一種面向智能家居老人看護系統的實現方案

毛駕燕，沈蘇彬

(南京郵電大學 計算機學院，江蘇 南京 210003)

0 引 言

近年來，物聯網技術的逐漸發展使得智能家居成為繼智能手機、智能設備、智能汽車之后的又一大研究領域。據奧維咨詢預測[1]，2020年中國智能家居的整體產值將突破萬億元，其中智能硬件的產值將達到3 000億元。與傳統家居相比，智能家居[2](smart home)旨在為人們提供更安全、更便捷、更舒適的居住環境。此外，隨著社會老齡化問題的加劇以及年輕人忙于事業無法抽身照顧老人，使得空巢老人無人看護問題日益突出?；谠搶嶋H情況，文中提出了一種面向智能家居的老人看護系統，該系統的適用人群是具有自理能力的獨居老人，采用泛在智能[3]的方式，在不侵犯隱私、不影響老人行為習慣的前提下，輔助老人的日常生活。

Zigbee[4-7]是一種短距離、低復雜度、低功耗、低成本、低傳輸速率的無線傳感網技術，采用IEEE 802.15.4標準。Zigbee協議標準采用分層結構，IEEE 802.15.4標準定義了底層協議：物理層和媒體介質訪問層，Zigbee聯盟在此基礎上定義了網絡層和應用層架構。Zigbee網絡的拓撲結構分為星型拓撲、樹型拓撲和網狀拓撲。星型拓撲是一種最簡單的拓撲結構，只包含協調器和終端設備，通信規則為每個終端設備只能同協調器通信，若兩個終端設備間進行通信，則必須依賴于協調器的輔助轉發，星型拓撲適合家庭自動化、個人健康護理等小范圍的室內應用。因此，采用星型拓撲實現智能家居環境下老人的看護。

老人看護行為識別模型即將部署于室內的無線傳感器所采集到的傳感數據，通過分類器映射為行為標簽，輸入是預處理后的傳感事件，輸出是行為標簽?，F階段，國內外研究面向智能家居老人看護的實驗項目主要有CASAS[8-9]、MavHome[10]和CARE[11]，采用的行為識別模型主要分為靜態分類和動態分類。典型的靜態分類法有樸素貝葉斯分類法[12]、支持向量機[9]等。靜態分類雖然計算量小，但不考慮上下文關系，識別精度不高；動態分類則考慮上下文關系，借助于近鄰和序列關系的建模實現數據的分類。典型的動態分類有隱式馬爾可夫模型(hidden Markov model，HMM)[13]、動態貝葉斯網絡等；考慮到老人行為識別與時空、上下文的關系，采用隱式馬爾可夫作為面向智能家居老人看護的行為識別模型。

C/S體系結構是Client/Server(客戶端/服務器)結構，最早由美國Borland公司研發。傳統的兩層C/S架構中，客戶端既要處理業務邏輯又要實現顯示用戶界面，對客戶端硬件資源要求較高，此外，當業務邏輯發生改變時，需要更新所有客戶端，維護成本高且安全性低。三層C/S架構分為表示層、業務邏輯層和數據訪問層[14]。其中，表示層負責為用戶提供交互操作界面；業務邏輯層負責關鍵業務邏輯處理及數據傳遞；數據訪問層負責訪問數據庫，為業務邏輯層提供數據。與傳統的兩層C/S架構相比，三層C/S架構具有結構清晰、耦合度低、可維護性高、對客戶端硬件資源要求低、安全性高等優點。

1 系統總體設計

1.1 系統整體設計

面向智能家居的老人看護系統應該以保護用戶隱私、不影響用戶行為習慣為基礎。文中采用泛在智能的方式，利用部署在家居環境中無處不在的無線傳感設備實時地采集傳感數據，實現老人的行為識別并提供遠程登錄。圖1為面向智能家居老人看護系統的總體結構，該系統涉及四個功能模塊，分別為傳感數據采集模塊、智能網關模塊、用戶行為識別模塊和客戶端模塊。

圖1 老人看護系統總體結構

1.2 無線數據采集模塊

無線數據采集模塊的主要參與者是無線傳感網絡管理人員，負責傳感數據采集、Zigbee網絡組建、數據緩存以及Zigbee數據通信。傳感器采集包括光敏傳感器、熱釋電傳感器，將傳感器感知到的電信號轉換為模擬信號或數字信號。光敏傳感器感應室內環境的局部光照強度；熱釋電傳感器利用熱釋電效應感知人是否進入感應范圍，通常情況下，熱釋電傳感器和菲涅爾透鏡結合使用，增強熱釋電傳感器的靈敏度。Zigbee網絡的組建包括Zigbee協調器網絡初始化以及終端節點加入Zigbee網絡。Zigbee數據通信包括終端節點向協調器發送傳感數據和協調器向終端節點發送控制信息，并約定終端節點和協調器雙方發送和接收數據的格式。數據緩存是為了防止在傳感數據發送失敗或超時情況下數據的丟失。

1.3 智能網關模塊

智能網關模塊的主要參與者是網關管理人員，負責Zigbee網和Internet互聯互通、數據緩存以及數據預處理。Zigbee網絡和Internet互聯互通包括網關通過串口讀傳感數據和寫控制信息、Zigbee協調器通過串口讀控制信息和寫傳感數據，實現異構網絡的互聯互通。數據緩存的主要目的是防止數據的丟失、減輕服務器端存儲壓力等。數據預處理包括傳感數據異常值處理、特征提取。異常值處理用于判別由于外界噪聲干擾、人為誤差等導致的實測數據偏離正常結果，并實時剔除；特征提取通過映射或變換的方法將高維空間樣本轉換到低維空間，利于后續的用戶行為識別。

1.4 用戶行為識別模塊

用戶行為識別模塊的主要參與者是服務器管理人員，負責用戶行為識別、數據通信以及數據庫的交互。用戶行為識別采用動態分類法中隱式馬爾可夫模型，輸入是預處理后的傳感事件，輸出是行為標簽。由于家庭布局場景的不同以及居住者行為習慣的不同，同一個行為動作(例如：工作)的執行可能會引發不同類型的傳感設備，從而產生不同的傳感事件。因此，文中采用監督學習的方式，通過數據標注的方式獲取訓練集。數據通信包括接收客戶端的請求，并對客戶端的請求做出響應以及與智能網關系統的信息交互。數據庫交互包括查找預處理后的傳感數據，插入分類后的行為標簽，更新用戶基本信息。

1.5 客戶端模塊

客戶端模塊的主要參與者是普通用戶，負責用戶身份認證和老人日常行為查看。用戶身份認證主要負責驗證用戶名是否存在、用戶名與登錄密碼是否一致，若用戶名不存在，則提示用戶名不存在；若用戶名與登錄密碼錯誤或者網絡超時等，客戶端進行相應的提示；若用戶名與登錄密碼認證成功，則進入老人看護主界面。老人日常行為查看包括遠程查看當前老人的行為動作以及查看老人行為動作的歷史記錄。

2 系統實現

隨著智能家居環境下部署的傳感節點及傳感數據的不斷增長[15]，服務器端采用集中式的分析存儲方式無法滿足日益增長的傳感數據。此外，傳感數據從終端節點傳輸到服務器致使網絡帶寬負載量增加，造成較長的網絡延遲，無法保證實時地識別老人基本的日常行為動作。針對上述問題，在Zigbee節點、智能網關、服務器具有一定計算存儲能力的基礎上，提出一種面向智能家居老人看護系統的設計方案。

2.1 系統總體設計方案

利用Zigbee節點、智能網關、服務器具有的一定計算存儲能力，提出一種邊緣計算的設計方案，利用邊緣傳感節點、邊緣網關對采集到的傳感數據進行數據抽象、異常值處理、特征提取等操作，有效地降低網絡延遲、減少數據傳輸寬帶負載，滿足用戶要求。具體設計方案如圖2所示。Zigbee節點采集部署于智能家居環境下的原始傳感數據，并對原始數據進行異常值、缺失值處理；隨后，判斷數據采集方式為周期性采集或者中斷式采集，若采集方式為周期性采集時，對傳感數據進行過濾，這樣不僅減少通信開銷、降低網絡延遲，還降低了Zigbee節點能量消耗；當傳感數據為中斷式采集時，則將傳感數據發送給智能網關。智能網關獲得傳感數據并存儲在輸入緩存，隨后，對緩存中的數據進行特征提取，包括日期、時間、傳感器ID、傳感值，并將提取的特征發送給服務器。服務器端獲取特征并存于輸入緩存，當計數器大于60 s時，則獲取輸入緩存中的序列并利用行為識別模型HMM獲取行為標簽，否則繼續等待數據到達。

圖2 系統流程

2.2 系統開發環境的選擇

2.2.1 軟件開發環境

無線數據采集模塊開發環境為IAR Embedded Workbench for ARM，是瑞典IAR Systems公司為ARM微處理器開發的一個集成開發環境，相比于其他ARM開發環境，該平臺具有使用方便、代碼緊湊、入門容易等優點。數據庫采用MySQL-5.5.27，該數據庫提供TCP/IP、JDBC等多種數據庫連接途徑，使用標準SQL語句，開源免費。數據分析采用PyScripter，該軟件是一款免費開源的集成開發環境，支持多標簽頁切換，彌補python IDLE的不足。服務器采用的Tomcat是Apache軟件基金會的一個核心項目，該服務器是免費的開放源代碼的Web應用服務器，適合于中小型系統且具有擴展性和安全性。客戶端為Eclipse+ADT+Android SDK。

2.2.2 硬件設備

傳感節點采用德州儀器TI公司生產的CC2530，該芯片支持最新的Zigbee 2007協議棧，而之前TI公司生產的SOC射頻芯片CC2430/CC2431不支持該協議棧，此外CC2530具有更優的性能、更低的價格。光敏傳感器采用Risym 5549，相比于同類光敏傳感器，該型號具有更高的靈敏度、成本低。熱釋電傳感器采用HC-SR501，該傳感器具有成本低、器件功耗小、隱蔽性高等優點。智能網關采用S3C2440開發板，ARM920T內核，400 M主頻，支持NAND FLASH、NORFLASH，多種電源管理等，相比于S3C2450、S3C6410，S3C2440成本低且參考資料多，易于開發。遠程服務器選用Win7操作系統的筆記本一臺。客戶端為Android操作系統的手機一部。

2.3 系統各功能模塊實現

2.3.1 無線數據采集模塊

無線數據采集模塊主要實現傳感數據采集、Zigbee網絡組建、Zigbee數據通信、異常處理等功能。傳感數據采集功能，首先進行硬件初始化，包括熱釋電紅外引腳初始化、光敏引腳初始化、中斷初始化。然后，判斷傳感數據采用中斷方式或者周期性方式，若采用周期性方式，則Zigbee采用基于事件驅動的輪詢機制OSAL輪詢事件表，當事件GENERICAPP_SEND_MSG_EVT發生時，獲取光照傳感數據，并設置下次事件觸發時間；若采用中斷方式，則定義相應的中斷函數，獲取熱釋電傳感數據。隨后采用k最近鄰的距離進行缺失值、異常值處理。最后將光照傳感數據和熱釋電傳感數據通過AF_DataRequest發送給協調器。Zigbee數據通信功能包括終端節點向協調器發送傳感數據以及終端節點接收來自協調器的控制信息，并約定終端節點和協調器雙方發送和接收數據的格式。其中，數據發送采用AF_DataRequest函數；當事件AF_INCOMING_MSG_CMD發生時，表明Zigbee節點接收到來自其他節點的應用層數據，調用事件處理函數GenericApp_MessageMSGCB。

Zigbee通信雙方應用層自定義數據收發格式為：L表示光敏數據，I表示熱釋電數據，%表示數據發送開始，#表示數據發送結束。

2.3.2 智能網關模塊

智能網關模塊主要實現Zigbee與Internet的互聯互通、特征提取、網關與服務器通信等功能。Zigbee與Internet互聯互通采用串口通信方式，通信雙方事先約定好通信端口COM1及波特率9600，協調器通過HalUARTWrite()函數向智能網關發送傳感數據，智能網關通過readLine()實時地讀取串口數據，并存于輸入緩存。傳感數據提取的特征主要有日期、時間、傳感器ID以及傳感器值，例如以下順序序列為傳感事件提取的特征。

2017-08-29 22：23：27 M03 ON

2017-08-29 22：23：29 M02 ON

2017-08-29 22：23：33 M04 ON

2017-08-29 22：23：39 M04 OFF

網關與服務器通信采用socket方式，服務器綁定端口8800并監聽此端口，網關通過端口和服務器IP地址發起TCP連接，服務器接收網關連接并產生socket對象。此時，通信雙發可獲取輸出流并構造PrintWriter對象發送數據，獲取輸入流并構造BufferedReader對象接收數據。

2.3.3 用戶行為識別模塊

用戶行為識別模塊主要實現用戶行為識別、數據庫交互、客戶端交互等功能，用戶行為識別分類算法采用隱式馬爾可夫模型。隱馬爾可夫模型由初始狀態概率向量、狀態轉移概率矩陣以及觀測概率矩陣確定，因此，首先根據訓練樣本集確定初始狀態概率向量、狀態轉移概率矩陣以及觀測概率矩陣；然后，根據隱式馬爾可夫模型三要素預測用戶行為標簽，采用維特比(Viterbi)算法，采用固定時間的滑動窗口截取數據流，對預處理后的傳感序列從后向前逐步求解，得到最優路徑，從而預測該固定時間長度內用戶的行為標簽并存于數據庫。根據HMM模型，文中將每個行為標簽(例如：work、leave)表示隱藏狀態hiddenState，各類傳感器ID(M01、M02)表示為觀測狀態observeState，初始概率矩陣表示為initialDist，狀態轉移概率矩陣表示為transitionDist，觀測概率矩陣表示為observeDist，主要偽代碼實現如下：

defhMM(annotatedSensorSeq):

forsensorEvent in annotatedSensorSeq:

sensorEvent=sensorEvent.split()

count += 1

if(len(sensorEvent) > 4):

#某行為開始

if(sensorEvent[5]=='Begin'):

stateIndex=hiddenState.index(sensorEvent[4])

action=sensorEvent[4]

previous=present

present=action

num=0

#某行為結束

if(sensorEvent[5]=='End'):

initialDist[stateIndex]+=num+1

flag=False

if(len(sensorEvent)<=4):

previous=present

present=action

#轉移矩陣、觀測矩陣

transitionDist[hiddenState.index(previous)][hiddenState.index(present)]+=1

observeDist[stateIndex][observeState.index(sensorEvent[2])]+=1

if(flag==False):

num=0

flag=True

continue

num+=1

transitionDist[hiddenState.index(present)][hiddenState.index(present)]+=1

客戶端交互采用Tomcat服務器，通過重寫servlet類中doPost()、doGet()方法響應http請求。首先，服務器獲取request對象的flag值，當flag為loginCheck時，則獲取request對象username和password值，驗證用戶名密碼是否一致；當flag為activityLable時，則表明客戶端請求當前用戶的行為標簽。然后，通過JDBC的方式連接MySQL實現數據庫的交互，JDBC是一種用于執行SQL語句的API，可以為多種關系型數據庫提供統一訪問。接著，當flag為loginCheck時，查詢用戶信息表userinfo，并判斷用戶和密碼是否一致，若用戶名不存在，返回No_Username。若用戶名與密碼不一致，返回Not_Match，若用戶名與密碼一致，返回Success；當flag為activityLable時，查詢行為標簽表activityinfo，并返回當前用戶行為標簽。最后，服務器向客戶端發出http響應，http響應包括響應行、響應頭和響應體，響應體為JSON數據格式。

2.3.4 客戶端模塊

客戶端主要實現用戶身份認證和老人日常行為查看等功能。用戶身份認證主要驗證用戶名是否存在、用戶名和密碼是否一致。首先獲取用戶鍵入的用戶名和密碼；然后，通過Handler異步方式向服務器發送get請求，提交的數據除用戶名密碼外，置flag為loginCheck；最后，解析服務器端返回的JSON數據格式，并根據內容提示用戶不存在或用戶名與密碼不一致或者登陸成功，若登陸成功，則進入老人日常行為查看界面，UI界面如圖3所示。老人日常行為查看采用定時timer的方式，在指定時間內周期性地向服務器發送get請求，提交的數據置flag為activityLabel，等待服務器響應，隨后根據接收到的服務器響應，解析JSON數據格式并更新UI界面。

圖3 客戶端主界面

3 測試和分析

測試場景選取南郵無線樓實驗室，分別在門、電腦桌、熱水壺、書櫥等關鍵位置部署門傳感器、位置傳感器和光敏傳感器，測試行為包括離開(Leave)、工作(Work)、倒水(Drink)、休息(Relax)等4種行為標簽。測試方法是第一階段要求3位參與者模擬老年人的行為動作，按照相同的順序分別執行工作、倒水、休息、離開；第二階段要求3位參與者按照各自喜好，將4種行為動作交織在一起，模擬老人的日常行為，獲取到的數據集一部分作為訓練集，一部分作為檢測集，測試結果表1所示。

表1 行為識別混淆矩陣

從表1可知，面向智能家居老人看護系統平均行為識別準確率為92%，且Leave和Drink高于平均值，而Work和Relax低于平均值。由于在實驗室環境下，模擬老人工作、休息所觸發的傳感事件部分重疊，因此測試結果低于平均值。此外，該系統很好地滿足了用戶實時性的要求，且在Zigbee節點處對周期性傳感數據的過濾能有效地減少Zigbee的通信開銷、降低能量消耗。

4 結束語

在物聯網技術不斷發展和空巢老人無人看護的環境下，設計實現了一種面向智能家居的老人看護系統。采用Zigbee技術、異常值處理、特征提取實時地獲取傳感事件序列，基于Zigbee開源協議棧Z-Stack 2007和智能網關實現傳感節點部署采集和異構網絡互聯互通；利用固定時間滑動窗口法和隱式馬爾可夫模型預測老人基本日常行為ADLs，并提供歷史記錄查詢和遠程監控功能。實驗結果表明，該系統能有效減少通信開銷，降低傳輸時延，實現了智能家居環境下老人的看護。