智慧養(yǎng)老計算環(huán)境研究狀況的回顧

張佳驥　趙海英

1(中國電子科技集團公司第五十四研究所　河北 石家莊 050081)2(杭州南鴻通信技術(shù)有限公司　浙江 杭州 310012)

?

智慧養(yǎng)老計算環(huán)境研究狀況的回顧

張佳驥1,2趙海英2

1(中國電子科技集團公司第五十四研究所河北 石家莊 050081)2(杭州南鴻通信技術(shù)有限公司浙江 杭州 310012)

居家養(yǎng)老目前仍為老年人首選的養(yǎng)老方式。在傳感器、通信和計算機技術(shù)快速發(fā)展的今天，這些技術(shù)將在智慧家庭中為老年人提供健康服務(wù)，起到應(yīng)有的作用。從近年來有關(guān)的研究中整理歸納與居家養(yǎng)老有關(guān)的概念，介紹有關(guān)的傳感器、通信和計算技術(shù)的發(fā)展成果；重點分析數(shù)據(jù)處理采用的方法和技術(shù)。將數(shù)據(jù)處理方法分為基于規(guī)則的方法和統(tǒng)計學(xué)方法兩大類；分別介紹各類中一些典型實例，總結(jié)各自的長處和不足，并指出方法研究所面臨的關(guān)鍵問題。此外還就研究途徑提出新的建議。

智慧家居獨居老人日常生活活動行為識別活動識別基于規(guī)則的方法統(tǒng)計學(xué)方法

0　引　言

伴隨著科學(xué)技術(shù)與人類社會的發(fā)展，人的壽命隨之增長，而老年人在整個人口中所占比例不斷增加。據(jù)估計，工業(yè)化國家中65歲以上老年人占人口的比例已經(jīng)超過20%[1]。而在中國，2013年老年人口數(shù)量突破2億大關(guān)，達到2.02億，老齡化水平達到14.8%[2]?？粘怖夏耆丝?013年突破1億人口大關(guān)，占老年人口數(shù)量的50%。

老齡化社會所面臨的一個普遍問題是：伴隨人類平均壽命增長，各種老年病及發(fā)病數(shù)量隨之增加；由此產(chǎn)生對于老年人保健的新需求。當(dāng)前，社會養(yǎng)老機構(gòu)的發(fā)展跟不上老齡化發(fā)展的需要；而居家養(yǎng)老能夠使老年人在熟悉的居住環(huán)境下生活，保持原有的生活習(xí)慣；這樣將更有益于老年人自身的身體和精神健康。所以，居家養(yǎng)老目前仍然為主要的養(yǎng)老方式。與居家養(yǎng)老有關(guān)的健康監(jiān)測等保健設(shè)施的發(fā)展，尤其是最急需的獨居老年人的健康監(jiān)測的研究，已經(jīng)引起了相當(dāng)廣泛的重視。

當(dāng)今傳感器技術(shù)、計算技術(shù)以及通信技術(shù)高速發(fā)展，各種傳感器和多種通信網(wǎng)絡(luò)已經(jīng)為遠(yuǎn)程監(jiān)測老年人居家活動情形提供了物理設(shè)施的基礎(chǔ)；而日益發(fā)展的計算技術(shù)將為滿足居家養(yǎng)老所面臨的多樣化與多變需求提供智慧或者人工智能解決方案。

伴隨著技術(shù)的發(fā)展與研究的深入，與居家養(yǎng)老有關(guān)的技術(shù)產(chǎn)品已經(jīng)從最初的一鍵(人工)報警設(shè)備，進而到人體的跟蹤與定位裝置；現(xiàn)在已經(jīng)聚焦到對人的健康狀況的自動監(jiān)測系統(tǒng)上來。這種對于健康狀況的監(jiān)測系統(tǒng)又存在侵入式和非侵入式之分。所謂的非侵入式是指對于老年人的生活習(xí)慣而言，自動化系統(tǒng)不會產(chǎn)生任何影響。例如，不會像可穿戴設(shè)備那樣，對人提出額外的穿戴方面的要求；也不會像視頻監(jiān)視那樣，使人產(chǎn)生對于隱私方面的疑慮。目前，非侵入式系統(tǒng)日漸成為研究的主流。

居家養(yǎng)老系統(tǒng)的應(yīng)用涉及老年人、老年人的家人、健康管理機構(gòu)和服務(wù)提供機構(gòu)以及醫(yī)療機構(gòu)。其中，老年人自身是系統(tǒng)中被監(jiān)測對象。所以，人的行為將因人而異是系統(tǒng)研究所不能回避的一個主要特點。

1　概念和術(shù)語

研究健康狀態(tài)自動監(jiān)測系統(tǒng)通常需要通過對被監(jiān)測對象—居家老年人的日常生活活動ADL(Activity of Daily Living)的測量，經(jīng)過分析，判斷老年人的健康狀況。日常生活活動是指人們在每日生活中，為了照料自己的衣、食、住、行，保持個人衛(wèi)生整潔和進行獨立的社區(qū)活動所必須的一系列基本的活動，是人們?yōu)榱司S持生存及適應(yīng)生存環(huán)境而每天必須反復(fù)進行的、最基本的、最具有共性的活動。具體又分為基本ADL和工具性ADL?；続DL指日常生活中最基本的活動，如穿衣、進食、保持個人衛(wèi)生等自理活動和坐、站、行走等身體活動。一般為比較粗大的、無需利用工具的活動。工具性ADL是指為了在家庭和社區(qū)中獨立生活所需的關(guān)鍵的、較高級的技能，如操作衛(wèi)生和炊事用具，使用家庭電器、騎車或駕車、處理個人事務(wù)等，大多為需要借助工具的、較精細(xì)的活動。

行為與活動的詞義相近。在研究機構(gòu)養(yǎng)老時，將與ADL有關(guān)的行為分類為必需行為、靜養(yǎng)行為、休閑行為、社交行為和照料行為[3]。其中，必需行為包括飲食、如廁、美容洗浴、整理家務(wù)和睡眠；靜養(yǎng)行為包括無為發(fā)呆、眺望觀察和小憩；休閑行為包括個人興趣、閱讀、視聽、散步運動和宗教；社交行為包括交談、集體娛樂、社會作用、家人探訪和設(shè)施活動；照料行為包括家務(wù)協(xié)助、個人照料、護理照料和醫(yī)療照料。

傳感器事件也簡稱事件，它指的是一次傳感器的被觸發(fā)事件。

場景在這里指構(gòu)成行為的一系列動作，或者是一系列的傳感器事件，依具體情形而定。場景具有過程的連續(xù)性特點。通常情形下，與日常生活中活動有關(guān)的場景具有并發(fā)性。例如，備餐活動與飲水活動并發(fā)進行，或者二者甚至更多的活動交替發(fā)生。

通常，日常生活中的活動存在節(jié)奏(節(jié)拍)，像吃飯、睡眠等，都具有一定的周期性。人的行為受到自然(環(huán)境)、生理與社會因素的影響與制約，這些因素都具有周期性的性質(zhì)。例如，晝夜、四季、食欲、消化、睡眠、蘇醒、工作等無一不具有各自的周期特點。而對老年人來講，社會因素的影響減弱，導(dǎo)致其周期性規(guī)律益發(fā)單純而明顯。存在周期性并不代表所有的活動都有規(guī)律可循。有些活動的發(fā)生是隨機的，例如移動物品、聽音樂、發(fā)呆等。周期性規(guī)律是智慧養(yǎng)老系統(tǒng)研究中需要尋找和加以利用的依據(jù);而隨機性是處理過程中不容忽視的因素。

生活自理能力是指無需他人幫助，自行完成日常活動的能力。在依據(jù)Bathel指數(shù)制定的自理能力評定量表中，視被評定者是否能夠獨立完成進食、洗澡、修飾、穿衣、控制大小便、如廁、移動、行走、上下樓梯這幾項活動的程度來評定自理能力[4]。

上下文(context)是指影響老年人日常活動行為的各種環(huán)境與其他因素。這些影響因素包括：季節(jié)、氣候、周日、居住地(如居住于城市/鄉(xiāng)村)、參加社交活動(如上老年大學(xué)、參加文藝活動等，這些都將影響老年人是否外出)、健身(中國老年人往往晨練或晚間散步)、喂養(yǎng)寵物(寵物同樣會產(chǎn)生活動，這將影響到某些傳感器測量效果)等。

2　居家養(yǎng)老系統(tǒng)

2.1系統(tǒng)組成

存在各種各樣的獨居老年人居家養(yǎng)老系統(tǒng)，下面給出的居家養(yǎng)老系統(tǒng)并非指某個實際系統(tǒng)，而是經(jīng)過抽象后的系統(tǒng)，它可以作為實際系統(tǒng)設(shè)計時的參考。

狹義的居家養(yǎng)老系統(tǒng)由傳感器單元、內(nèi)部通信網(wǎng)與數(shù)據(jù)處理單元三個主要部分所組成(廣義的系統(tǒng)再加上外部通信網(wǎng)、服務(wù)器、手機等)。圖1為居家養(yǎng)老系統(tǒng)的組成示意圖。居家養(yǎng)老系統(tǒng)包括多個采集被測量對象參數(shù)的傳感器單元、一個數(shù)據(jù)處理單元、一個司職傳感器與數(shù)據(jù)處理單元通信的內(nèi)部通信網(wǎng)，并涉及負(fù)責(zé)數(shù)據(jù)處理單元與服務(wù)器及外部用戶通信的外部通信網(wǎng)。數(shù)據(jù)處理單元對由傳感器采集的數(shù)據(jù)進行處理，產(chǎn)生所需告警信息，同時還需將有關(guān)的處理結(jié)果送至服務(wù)器。

圖1　居家養(yǎng)老系統(tǒng)組成示意圖

系統(tǒng)的外部還涉及服務(wù)器和手機、PC機等終端。服務(wù)器通常置于居民小區(qū)中，存儲多個居家養(yǎng)老系統(tǒng)數(shù)據(jù)處理單元所傳送的數(shù)據(jù)；通過機器學(xué)習(xí)更新有關(guān)的模型(如行為模式)；并將更新后的模型或者有關(guān)模型的參數(shù)發(fā)往各個居家養(yǎng)老系統(tǒng)。服務(wù)器的另一個作用是為醫(yī)療機構(gòu)、管理部門等進行大數(shù)據(jù)分析計算以及查詢提供所需的數(shù)據(jù)和計算環(huán)境。手機通常為老年人親屬或社區(qū)及機構(gòu)服務(wù)人員(以下統(tǒng)稱照料者)用來接收告警信息。PC機通常作為醫(yī)療機構(gòu)、養(yǎng)老機構(gòu)或者救援機構(gòu)(當(dāng)然也可以直接撥打報警電話請求救援)接收告警信息之用。取決于系統(tǒng)的設(shè)計規(guī)模，服務(wù)器部分也可以是選項。

2.2工作原理

居家養(yǎng)老自動化的應(yīng)用目的通常有兩個：一是避免偶發(fā)事件造成嚴(yán)重后果；二是延長獨居老年人健康自理或者獨立生活年限。下面以一個正常活動(行為)場景和一個異?；顒訄鼍皝碚f明系統(tǒng)的工作原理。此外，初始場景可用作對于系統(tǒng)學(xué)習(xí)或訓(xùn)練期間的工作情況的說明。

正常場景下，表征老年人行為的各項日常活動像往常一樣發(fā)生，或者說沒有出現(xiàn)跌倒以及其他意外。這時，各傳感器監(jiān)測與各項活動有關(guān)的參數(shù)，產(chǎn)生傳感器事件；并將其經(jīng)內(nèi)部網(wǎng)絡(luò)傳送至數(shù)據(jù)處理單元。傳送至數(shù)據(jù)處理單元的數(shù)據(jù)按照時間先后形成數(shù)據(jù)序列。數(shù)據(jù)處理單元將此序列與積累的表示正常模式的活動歷史進行比對；比對結(jié)果表明偏差在可以接受范圍之內(nèi)。此后，判定老年人的行為正常，不產(chǎn)生告警。數(shù)據(jù)處理單元將利用新收到的數(shù)據(jù)更新本地模型的有關(guān)參數(shù)，并按照規(guī)定時間間隔將處理后的數(shù)據(jù)(序列)發(fā)往服務(wù)器。服務(wù)器則根據(jù)多個養(yǎng)老系統(tǒng)送來的數(shù)據(jù)更新整體模型。

異常場景下，表征老年人行為特征的部分或者某項日常活動呈現(xiàn)不同尋常，或者出現(xiàn)跌倒這樣的意外。此時，數(shù)據(jù)處理單元將傳感器采集的數(shù)據(jù)與正常模式比對后，出現(xiàn)顯著或者較大偏差(例如，超過某個閾值)。此時，判定老年人的行為出現(xiàn)異常，產(chǎn)生告警并將告警信息發(fā)出。照料者通過手機或者醫(yī)療服務(wù)機構(gòu)通過PC機收到告警信息后，通過本系統(tǒng)詢問或者采取相應(yīng)措施。

輸出的告警信息分為兩種情形。緊急或者意外情形的告警通常是在危險已經(jīng)發(fā)生時的告警，例如老年人在家中跌倒時的告警。另一種是預(yù)警，它通常是在老年人日常生活的周期性或者規(guī)律性發(fā)生變異或者偏離時產(chǎn)生的。這種變化有可能是慢性病變、生活自理能力下降等引起。

對于告警信息的響應(yīng)需要根據(jù)具體情形分別處置。可以將告警信息分為四級[5]。這些分級是：1) 輕微異常(Mild Abnormality)：這時，老年人的行為與正常情形略有偏差，例如夜晚起床次數(shù)增加、未淋浴即入睡等。告警信息可送往照料者。該項告警為可選。2) 警告(caution):警告表明發(fā)生略比輕微異常級嚴(yán)重的事項，例如冰箱門未關(guān)閉、水龍頭長時間打開、大門夜間未鎖等。警告層的告警建議需要有人介入；例如由照料者上門探望或者與老年人電話聯(lián)系。3) 警報(High Alert)：當(dāng)兩種以上從傳感器提取的參數(shù)都產(chǎn)生警告時，警報形成。這表明居住者處于危險中，需要有人在身邊。這樣的例子如夜間床上活動異常之后起床動作異常，緊接著行走姿態(tài)不正常的組合發(fā)生。該級告警一般需要有人上門探望。4) 緊急(Emergency)：第四級是最嚴(yán)重的情形，例如檢測到跌倒、出現(xiàn)燃燒氣味或者睡眠時出現(xiàn)呼吸驟停。這時，需要立即聯(lián)系相應(yīng)的急救部門上門救援。

初始場景下，系統(tǒng)中還沒有足夠的數(shù)據(jù)。由于系統(tǒng)中模型的特點通常因人而異，所以還需要更多的數(shù)據(jù)來構(gòu)造或者更新模型才能導(dǎo)致其可用。這時，系統(tǒng)初始工作過程中傳感器所采集到的各項活動有關(guān)參數(shù)形成的數(shù)據(jù)序列，被用作系統(tǒng)的學(xué)習(xí)(訓(xùn)練)數(shù)據(jù)。系統(tǒng)利用這些數(shù)據(jù)更新模型。直至到達規(guī)定的時間之后，系統(tǒng)方可轉(zhuǎn)入工作狀態(tài)。

2.3傳感器

居家養(yǎng)老系統(tǒng)可以使用的傳感器種類很多?？梢詫⑵浒凑斋@取測量數(shù)據(jù)的方式分為主動傳感器與被動傳感器，也可以有其他分類方法。本文將按照被測對象分為人體測量傳感器與環(huán)境測量傳感器。

人體測量傳感器包括視頻傳感器(攝像機)、紅外運動傳感器、無線電測量傳感器、聲音傳感器，還有若干可穿戴傳感器以及醫(yī)用傳感器。壓力傳感器也可歸于此類,或者兩類皆可。

視頻傳感器設(shè)置于室內(nèi)視野開闊處，用來獲取連續(xù)的圖像；也可以用來檢測對象的運動狀態(tài)，例如人的運動狀態(tài)。紅外運動傳感器為熱釋電元件組成的被動式無線紅外線探頭，它可以探測人體輻射的波長為9 ～10 μm的紅外線。將其設(shè)置于室內(nèi)視野開闊處，一般用以測定人是否位于某室[6-8]。

無線電測量傳感器探測距離較近，一般設(shè)置于距人體較近處。它可以用來檢測肢體的動作，經(jīng)過處理后，還可以獲得人的呼吸、脈博等參數(shù)。壓力傳感器通常置于物體下面或者表面，當(dāng)人對物體產(chǎn)生壓力時，用來測量有關(guān)的受力情況[9,10]。

可穿戴傳感器又有許多不同類型，如手套傳感器、手表傳感器等。它們可以用來測量人的體溫、脈搏、膚色、運動的加速度等[11]。這類傳感器的另一個特點是可以不限于在家中使用。

醫(yī)用傳感器亦有較多種類。它們用以測量人體的某些參數(shù)，如血壓、脈搏、體溫等。這些傳感器屬于專用傳感器，使用上會有某些特殊要求。由于存在這些限制，醫(yī)用傳感器通常較少在居家養(yǎng)老系統(tǒng)中使用。

環(huán)境測量傳感器包括電器監(jiān)測傳感器、流量傳感器、開關(guān)傳感器、RFID等。

電器測量傳感器連接在家用電器電源接線端，測量電器的打開(on)與關(guān)閉(off)，如測量電熱壺的開閉[12]。流量傳感器如水流量傳感器被連接在流體管路進入處，用以測量使用時流體的流量[13]。開關(guān)傳感器放置在門、窗處，檢測其開閉情況。例如，放在房門處檢測房門的打開與否；放在電冰箱門處檢測電冰箱的使用情況。

RFID是射頻識別的縮寫。RFID傳感器分為RFID標(biāo)簽(Tag)與RFID閱讀器(Reader)兩部分[14]。通常將RFID標(biāo)簽放置于物體處，而RFID閱讀器被人所攜帶(或者穿戴)。當(dāng)攜帶RF閱讀器的人接近貼有RF標(biāo)簽的物體時，即可獲得與該物體有關(guān)的信息，以此判定人出現(xiàn)于某處。

2.4通信傳輸

居家養(yǎng)老系統(tǒng)的通信傳輸涉及寓所內(nèi)部通信和系統(tǒng)與外部的通信，分別稱為內(nèi)部通信網(wǎng)與外部通信網(wǎng)如圖1所示。系統(tǒng)對外部通信涉及與服務(wù)器和手機、PC機等終端的通信，可利用的通信網(wǎng)絡(luò)或者方式有互連網(wǎng)、無線保真(Wifi)、移動通信網(wǎng)、固定電話網(wǎng)等。一般這些外部網(wǎng)絡(luò)均為已經(jīng)布設(shè)到居民區(qū)的現(xiàn)有網(wǎng)絡(luò)，與其連接主要涉及接入方式與接口。

內(nèi)部通信網(wǎng)用于在傳感器與數(shù)據(jù)處理單元之間傳輸數(shù)據(jù)，通常也稱為傳感器網(wǎng)絡(luò)。在通信方式上，可以采用有線、無線、紅外和光等多種形式?？少Y利用的標(biāo)準(zhǔn)網(wǎng)絡(luò)或者接口有藍牙、低壓電力線載波通信、ZigBee[15]、IRDA(InfraredDataAssociation)、Wifi等。

2.5數(shù)據(jù)處理

數(shù)據(jù)處理涉及傳感器數(shù)據(jù)的預(yù)處理、實時處理以及事后處理。

預(yù)處理包括：為節(jié)約帶寬而進行的過濾、重采樣等對原始數(shù)據(jù)的篩選，為規(guī)范化而進行的編碼處理以及加密等。

實時處理的目的是當(dāng)異常出現(xiàn)時適時產(chǎn)生告警信息；后處理則涉及與統(tǒng)計模型有關(guān)的對歷史數(shù)據(jù)的累積計算或者數(shù)據(jù)挖掘。兩者都與所運用的處理方法和技術(shù)有關(guān)，將此放在下一節(jié)中討論。

2.6服務(wù)器

服務(wù)器是系統(tǒng)中的選項、當(dāng)養(yǎng)老系統(tǒng)規(guī)模較小、作用單一時也可能并不設(shè)置服務(wù)器。但是，隨著系統(tǒng)的復(fù)雜性與規(guī)模不斷增加，以及隨著數(shù)據(jù)的積累，服務(wù)器將成為系統(tǒng)的重要組成部分。

服務(wù)器的作用是存儲大量數(shù)據(jù)及計算。它一方面便于各種各樣的用戶查詢，另一方面也用于對于整體模型更新時的計算(如機器學(xué)習(xí))；以及用于各種行為、健康等模式的數(shù)據(jù)挖掘或者統(tǒng)計。由于服務(wù)器可能用于多種應(yīng)用，涉及到多個領(lǐng)域，為便于向不同用戶提供合適的信息檢索服務(wù)，文獻[16]給出相關(guān)的本體論模型結(jié)構(gòu)圖和信息訪問方法。

3　方法或技術(shù)

居家養(yǎng)老系統(tǒng)的數(shù)據(jù)處理流程一般可以用圖2表示。圖中的對象辨識涉及到的對象，可能是人的動作、日?；顒?、行為狀態(tài)、活動涉及的物品狀態(tài)，也可能是某些事件或者場景。特征抽取所需要做的是抽取那些對于上述對象的區(qū)分更具有貢獻的特征或者屬性；而模型則與具體的處理或者辨識方法相關(guān)。

圖2　居家養(yǎng)老系統(tǒng)中健康狀況監(jiān)測的數(shù)據(jù)處理流程

動作的識別通常用于圖像處理中。其目的除識別日?；顒油?，多用于對某些異常動作的實時監(jiān)測與告警，如對跌倒的檢測與告警。

活動識別可能是識別部分活動或者個別活動，也可以是識別全部活動。通常的做法是識別部分日?；顒?，而且是識別對于健康狀況能起鑒別作用的部分日常活動。有的文獻中稱其為基本或者重要日?；顒覽17]。行為狀態(tài)或者物品狀態(tài)的識別則與此類似。

由于識別全部活動往往難以實現(xiàn)，所以通常做法是識別部分日常活動。那么，選擇哪些日?；顒幼鳛樽R別對象顯得尤為重要。這里，既涉及有關(guān)的專業(yè)知識，例如與人體健康有關(guān)的醫(yī)學(xué)專業(yè)知識，尤其是與老年人健康有關(guān)的知識，也需要考慮到技術(shù)的局限性以及系統(tǒng)的復(fù)雜度。由于技術(shù)原因，目前尚難以將某些日?；顒蛹右詤^(qū)分，例如難以區(qū)分閱讀與發(fā)呆。此外，當(dāng)環(huán)境不同時，會帶來額外的困難。例如，當(dāng)存在寵物或者有來訪者時，需要區(qū)分誰才是活動的主體。又例如，被監(jiān)測者的外出也會帶來判別上的困難。系統(tǒng)的復(fù)雜度也是必須要考慮的因素。過分復(fù)雜的系統(tǒng)(例如眾多種類與數(shù)量的傳感器)不但會使成本增加，也會帶來安裝與維護上的不便。

如果僅僅識別個別活動，那么首先需要確定該項個別活動對于健康狀況判斷的貢獻。否則，方法本身是否有效存在疑問。

識別日?；顒拥耐緩郊扔兄苯幼R別與日?；顒佑嘘P(guān)的人的因素，也有通過識別人的活動所涉及的物品的狀況。其中，后一途徑常常能夠大大簡化問題的處理。

本文將目前所研究的居家養(yǎng)老系統(tǒng)的數(shù)據(jù)處理方法分為兩類：一類為基于規(guī)則的方法，另一類為統(tǒng)計學(xué)方法。

3.1基于規(guī)則的方法

基于規(guī)則的方法也可稱為模型方法。該方法的一個特點是依賴該領(lǐng)域內(nèi)某些特定的先驗知識。目前研究所考慮的知識主要涉及人的姿態(tài)和動作、環(huán)境(區(qū)域、物品)、用具、生理參數(shù)、生活線(用量)等因素，以這些因素為特征對人的活動或者行為進行識別(強調(diào)語義特征)。無論是在對特征的處理還是對行為的正常與否的判別中，都需要做出某些人為的假設(shè)：例如傳感器的測量值與人的活動特征存在某種聯(lián)系，或者某些活動對于判斷人的行為正常與否具有重要或關(guān)鍵價值。

基于規(guī)則方法的優(yōu)點是可以利用專家的經(jīng)驗和某些知識，尤其是明顯的常識。這樣做的結(jié)果，往往可以使系統(tǒng)得到簡化。規(guī)則方法的缺點是規(guī)則難以健全。規(guī)則的建立往往涉及復(fù)雜的專門知識，且復(fù)雜的規(guī)則即難以獲得同時也難以表達。建立的規(guī)則往往同樣需要經(jīng)過大量數(shù)據(jù)的訓(xùn)練或者驗證方可得到證實。在這種情形下，對于訓(xùn)練數(shù)據(jù)加注語義標(biāo)記將非常困難。另外，如何在規(guī)則或模型中體現(xiàn)因人而異的特點，也存在相當(dāng)?shù)睦щy。此外，已經(jīng)存在的基于規(guī)則的方法很少涉及對于行為的并發(fā)現(xiàn)象和隨機現(xiàn)象的處置。以下為基于規(guī)則方法的若干典型研究案例。

法國雷恩第一大學(xué)在研究中，運用法國醫(yī)學(xué)界提出的AGGIR依賴模型，對四個能力詞匯STUC進行評估；它們是：自發(fā)性(Spontaneously)、完整性(Completely)、經(jīng)常性(Usually)和正確性(Correctly)[18]。對每項個人日?；顒樱绻顒油瓿傻臈l件是S∩T∩U∩C，則得分A；如果為┐S∩┐T∩┐U∩┐C，則得分C；其他情況下，得分B。A意味具備完全自治或獨立能力；C意味完全依賴他人；B則存在部分依賴性。具體用若干動詞描述人進行日?；顒拥那闆r。使用公式計算活動有關(guān)得分Si值后，由專用的表格依據(jù)順序得分Si查出GIR評價分組級別。分組級別越低，則依賴性越強，由此可以判斷個人獨立生活的能力。分組GIR1意味完全依賴(他人)，而分組GIR6意味完全獨立(不依賴他人)。

新西蘭Massey大學(xué)的試驗系統(tǒng)所用的方法是監(jiān)測居住者行為所涉及的器具的使用狀況。該系統(tǒng)假定日常活動與其所用的器具密不可分[17,19]。通過測量某些器具被使用的情況，推斷出老年人所從事的某些基本活動的狀況。系統(tǒng)中定義了與一天某時段內(nèi)器具未被使用時間的實際值與統(tǒng)計最大值之比有關(guān)的欠使用狀態(tài)函數(shù)βi；又定義了與一天某時段內(nèi)器具被使用的持續(xù)時間的實際值與統(tǒng)計最大值之比有關(guān)的過度使用狀態(tài)函數(shù)βi。設(shè)置與兩狀態(tài)函數(shù)各自相應(yīng)的閾值，超出閾值則意味出現(xiàn)異常。欠使用對應(yīng)活動量不足的異常，而過度使用對應(yīng)活動量過度異常。由測量數(shù)據(jù)實時計算這兩個狀態(tài)函數(shù)值，并與事先設(shè)定的閾值對比，從而確定人的健康狀況。

法國Sophia Antipolis的CSTB(Scientific Center of Technical Building)中的活動監(jiān)視系統(tǒng)建立了包括活動、觀察背景和活動體(即人)在內(nèi)的三類模型。使用視頻傳感器和環(huán)境傳感器(包括測量冰箱、門等開閉狀態(tài)的開關(guān)傳感器，以及置于床、沙發(fā)等處測量人的坐臥行為的壓力傳感器等)對居所內(nèi)老年人的行為進行監(jiān)視[20]。將事先建立的人的3D模型投影到包括環(huán)境3D模型(包括屋內(nèi)區(qū)域、地點和設(shè)施等物體)的場景中。將其二維投影輪廓與實際的檢測輪廓比較后，提取最相近者作為被觀測者姿態(tài)。隨時間變化的姿態(tài)組成視像事件；由環(huán)境傳感器探測到的在觀察背景模型中的設(shè)施狀態(tài)改變(如冰箱打開)等稱為環(huán)境事件；視像事件和環(huán)境事件的組合形成組合事件?；顒幽Ｐ陀缮鲜鰩最愂录凑找欢ǖ捻樞蚣由霞s束所構(gòu)成，利用活動模型來對活動進行識別。

與上述視像處理方法類似的研究有浙工大業(yè)大學(xué)的全方位視覺的獨居老年人監(jiān)護試驗系統(tǒng)。該系統(tǒng)采用最小外接矩形的長寬比來識別人的姿態(tài)，結(jié)合時空、環(huán)境因素判斷人的行為[21]。

除通過動作和/或工具的使用來測量人的活動或行為外，還有通過使用流量傳感器對日常生活所必須消耗的水、電等用量的測量來推斷人的日常行為的方法。例如，加拿大的測量家用電器的有功功率和無功功率的NILM系統(tǒng)[22]。

日本會津大學(xué)從呼吸頻率和心率對于呼吸暫停和猝死綜合癥的重要醫(yī)療診斷價值出發(fā)，利用置于枕頭下方的液體傳感器的壓力信號，用小波分析算法實時計算人的呼吸頻率和心率[23]。該項研究屬于專業(yè)性研究，涉及有關(guān)的醫(yī)療專業(yè)知識。同樣采用醫(yī)用傳感器的還有西班牙的使用HTPC (Home Theatre Personal Computer) 連接到電視機的遠(yuǎn)程幫助系統(tǒng)[24]。

在居家養(yǎng)老系統(tǒng)中，需要面對多種傳感器獲得的復(fù)雜數(shù)據(jù)，而且需要將醫(yī)護人員的專業(yè)知識加以形式化表達。為應(yīng)對上述種種困難，法國LRIT 實驗室運用模糊數(shù)學(xué)方法以簡化問題的處理[25]。其做法是將各種傳感器的參數(shù)模糊化，也將時間等變量模糊化(例如將一天中時段模糊為上午、下午、晚上、夜間)。然后，利用模糊邏輯對于數(shù)據(jù)中隱含著的日?；顒舆M行識別。

3.2統(tǒng)計學(xué)方法

統(tǒng)計學(xué)方法不依賴特定知識，亦不事先做出任何語義上的假設(shè)，而是直接從測量數(shù)據(jù)中的傳感器事件利用數(shù)據(jù)挖掘和概率計算得到所需要的結(jié)果。雖然統(tǒng)計學(xué)方法也會用到某些概率模型，但不同于基于規(guī)則的方法，在這些模型中往往并未預(yù)先作出對于模型語義的假設(shè)(如活動、行為、動作等，這些信息往往不能通過傳感器直接測量得到)。統(tǒng)計學(xué)方法計算或者處理的對象通常僅僅限于傳感器事件及其關(guān)系。統(tǒng)計學(xué)方法中目前主要研究有(事件)序列相似度計算及預(yù)測和統(tǒng)計量的計算。其中，相似度計算及預(yù)測所考慮的因素不僅涉及序列自身，還涉及其時間特性(如開始時間、持續(xù)時間)；而統(tǒng)計量計算則考慮事件發(fā)生的次數(shù)、持續(xù)時間等。

統(tǒng)計學(xué)方法的優(yōu)點與缺點恰與基于規(guī)則方法相反。統(tǒng)計學(xué)方法本質(zhì)上可以體現(xiàn)在數(shù)據(jù)處理上因人而異的特點，而且原理上也能夠自適應(yīng)行為的并發(fā)(如果在數(shù)據(jù)處理時忽略完全隨機的數(shù)據(jù))。統(tǒng)計學(xué)方法有可能避免基于規(guī)則的方法中人為選擇關(guān)注部分活動而忽略其他活動可能帶來的問題。而且，用統(tǒng)計方法也有可能通過非監(jiān)督學(xué)習(xí)來避免標(biāo)記大量數(shù)據(jù)帶來的困難。實踐中，統(tǒng)計學(xué)方法在某種程度上可以避免人工對大量訓(xùn)練數(shù)據(jù)進行復(fù)雜的語義標(biāo)記這一問題。統(tǒng)計學(xué)方法的缺點是難以利用有關(guān)的知識(如規(guī)則)，甚至難以利用已有的簡單經(jīng)驗和常識。統(tǒng)計學(xué)方法往往在計算上還比較復(fù)雜，需要較強的計算能力和較大計算量。此外，統(tǒng)計學(xué)方法的實時處理能力有待進一步研究。下面介紹統(tǒng)計學(xué)方法的幾個典型研究案例。

序列預(yù)測的一個典型是法國約瑟夫傅里葉大學(xué)TIMC-IMAG實驗室有關(guān)智慧家居的項目。該項目利用統(tǒng)計學(xué)模型預(yù)測人在房屋內(nèi)的移動，其測量數(shù)據(jù)可以得之于紅外傳感器[26,27]。所用的方法基于語言模型(如用于語音識別)中常用的卜里耶(Polya)模型或者馬爾可夫鏈，建立起預(yù)測人在房屋中不同位置之間移動的模型。用卜里耶模型時，以某時刻摸取某顏色彩球的概率來代表不同位置之間轉(zhuǎn)移的概率；用顏色來表示不同的位置。用馬爾可夫鏈時，將房間或者位置作為馬爾可夫鏈中的節(jié)點；節(jié)點之間的轉(zhuǎn)移概率代表在房間之間轉(zhuǎn)移的概率。然后，基于位置的歷史數(shù)據(jù)預(yù)測下一時刻的位置。實驗表明，區(qū)分周日(即星期幾)是重要的，不同的周日對應(yīng)不同的結(jié)果。多數(shù)情形下，用一階馬爾可夫模型即可得到滿意結(jié)果。

序列相似度計算的一個典型是美國德州大學(xué)阿靈頓分校的研究項目。該項目將場景定義為傳感器事件組成的序列[32]，在長度為n的滑動窗口中比較不同長度的兩個場景或序列的加權(quán)相似度。這兩個場景分別是當(dāng)前場景和歷史場景，后者長度比前者大許多。相似度比較時用到序列的最長公共子序列，同時還要考慮存在誤碼的情況。另外，還需要計及時間相似的影響(開始時間和持續(xù)長度)。將歷史場景中與當(dāng)前場景最相似的子場景定義為相似度得分最高的場景。對結(jié)果用接收機工作特性曲線ROC(Receiver Operating Character Curve)進行評估。另外，該校的HIS項目采用直接計算和比較序列的相似度的方法來對測量數(shù)據(jù)進行處理，從而達到發(fā)現(xiàn)人的活動規(guī)律的目的[1]。

美國華盛頓州立大學(xué)提出一個基于DTFRA(Discovering of Temporal Features and Relation of Activities)框架的序列聚類加挖掘的用于發(fā)現(xiàn)和跟蹤活動的非監(jiān)督方法[28]。通過這種挖掘和聚類，既可以處理事件的并發(fā)，同時還可以從大量隨機數(shù)據(jù)中發(fā)現(xiàn)規(guī)律。實驗中，使用了紅外運動傳感器、壓力傳感器和電話傳感器。為了解決活動的并發(fā)或者交織，引入一個稱之為DVSM(Discontinuous Varied-Order Sequential Miner)的挖掘器，從數(shù)據(jù)中挖掘非連續(xù)且順序可變的頻繁活動序列模式。通過定義一個包括編輯距離、次序距離和屬性距離之和的擴展距離，利用k-均值算法對挖掘得到的頻繁活動序列模式進行聚類，所得的結(jié)果作為日?；顒拥暮蜻x者。最后，采用多隱馬爾可夫模型(HMM)的投票模型完成對活動的識別。

在該校同樣基于DTFRA框架，旨在關(guān)注活動或者事件的時間關(guān)系的研究中，對于活動或者事件的包括開始時間和持續(xù)時間在內(nèi)的時間特性，采用了k-均值算法進行聚類[29]。同時，采用apriori算法挖掘活動或者事件在時間上的銜接關(guān)系。另外，美國弗吉尼亞大學(xué)的SmartHouse項目在聚類時假設(shè)數(shù)據(jù)得之于數(shù)個正態(tài)隨機過程的混合模型。通過對聚類結(jié)果的考察，得出有可能是日常活動的重要聚類[30]。

雅典經(jīng)濟與商業(yè)大學(xué)根據(jù)Allen提出的時間關(guān)系定義關(guān)聯(lián)規(guī)則，運用關(guān)聯(lián)規(guī)則挖掘方法，找出隱含在測量數(shù)據(jù)中的重要活動[31]。挖掘得到的規(guī)則的可信度愈高，被識別的活動的重要程度愈高。

統(tǒng)計量計算的一個典型是韓國國立首爾大學(xué)的Jeung-Pyeong Ubiquitous Healthcare House項目。該項目使用支持向量數(shù)據(jù)描述方法，用數(shù)據(jù)去擬合一個表征正常行為的超球體[6]。該超球體由三個行為特征構(gòu)成一個三維空間，這三個特征是活動水平、移動水平和不反應(yīng)間隔。其中，活動水平XAL(k)(k是時間參數(shù))表征的是人在24小時內(nèi)各位置空間內(nèi)的活動量；移動水平XML(k)表征的是某時間段內(nèi)，人在不同位置之間的移動量；不反應(yīng)間隔XNBI(k)表征居住者活動之間間隔的時間。這些特征由紅外運動傳感器測量得到的數(shù)據(jù)計算得出。將計算結(jié)果映射為該三維特征空間中的一個投影點后，求得包容所有正常行為訓(xùn)練樣本集中的數(shù)據(jù)而不包含任何異常行為數(shù)據(jù)的最小化邊界。該邊界形成特征空間中的一個超球體。當(dāng)超球體不能總是很好地適應(yīng)所給數(shù)據(jù)集的邊界時，可引入概化的核函數(shù)來替代計算距離的內(nèi)積函數(shù)。常用的核函數(shù)為徑向基函數(shù)(RBF,Radial Basis Function)。該系統(tǒng)中選擇用高斯核函數(shù)。超球體形成后，將其用于檢測異常。當(dāng)傳感器測量數(shù)據(jù)映射到超球體之外時，則表示被監(jiān)測的人的行為產(chǎn)生異常。

有許多相對簡化的研究僅關(guān)注上述三個特征中的一個或者部分特征。但是，也有同時關(guān)注其他特征的，如滯留水平(與人在某房間或者空間內(nèi)的持續(xù)留存時間有關(guān))等。關(guān)注滯留水平和活動水平的例子參見文獻[33,34]，關(guān)注活動水平的例子參見文獻[7]。

3.3仿真

由于從傳感器獲得的數(shù)據(jù)不理想，且數(shù)據(jù)丟失/缺失嚴(yán)重。同時，由于存在所謂的模型困境，即系統(tǒng)模型缺少足夠的訓(xùn)練時間和缺乏足夠的真實場景，尤其是缺少異常場景。所以，欲使系統(tǒng)得到驗證，需要構(gòu)建仿真系統(tǒng)，以提供具有某種特定規(guī)律的數(shù)據(jù)。

法國AILISA項目構(gòu)建基于理想傳感器的仿真系統(tǒng)。該項目從搜集到的傳感器數(shù)據(jù)中，通過聚類產(chǎn)生仿真的隨機過程所需要的參數(shù)[35]。具體是從數(shù)據(jù)中計算出HMM(隱馬爾可夫模型)轉(zhuǎn)移矩陣和發(fā)射(emission)矩陣的參數(shù)；再經(jīng)由此所定義的不同函數(shù)以分別產(chǎn)生仿真數(shù)據(jù)。與之不同，英國諾丁漢特倫特大學(xué)還增加了對變化趨勢的仿真[36]。

4　面臨的挑戰(zhàn)

考慮居家養(yǎng)老系統(tǒng)包含可信程度在內(nèi)的可靠性時，不但需要考慮傳感器等設(shè)備的可靠性，更需要考慮到測量數(shù)據(jù)與健康狀態(tài)的關(guān)系實際是一個不確定性問題；尤其在考慮到問題本身因人而異的特點時更是如此。那么，系統(tǒng)中所提出的假設(shè)以及所依據(jù)的原理是否合乎邏輯并具有普適性；或者所用方法在什么樣的條件下適合什么樣的人群；以及將采取何種措施以自適應(yīng)不同上下文和不同個人等；這些都是進行研究時必須要回答的問題。從系統(tǒng)的作用上看，上述問題將影響到什么情形下觸發(fā)告警，引發(fā)告警的事件具有怎樣的嚴(yán)重程度；以及需要何人做出何種響應(yīng)等。毫無疑問，遺漏重要的意外情況將導(dǎo)致系統(tǒng)失效；反過來，過多虛警也會使系統(tǒng)得不到應(yīng)有的信任而失去作用。以對事件進行預(yù)測為例，如果精度為百分之一量級(看起來很高)，而時間量綱為秒時，則百分之一的誤差意味虛警或者誤報多達每天數(shù)百次。

系統(tǒng)應(yīng)該可以得到驗證。這一點對于居家養(yǎng)老系統(tǒng)來說，并不是一個簡單問題。以數(shù)據(jù)驗證為例，首先應(yīng)該明確檢驗所用的度量有哪些(如虛警、漏警率等)；然后，如果將人的行為按照模式劃分為正常行為模式與異常行為模式，則獲取正常模式下真實數(shù)據(jù)相對容易；但是，異常模式或者異常情形下的數(shù)據(jù)則很難得到。如果再考慮到問題的因人而異特點，即使仿真也很難做到。那么，這種情形下怎樣才能檢驗出“真正的”異常？

考慮到系統(tǒng)將用在老年人家中，所以安裝、使用和維護上必須具備方便性。系統(tǒng)的設(shè)備要易于安裝，且不應(yīng)該對人的生活帶來任何不便。系統(tǒng)在使用上應(yīng)該做到即插即用，無需老年人作任何額外操作。同樣，在維護上亦無需對居住者提出任何要求。通常，系統(tǒng)軟件的維護應(yīng)該能夠進行遠(yuǎn)程(網(wǎng)絡(luò))更新。

由于居家養(yǎng)老系統(tǒng)實際上是智能家居的一個組成部分，而智能家居又是智慧城市的一個不可缺少的部分，所以信息標(biāo)準(zhǔn)、通信標(biāo)準(zhǔn)、兼容性等都是需要認(rèn)真對待的。其他同樣不可忽視的要求還有低成本、保護用戶隱私等。

5　結(jié)　語

本文對近年來出現(xiàn)的對于獨居老年人居家養(yǎng)老系統(tǒng)的研究情況進行了分析和概括，重點關(guān)注所用的數(shù)據(jù)處理方法。常用的處理方法被劃分為基于規(guī)則的方法和統(tǒng)計學(xué)方法兩大類。在分析每類各自特點后，認(rèn)為基于規(guī)則的方法易于設(shè)計，適于用在數(shù)據(jù)的實時處理中，但是，其適用性有待驗證。相比起來，統(tǒng)計學(xué)方法更具備理論基礎(chǔ)，某種程度上能夠與實際行為的并發(fā)和隨機現(xiàn)象相符合。但是，統(tǒng)計學(xué)方法計算復(fù)雜程度較高，運算量大，且研究(因數(shù)據(jù)緣故)還有待深入，尤其是如何將其用于實時處理中還有待進一步研究。

設(shè)想可以將兩類方法交替運用來進行應(yīng)用系統(tǒng)的研究。首先，先建立基于規(guī)則的系統(tǒng)或者簡化的統(tǒng)計學(xué)系統(tǒng)，以便獲取與積累歷史數(shù)據(jù)。然后，嘗試?yán)媒y(tǒng)計學(xué)方法從歷史數(shù)據(jù)中發(fā)現(xiàn)與活動有關(guān)的規(guī)律，以建立或者修正先前的模型，以及直接用來發(fā)現(xiàn)異常。待規(guī)律得到驗證后還可以將其用于基于規(guī)則的系統(tǒng)，使其逐步得到完善。

無論采用何種方法，都需要考慮驗證所用的數(shù)據(jù)。真實數(shù)據(jù)在驗證正常行為模式中往往能夠起到較大作用。對于異常行為，無論定義還是驗證都存在難點，其驗證往往更需要仿真的參與。

[1] Franco C,Demongeot J,Villemazet C,et al.Behavioral telemonitoring of the elderly at home:detection of nycthemeral rhythms drifts for location data[C]//IEEE 24th International Conference on Advanced Information Networking and Application Workshops,Meliá Palas Atenea,2010:759-766.

[2] 吳玉韶.中國老齡事業(yè)發(fā)展報告(2013)[R].中國社會科學(xué)院,社會科學(xué)文獻出版社,2013.

[3] 李慶麗,李斌.養(yǎng)老設(shè)施內(nèi)老年人的生活行為模式研究[J].時代建筑,2012(6):30-36.

[4] 日常生活活動能力量表[DB/OL].(2012-1-28).[2014-12-18].http://www.docin.com/p-329602801.html.

[5] Arcelus A,Jones M H,Goubran R,et al.Integration of smart home technologies in a health monitoring system for the elderly[C]//21st International Conference on Advanced Information Networking and Applications Workshops,Brazil,2007,2:820-825.

[6] Jae Hyuk Shin,Boreom Lee,Kwang Suk Park.Detection of abnormal living patterns for elderly living alone using support vector data description[J].IEEE Transactions on Information Technology in Biomedicine,2011,15(3):438-448.

[7] 湯一平,顧校凱,孫黌杰,等.基于活動量分析的獨居老人遠(yuǎn)程監(jiān)護系統(tǒng)的研究[J].計算機工程與應(yīng)用,2007,43(3):211-213.

[8] Seon-Woo Lee,Yong-Joong Kim,Gi-Sup Lee,et al.A remote behavioral monitoring system for elders living alone[C]//International Conference on Control,Automation and Systems,Seoul,2007:2725-2730.

[9] Arcelus A,Goubran R,Sveistrup H,et al.Context-aware smart home monitoring through pressure measurement sequences[C]//IEEE International Workshop on Medical Measurements and Applications Proceedings,Ottawa,2010:32-37.

[10] Gaddam A,Kaur K,Gupta G S,et al.Determination of sleep quality of inhabitant in a smart home using an intelligent bed sensing system[C]//IEEE Instrumentation and Measurement Technology Conference(I2MTC),Austin,2010:1613-1617.

[11] Yu-Jin Hong,Ig-Jae Kim,Sang Chul Ahn,et al.Activity recognition using wearable sensors for elder care[C]//Second International Conference on Future Generation Communication and Networking,Sanya,2008,2:302-305.

[12] Suryadevara N K,Mukhopadhyay S C,Wang R,et al.Reliable measurement of wireless sensor network data for forecasting wellness of elderly at smart home[C]//IEEE International Instrumentation and Measurement Technology Conference,Minneapolis,2013:16-21.

[13] Gaddam A,Mukhopadhyay S C,Gupta G S.Smart home using optimized number of wireless sensors for elderly care[C]//Applied Electromagnetics Conference (AEMC),Kolkata,2009:1-4.

[14] Mateska A,Pavloski M,Gavrilovska L.RFID and sensors enabled in-home elderly care[C]//Proceedings of the 34th International Convention MIPRO,Opatija,2011:285-290.

[15] Wang Jing,Liu Jia,Wang Huan.Design and implementation of a home automation system based on ZigBee and 3G terminal[C]//3rd International Conference on Computer Design and Applications,Xi’an,2011:1464-1468.

[16] Evchina Y,Dvoryanchikova A,Martinez Lastra J L.Semantic information management for user and context aware smart home with social services[C]//IEEE International Multi-disciplinary Conference on Cognitive Methods in Situation Awareness and Decision Support,San Diego,2013:262-268.

[17] Suryadevara N K,Gaddam A,Mukhopadhyay S C,et al.Wellness determination of inhabitant based on daily activity behavior in real-time monitoring using sensor networks[C]//5th International Conference on SensingTechnology,London,2011:474-481.

[18] Lemlouma T,Laborie S,Roose P.Toward a context-aware and automatic evaluation of elderly dependency in smart homes and cities[C]//IEEE 14th International Symposium and Workshop on a World of Wireless,Mobile and Multimedia Networks,Madrid,2013:1-6.

[19] Suryadevara N K,Quazi M T,Mukhopadhyay S C.Intelligent sensing for measuring wellness indices of the daily activity for the elderly[C]//8th International Conference on Intelligent Environment,Guanajuato,2012:347-350.

[20] Zouba N,Bremond F,Thonnat M.An activity monitoring system for real elderly at home:validation study[C]//7th IEEE International Conference on Advanced Video and Signal Based Surveillance,Boston,2010:278-285.

[21] 馬寶慶,湯一平,嚴(yán)杭晨.基于全方位視覺的獨居老人監(jiān)護系統(tǒng)[J].計算機工程,2013,39(8):44-49,59.

[22] Rahimi S,Chan A D C,Goubran R A.Usage monitoring of electrical devices in a smart home,engineering in medicine and biology society[C]//Annual International Conference of the IEEE Engineering in Medicine and Biology Society,EMBC,Boston,2011:5307-5310.

[23] Zhu Xin,Chen Wenxi,Tetsu Nemoto,et al.Accurate determination of respiratory rhythm and pulse rate using an under pillow sensor based on wavelet transformation[C]//27th annual Conference of the Engineering in Medicine and Biology Society,Shanghai,2005:5869-5872.

[24] Anido Rifon L E,Rivas Costa C,Gomez Carballa M,et al.Improving the quality of life of dependent and disabled people through home automation and tele-assistance[C]//8th International Conference on Computer Science & Education,Colombo,2013:478-483.

[25] Medjahed H,Istrate D,Boudy J,et al.Human activities of daily living recognition using fuzzy logic for elderly home monitoring[C]//IEEE International Conference on Fuzzy Systems,Jeju Island,2009:2001-2006.

[26] Fouquet Y,Demongeot J,Vuillerme N.Pervasive informatics and persistent actimetric information in health smart homes:from language model to location model[C]//International Conference on Complex,Intelligent and Software Intensive Systems,Dalian,2009:935-942.

[27] Demongeot J,Noury N,Vuillerme N.Data fusion for analysis of persistence in pervasive actimetry of elderly people at home,and the notion of biological age[C]//International Conference on Complex,Intelligent and Software Intensive Systems,Dalian,2008:589-594.

[28] Rashidi P,Cook D J,Holder L B,et al.Discovering activities to recognize and track in a smart environment[J].IEEE Transactions on Knowledge and Data Engineering,2011,23(4):527-539.

[29] Ehsan Nazerfard,Rashidi P,Cook D J.Discovering temporal features and relations of activity patterns[C]//IEEE International Conference on Data Mining Workshops,Sydney,2010:1069-1075.

[30] Barger T S,Brown D E,Alwan M.Health-status monitoring through analysis of behavioral patterns[J].IEEE Transactions on Systems,Man and Cybernetics,PART A:Systems and Humans,2005,35(1):22-27.

[31] Papamatthaiakis G,Polyzos G C,Xylomenos G.Monitoring and modeling simple everyday activities of the elderly at home[C]//7th IEEE Consumer Communications and Networking Conference,Las Vegas,2010:1-5.

[32] Park Kyungseo,Lin Yong,Metsis Vangelis,et al.Abnormal human behavioral pattern detection in assisted living environments[C]//Proceedings of the 3rd International Conference on Pervasive Technologies Related to Assistive Environments,Samos,2010,9.

[33] Cilles Virone.Assessing everyday life behavioral rhythms for the older generation[J].Pervasive and Mobile Computing,2009,5(5):606-622.

[34] Virone G,AlwanM,Dalal S,et al.Behavioral patterns of older adults in assisted living[J].IEEE Transactions on Information Technology in Biomedicine,2008,12(3):387-398.

[35] Hadidi T,Noury N.Correlation between real and simulated data of the activity of the elderly person living independently in a health smart home[C]//13th IEEE International Conference on e-Health Networking Applications and Services,Columbia,2011:64-69.

[36] Mahmoud S M,Akhlaghinia M J,A Lotfi,et al.Trend modeling of elderly lifestyle within an occupancy simulator[C]//UkSim 13th International Conference on Modeling and Simulation,Cambridge,2011:156-161.

REVIEW ON RESEARCH STATUS OF COMPUTING CONTEXTS OF SMART HOMES FOR ELDERLY

Zhang Jiaji1,2Zhao Haiying2

1(54thResearchInstitute,ChinaElectronicsTechnologyGroupCorporation,Shijiazhuang050081,Hebei,China)2(HangzhouWebconCommunicationTechnologyCo.,Ltd.,Hangzhou310012,Zhejiang,China)

Home care of the elderly is now still the first choice of eldercare by senior citizens. Nowadays, modern technologies of sensor, communication and computing technology have got vast development, they can play due role in providing health services for the retirees living at the smart home. This paper sorts out and generalises some conceptions correlated to the home care for the elderly from relevant researches in recent years, some latest development achievements related in sensor, communication and computing technology are presented. The focus is put on the methods or technologies used for data processing. The methods used are classified into two groups: the rule-based, and the statistical. Some typical study examples are introduced for both groups. The key features and the advantages and disadvantages for both groups are summed up respectively. The paper points out the key challenges faced by the data processing system. Besides, the paper also makes new suggestion on the research approaches.

Smart homeElderly living aloneActivity of daily living (ADL)Behaviour recognitionActivity recognitionRule-based methodStatistical method

2015-02-13。張佳驥，研究員，主研領(lǐng)域：信息處理，數(shù)據(jù)融合。趙海英，高工。

TP391.4

A

10.3969/j.issn.1000-386x.2016.08.001