一种基于物联网的养老护理智能监管系统的制作方法

本发明涉及的养老护理智能监管，特别涉及一种基于物联网的养老护理智能监管系统。

背景技术：

1、随着老龄化程度的不断增长和独居老人数量的逐渐增多，社会上独居老人养老风险问题日渐突出，而目前的养老服务行业面临着养老服务质量参差不齐等问题，在实际。

2、目前的养老护理智能监管系统在实际应用过程中还存在以下不足：

3、养老护理监管面临数据不够全面的问题，不能实现对老年人所处环境和活动状态的分析，从而导致护理人员需要定时定期的前往老人所处区域进行问候，耗费人力的同时老人的护理问题得不到及时的解决；

4、为此，推出一种基于物联网的养老护理智能监管系统。

技术实现思路

1、有鉴于此，本发明提供一种基于物联网的养老护理智能监管系统，以解决上述背景技术提出的问题。

2、本发明的目的可以通过以下技术方案实现：一种基于物联网的养老护理智能监管系统，包括物联网部署模块、活动分析模块、环境分析模块、异常分析模块以及信号生成模块；

3、物联网部署模块用于在目标老人所处活动区域范围内部署传感器和摄像头等设备节点，同时连接目标老人所佩戴的运动手环，采集目标老人活动、环境以及异常数据；

4、活动分析模块对目标老人在当前监测时间段内的活动数据进行分析，得到目标老人的生活状态评估指数yt，具体为：

5、通过运动手环获取目标老人在当前监测时段内的各运动时间区；并计算目标老人各运动时间区的时长并进行累加，得到目标老人在当前监测时间段内的总运动时长；同时获取目标老人在各运动时间区的运动步数，并进行累加，得到目标老人在当前监测时间段内的总运动步数；基于不同目标老人的年龄所处范围，设定不同的参考总运动时长和总运动步数；将目标老人在当前监测时间段内的总运动时长和总运动步数与对应的参考值进行比对，得到目标老人在当前监测时间段内的活动估值hdi；其中i＝1，2，3或4；

6、监测时间段预设为一天，可后期根据护理人员进行修改。

7、将目标老人在当前监测时间段内的总运动步数和总运动时长分别标记为f1和f2；参考总运动步数和参考总运动时长分别标记为f3和f4；通过其中hd1＞hd2＞hd3＞hd4；

8、目标老人的总运动步数和总运动时长大于对应的参考值，则表示目标老人在当前监测时间段内的活动量达到预期往上，则相对应的活动估值hdi越大，在此过程中总运动时长的权重要大于总运动步数的权重；提高了数据分析的准确性。

9、通过运动手环获取目标老人在当前监测时间段内的入睡时间、醒来次数、深度睡眠时间以及清醒时间；

10、对目标老人的入睡时间和清醒时间进行时间差计算，得到目标老人在当前监测时间段内的休息总时长z1；对入睡开始时间点和深度睡眠开始时间点进行时间差计算，得到目标老人在当前监测时间段内的入睡所需时长，对目标老人的入睡所需时长和休息总时长进行比值计算，得到目标老人在当前监测时间内的入睡效率z2；将目标老人在当前监测时间段内的醒来次数标记为z3；

11、将目标老人在当前监测时间段内的休息总时长z1、入睡效率z2以及醒来次数z3代入公式进行计算，得到目标老人的睡眠估值ht；其中z4、z5以及z6分别表示目标老人休息总时长z1、入睡效率z2以及醒来次数z3的参考值；a1、a2以及a3分别为休息总时长z1、入睡效率z2以及醒来次数z3的影响权重因子；

12、由于人的睡眠质量影响自身的身体健康状态，通过分析目标老人的睡眠状态，可以进一步提高了数据分析的准确性。

13、通过摄像头获取目标老人在当前监测时间段内各用饭视频，并按照视频前后时间点将其划分为早饭视频、午饭视频、晚饭视频以及加餐视频；

14、将各视频所对应时长与对应的参考用饭时长进行比对，若其中一组视频所对应时长小于对应的参考用饭时长，则生成用饭过快指令，计算该视频所对应时长与对应参考用饭时长之间的差值，得到异常时长，若出现多组视频所对应时长小于对应的参考用饭时长，则对得到的各组异常时长进行累加，得到异常总时长g1；

15、计算早饭视频结束时间点与午饭视频开始时间点的时间间隔，得到间隔一值；

16、计算午饭视频结束时间点与加餐视频开始时间点的时间间隔，得到间隔二值；

17、计算加餐视频结束时间点与晚饭视频开始时间点的时间间隔，得到间隔三值；

18、基于不同目标老人的年龄所处范围，设定不同的间隔参考值；并将目标老人的间隔一值、间隔二值以及间隔三值与对应的间隔参考值进行比对，若其中一组小于对应的间隔参考值，则计算该间隔值与对应间隔参考值之间的差值，作为用饭过早时长；若出现多组小于对应的间隔参考值，则将各组用饭过早时长进行累加，得到用饭过早总时长g2；

19、同时获取目标老人在当前监测时间段的饮食种类数量，并标记为g3；

20、将目标老人在当前监测时间段内的异常总时长g1、用饭过早总时长g2以及饮食种类数量g3代入公式进行计算，得到目标老人的饮食估值hk；其中g4、g5以及g6分别表示异常参考总时长、用饭过早参考总时长以及最低饮食种类数量；b1、b2以及b3分别为异常总时长g1、用饭过早总时长g2以及饮食种类数量g3的影响权重因子；

21、老人在监测时间段内的饮食习惯也是影响老人健康状态和身体状态的因素之一，过快的饮食和过多的饮食会造成肠胃的不适，通过结合老人在监测时间段内的饮食数据，进一步提高了监管的智能化程度。

22、将目标老人在当前监测时间段内的活动估值hdi、睡眠估值ht以及饮食估值hk代入公式进行计算得到目标老人的生活状态评估指数yt；其中e为预设的常数，取值为1.567；c1、c2以及c3分别为活动估值hd i、睡眠估值ht以及饮食估值hk的影响权重因子；

23、将目标老人在当前监测时间段的生活状态评估指数yt与设定的多个取值范围进行匹配，得到目标老人在当前监测时间段内的生活状态等级；设定每个取值范围分别对应一个生活状态等级；

24、生活状态评估指数yt越大，所匹配的生活状态等级越高，代表老人状态越好；

25、将得到的生活状态等级发送至信号生成模块；

26、环境分析模块通过对目标老人所处生活区域内的环境参数进行分析，得到目标老人在当前监测时间段内的环境状态评估指数yp；具体为：

27、通过灰尘传感器对目标老人在当前监测时间段所处生活区域的颗粒物浓度进行检测，得到目标老人所处生活区域在当前监测时间段内不同时间点的颗粒物浓度；

28、提取当前监测时间段内的最高颗粒物浓度值，作为目标老人所处生活区域在当前监测时间段内的影响峰值r1；对各时间点的颗粒物浓度进行均值的计算，得到影响均值r2；

29、依据公式re＝r1×q1+r2×q2，得到目标老人所处生活区域在当前监测时间段的空气质量指数re；其中q1和q2分别为影响峰值r1和影响均值r2的影响权重因子；

30、利用各方向摄像头获取目标老人所处生活区域的图像信息，对获取的图像信息进行预处理后，通过图像识别技术，识别出各组图像信息中的异常区域，并代入预设的模型进行匹配，得到目标老人所处生活区域在当前监测时间段内的灰尘区域、衣物堆积区域以及垃圾堆积区域；

31、识别衣物堆积区域时，床上区域堆积衣服和板凳区域堆积衣服不在异常区域范围内；识别垃圾堆积区域时，垃圾桶不在异常区域范围内。

32、计算各组灰尘区域的阴影面积，并进行求和得到总阴影面积；同时获取目标老人当前所处生活区域的占地面积，将总阴影面积数值标准化后与对应的占地面积进行比值的计算，得到灰尘占比p1；

33、同上计算衣物堆积区域总阴影面积与对应占地面积的比值，得到衣物占比p2；计算垃圾堆积区域总阴影面积与对应占地面积的比值，得到垃圾占比p3；

34、依据公式rt＝p1×w1+p2×w2+p3×w3，得到目标老人所处生活区域在当前监测时间段的卫生评估指数rt；其中w1、w2以及w3分别为灰尘占比p1、衣物占比p2以及垃圾占比p3的影响权重因子；

35、将目标老人在当前监测时间段所处生活区域的空气质量指数re和卫生评估指数rt代入公式进行计算得到环境状态评估指数yp；其中re参考和rt参考分别表示对应老人所处生活区域的空气质量参考指数和卫生评估参考指数；n1和n2分别为空气质量指数re和卫生评估指数rt的影响权重因子；

36、将目标老人在当前监测时间段所处生活区域的环境状态评估指数yp与设定的多个取值范围进行匹配，得到目标老人的区域卫生等级；设定每个取值范围分别对应一个环境状态评估指数yp；

37、环境状态评估指数yp越大，所匹配的区域卫生等级越高，代表老人生活区域卫生和通风较差；

38、将得到的区域卫生等级发送至信号生成模块；

39、异常分析模块通过监测和分析目标老人在活动范围内的实时异常数据，基于分析的结果生成相对应的信号，具体为：

40、步骤一：通过运动手环获取目标老人在当前监测时间段内各标记时间点的心率，并代入曲线图内表示，得到目标老人在当前监测时间段内的心率曲线图

41、将目标老人心率曲线图中各标记时间点的心率与该目标老人所对应的心率阈值进行比对，若目标老人在当前监测时段内某标记时间点的心率大于对应的心率阈值，则将该标记时间点记为心率异常时间点，并基于目标老人在当前监测时段的心率曲线图将相邻的各心率异常时间点进行整合，构成心率异常时区；对目标老人在当前监测时段内各心率异常时区的时长进行获取，并进行累加，得到目标老人的心率异常总时长s1；

42、同时统计目标老人在当前监测时间段内的心率异常时区个数，并标记为s2；

43、提取目标老人在当前监测时间段的最长心率异常时区，并标记为s3；

44、步骤二：依据公式xl＝s1×d1+s2×d2+s3×d3，计算目标老人在当前监测时间段内的心率等级评估指数xl；其中d1、d2以及d3分别为心率异常总时长s1、心率异常时区个数s2以及最长心率异常时区s3的影响权重因子；

45、步骤三：同步骤一得到目标老人在当前监测时间段内的血压异常总时长s4、血压异常时区个数s5以及最长血压异常时区s6；

46、步骤四：依据公式xy＝s4×h1+s5×h2+s6×h3，计算目标老人在当前监测时间段内的血压等级评估指数xy；其中h1、h2以及h3分别为血压异常总时长s4、血压异常时区个数s5以及最长血压异常时区s6的影响权重因子；

47、步骤五：将目标老人在当前监测时间段内的心率等级评估指数xl和血压等级评估指数xy与对应的指数范围进行匹配，得到目标老人在当前监测时间段内的血压等级和心率等级；设定每个指数范围分别对应一个心率等级和血压等级；

48、步骤六：将目标老人在当前监测时间段内的生成的血压等级和心率等级发送至信号生成模块；

49、通过智能化分析老人在当前监测时间段的心率和血压变化情况，并基于结果生成对应的等级发送至护理人员移动终端，从而实现对老人身体指标的预警跟警告，进一步保障了老人生活过程中的安全性。

50、信号生成模块接收生成的对应信号，并发送至该目标老人所对应的护理人员移动终端上。

51、与现有技术相比，本发明的有益效果是：

52、本发明通过对目标老人在当前监测时间段内的运动、睡眠以及饮食状态进行综合分析，得到目标老人生活状态评估指数，通过得到的生活状态评估指数，全面的反映目标老人在当前监测时间段内的生活状态，提高了监管的全面性，生活状态评估指数越大，所匹配的生活状态等级越高，代表老人状态越好；对目标老人所处生活区域的环境参数进行分析，得到目标老人在当前监测时间段内的环境状态评估指数，从而反映目标老人的生活区域质量情况，生活区域的卫生以及味道同样会影响老人的身体状态，进一步提高了监管的智能化程度和准确性；

53、本发明通过智能化分析老人在当前监测时间段的心率和血压变化情况，并基于结果生成对应的等级发送至护理人员移动终端，从而实现对老人身体指标的预警跟警告，进一步保障了老人生活过程中的安全性。