基于信息分析养老社区智能管理系统研究.docVIP

基于信息分析养老社区智能管理系统研究 　　摘 要：基于信息分析的养老社区智能管理系统主要由养老社区室内Kinect视频监控、ZigBee传感器节点和养老社区终端云服务器构成，文章通过分布式数据挖掘技术对室内环境和老年人起居生活信息进行处理和分析，并及时进行反馈，保证老年人的身体健康。本系统可行性强，在未来具有良好的发展前景。 　　关键词：ZigBee技术；Kinect视频监控；分布式数据挖掘 　　随着我国老龄化的加剧和独生子女比例的逐年增加，越来越多的家庭面临着一对夫妇需要赡养4位老人的局面，单纯的居家养老已经不能满足老人的物质和健康的需要，但是大部分老年人会排斥诸如敬老院类的社会养老，由此社区养老成为了近年来的热门探索的新型养老模式。社区养老是在社区中的居家养老，现阶段我国已经有养老社区实现老年人居家养老的同时，享受养老社区中的各项服务，但是目前的养老社区智能化程度不高，本系统将“社区养老”与“智能居家养老”相结合，设计一套基于信息分析的养老社区智能管理系统，提高养老社区智能化水平。 　　1 总体设计 　　本系统利用无线Zigbee技术将室内各传感器节点采集到的数据汇总到汇聚节点；利用家庭视频采集设备，采集老年人日常行为信息，将采集到的所有数据信息通过家庭有线网络传输到养老社区终端云服务器，通过分布式数据挖掘技术对数据进行分析，根据信息分析结果，给老年人提出相应建议，起到预防疾病，保证老年人身体健康的目的。图1为系统整体设计。 　　2 系统硬件设计 　　2.1 系统硬件架构 　　系统的硬件设计包括室内视频监控部分和室内传感器节点部分：室内视频采集通过在室内特定区域设置摄像头来完成相应的视频数据采集；室内传感器节点部分中的各个节点由微处理器模块、无线传输模块、传感器模块、处理器外围电路模块以及电源模块五部分构成。节点间采用星型拓扑方式进行自组网，通过各传感器节点采集室内环境数据，经过节点的ZigBee模块发送给汇聚节点，最后将数据由汇聚节点传输至嵌入式家庭网关。 　　2.2 室内视频监控设计 　　室内视频监控部分主要采用分布式智能视频监视系统，通过Kinect深度相机对于人体行为信息的采集从而进行数据的分析。Kinect深度相机是美国微软公司推出的一款基于光编码（light coding）技术的智能相机，其主要的优势在于能够实现实时识别功能，识别具有较高的精确度。在对人体全身识别方面，运用迭代最近点法来追踪已知大小的骨架和起始姿势，将3D范围扫描数据中的人模型分割为头、四肢、躯干以及背景几部分。用全封闭的三维网格从头顶开始进行分类并分割为不同的部分，建立了一个三维网格以找出与测量极值相关的点，并将这些点分为头部、手部、脚部3部分，通过Kinect深度相机的光编码成像技术，对人体进行识别主要包括人体部位的静态识别（部分和全身识别）、对骨骼、关节位置的判定以及人体动作的动态识别从而掌握包括老年人睡眠、起床、外出等关键行为信息，最后上传至社区监控云服务器，进行相应的分析处理。 　　2.3 传感器节点设计 　　室内各传感器节点由微处理器模块、无线传输模块、传感器模块、处理器外围电路模块以及电源模块五部分构成，节点间采用星型拓扑结构进行自组网。微处理器选用低功耗处理器MSP430F149单片机，传感器包括SHT10温湿度传感器、LXD/GB5-A1EL光敏电阻、TGS2600空气质量传感器等，各传感器采集的数据信息经过A/D转换后经由汇聚节点上传至嵌入式家庭网关，电源模块采用电池和3.3V电源双重供电模式，保证节点的正常运作。传感器节点设计如图2所示。 　　3 系统信息分析设计 　　养老社区管理系统的信息分析是由家庭服务云平台完成，由于老年人起居信息数据量庞大，高度分散，且具有一定的隐私性，故采用分布式数据挖掘技术来发现关键信息，通过关联分析、聚类分析、数据回归、做出决策得出分析结果，从而给老年人日常起居提出相应建议。 　　3.1 分布式数据挖掘技术 　　随着互联网、移动互联网、物联网、云计算的快速兴起，当前数据增长速度十分快，数据规模也空前巨大，数据挖掘技术可以发现数据中隐藏的规则和模式，从而最大化这些数据的价值，但由于受到普遍存在的异构性、私有性和平台兼容性等限制，以及个人或企业信息隐私等问题，分布式挖掘技术应运而生。 　　所谓分布式数据挖掘（DDM）就是使用分布式计算，从分布式数据库中发现知识的过程。分布式数据挖掘的数据源就是分布式数据库，或者是把集中式数据库按水平方式或垂直方式划分（见图3）后分布在不同站点的分布式数据集。在水平划分情况下，各站点的数据是同构的，即每个站点上的数据具有相同的特征集。在垂直划分情况下，各站点的数据是异构的，即每个站点上的数据具有不同的特征集，目前绝大多数使用的是垂