[發明專利]一種老年人行為智能看護系統及識別方法

在審

• 申請號: 202011104225.3
• 申請日: 2020-10-15
• 公開（公告）號: CN112216065A
• 公開（公告）日: 2021-01-12
• 發明（設計）人: 呂行
• 申請（專利權）人: 呂行
• 主分類號: G08B21/04
• 分類號: G08B21/04;G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 山東智達聯合專利代理事務所(普通合伙) 37303
• 代理人: 于鏡

1.一種老年人行為智能看護系統，其特征在于，包括客戶端集中器、中心應用服務器、存儲數據庫和信息終端，所述客戶端集中器與信息采集系統、中心應用服務器、存儲數據庫和信息終端連接，所述客戶端集中器包括多模態信息采集系統、網絡傳輸系統和深度學習網絡模型。

2.如權利要求1所述的一種老年人行為智能看護系統，其特征在于，所述多模態信息采集系統包括視頻采集系統、音頻采集系統、生理信息采集系統，所述視頻采集系統基于網絡攝像頭，采集視頻數據，并將其傳至客戶端集中器；所述音頻采集系統基于音頻采集器，采集音頻信息，并將其傳至客戶端集中器；所述生理信息采集系統基于生理信息采集器，進行生理信息數據實時采集并將其傳至客戶端集中器。

3.如權利要求2所述的一種老年人行為智能看護系統，其特征在于，所述客戶端集中器的深度學習網絡模型包括卷積神經網絡模型和卷積神經網絡訓練程序；所述卷積神經網絡模型包括卷積層、池化層和正則層，卷積神經網絡模型通過分類器能夠實現正常與異常分類的行為分析，卷積神經網絡模型采用音頻、圖像、生理信息三通路網絡對采集到的音頻、圖像、生理信息多模態信息進行異常信息檢測及多模態信息融合能力分析；所述卷積神經網絡模型訓練程序包括樣本獲取模塊、輸入數據組織模塊、信息融合及分類模型的訓練模塊、深度學習神經網絡模型部署模塊。

4.如權利要求3所述的一種老年人行為智能看護系統，其特征在于，所述客戶端集中器將采集到的多模態信息進行異常分類信息檢測及多模態信息融合能力分析后，將異常分類數據通過網絡傳輸系統傳輸給中心應用服務器。

5.如權利要求4所述的一種老年人行為智能看護系統，其特征在于，所述中心應用服務器可架設在云平臺，可以作為計算機服務器設備架設于管理中心，中心應用服務器將卷積神經網絡模型檢測和分析，異常分類數據存儲至存儲數據庫。

6.如權利要求5所述的一種老年人行為智能看護系統，其特征在于，所述中心應用服務器能夠根據客戶端集中器發來的行為分析的結果進行進一步處理，包括：

卷積神經網絡模型分析結果異常時，中心應用服務器能夠進行進一步細化分析，基于深度學習網絡模型和其他算法對多模態信息進行進一步的分析和鑒別；

客戶端集中器發來的多模態信息檢測到異常時，將該異常信息進行記錄和數據存儲，并將該異常信息進通過網絡發送給信息終端；

中心應用服務器判別異常危險級別，危險級別高于一定程度時，通過網絡或者自動語音通知信息終端。

7.如權利要求6所述的一種老年人行為智能看護系統，其特征在于，所述信息終端包括用戶手機終端、醫院急救終端。

8.一種老年人行為智能看護系統的識別方法，其特征在于，基于老年人行為智能看護系統，包括以下步驟：

步驟1：視頻采集系統基于網絡攝像頭，采集視頻數據；音頻采集系統基于音頻采集器采集音頻信息；生理信息采集系統基于生理信息數據采集器，進行生理信息數據實時采集并將其傳至客戶端集中器；

步驟2：客戶端集中器通過卷積神經網絡模型將采集到的視頻數據、音頻信息、生理信息數據進行異常分類信息檢測和多模態信息融合能力分析，同時通過卷積神經網絡模型訓練程序優化卷積神經網絡模型；

步驟3：中心應用服務器接收客戶端集中器通過網絡傳輸系統將檢測和分析后的數據傳輸；

步驟4：客戶端集中器發來的多模態信息檢測到異常時，中心應用服務器將該異常信息進行記錄和數據存儲，并將該異常信息進通過網絡發送給用戶手機終端和醫院急救終端；

步驟5：客戶端集中器發來的多模態信息未檢測到異常時，中心應用服務器將該信息進行記錄和數據存儲，并返回步驟3。