测模块和数据库模块，其中，监护仪，监测得到老人生理信息和身体姿态信息，并设置有RFID标签模块，监护仪将RFID标签信息和监测得到的信息一起发送给信息采集模块；环境传感器，用于监测环境信息，发送给信息采集模块；信息采集模块，用于采集监护仪上传的RFID标签信息、老人的生理信息和身体姿态信息，以及环境传感器上传的环境信息，转发给数据处理模块；数据处理模块，用于根据信息采集模块上传的RFID标签信息计算老人的位置信息，读取数据库模块中存储的标准生理信息、标准环境信息及预先设定的身体姿态信息阈值，对生理信息、环境信息和身体姿态信息进行异常情况判定，在异常情况发生时将老人的位置信息与监控请求指令发送给视频行为检测模块；视频行为检测模块，用于根据从数据处理模块接收到的老人的位置信息与监控请求指令，向视频监控网络发送监控指令；接收视频监控网络反馈的监视视频的序列图像，从数据库模块中提取出预先建立的标准行为模板，对序列图像进行行为识别，如果识别到危险情况发生则向报警模块发送报警信息；其中，标准行为模板的建立方法为：预先采集多名老人的多种行为姿态序列图像，采用特征提取方法提取每种行为的特征向量，通过样本训练与聚类，选取最优参数，形成标准行为模板；其中特征向量为R表示矩形度计算公式为R＝A₀/A_R，其中A₀为人体面积，A_R为最小封闭矩阵的面积，C表示人体图像范围内像素的协方差矩阵，为Hu不变矩中的前4个不变矩，其中协方差矩阵C的计算公式为：$C=\frac{1}{N-1}\underset{i=1}{\overset{N}{\Σ}}(X_i-\mathrm{\τ}){(X_i-\mathrm{\τ})}^T$其中，N为人体图像范围内的像素总数，X_i为人体图像范围内第i个像素的坐标，τ为人体图像中心的坐标；Hu不变矩中的前4个不变矩的计算方法为：定义二维人体图像f(x,y)的矩集为：$m_{p,q}={\∫}_{-\mathrm{\∞}}^{\mathrm{\∞}}{\∫}_{-\mathrm{\∞}}^{\mathrm{\∞}}{x}^p{y}^{q}f(x,y)dxdy$其中，p,q取所有的正整数，从而产生一个矩的无限集；无限集的(p+q)阶中心矩定义为：$v_{p,q}=\underset{x}{\Σ}\underset{y}{\Σ}{(x-x_0)}^p{(y-y_0)}^{q}f(x,y)$其中，(x₀,y₀)是质心坐标；对上述中心矩进行规范化，可得到如下的尺度规范化中心矩：${\mathrm{\μ}}_{p,q}=\frac{v_{p,q}}{{\left(m_{0,0}\right)}^{1+(p+q)/2}}$前4个不变矩的计算公式为：行为识别的方法为：从待识别的序列图像中识别出前景目标，即人体图像，采用特征提取方法在检测出前景目标的序列图像中提取出老人行为的特征向量，根据预先建立的标准行为模板，与待检测的序列图像的特征向量匹配，匹配度最高的标准行为模板即为该序列图像中老人的行为；视频监控网络，包括多个监控设备，用于根据视频行为检测模块发送的监控指令对老人进行监控，并将监控视频的序列图像反馈给视频行为检测模块；数据库模块，用于存储老人的标准生理信息、标准环境信息、标准行为模板以及监控设备的位置信息与状态信息；报警模块，用于根据接收到的报警信息发出警报。