基于智能監控的獨居老人突發異常報警系統

王業篷 / 穆景光

(山東同圓設計集團有限公司，山東 濟南 250101)

?

基于智能監控的獨居老人突發異常報警系統

0引言

鑒于小區住戶可能突發異常狀況，JGJ 242-2011《住宅建筑電氣設計規范》第14.3.5條對現階段小區戶內安防系統設計做出了規定[1]。規定指出：住宅戶內應設置緊急求助報警裝置，緊急求助報警裝置宜安裝在起居室(廳)、主臥室或書房。緊急求助報警裝置應符合下列規定：1)每戶應至少安裝一處緊急求助報警裝置；2)緊急求助信號應能報至監控中心；3)緊急求助信號的響應時間應滿足國家現行有關標準的要求。國家規范的明文規定說明在住宅戶內設計緊急求助報警裝置的重要性。現階段的實際設計中，設計單位多采用的方案為：室內設置緊急求救按鈕，緊急按鈕與社區監控中心相連，住戶在發覺異常狀況時手動點擊按鈕實現報警，這屬于被動式報警系統。對于獨居老人來說，上述的被動報警方式有很大的局限性。由于老人身體狀況的特殊性，異常狀況(突發疾病、昏厥、跌倒等)具有突發性，且老人常伴有意識喪失的特點，據統計全球有超過50%的老人有過昏厥等意識喪失經歷。因此被動式報警系統在獨居老人意識喪失等緊急情況下無法使老人自救，常常耽誤老人的救治時間，甚至威脅老人的生命。

中國在1999年就已邁入老齡化社會。目前，中國是世界上老齡化人口最多的國家。預計到2050年，我國老齡化人口數量將達到4.8億，占總人口的30%以上[2]。鑒于現階段我國不斷增長的養老地產規模及老齡化人口數量，設計一套更加有效和更具針對性的老人突發異常報警系統，對于社會、家庭都有著重大意義。

本文設計了一套基于智能視頻監控的獨居老人異常報警系統，該系統解決了老人突發異常意識喪失時，無法手動報警的難題。通過在住宅戶內安裝攝像機，利用智能視頻監控技術實時監控老人狀態，還可自動識別異常并實現報警。該系統屬于主動式報警系統，結構簡單，安裝方便，可與其他弱電系統集成，并可兼作視頻安防監控系統，有著極大的發展空間。

1系統的總體技術框架

當獨居老人突發異常、意識喪失時，老人不會存在肢體動作。與之相反，醫學研究發現，在老人沒有喪失意識時，即使身體長時間處于坐臥等放松的靜止狀態，人體也會存在各種微小動作(手臂等肢體的彎伸、頭部的擺動、四肢的小幅度運動等)。而人在行走等運動狀態下，其動作幅度就更大了。所以，沒有發生突發異常、意識清醒的老人，總是存在各種動作。這與突發疾病等意識喪失后的老人無肢體動作發生形成了鮮明的對比。

基于智能監控的獨居老人突發異常報警系統正是以檢測老人是否存在肢體動作為依據，實現獨居老人的異常報警。 獨居老人異常報警系統可劃分為老人生活視頻獲取模塊、老人目標檢測模塊、老人動作檢測及異常報警模塊三大部分。獨居老人突發異常報警系統的總體技術流程如圖1所示。

圖1　老人異常報警系統總體技術流程

1.1老人生活視頻獲取模塊

在老人生活視頻獲取模塊中，系統通過安裝在居室內的智能監控攝像機獲取老人的活動視頻。為保證視頻獲取的準確性以及系統的檢測效果，視頻獲取采用實時獲取、在線處理的方式。攝像機的配置采用頂視安裝方式。該安裝方式可有效避免遮擋和監控死角的出現，對于空間狹小的室內環境來說，其優勢更加明顯。安裝示意圖如圖2所示。

此外，為增加攝像機的監控范圍，本系統的攝像機采用魚眼鏡頭，如圖3所示。本文設計的系統暫以單一大空間監控環境為例，老人在多居室及衛生間內的異常狀況將在后續文章中闡述。

圖2　攝像機安裝示意圖

圖3　視頻采集效果圖

1.2老人目標檢測模塊

在老人目標檢測模塊中，系統利用智能視頻分析技術對視頻圖像中的老人實現檢測，使得系統能夠自動鎖定老人所在的區域。該模塊目標檢測的方法采用背景減除法，建模算法采用ViBe(Visual Background extractor)背景建模。ViBe背景建模在抑噪能力、運行速度和檢測效果方面表現優秀，適合本系統的實際運行環境。

1.3老人動作檢測及異常報警模塊

本系統在老人目標檢測的基礎上實現老人的室內定位，通過老人所在子區域的圖像局部方差變化，結合k-近鄰算法實現老人的動作檢測及異常報警。系統根據分析結果，自動將老人突發異常信息發送到監控中心或老人監護人的手機上，為老人的救治爭取時間，保障老人的生命安全。

2系統原理

2.1老人目標檢測

本系統采用適用于攝像機固定安裝情景的背景減除法實現老人檢測。背景減除法的關鍵在于背景建模及模型更新機制，本系統采用ViBe背景建模方法。

2.1.1ViBe背景建模

ViBe算法的內容可分為三個方面：模型初始化、前景分割和模型更新[3]。

模型初始化：ViBe算法初始化采用單幀初始化方式，若Mt=0(x)為像素點x的初始背景樣本模型集合，則該集合由鄰域樣本點抽樣獲取。

前景分割：自第二幀圖像開始進行前景分割。分割策略為：計算當前幀圖像所有待分類像素點與該像素背景樣本模型集合的相似程度。若待分類像素與樣本集合相似，分類為背景，反之，分類為前景。

模型更新：ViBe算法采用了一種隨機保守的更新策略，它由時間子采樣和背景樣本傳播兩個步驟組成。在時間子采樣方面，如果像素p(x)被判定為背景，其背景模型M(x)有1/φ的概率被更新；在背景樣本傳播方面，如果像素p(x)被判定為背景，則也有1/φ的概率用自身像素值去更新其鄰域中某一像素的背景模型。

2.1.2老人目標檢測

運動目標檢測：采用ViBe背景模型對視頻圖像進行運動分割，獲取含有老人運動目標的二值圖像，但由于其他干擾因素的存在使得二值圖像不唯一。鑒于老人活動時所產生的連通域面積遠大于干擾產生的連通域面積。故提取二值圖像中的最大連通域作為老人目標區域實現老人運動目標檢測。

靜止目標檢測：當老人處于靜止(如老人讀報等)狀態時，模型的更新會導致老人目標的丟失。為此系統設計了目標包圍盒(運動目標的最大外接矩形框)選擇性更新策略。目標包圍盒選擇性更新策略為：通過ViBe算法獲取每幀圖像中運動目標的包圍盒，并將有效目標包圍盒屬性參數(輪廓面積Q、四頂點坐標{(xi,yi)/i=1,2,3,4}、老人位置坐標(m，n))更新保存下來。若當前幀圖像中檢出了有效目標包圍盒，則更新有效包圍盒各參數；反之，不更新。確定目標包圍盒可實現靜止老人檢測。效果測試中，視頻圖像的抽樣間隔為4 000幀(間隔時間約為128s)，老人處于靜止狀態，檢測效果良好，檢測效果如圖4所示。

圖4　檢測效果

2.2老人動作檢測

研究表明，圖像局部方差是圖像局部像素值變化的一種體現，對圖像內容的細微變化有著較高的敏感度，且能夠很好地體現出圖像空間構成元素的改變。基于圖像局部方差對圖像細微變化敏感的特性，本文基于圖像的局部方差設計了老人動作檢測系統。

2.2.1圖像的局部方差

綜合擴展速度、擴展強度看，大理市城市空間擴展呈現出明顯的階段性特征：1999年～2012年城市規模較小，擴展速度緩慢；2012年～2013年城市規模較大，擴展速度最快；2013年～2014年城市規模較大，擴展速度放緩。

令(x,y)表示給定圖像f(x,y)中任意像素的坐標，Sxy表示以(x,y)為中心的矩形圖像子塊，那么該圖像子塊中像素灰度值的均值mxy和方差σxy2由式(1)(2)給出：

(1)

(2)

式中，N為圖像子塊Sxy中像素的總數。

為更加直觀地反映圖像局部方差的變化，本文定義方差峰谷差率。設方差峰谷差率為l，觀察時間窗為T，采樣間隔為t，在時間T內采集的方差最大值為Vmax，方差最小值為Vmin，則方差峰谷差率l的數學表達式為：

(3)

需要強調的是，觀察時間窗T和采樣間隔t數值的選擇應視情況而定。

2.2.2老人所在子區域圖像網格化處理

本文將整個視頻圖像劃分為4×4個子區域，又將老人所在子區域劃分為5×5個子塊，每個子塊圖像的大小為16×12像素，并將子塊圖像編號為Zij，其中i是子塊圖像所在的行數，j為子塊圖像所在的列數，如圖5所示。

圖5　老人所在區域圖像網格化處理

2.2.3子塊圖像局部方差峰谷差率提取

對于劃分的5×5個子塊圖像，每一幀圖像都會產生25個子塊圖像的局部方差值，因此產生的方差數據是非常龐大的。為了合理地選擇方差樣本值來計算子塊圖像的局部方差峰谷差率，以q子塊為例，本文制定了如下的方差峰谷差率提取規則：

首先，選擇觀察時間窗T=15s，采樣間隔t=1s。即15s內共采集15組q子塊的圖像局部方差數據，并將方差數據保存在數據集Fq中。

最后，計算子塊q在15s內的方差峰谷差率l。

通過以上方法可以有效獲取任意子塊在觀察時間窗T=15s內的方差峰谷差率。

2.2.4基于k-近鄰算法的老人動作檢測

通過前面的研究可實時提取各子塊圖像的方差峰谷差率值。老人在子塊圖像內有動作時，其對應的子塊圖像的方差峰谷差率較大，認定該子塊為活躍子塊；反之，系統認定為非活躍子塊。為有效區分活躍子塊和非活躍子塊，本系統引入了k-近鄰算法實現分類。

k-近鄰算法的分類思想：建立含有N個樣本的樣本集合，N個樣本所屬的類別，分為w1，w2,… ,wc，共c類，通過計算得到距離待分類樣本x最近鄰的k個樣本。待分類樣本點x的類別歸屬于最靠近它的k個樣本中出現最多個樣本的那個類[4]。

利用k-近鄰算法建立活躍子塊與非活躍子塊樣本集，進而實現活躍子塊的識別。老人動作檢測的具體流程如圖6所示。

圖6　老人動作檢測流程圖

2.3老人異常報警

當老人存在動作時，系統認定老人處于意識清醒狀態，沒有發生異常。反之，系統認為老人可能發生了異常。智能監控攝像機在發現老人存在異常時，將異常信息通過信號線傳輸到小區監控平臺，同時，采用GPRS無線通信技術將異常狀況以短信的形式發送到老人監護人手機上。為提升監控系統的報警準確率，幫助監護人更好地判斷老人是否發生了異常，系統在檢測到老人可能發生異常狀況時，智能監控攝像機可提取當前視頻的多幀圖像，并將視頻圖像傳輸給監護人，方便監護人員做出判斷。

需要特別強調的是，在老人居室內安裝攝像機會對老人的隱私構成一定的威脅。因此，攝像機管理主機應設置登錄權限，防止視頻外泄。此外，是否將異常視頻圖像發送給監護人，也可作為系統的備選功能，供用戶選擇。

3實驗結果與分析

設置實驗檢驗老人異常報警系統的有效性。測試視頻涵蓋白天、夜晚(開啟室內燈光)兩種情況。測試共進行47次，實驗統計結果如表1所示。

表1　老人異常報警系統測試統計表

表1中，Positive表示的是判斷為有異常的情況，而Negative表示的是判斷為無異常的情況。其中True Positive(TP)表示系統判斷為有異常，事實也有異常的情況；True Negative(TN)表示系統判斷為無異常，事實也是無異常的情況；False Positive(FP)表示系統判斷為有異常，實際無異常；False Negative(FN)表示系統判斷為無異常，實際有異常[5]。定義系統對老人異常的識別率為：

可見，本文設計的系統對老人異常的識別率較高，可有效保障老人的生命安全，提升現有住宅建筑的智能化程度。

4結束語

針對獨居老人突發異常伴有意識喪失，不能被及時發現和救治的難題，本文設計了一套有效的老人突發異常報警系統。該系統利用智能視頻分析技術，通過視頻分析算法可自動識別老人異常狀態并發出報警信息。系統設計簡潔，施工方便，有較高的可擴展性和檢測準確度，在老齡化人口及養老地產激增的今天，該系統有著巨大的發展空間。在后續系統優化中將進一步研究多空間、多目標下的系統檢測準確性問題，進一步提升系統的實用性。

參考文獻

[1]JCJ 242-2011住宅建筑電氣設計規范 [S].北京:中國建筑工業出版社,2011.

[2]李曼音,張磊,紀芬葉等.關于推進多元化養老事業發展的思考[J].卷宗,2014,(8):64-66.

[3]Bourke A K, O’Brien J V, Lyons G M. Evaluation of a threshold-based tri-axial accelerometer fall detection algorithm[J]. Gait & posture, 2007, 26(2): 194-199.

[4]Cover TM, Hart PE (1967). “Nearest neighbor pattern classification”. IEEE Transactions on Information Theory 13 (1): 21-27.

[5]王榮, 章韻, 陳建新. 基于三軸加速度傳感器的人體跌倒檢測系統設計與實現[J]. 計算機應用, 2012, 32(5): 1450-1452.

Elderly Sudden Abnormal Alarm System Based on Intelligent Monitor

Wang Yepeng / Mu Jingguang

王業篷 / 穆景光

(山東同圓設計集團有限公司，山東 濟南 250101)

摘要基于智能監控的獨居老人突發異常報警系統,可有效解決獨居老人突發異常后意識喪失情況下不能得到及時救治的問題，對于保障獨居老人的生命健康，提升養老地產項目的智能化、舒適化和安全化程度均有重大意義。該系統具有運行平穩，準確性高，運行速度快等諸多優勢。

關鍵詞智能監控獨居老人突發異常養老地產

AbstractAn elderly sudden abnormal alarm system based on intelligent monitor is presented. The system can effectively solve the case of the elderly sudden abnormal treatment, besides it has great influence on enhancing the intelligence, comfort and safety of pension estate and protecting the health of the elderly. Experiments show that the system has the advantages of smooth running, high accuracy and fast.

Keywordsintelligent monitor, live-aloned old people, sudden abnormity, pension estate