[01457656]面向健康监护的新型智能贴件关键技术研发及产业化

1. 课题来源与背景： 本课题来源广东省科技计划项目,课题承担单位：东莞中国科学院云计算产业技术创新与育成中心,课题名称：面向健康监护的新型智能贴件关键技术研发及产业化,课题编号：2015B010105001。 课题背景：我国老龄化越来越严重,如何实现健康老龄化,提高老年人的生活质量是目前全社会所面临的重大难题。虽然目前我国养老机构数量不断增加,但仍“一床难求”。养老机构数量不断增加,服务规模不断扩大。其次,我国老年社会保障基本建成,但老年医养仍停留在“重医疗”、“重治病”旧模式上。从我国国情出发,居家和社区相结合的养老服务模式仍应是基础。 因此本研究针对老年人群体的日常健康监护系统,结合可穿戴设备、行为识别技术、监护数据平台,来对老年人的日常行为进行行为感知、健康监测、异常行为识别。 2. 技术原理及性能指标： 课题设计了低功耗智能贴件,实现的功能包括显示、交互和功能三大部分。其中显示部分,包括时间显示、步数显示、电量显示和运行模式显示;交互部分,通过触摸logo进行交互;功能部分,集成步数统计、行为识别和跌倒监测。低功耗通过使用低功耗MCU、低功耗蓝牙芯片、低功耗六轴传感器,从硬件基础上实现低功耗,同时通过低功耗策略来降低数据的传输损耗,进一步降低智能贴件的功耗。 在研究层面,针对行为识别技术,通过使用层次化的融合方法,把两种不同质的数据分别处理后引入模型中进行学习,研究并实现了一个层次化的集成随机森林算法模型,实现了高精准的多源数据融合。针对跌倒检测技,提出面向跌倒检测的姿态自适应估计方法,用于对跌倒行为进行检测。 3. 技术的创造性与先进性： 智能贴件的提出,能够实现对老年人日常行为的长时间监测,同时能够对老年人的日常跌倒监测进行识别,未老年人提供紧急情况下的及时治疗,有很强的前沿性。 同时在行为识别领域,提出多种多源数据融合的高精准行为识别算法,将提取的异构信息在算法输入层进行融合,有效提高其对复杂行为的识别精度。为了研究如何使智能可穿戴设备能够自适应适配不同年龄、身体状况、运动模式的用户信息,我们提出基于情境相似性的分层迁移学习方法。 在跌倒检测领域,提出面向跌倒检测的姿态自适应估计方法,通过细致分析跌倒的过程,增加实时感知用户的姿态变化模块,从而大大提高了跌倒检测模型的鲁棒性和模型的用户体验。同时,从系统框架层面,提出了基于云端融合的两阶段增量跌倒检测方法。 4. 技术的成熟程度,适用范围和安全性： 目前智能贴件技术已经成熟,且符合可穿戴设备的质检标准。 5. 应用情况及存在的问题： 智能贴件的应用需要被扩展到更多的使用场景中,其多适应性价值需要进一步的开发和研究,继续完善有和优化智能感知系统。