对老年人居住环境进行信息采集和调节的系统及方法与流程

本发明涉及一种应用于建筑领域中的计算机神经网络，具体地说，是实现对需要照料的老年人居住设施的空间调节系统及方法。

背景技术：

随着我国在综合实力不断发展的同时，人口老龄化的问题也日趋严重。据报道，中国是目前世界上唯一老年人口超过两亿的国家。全国老龄办数据显示，截至2017年底，我国60岁及以上老年人口有2.41亿，占总人口17.3%；预计到2025年，老年人口将突破3亿人。所以，老年人的生活照料、医疗康复、精神文化等养老服务需求必须加快发展。提供优质的老年护理服务，实现高效的老年护理工作，是当前社会关注老年人养老服务的重要问题。近年来，人工智能作为一种广受关注的科学领先技术，已被运用于各种领域。随着中国老龄化时代的到来，如何养老成为我国面临的一个重要民生问题，急需从理论和实际相联系的角度去创新和运用新技术来得出解决人口老龄化的中国方案。而人工智能技术在养老照料设施中的应用，为探索适合中国养老现实需求的科学发展之路寻找了新的契机。随着人口的老龄化，养老照料设施的康养、生活问题成为大家关注的焦点。其次，随着社会对养老机构的普遍认可，越来越多的老年人选择居住和生活在养老照料中心。为了更好的对老年人进行监护、为老年人创造舒适的生活环境、为老年人提供及时的医疗帮助。现有针对养老监护的系统没有一个很好的方式去实现对老年人的实时监护和居住环境的自控型调节。此外，也没能很好的记录储存和深度学习老人的生活习惯，没能给研究人员提供可靠的数据，从而进一步提高养老照料设施的服务效能。

技术实现要素：

为了解决背景技术中所提到的技术问题，本发明提供了一种对老年人居住环境进行信息采集和调节的系统及方法，利用该种系统及方法，可以对老年人生活空间的温湿度、光照强度、康健医疗、消防及安防进行实时监控和自主调节，节约人力物力，提高服务质量。

本发明的技术方案是：该种对老年人居住环境进行信息采集和调节的系统，包括光照传感、温湿度传感、视频监控、音频呼叫及自动消防和安防系统；

所述光照传感系统，运用卷积神经网络技术，通过计算机对视频图片的深度学习，辨别不同光照强度时候的光源饱和度，运用网络数据集和监控视频流对光照强弱的辨别进行深度学习，自主调节室内光照强度；

所述温湿度传感系统，运用卷积神经网络技术，通过判断老年人生活习惯及计算机对老年人最适温湿度的深度学习，自行控制改变室内温湿度；

所述视频监控系统，运用卷积神经网络技术，通过深度学习帮助护理人员对每一位老人的居住环境和公共空间做实时分析和记录，在发生突发状况时，计算机智能数据中心能给出准确地指示，确保及时通知护理人员和保证最佳的救助时间；

所述音频呼叫系统，通过深度学习方法，辨别不同的分贝和声源；对于患有重大疾病或不能语音表达的病人，通过对声源的异样表达，及时传达医务人员，并做出相应的救援；

所述自动消防及安防系统，运用卷积神经网络技术，通过对火灾现场、地震现场、烟雾现场等灾难现场的图片和视频的深度学习，将其运用到养老照料中心的智能数据中，提高传感系统的感应度；当灾难情况出现时，智能数据数据中心会根据之前深度学习的结果去判断当前的灾难的情况，自动控制触发室内各个消防设备及安全消防门的打开，确保老年人的疏散顺利。

优选的，所述视频监控系统包括：

监控摄像装置，用于完成对老人居住空间的监控和识别；

多路集合开关，用于对视频监控系统的开闭合控制；

数据采集，用于对老年人日常生活习惯、空间环境、形体特征的相关数据数据进行统计收集和分类；

微处理器，用于处理数据采集中所获取得数据资料及生理参数；

深度学习系统，用于深度学习微处理单元中的分类数据，以便提高对数据的识别能力；

转换器，将深度学习后的数据结果转换至养老照料中心室内空间的运行介质；

无线网络，提供智能传感设备和数据中心计算机的连接通道；

数字存贮模块，用于存储微处理器处理过的数据信息；

所述多路集合开关包括：独立分项控制，由独立的开关对相应的传感器进行单独控制；多路集合控制，由一个总开关控制所有传感器的闭合；

所述微处理器包括：

接收数据模块，接收监控设备及语音设备所传达的数据资料；

存储数据模块，存储接收到的所有数据资料，上传至云空间；

传输数据模块，将接收数据传送至深度学习系统或直接传输至转化器模块；

所述深度学习系统包括：卷积神经网络，主要应用于图像识别领域，对图片的扭曲变形具有较好的鲁棒性。卷积神经网络区别于普通神经网络在于卷积神经网络是一个层次模型，通过卷积层、池化层和激活函数等操作，从原始数据输入层中逐层提取特征，经过有全连接层和输入层构成的分类器进行分类；卷积层，感知局部模块，在原图像的小范围区域内进行特征提取；池化层，用于将卷积层所输出的特征进行进一步的特征筛选；激活函数，用于将整个神经网络的运算呈现出非线性，减少参数之间的关系，缓解过拟合情况的发生；全连接层，用于将卷积层和池化层输出的所有特征进行整合；输出层，用于输出经过深度学习后的相关数据信息。

所述对老年人居住环境进行信息采集和调节的方法，包括如下步骤：

获取老年人的日常生活的视频及图片；

获取老年人的日常生活习惯信息；

获取老年人居住空间不同时间段的光照强度信息；

获取老年人发病时的特征信息；

获取老年人居住空间的声源信息；

将所获得的视频、音频数据信息进行深度学习，提高对空间环境的可识别率；

通过对空间环境和老年人日常生活习惯的深度学习，对空间环境的舒适度作出研究分析。

本发明具有如下有益效果：

本发明公开的系统及方法，基于视频监控，通过卷积神经网络对老年人照料设施内居住的老人生活习惯的深度学习，实现对空间的智能捕捉及调节。其中，该智能捕捉传感系统包括：光照传感、温控传感、湿度传感、视频监控、音频呼叫、及自动消防和安防系统等。本发明的实现是基于深度学习的一种自控型智能传感设备。该智能传感设备通过无线网络连接核心计算机，通过核心计算机对各个传感系统的数据进行深度学习和调节。所调节的数据根据老年人生活习惯及各个时间段、季节性变化的不同，计算出最适合老年人居住的空间环境。实现智能化控制，自主性调节。例如，该设备的光照传感系统用于调控老年设施内部空间的光照强度；温度传感系统则可以通过季节性的不同，老年人行为特征的区别，通过卷积神经网络，进行深度学习。并对核心计算机数据进行转换性设置，以达到对春、夏、秋、冬四季的区分，高效能的控制室内温度等。实施本发明实例，可以大大提高老年人照料机构的时间效能，减少人力物力。对老年人生活的空间舒适度进行实时监控和自主调节，提高老年人居住的幸福感，为养老设施的智能化发展寻找新的契机。

附图说明：

图1是本发明所述系统的结构示意图；

图2是本发明实例的深度学习卷积神经网络的结构示意图；

图3是本发明实例的微处理器的运行示意图；

图4是本发明所述系统的流程示意图；

图5是本发明所述方法的示意图。

具体实施方式：

下面结合附图对本发明作进一步说明：

图1是本发明实例的老年人照料设施室内空间调节的智能捕捉传感系统的结构示意图，如图1所示，该系统包括：检测物理量，目标设备需要检测的变量；各类传感器，对目标变量获取的设备；预处理，对检测数值进行分类处理；数据采集，对所获取得数据进行接收、归纳、分类、传输等；计算机接口，用于接收数据信息的端口；计算机，应用于实际运算和控制。

图2是本发明实例的深度学习卷积神经网络的结构示意图，如图2所示，该系统包括：输入层，用于输入需要深度学习的图像或视频；卷积层，感知局部模块，在原图像的小范围区域内进行特征提取；池化层，用于将卷积层所输出的特征进行进一步的特征筛选；全连接层，用于将卷积层和池化层输出的所有特征进行整合；输出层，用于输出经过深度学习后的相关数据信息。

图3是本发明实例的微处理器的运行示意图，如图3所示，该系统包括：接收数据模块，接收监控设备及语音设备所传达的数据资料；存储数据模块，存储接收到的所有数据资料，上传至云空间；传输数据模块，将接收数据传送至深度学习系统或直接传输至转化器模块；深度学习系统，用于深度学习微处理单元中的分类数据，以便提高对数据的识别能力。

图4是本发明实例的老年人照料设施室内空间调节的智能捕捉传感系统的流程示意图，如图4所示，该系统包括：温度、湿度、照明等各类传感器，用于获取需要检测的基本数据信息；监控摄像装置，用于完成对老人居住空间的监控和识别；多路集合开关，用于对智能捕捉传感系统的开闭合控制；数据采集，用于对老年人日常生活习惯、空间环境、形体特征的相关数据集进行统计收集和分类；微处理器，用于处理数据采集中所获取得数据资料及生理参数。

用深度学习微处理单元中的分类数据，来提高对数据的识别能力；

深度学习系统实例1，基于室内光照传感的深度学习:

本发明的深度学习采用tensorflow框架来实现卷积神经网络技术，在大庆市幸福之家老年公寓同一位置在不同时间段所拍摄的一组图片。其图片清晰的反应了不同时间段，空间采光的明暗差异。为了提高室内采光的智能调节，避免给老年人的生活造成不必要的困扰。根据这些图片的差异，运用卷积神经网络进行深度学习。首先，将日常智能监控设备或相机所拍摄的画面，做成包含有大量相关图片或视频的图片集或视频集。然后，通过python程序运用tensorflow深度学习框架训练神经网络，将这些图片集或视频集输入到tensorflow框架当中，通过对数据集数量的设置（如测试图片10000张）、训练批次的设置（如100张每批次）、训练次数（如50次）、激活函数变量的设置等进行神经网络训练，得出的测试结果即为图片识别的准确率。经过上述不断反复的深度学习训练，可提高计算机对智能监控设备的视频数据的辨别率。最终，将深度学习获取的识别率数据，与微处理器存储空间内原有的拟定值域（适合不同状态老年人正常活动和观测周围环境的取值范围）进行比对分析，通过python程序代码实现，计算出室内光照强度的最佳临界值，从而根据各个空间居住老人状态的不同，准确地设置光照传感器的阈值，实现老年人空间光环境的智能化调节。该发明室内光源控制系统是将光照传感器与室内灯具的电路直接相连接。

为了更加方便的运用卷积神经网络的进行多方面学习，可将一个数据集上训练好的卷积神经网络模型快速转移到另一个数据集上，这也叫神经网络的迁移学习。

本发明即运用相同的卷积神经网络模型进行迁移学习完成深度学习训练。转换器，将深度学习后的数据结果转换至养老照料中心室内空间的运行介质。无线网络，提供智能传感设备和数据中心计算机的连接通道。数字存贮模块，用于存储微处理器处理过的数据信息；

具体实施中，养老照料设施内部使用空间中光照传感器、温湿度传感器、分贝传感器等智能传感设备在多路集合开关的控制下，通过无线网络与核心计算机进行连接，通过核心计算机内置的微处理器对各个传感系统进行数据采集和数据存储。然后，通过计算机微处理器采用深度学习的卷积神经网络技术对所采集的视频数据进行学习训练。根据训练数据，能计算出最适合老年人居住的空间环境。同时，根据监控设备对老年人日常生活习惯的观测，经过深度学习训练，能计算出每个空间内老人的正常生活状态，运用智能监控设备提高对老年人的康健检测和安全监测。实现智能化控制，自主性调节。最后，通过转换器将微处理器学习和存储的数据信息实现和表达到老年人照料设施各个空间。例如，该设备的光照传感系统用于调控老年设施内部空间的光照强度；温度传感系统则可以通过季节性的不同，老年人行为特征的区别，通过卷积神经网络，进行深度学习。并对核心计算机数据进行转换性设置，以达到对春、夏、秋、冬四季的区分，高效能的控制室内温度等。对老年人生活的空间舒适度进行实时监控和自主调节，提高老年人居住的幸福感。

本发明所述方法的示意图，如图5所示，该方法包括：

s1,获取老年人的日常生活的视频及图片；

s2,获取老年人的日常生活习惯信息；

s2,获取老年人居住空间不同时间段的光照强度信息；

s2,获取老年人发病时的特征信息；

s2,获取老年人居住空间的声源信息；

s3,将所获得的视频、音频数据信息进行深度学习，提高对空间环境的可识别率；

s4,通过对空间环境和老年人日常生活习惯的深度学习，对空间环境的舒适度作出研究分析。

该方法还包括获取老年人居住环境的温湿度。

基于深度学习的老年人照料设施室内空间调节的智能捕捉传感的方法，其特征在于，视频、图片包括：24小时居住空间的光照变化、老年人生活习惯、老年人发病特征等视频观测结果。

本发明的方法实例中的流程处理可参见本发明系统实例中各功能模块的功能描述，这里不再赘述。

本发明实例中，养老照料设施内部空间环境，通过视频监控和各类传感器的融合使用所产生的智能传感捕捉设备，通过对采集数据的深度学习，进而自主调节养老照料设施的内部环境和确保老人健康安全。降低人力物力，提高时间效能。

本领域普通技术人员可以理解上述发明，其各种办法中的全部或部分步骤是通过程序指令相关硬件来完成的，该程序可以存储于计算机可读存储介质中，存储介质可以包括：rom、ram、prom、e2prom、磁盘、光盘等。

以上对本发明实例所提供的基于深度学习的老年人照料设施室内空间调节的智能捕捉传感系统及方法进行了详细的介绍，本文中应用了具体个例对本发明的原理进行了阐述，以上实例的说明只是用于帮助理解本发明的方法及其核心思想；在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应该理解为对本发明的限制。