《居家环境下的老年人异常行为探析》7100字（论文）

居家环境下的老年人异常行为分析1居家环境下的老年人行为1.1人体行为分类BobickA.F.1997年针对计算机视觉识别问题，将运动（Motion）分为三类：动作（Movement）、活动（Activity）、行为（Action）[27]。动作是最基本的元素，不需要上下文信息就能够被识别，例如抬腿、举手等动作。活动是包含动作或静止状态的序列，与时间紧密相关，例如走动、挥手等活动。行为识别是视觉识别的最高水平，行为的识别要求作为说明的上下文信息，涉及与环境之间的互动。例如走动过程中遇到朋友突然挥手，跑步中意外摔倒等。PKTuraga等人在2008年提出分层模型[28]，根据行为目的的不同，将人体行为分为三个层次：①人体某个部位的运动，如踢腿、举手等；②单个人体的运动，如跑步、走路等；③多人交互行为，如拥抱、打架等。DongH2009年在行为识别中首次增加了上下文信息，用来解决行为理解的歧义问题。同一个动作或行为在不同场景下具有不同的语义信息，还需要使用场景中人与物之间的关系描述。侯祖贵通过对大量人体行为观察，2013年提出人体PAMS[29]，将人体运动分为四个层面，分别为姿态（Pose）、动作（Action）、行为（Motion）、特点（Style）。姿态为某一瞬间人体的姿势，包括关节角、姿态角等数据。动作为连续姿态的序列组合，人的基本动作是有限的，可分为走、跑、跳、转身、踢腿、弯腰。行为是具有一定目的的动作或一系列动作，且行为与时间、人所在的环境紧密相关。特点指由于人的身高、体重、习惯、年龄等不同，每类人的动作如走路、弯腰等具有细微的差别，并可根据此差别进行人物分类。PAMS人体运动分析方法借助姿态、动作、行为、特点来描述人体运动。该方法将可以直接测量的姿态定义为人体运动的基本单元，一系列姿态构成了动作，不同的行为中动作不完全相同，且每个人的行为与该人特点有关。添加特点作为行为影响因素，提高了人体运动分析的准确度。PAMS提出走、跑、跳、转身、跪、骑、弯腰、踢腿、爬、躺、坐、蹲、趴、翻跟头等31种基本动作。1.2居家环境下的老年人行为本文所关注的老年人行为都是基于老年人日常生活行为的，而人体生物运动力学则是从力学的角度分析人体动作的变化，并借助速度、角速度、加速度、位移、力矩等参数定量表示。人体姿态中的日常行为涵盖十分广泛，本文主要研究在居家情况下活动较频繁的日常行为。老年人室内主要的活动为日常生活活动（ActivitiesofDailyLiving，ADL）。日常生活中最基本的5种活动是洗漱、上厕所、穿衣服、饮食和走动。洗漱包括刷牙、洗脸、淋浴等清洁行为。上厕所指进出厕所，由于厕所地面可能较为潮湿，老年人易发生意外摔倒。饮食包括做饭与食用过程。A洗漱B上厕所C穿衣服D饮食E走动图1-1老年人日常生活行为为方便本文研究，只考虑身体躯干变化的动作。躯干倾角指的是人体肩关节与髋关节垂直平分线与竖直方向的夹角。通过对ADL分析，可得到老年人居家环境下的基本动作包括：步行、转身、坐、弯腰、蹲。弯腰时一方面身体前倾，上身与地面的距离呈逐渐变小后逐渐变大的趋势；另一方面，上身与地面的夹角整体呈逐渐变小后逐渐变大的趋势，且至少存在一个波谷，同时双脚与地面保持接触。老年人在弯腰、下蹲等行为的过程中，身体重心不稳，容易造成跌倒事件。对这类易造成跌倒等异常行为的日常行为的研究，对降低跌倒等异常行为的风险具有重要意义。2异常行为的定义及分类2.1异常行为的定义VarunChandola将异常分为三种类型，分别是点异常（PointAnomalies）、上下文异常（ContextualAnomalies）和集体异常（CollectiveAnomalies）[30]。1）点异常是最容易识别出的异常，也是频率最高的异常。点异常指该点与其它多数点都不相同时，被称为异常点。例如一群黑兔之间出现一只白兔，那么白兔被称作点异常样本。2）上下文异常是一种依赖环境信息的异常（也称为条件异常）。需要考虑特定的时间和地点，才能判定为是否异常。比如在冬季0°时穿着羽绒服是正常的，但在夏季30°时它就是异常的，因此它是在夏季30°条件下的异常。数据本身的属性叫做行为属性，判读上下文异常需要首先确定所处的上下文环境。3）集合异常指样本行为在某一集合中才能判定的异常。只从一个样本中并不能够获得信息。例如在老年人跌倒过程中传感器加速度突然增大，仅检测该时刻的数值变化无法得出明确信息。需要连续采集加速度变化，才能判断是否发生了跌倒行为。根据以上概念，本文定义异常行为是指在一定的环境中理性状态下不会做出的行为。2.2老年人异常行为的因素根据异常行为的定义，异常行为的判定必须结合具体的环境条件。在监狱中，异常行为的表现为犯人的攻击行为，犯人破坏公共设施等。老年人异常行为的发生较正常成年人更为频繁，且危害更大。其中涉及环境因素、生理因素、病理因素、药物因素、心理因素。老年人年龄增大，身体生理机能逐步降低，视觉和听觉等感官能力退化，肌肉萎缩导致力量不足，步态平衡性下降。并且老人患有慢性病的风险增加、心血管疾病以及抑郁症等心理情绪障碍、老年综合症等患病特征，都增大了老年人异常行为发生的机率。2.1步态和平衡功能老年人由于身体肌肉各项机能降低，导致行动缓慢，步伐变小，易出现步态紊乱等现象。老年人平衡能力下降，在久坐后站起或弯腰倾斜身体时往往无法保持稳定，易发生侧向跌倒。2.2感觉系统主要包括视力与听力。视力的好坏由视网膜分辨影像能力的大小来判定。老年人会出现眼睛易疲劳、视力减弱、视物模糊、视物重影等问题，导致视野缩小，在黑暗的环境中适应能力下降，在昏暗环境下看不清室内物体，容易发生磕碰。随着年纪变大，老年人的听力能力变差。根据美国国家耳聋和其他交流障碍研究所的统计，年龄在65岁至70岁之间的老年人中，约有三分之一患有某种程度的听力损失；75岁及以上的人中约有一半患有听力损失。老年人听力降低会影响睡眠与心情，引起焦虑和抑郁。同时在危险环境下老年人很难听到外界的警告声音。2.3中枢神经系统中枢神经系统主要负责思维活动。随着老年人年龄增大，脑组织出现萎缩，导致重量和脑细胞数量下降。中枢神经系统的老化会影响老年人的学习和记忆能力，反应时间延迟，对痛觉和触觉的感知下降。骨骼、肌肉的结构和功能随年龄增大逐渐损坏，在行走过程中，老人的腿抬得不高，行走缓慢，稳定性差，容易摔倒。2.4神经系统疾病1）中风：中风：老年人中风后下肢往往受到影响，肌肉组织的活动无法调整。因此，行走过程中腿部移动能力降低，患者难以适应环境的变化，导致行走能力下降2）帕金森综合症：患有帕金森综合症的老人经常出现身体和四肢弯曲，身体失去平衡。许多患有帕金森综合症的老年人由于身体僵硬、虚弱和身体应对环境变化的能力不足而经常摔倒。3）小脑疾病：小脑损害后可通过改变正常的肢体运动和肢体之间的协调，从而影响步态。小脑患病的老年人身体站立不稳，出现较宽的和不规则的步态。4）前庭器官疾病：前庭器官功能受损是老年人经常发生眩晕的最常见原因之一。典型的症状是站立时身体不平稳，转身时不稳而行走时步履蹒跚。1）中风：一般指脑部中风，中风后会出现眩晕、不能说话等症状。通过影响中枢神经系统，进而影响全身的动作。老年人中风后涉及小脑将导致行走困难，腿脚移动能力下降，运动不协调。中风若涉及大脑皮质，将导致记忆衰退、失语等症状，将极大程度增加各类异常行为的发生机率。2）帕金森综合症：是与人体运动有关的神经系统变性的临床综合症。患有帕金森综合症的老人运动迟缓或减少，再加上静止性震颤、肌肉僵直、姿势平衡障碍等问题。老年人最初症状是手抖，随着病情恶化往往在身体僵硬、四肢弯曲的过程中失去平衡，发生跌倒。3）小脑疾病：小脑位于大脑后下方，与人体感觉、感知、运动紧密相关。对老年人而言，年龄增长会伴随着小脑萎缩，会出现步态紊乱、动作异常、站立不稳等症状，导致老年人发生跌倒的概率大大增加。4）前庭器官疾病：前庭器官是内耳迷路中的一部分，与听觉器官、平衡能力有关。前庭器官能够感受到加速度的变化，进而维持身体的平衡。前庭受损老年人经常发生头晕、眩晕，将极大程度增加老年人晕倒的机率。3老年人异常行为分类在居家环境下，老年人的异常行为表现为不自觉的晕倒、无法行动等。本文只研究身体姿态紧密相关的异常行为，将其分为三类：快速跌倒、缓慢晕倒、弯腰捂肚。老年人的日常活动迟缓、反应变慢、以及记忆力和认知功能退化等，导致了老年人生活的自理能力和自我保护能力不足，因此需要在异常行为发生时可以对老年人进行及时的护助。若无及时的识别提醒，将造成更严重的后果。3.1快速跌倒快速跌倒指突发的、不自主的、非故意的体位改变，倒在地上或更低的平面。跌倒行为一般持续1-3秒，跌倒时身体部位剧烈碰撞地面，在人体姿态异常行为里危害和影响最大。老年人视觉退化、步态不稳，地面台阶存在高低差、地毯不固定、地板光滑、室内的灯光不足、地板湿滑等，都容易导致老年人跌倒。根据跌倒方向可进一步划分为向前跌倒、向后跌倒、侧向跌倒。向前跌倒行为多发于绊倒、前脚滑倒的情景，此时人体躯干向前和向下的加速度突然增大。向后跌倒行为多发于脚跟滑倒的情景，此时人体躯干向后和向下的加速度突然增大。侧向跌倒行为多发于晕倒、站立不稳等情景，例如老年人拐杖突然失去平衡，此时人体躯干侧向和向下的加速度突然增大。3.2缓慢晕倒缓慢晕倒指老年人无意识的发生俯身、屈膝等动作，身体失去平衡最终倒在地面。晕倒行为一般持续1-4秒。血压过高会对患者心脑血管产生危害，从而使脑部缺氧引起晕厥。由于动作缓慢，速度较小，晕倒对身体伤害不大。但发生晕倒后，老年人未及时恢复清醒，无人发现将造成情况恶化，长时间的晕倒极易造成严重的后果。要及时的送往医院，查明晕倒的病因，进行对症治疗。晕倒之后无意识的、非自主的躺在地面超过1个小时的现象称之为“长躺”[31]。老年人晕倒后的原因有呼吸不畅、腰腿酸痛、头脑昏沉等等。尽管晕倒时有些老人没有受伤，可是在没有帮助的情况下他们无法从地板上站起来。如果老年人晕倒后长期躺在地上，可能会造成风寒、昏迷、全身酸痛等严重后果。3.3弯腰捂肚弯腰捂肚指长时间弯腰且双手放在肚子前，或单手捂肚单手支撑在其它物体上。随着衰老会出现新的胃部症状以及更严重的消化系统疾病。65岁以上的老年人胃肠道肌肉蠕动速度下降，容易导致反酸或便秘症状。吃了刺激性食物会引起腹痛、腹胀。饮食后剧烈运动容易导致肚子不舒服。腰背疼痛使老年人不愿随意走动，同时带来心理的恐惧感。直立时躯干倾角为0，向前弯腰时躯干倾角从0逐渐增大。3居家环境下的异常行为的识别随着计算机视觉、机器学习、人工智能和物联网的快速发展，低能耗、低成本的数据传输，HumanActivityRecognition（HAR）已经成为最前沿的课题之一。在人体行为识别中，步行、跑步、睡觉、坐下、站立、洗澡、洗衣、做饭、开车、开门或异常活动等都能够被精准的识别。HAR被广泛应用于医疗诊断、监测犯罪行为、创建智能家居环境、确保安全的驾驶行为，甚至在军事活动监视中也涉及。居家环境下，老年人异常行为的识别的主要借助于以下三类设备进行。3.1基于RGB-D摄像头的异常行为识别3.1.1Kinect摄像头Kinect摄像头是RGB-D摄像头中使用广泛的一类。Kincet最初由微软开发，应用于体感游戏中识别人体姿态。Kinect包含三个部分：RGB彩色VGA摄像机、单色CMOS传感器和红外线发射器。Kinect三部分同时工作，通过IR发射器发射红外线测量物体距离摄像头的距离，在屏幕内创建3D图像。图1-1Kinect摄像头识别方式3.1.2识别原理在人体运动跟踪中，Kinect通过骨骼模型对其进行精确跟踪，能够降低光线不足的影响。捕捉人体姿态，合成三维人体再与骨骼节点相匹配，生成动作数据，通过算法与动作标准数据进行对比。识别过程可分为三个步骤，1）前景分割：根据距离远近确定人体区域边缘，将人体从复杂的背景中区分出来，提取出完整的人体轮廓。2）人体部位识别：根据人体轮廓，确定头部、躯干、四肢等部位的位置。3）根据人体关节点确定人体动作：不同动作人体关节的位置不同，计算每个关节点的欧氏距离和角度信息进行动作识别。若距离超过某个阈值则判断为发生异常行为。3.2基于IMU传感器的异常行为识别3.1IMU传感器IMU（InertialMeasurementUnit）是一类能够测量加速度、方向、角速度和重力的电子装置。一般由陀螺仪、加速度计、磁力计和气压传感器组成。加速度计检测物体的加速度。陀螺仪测量角速度，用来追踪方向的变化。磁力计检测在该方向上的地磁场强度，提供装置在XYZ各轴所承受磁场的数据，利用这些信息可侦测地理方位。气压传感器能够提供高度信息。IMU一般分为六轴、七轴、九轴三个系列。表1-1IMU介绍系列实例组成器件特点六轴IMU三轴加速度计+三轴陀螺仪具有较低的噪声、最好的温度稳定性和灵敏度精度，广泛应用于市场。七轴IMU三轴加速度计+三轴陀螺仪+气压传感器相比六轴IMU集成电容气压传感器，用于追踪压差运动以及高度测量。九轴IMU三轴加速度计+三轴陀螺仪+三轴磁力计九轴能够处理复杂的运动融合算法与运动追踪问题IMU传感器通过采集基础的加速度、角速度等数据，经过数据的特征提取、分类识别等操作，得到高级别的复杂人体行为信息。由于检测数据为数值，相比基于视频图像的识别方式，较好的保护了隐私。广泛的应用于运动分析、医疗护理、智能家居等领域。在运动分析方面，能够统计用户行走步数、跑步距离，监测心率、血氧饱和度等生理指标。在医疗护理方面，传感器能够检测心电、血压等生命体征，用于判断病人的康复情况与预警。在智能家居方面，可以检测环境的变化和用户的行为，例如华为提出的全屋智能家居。IMU传感器具有体积小、携带方便等优点，能够采集丰富的信息，并灵敏地随着人体行为的变化而改变，是行为识别中应用最广泛的传感器类型。3.29轴IMU9轴IMU包含3个加速度计、3个陀螺仪和3个磁力计。陀螺仪和加速度计提供三个方向上的加速度以及围绕每个轴的旋转信息，可以很好地跟踪短期运动，增加一个绝对方向传感器（3轴磁力计）可以减少随着时间的推移每个轴上的误差，更精确地跟踪位置和方向的绝对变化。图1-2九轴方向3.3识别原理基于IMU的人体行为识别过程一般分为4个阶段（如图1-3所示）：数据采集、数据特征提取、数据模型训练和行为识别分类。数据采集是获取传感器上的加速度、角速度、磁场强度的数值。模型训练中涉及XX算法。通常是在人体身上佩戴传感器，采集加速度、角速度等值；数据预处理会将原始数据去噪、分割等，以减少噪声等对结果的干扰；特征提取通常存在于传统的机器学习分类算法，提取了运动传感器信号均值、峰值、方差和协方差等特征值；分类识别指通过机器学习算法和深度学习算法对运动分类识别，判断异常行为。基于IMU的人体行为识别过程一般分为4个阶段（如图1-3所示）：数据采集、数据特征提取、数据模型训练和行为识别分类。1）数据采集是获取传感器上的加速度、角速度、磁场强度的数值。2）特征提取是把原始数据提取为机器可以识别的数据，在异常行为中为加速度、角速度的突然增大。3）数据模型训练中涉及算法的选择，不同的算法会直接影响识别的准确性，常见的算法有随机森林、K近邻、循环神经网络、卷积神经网络等。4）行为识别分类是指通过算法对数据的特征进行分类，匹配相符的人体行为，进而判断是否为异常行为。图1-3异常行为识别流程3.3基于环境传感器的异常行为识别3.3.1压力地板随着物联网、智能终端等概念的提出，环境传感器开始应用于居家环境内。根据环境传感器采集信息种类的不同，主要分为基于地面震动或压力数据的、基于声音的以及基于雷达信号的识别方法。在居家环境下，基于摄像头的异常行为识别涉及隐私问题，未得到大量应用，尤其是在浴室环境中。基于IMU传感器的可穿戴式设备因为洗澡中被取下，同样无法发挥作用。在室内活动期间，人们直接与地板接触，留下大量的压力数据。因此，构建用于地板压力成像的智能地板可以提供压力特征，针对智能家居应用分析和理解人类活动。地板压力识别人体异常行为主要包括两个步骤：用于目标姿势分类的地面压力成像和基于分类的目标姿势的跌倒事件决策。将处理和无线通信的电子模块包装为防水，将上，着重研究在浴室场景中的跌倒检测。在居家环境下，基于摄像头的异常行为识别涉及隐私问题，未得到大量应用，尤其是在浴室环境中。基于IMU传感器的可穿戴式设备在洗澡中被取下，同样