基于貝葉斯模型的AIO-Care智慧助老平臺*

李 蕊，陳劍欽，譚文杰，陳梓健，江麗珍

（華南理工大學廣州學院機械工程學院，廣東 廣州510800）

目前，我國人口老齡化日趨嚴重，根據國家統計局在2019年年末公開的數據，全國60周歲及以上的人口有25 388萬人，占全國總人口的18.1%，65周歲及以上人口為17 603萬人，占全國總人口的12.6%。根據《大健康產業藍皮書：中國大健康產業發展報告（2018）》，我國2050年將會出現60周歲及以上人口4.83億人，老年人口總體消費金額高達61.26萬億元，分別是2020年的1.89倍、8.73倍。老年人口是養老服務需求的主要群體，中國人口老齡化和老齡人口高齡化都將呈現逐步加深的態勢[1-2]。而由于之前獨生子女的政策，目前的家庭規模越來越小型化，一對年輕人往往面臨著贍養四位老人以及撫養孩子的難題，傳統的家庭式養老模式面臨著嚴峻挑戰。隨著當今時代生活節奏加快，獨生子女基本在外工作，很難有充足的時間陪伴和照顧老人，這就造成空巢老人日益增多。“少子老齡化”成為一種普遍現象，老年人的退休生活也日漸成為社會熱門話題。為了幫助空巢老人安全生活，幫助子女及時獲取獨居老人的健康及安全狀況，設計了一款能主動學習的智慧助老平臺，利用貝葉斯模型，能自動調節室內溫度、主動識別陌生面孔、檢測老人跌倒狀態、及時向子女發送警告信息。

1 平臺的總體設計及功能

此款AIO-Care智慧助老平臺，是一種能通過主動學習來提供安全和健康檢測的助老服務，其總體設計包括如圖1所示的三大部分：一是利用人工神經網格算法構建的單峰貝葉斯模型，通過主動學習用戶的偏好，準確測量溫度的變化，提高對老人健康的監測和疾病的預測。采集室內不同區域的溫度值，通過大數據統計，對應不同區域規劃出不同的線性函數，滿足用戶對個性化的舒適溫度的需求。二是利用攝像頭里的云計算平臺，對出現在家里的人臉進行識別，當出現陌生面孔時，報警系統向預先設定的監護人手機發送報警信息。由監護人確認是否為陌生人，若不是，監護人解除警報；若是，則可刪除人臉，繼續保持識別為陌生人。三是利用加速度傳感器和機器視覺系統，確定老年人是否出現跌倒現象，并利用云計算資源的算法模型主動學習對設立的跌倒模型進行修正。利用智慧助老平臺，對獨居老人身體狀況進行遠程的、實時的監控和預測。

圖1 智慧助老平臺的總體設計和功能

基于單峰貝葉斯模型的AIO-Care智慧助老平臺，能通過主動學習用戶的偏好進行溫度調節。此款智慧助老平臺利用人工神經網絡算法進行模型的建立。相比之下，傳統算法有著較多的缺點，傳統算法在精確到網絡結構之前，需要結合自身主觀經驗來推測相關網絡結構中結點順序，需要手工提取，既浪費時間又要有很強的專業知識。而人工神經網絡算法，是由大量神經元連接，這些神經元的連接權重可以進行調整。它具有出色的大規模并行處理、分布式信息存儲以及自組織自學習能力。課題組給出一個可以在無約束的條件下，通過觀測到的訓練樣本集信息以及概率關系，自動完成學習貝葉斯網絡結構的新方法[3]。

人工智能是21世紀最為尖端的科技之一，而人工神經網絡和網絡神經爬蟲是人工智能理論中最具代表性的算法。它們是通過模仿動物神經網絡行為特征，進行分布式并行信息處理的數學算法模型，經過反復的數據收集和對數據流通的疊加性，使模型增強了對環境的了解，在不斷學習中改變其表達方式，并提高自身性能，使輸入和輸出的參量指標變換朝好的方向發展[4]。應用貝葉斯模型對老年人的身體健康影響因素進行分析，不僅能夠因循傳統因素對可能性致病因素進行研究，還能對非參數的、時變的基線效應進行分析。同時，對于未被觀測到的異質性因素，也可納入模型進行分析。對于致病因素與疾病之間的關系，也可由模型進行相關要素分析得出[5]。因此，應用貝葉斯模型對老年人進行健康監測與疾病防控，具有極大優勢，能對老人身體狀況起到實時監控的作用。

此外，云計算技術為計算機數據的處理提供了安全可靠的平臺。云計算技術為用戶提供了卓越的網絡環境和存儲空間，以解決各種數據傳輸鏈路問題。與傳統的大數據分析技術相比，云計算可以提高大數據分析的質量。云計算技術的數據存儲具有強大的安全性，很少會出現數據丟失的情況，滿足人們的實際需求，直接體現了云計算技術的優勢。過去固有的安全概念是數據越多，信息被篡改的可能性會越高[6]。云安全則打破這一觀念，令數據的安全性同用戶量之間形成正相關，確保用戶數據的安全性。利用攝像頭里的云計算平臺對陌生面孔進行識別確認，并與報警系統相連通，以此保障獨居老人的安全。

在具體的實驗場景中，通過使用加速度傳感器和機器視覺系統，確定老年人是否出現跌倒的情況。機器視覺系統的主要功能是提高生產的靈活性和自動化程度。在一些不適合人工作業的危險工作環境或人工視覺難以滿足要求的場合，機器視覺通常用于代替人工視覺進行監測。機器視覺易于實現信息集成，可以在最短的時間內將信息匯總傳遞。當加速度傳感器收到異常數值，向圖像采集部分發送觸發脈沖。圖像獲取部分根據預設的程序和延遲，將起始脈沖發送到攝像頭。圖像采集部分接收模擬視頻信號，通過A/D將其數字化，將數字圖像存放在處理器中；處理器開始對圖像進行處理、分析、識別，獲得分析結果；與此同時，向子女手機發送求救信號。通過加速度傳感器與機器視覺系統的配合，準確識別老年人出現跌倒的情景，并利用云計算資源的算法模型主動學習對設立的跌倒模型進行修正，從而對獨居老人身體狀況進行遠程的、實時的監控和預測。

2 單峰貝葉斯模型的建立

貝葉斯算法是一種研究不確定性的推理方法，它主要用于處理不確定性的知識，最早用于處理人工智能中的不確定性信息，被廣泛應用于醫療診斷、金融分析等不確定領域[7]。基于誤差反向傳播算法的BP神經網絡是一種典型的前饋神經網絡，主要用于多參數非線性預報和預測，尤其適用于無法建立準確數學模型的復雜問題。目前，實際應用的人工神經網絡中，80%~90%是BP網絡或其變化形式[4]。BP神經網絡一般采用網絡響應的均方差（E）作為性能指數，BP網絡以使E盡量減小或達到某一值為目標，但在訓練和應用過程中因不可避免的過擬合、欠擬合現象，易陷入局部最小值，存在運行效率不夠高等問題。由于神經網絡的泛化能力主要依賴于網絡結構和訓練樣本的特性，研究人員提出了眾多可供選擇的訓練策略和優化網絡結構以提高其泛化能力，主要有修剪法、正則化法和進化法等。課題組采用正則化法，通過修正神經網絡的訓練性能函數以提高其泛化能力。常用的正則化法是在誤差函數后加上權衰減項E，使網絡的性能指數變為：

F(W)＝αE+βE

式中，F為網絡的權值向量；E為網絡所有權值的均方差；當網絡權值的總數α<<β，F為網絡權值；α和β為正則化系數。α和β的大小影響網絡的訓練效果。如果α>>β，則訓練算法傾向于使學習集網絡響應的誤差減小，容易使網絡出現過擬合現象；如果α<<β，則訓練強調權值的減小，自動縮小了網絡規模，使網絡的輸出更加平滑，可有效增強網絡的泛化性能，但容易導致網絡欠擬合。貝葉斯正則化算法為控制神經網絡提供新路線。在網絡訓練中將網絡權值視為隨機變量，允許模型在不同的部分具有不同的復雜度。以最大后驗概率為目標，自適應調節α，使其達到最優[7]。課題組以數學軟件MATLAB工具箱為基礎進行編程并設定參數，以尋求最優的網絡輸出。

3 結語

助老愛老是中華民族的傳統美德，智能服務平臺的搭建有助于結合時代需求踐行孝道。基于貝葉斯正則化訓練方法的BP神經網絡建立的溫度預測模型，能夠較為準確地測量出溫度的變化，提高對疾病的診斷效率與預測率，從而更為精準地分析與預測適合老人的疾控方案。

BP神經網絡建立的人工神經網絡算法在不斷地完善建立模型，使平臺分析出的科學方案能夠有更高的可行性，與普通的采用最小二乘法的算法相比，該模型的精度更高且人工成本更低，只需要建立一名低級的AI對數據不斷地疊加。這可以極大地提高容錯率，同時，精度也會隨著時間的增長而不斷提高。但需要注意的是，因為本模型使用的是大眾數據，在某些特殊情況下，算法建立出來的模型可能會有較大誤差且不符合實際。另外，由于目前BP神經網絡屬于深度學習中的一個高端研究方向，對研究人員的素質有一定的要求。擬建的智慧助老平臺，一定程度上能夠彌補照顧不周形成的養老服務問題，為老年人養老問題提供新思路。