大數據背景下智慧養老平臺的設計與應用*

李常迪，邵一川，陳醉涵，曹 勇

（1.沈陽大學 信息工程學院，遼寧 沈陽110044；2.中國醫科大學附屬盛京醫院，遼寧 沈陽110023）

截止到2020年，我國人口老齡化增速已位居全球第一，預計到2030年，我國65歲以上人口占比將超過全球人口老齡化最嚴重的日本。人口老齡化已經成為我國經濟發展的一道阻力，解決人口老齡化問題也同樣成為世界性難題。老齡人口的增長使得年輕人的就業生活壓力大大增加，由于生活工作壓力的加大使得兒女無法全天候照看老人，因此養老院成為很多退休老人的養老選擇。目前，國內多數養老院都是人工看護的形式，存在著管理人員不足、專業度不高、養老設施不完善、應急措施不及時等問題，為促進養老智能化發展，本文基于大數據技術設計了智慧養老系統[1]。該系統由五個子系統組成，分別為RFID集成管理平臺、視頻監控聯動模塊、養老院SOA集成服務平臺、醫療云計算平臺、短信服務平臺五大模塊。

1 智慧養老系統架構

該系統將物聯網RFID技術作為依托，以RFID腕帶標簽信息的采集、集中處理和分散服務為主線，打造RFID集成管理平臺、視頻監控聯動模塊、養老院SOA集成服務平臺、醫療云計算平臺、短信服務平臺五大平臺。智慧養老系統各平臺間功能如圖1所示。

圖1 智慧養老系統功能圖

1.1 RFID集成管理平臺

系統利用RFID腕帶標簽完成對養老院老人身體健康數據的采集，包括血壓、心率、體溫等指標，RFID腕帶標簽同樣記錄了每位老人的身份信息以及實時地理位置信息[2]。RFID集成管理平臺通過構建RFID中間件數據融合模型、面向服務請求的RFID數據容錯控制等模型完成各項信息傳遞任務。在該平臺中，利用RFID定位技術能夠實現老人地理位置的快速準確定位，利用RFID中間件軟件能夠對閱讀器和標簽之間大量原始數據進行過濾處理和精簡操作，并完成系統軟硬件間信息交換和管理任務。

1.2 視頻監控聯動模塊

在整個智慧養老系統管理過程中，需要RFID管理系統與視頻監控聯動系統協同作用。當老人發生突發情況時，利用視頻監控能夠控制攝像頭查看老人所在的具體位置和相應區域情況。目前，由于基礎設施建設和技術不足等因素多數養老院沒有將RFID系統接入視頻監控系統。本系統將兩個模塊進行協同作用，即老人通過控制RFID腕帶終端呼救功能能夠激活視頻聯動系統進行老人位置協同定位，以幫助養老院管理人員快速準確地完成老人健康狀況查看和救助任務。

1.3 養老院SOA集成服務平臺

該模塊是智慧養老系統完成各項服務所需信息數據的中轉站。養老院系統包含著大量的信息數據，其中RFID系統實時將采集到的老人健康數據傳遞到SOA集成服務平臺，該平臺將信息傳遞給醫療云平臺，在信息通過醫療云平臺進行計算及分析后反饋到SOA集成平臺，當老人健康出現異常情況時，平臺將以短信的形式向老人家屬發出預警，同時向養老院管理系統告警，以及時對老人可能發生的病情做出檢查治療。從圖1中能夠看出，SOA集成服務平臺實現了系統內部、系統與外部間跨平臺的信息整合。

1.4 醫療云計算平臺

通過匯總醫學專家系統數據構建養老系統所屬的私有云計算平臺。通過養老院SOA集成服務平臺將老人健康數據上傳至醫療云計算平臺，進行大數據分析以對老人健康檢查預判服務。當養老院老人身體感到不適時，該平臺能夠提供專家會診服務以幫助老人解決健康咨詢問題。醫療云平臺使智慧養老系統能夠提供的服務功能更加多樣化和完善化。

1.5 短信服務平臺

該模塊是養老院與老人家屬進行溝通交流的平臺。當老人健康出現問題時，系統將通過該平臺通知家屬老人健康狀況。隨著計算機技術的發展，該平臺可以被養老院開發的APP所代替，家屬通過APP能夠實時查看老人健康數據的變化情況，更加方便家屬對老人健康進行關注。

2 智慧養老系統的技術支撐

2.1 非接觸式生理特征數據采集腕帶

數據采集腕帶——智能手環，主要用于采集被測老人的生理特征指標。手環采用反射式光路測量的方式，將兩個不同波長的發光二極管（630mn，940mn）和光敏器件（光電二級管）置于人體同一側，設計實現可穿戴反射式探頭[3]，反射式探頭能夠實現對人體光電容積脈搏波（PPG）信號的實時監測，其低功耗、微型化的PPG信號采集檢測模塊輸出適合幅值的PPG信號直流基線和交流分量，系統采用的實時測量算法能夠從PPG信號中提取出動脈血氧飽和度和實時心率信息。首先，該算法通過周期移動平均濾波器完成對PPG信號預處理；血氧飽和度測量算法對雙波長PPG信號移動平均得到直流基線，采用差分算法計算信號交流分量。實時心率測量算法的優點在于將自適應窗函數和優化后的微分閾值法進行結合實現對心率的計算。反射式脈搏血氧動態監測系統，目標實現對動脈血氧飽和度和心率的連續動態監測，應用于分布式養老看護平臺中。智能手環樣式和原理如圖2、圖3所示。

圖2 數據特征采集腕帶

圖3 非接觸式生理特征數據采集原理

2.2 自適應尋峰小波閾值去噪算法的心率監測信號處理方法

心率監測中對各類信號的處理方法有很多種，如小波去噪、信號尋峰、周期的計算等。有研究者對各種信號處理方法進行了對比實驗，并對小波閾值去噪方法做了較為詳盡的研究。評估了各參數變化（如小波函數、閾值函數及閾值）對心率監測的準確度影響，創新地提出了一種自適應小波變換去噪算法，利用該算法能夠提高心率監測的準確度。

本文提出的自適應尋峰利用了有效點集中分布的特點，通常情況下，噪音點的分布較為零散，且局部信號差異性小，該算法能夠通過設定局部模板大小LSIZE計算出符合約束條件的有效信號點。在遍歷完全部有效候選點后，通過簡單尋峰算法判斷心率信號中每個時間段內波峰的數量，該數值即為在該時間段內被測者心跳的次數，最后確定時間周期T。

2.3 基于Kinect數據特征收集巡診機器人

系統采用非接觸式腕帶收集老人身體健康數據后，還需要對老人的姿態信息進行識別。因此，系統選用基于Kinect的巡診機器人完成人體姿態識別任務，該機器人還能實現老人的尋找和跟蹤任務。基于Kinect數據特征收集的巡診機器人的優點在于其有較高的抗干擾能力，因此在漆黑環境下該機器人同樣能夠正常完成各項任務。且其反應速度快，能夠快速完成姿態識別任務并完成實時上傳，當檢測到老人出現跌倒等意外狀況時會啟動系統預警裝置。為了提高老人狀態識別能力對巡診機器人中的深度傳感器增加了面部識別功能，使機器人能夠對老人的表情狀態進行識別。其中巡診機器人面部識別類型包括高興、痛苦、悲傷、驚訝等狀態[4]，行為狀態識別類型包括站立、行走、臥躺、平坐、跌倒等狀態，系統通過綜合面部和行為狀態準確地對老人狀況作出檢測，為老人的健康安全提供了更高的保障。特征收集巡診機器人如圖4所示。

圖4 特征收集巡診機器人

3 結束語

本文為解決人口老齡化帶來的社會養老難問題，設計了由RFID集成管理平臺、視頻監控聯動模塊、養老院SOA集成服務平臺、醫療云計算平臺、短信服務平臺五大模塊組成的智慧養老平臺。系統包含的醫療云平臺為實時檢測老人健康提供了保障，養老院SOA集成服務實現了各系統間老人健康信息的交互服務。利用該平臺能夠促進養老服務更加智能化、科學化、創新化發展。