[發明專利]一種社區-居家一體化的智能服務電子牌

有效

• 申請號: 202010963957.1
• 申請日: 2020-09-15
• 公開（公告）號: CN112017403B
• 公開（公告）日: 2022-02-01
• 發明（設計）人: 紀剛;周萌萌
• 申請（專利權）人: 青島聯合創智科技有限公司
• 主分類號: G08B21/04
• 分類號: G08B21/04;G08B25/01;G08B25/08;G08B25/10;H04N7/18;H04W4/02;H04W4/021;H04W4/029;H04W4/33;H04L67/12;A61B5/00;A61B5/0205;A61B5/0225;A61B5/024
• 代理公司: 青島華慧澤專利代理事務所(普通合伙) 37247
• 代理人: 劉娜

1.一種社區-居家一體化的智能服務電子牌，其特征在于，包括安裝于電子牌上的雙攝像頭、麥克風、揚聲器、顯示屏，位于電子牌內部的CPU處理器、GPU處理器、集成通信模塊、體征檢測模塊、存儲模塊和電源模塊；所述電子牌通過集成通信模塊與外置雙攝像頭和UWB定位基站進行通信，所述雙攝像頭、外置雙攝像頭、麥克風、揚聲器、存儲模塊、體征檢測模塊與CPU處理器進行數據通信，所述CPU處理器與GPU處理器進行數據計算與數據交換，并通過集成通信模塊與云平臺進行數據通信，所述顯示屏用于顯示實時更新的數據；

所述雙攝像頭和外置雙攝像頭均包括熱成像攝像頭和彩色攝像頭，負責收集指定老人的熱成像圖像、彩色圖像、人臉信息數據，上傳到CPU處理器，用于計算得到老人的情緒熱成像圖、體溫數據，進而得到老人的情緒狀態，然后融合彩色攝像頭獲得的老人人體行為信息，通過GPU處理器，采用BERT算法預測老人在居家環境下且有雙攝像頭圖像采集區域的身心狀態異常的先驗概率；

體征檢測模塊通過接口外接體征檢測設備，用于測量老人的心率、血壓、血氧，并將體征檢測結果上傳到CPU處理器，計算老人在體征正常情況下身心狀態異常的后驗概率；

UWB定位基站通過老人佩戴的定位標簽將定位信息上傳CPU處理器，采集和分析老人居家定位信息和行為軌跡信息，通過GPU處理器，采用BERT算法預測老人的身心狀態異常的概率；

當老人長期滯留在監控死角區域，雙攝像頭無法獲取到老人的監控圖像，或者老人沒有進行當天的心率、血壓和近期的血氧、血糖測量時，需要通過基于WiFi通訊接入到電子牌的UWB定位基站，基于CPU處理器采集和分析老人居家定位信息和行為軌跡信息，然后將以上信息作為詞組合成句子，通過GPU處理器，采用BERT算法預測老人的身心狀態異常的概率；

云平臺通過集成通信模塊與CPU處理器、GPU處理器進行雙向通訊完成數據同步，在電子牌端獲取服務需求、建議指導、文章推薦，并推送給監護人和社區職員，進行需求處理和異常處理，對發起的服務，商家對服務接單處理、社區進行監管約束；并將老人所需的服務通過顯示屏進行顯示；

預測老人在居家環境下且有雙攝像頭圖像采集區域的身心狀態異常的先驗概率的方法如下：

（1）根據雙攝像頭下采集的所有老人的熱成像圖像，獲取對應老人人體的熱成像最小外接矩形框，并表示為集合；

（2）對采集到每個老人人體的彩色圖像邊界框，遍歷熱成像最小外接矩形框集合，計算彩色圖像邊界框與熱成像最小外接矩形框間的區域重疊面積比例IOU，找出IOU最大值，即得到與老人對應的彩色圖像邊界框和熱成像最小外接矩形框；

（3）求每個老人熱成像最小外接矩形框與彩色圖像邊界框的并集，作為最終每個老人的邊界框區域；

（4）通過人臉識別獲取每個老人的邊界框區域的身份；

（5）計算每個老人邊界框區域中對應的熱成像圖塊的均值和方差，并采用MeanShift算法處理該區域的熱成像圖塊，得到最大熱值的位置和直方圖信息，從而表示出老人邊界框區域中的信息特征；遍歷標準人體情緒的熱成像圖，將老人信息特征逐一與情緒熱成像圖進行模板匹配，計算兩者的均方誤差，當均方誤差取最小值時，即可得到老人的情緒狀態以及對應的信息特征；

（6）根據每個老人邊界框區域中對應的彩色圖像塊，統計老人當天累計時間序列下的人體行為與行為頻率，并表示為集合，將老人在集合中出現的每種行為都作為一個詞，融合每次監測的情緒狀態，按照時間順序組成句子，根據BERT算法評估得到老人的身心狀態異常先驗概率。

2.根據權利要求1所述的一種社區-居家一體化的智能服務電子牌，其特征在于，所述集成通信模塊包括LAN通信模塊、WIFI通信模塊、4G通信模塊、USB通信模塊。

3.根據權利要求1所述的一種社區-居家一體化的智能服務電子牌，其特征在于，計算老人在體征正常情況下身心狀態異常的后驗概率的方法如下：

（1）定時采集老人的心率數據、血壓高低壓數據、血氧值和血糖數據；

（2）計算心率出現異常的概率、高血壓出現異常的概率、低血壓出現異常的概率、血氧出現異常的概率和血糖出現異常的概率；

（3）將上述概率數值相乘得到老人身體體征數據出現異常的概率，根據二項分布獲取老人身體體征數據為正常的概率，并根據貝葉斯公式得到老人在體征數據正常的概率下身心狀態異常的概率。