基于IOT评测数据量化老人身体健康分及康养的方法

技术领域

本发明涉及居家养老护理技术领域，具体为基于IOT评测数据量化老人身体健康分及康养的方法。

背景技术

随着出生率的下降，老年人口在整体人口中所占的比例越来越高，单位家庭中对应的养老问题以及需要照顾的老人越来越多，而对应的养老问题却并没有随着社会的发展与之达到同等的高度，现阶段的老人需要对身体健康情况进行了解的情况下，一般都是通过去医院进行检查，而对于一些独居的老人来说，较为麻烦。

现有的对身体特征进行监测的设备多为穿戴式设备(如小米手环以及华为手环等)，而该类设备多数是针对心率、脑电波、血糖等身体参数，即现有技术多适用于局部身体机能的监测和趋势分析，没有针对身体的全方位且整体性的监测数据分析及应用，虽然当前部分厂商的智能手环设备可以采集用户体征数据并进行数据分析，并生成数据报告，报告内容包含睡眠数据、心率数据、少量运动数据，但是这些基本数据监测主要针对的是中青年，适老化不是很好，并缺少针对老人身体情况及居住环境的全方位的监测功能。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了基于IOT评测数据量化老人身体健康分及康养的方法，解决了背景技术提出的问题。

(二)技术方案

为实现上述目的，本发明提供如下技术方案：基于IOT评测数据量化老人身体健康分，包括数据采集模块、IOT物联网模块、数据接收模块、数据分析模块、算法分析模块、运动能力评测模块与健康报告模块；

数据采集模块：所述数据采集模块用于采集用户体征数据及睡眠数据等；

IOT物联网模块：所述IOT物联网模块用于设备数据接收与存储；

数据接收模块：所述数据接收模块用于数据中转、本地简单处理以及对设备数据进行初步分析；

数据分析模块：所述数据分析模块用于对设备数据进行算法分析统计，提取数据特征模型；

算法分析模块：所述算法分析模块用于结合数据模块针对摄像头采集的监测数据进行模型特性分析及特性提取，通过算法分析和AI模型训得到肢体摆动幅度分级模型；

运动能力评测模块：所述运动能力评测模块用于接收数据采集模块采集的用户肢体动作坐标数据，进行数据模型比对分析，并根据相关规则对用户肢体动作完成度进行打分评估；

健康报告模块：所述健康报告模块用于汇总用户运动能力评测结果和用户基础体征数据及其他采集数据。

优选的，所述数据采集模块包含有各类智能IOT设备与AI评测软件，所述IOT设备包含但不限于智能床垫设备、血压监测设备以及血氧监测设备。

优选的，所述AI评测软件用于对用户肢体运动能力进行评测，并采集用户肢体动作坐标数据用于进一步分析，输出用户运动模型，完善运动能力评价规则。

优选的，所述数据接收模块可将关键数据存储在本地服务器，用于数据分析及数据转发。

基于IOT评测数据量化老人身体康养的方法，包括如下步骤：

S01、通过智能设备采集用户数据，如睡眠数据、心率、呼吸率、血压、血糖、血氧、血脂；通过环境监测设备，获取用户居住环境风险数据，如烟雾报警数据、水浸报警数据、紧急呼叫数据等；

S02、通过用户肢体运动能力评测软件，用户可根据软件提示进行相关动作，软件将采集的数据推送至AI评测系统进行数据整合分析，结合大数据分析系统输出的运动模型，评测软件根据用户运动能力给出肢体活动能力评分，并将用户肢体运动数据推送至大数据平台，进一步进行深度分析；

S03、通过智慧看护系统接收智能设备采集的监测数据，进行初步数据筛选，保留基础数据和告警数据，将基础数据推送至数据分析平台，对数据进行整合、分析，建立用户数据档案，整合之后的数据推送至数字康养系统进行健康分数据生成和趋势分析，生成健康报告和健康分数；

S04、通过AI评测系统接收AI评测软件采集的用户肢体动作坐标，并对坐标数据按帧解析处理，结合肢体动作模型分析，通过模型比对，对用户肢体动作进行能力评估，并进行能力评分；

S05、通过数据分析系统接收智慧看护系统的基础数据，包括但不限于睡眠数据、心率数据、呼吸率数据、血压数据等，对基础数据中的部分指标进行分析，生成趋势数据表；接收AI评测肢体坐标数据，通过深度学习，结合AI算法分析，优化用户肢体运动模型；

S06、接收用户体征数据和用户肢体动作评估分数，将睡眠数据、血压数据、心率数据、用户肢体运动能力等数据作为判断参数，结合一定的算法规则，生成用户健康分及健康报告数据，并对报告数据进行数据落地存储，以供后续数据分析使用。

(三)有益效果

与现有技术对比，本发明具备以下有益效果：

1、本发明中，整体、全面分析老人各项数据指标，生成比较全面的老人健康状态分析报告，通过对老人居住环境风险监测分析、老人生命体征数据分析、老人运动能力分析，整合分析结果并出具健康报告，改进方案尽可能的将老人生活环境和自身健康状态及运动能力等各项相关因素结合起来，以一个整体的方式进行数据分析，覆盖全面，将会更加贴合老人实际生活状态。

2、本发明中，AI评测软件采集用户肢体运动数据，对数据进行深度分析和梳理，输出用户基本运动模型，通过与基准模型比对分析用户肢体运动能力。通过一定的算法实现对用户运动能力进行数据化，形成运动能力评估分，为后续数字康养中的健康报告生成提供数据基础。

3、本发明中，通过和专业医疗机构及相关技术专家深度合作，依据医疗机构及相关专家的医护经验及医疗服务总结的经验成果，结合数字康养系统分析的用户健康指标数据和身体机能量化数据给出针对性的生活及康护建议。

4、本发明中，本产品基于适老化改造的智能监测设备所采集的各类数据，包括但不限于体征数据、环境告警数据等，结合大数据及算法分析技术，对数据进行深度分析和挖掘，形成用户基础数据信息，为后续分析用户各项指标提供基础。

附图说明

图1为本发明的系统结构框图；

图2为本发明的数字康养流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1，基于IOT评测数据量化老人身体健康分，包括数据采集模块、IOT物联网模块、数据接收模块、数据分析模块、算法分析模块、运动能力评测模块与健康报告模块；

数据采集模块：数据采集模块用于采集用户体征数据及睡眠数据等；

IOT物联网模块：IOT物联网模块用于设备数据接收与存储；

数据接收模块：数据接收模块用于数据中转、本地简单处理以及对设备数据进行初步分析；

数据分析模块：数据分析模块用于对设备数据进行算法分析统计，提取数据特征模型；

算法分析模块：算法分析模块用于结合数据模块针对摄像头采集的监测数据进行模型特性分析及特性提取，通过算法分析和AI模型训得到肢体摆动幅度分级模型；

运动能力评测模块：运动能力评测模块用于接收数据采集模块采集的用户肢体动作坐标数据，进行数据模型比对分析，并根据相关规则对用户肢体动作完成度进行打分评估；

健康报告模块：健康报告模块用于汇总用户运动能力评测结果和用户基础体征数据及其他采集数据。

进一步的，数据采集模块包含有各类智能IOT设备与AI评测软件，IOT设备包含但不限于智能床垫设备、血压监测设备以及血氧监测设备。

进一步的，AI评测软件用于对用户肢体运动能力进行评测，并采集用户肢体动作坐标数据用于进一步分析，输出用户运动模型，完善运动能力评价规则。

进一步的，数据接收模块可将关键数据存储在本地服务器，用于数据分析及数据转发。

本实施例中，基于智能床垫、水浸探测器、烟雾探测器、跌倒探测器等IOT智能设备终端采集的体征数据及评测软件采集的运动数据，进行数据深度挖掘，抽取数据特征，结合大数据分析算法实际运用，为用户生成身体健康评分。对用户长期健康状况评价进行追踪，为用户生成健康状况曲线，分析曲线走势，对用户健康进行阶段预测，根据健康评分及运动能力情况，结合趋势分析结果，基于用户当前身体状态及运动能力，再结合医护行业相关专业人员的实践建议，给用户生成针对性的康养建议。

本实施例中，采集用户睡眠数据、心率、呼吸率等数据可用(万沣CD-O-2G-WG001)等为主的智能床垫设备；智能监控设备进行用户风险情况确认，主要以海康摄像头(海康CS-H6C等)为主；烟雾探测器进行用户居住环境烟雾告警监测，主要以源流设备(燃气探测器NB版)和万沣设备(KRQT-O-WG-TCQ001)为主；血糖仪用于测量采集用户血糖数据，主要以欧姆龙血糖仪(HGM-112)为主等。

本实施例中，AI评测软件主要运用了MediaPipe机器学习框架，结合AI相关算法及大数据分析等技术，对采集的肢体动作数据进行坐标点位分析及模型生成，该框架依赖OpenCV来处理视频，基于Google开源软件库TensorFlow，简化机器学习运用成本，我们只关注模型的训练与生成即可，基于评测软件采集的数据经过特征提取、数据归一化、模型构建、模型训练、模型损失梯度优化、在进行评估运行测试，最终形成数据比对模型，通过比对用户肢体动作与标准模型的契合程度，来对用户肢体运动能力进行评估。

本实施例中，IOT物联网模块用于数据接收存储，因为部分设备实时采集数据，数据量比较大，因此数据需要存在IOT物联网服务中，减少本地服务器的压力；数据接收模块可通过接口方式接收部分设备的直传数据，并进行告警分析和设备状态分析等；数据分析模块可结合算法分析模块进行相关模型的训练；算法分析模块结合大数据模块针对摄像头采集的监测数据进行模型特性分析及特性提取，通过算法分析和AI模型训得到肢体摆动幅度分级模型，肢体摆动模型和摄像头采集的数据进行比对，判断用户腰部运动能力；健康报告模块用于汇总用户运动能力评测结果和用户基础体征数据及其他采集数据，诸如：睡眠时长、深睡时长、血压、血氧等指标，集合大数据分析和算法分析模型，生成用户健康报告数据，并推送至相关展示端。

本实施例中，现实应用场景：1、智能监测设备数据深度分析，集合用户其他体征数据生成用户基本数据模型，分析用户身体健康状况及趋势；2、运用AI评测软件，分析用户肢体运动能力，结合大数据分析及算法分析模型，比对计算模型，分析用户肢体动作和标准动作的拟合程度，拟合程度越高则说明用户肢体运动能力越强；3、用户基础数据和运动能力数据结合，基于一定的算法分析，得出用户的健康评分，并输出用户健康报告。

请参阅图2，基于IOT评测数据量化老人身体康养的方法，包括如下步骤：

S01、通过智能设备采集用户数据，如睡眠数据、心率、呼吸率、血压、血糖、血氧、血脂；通过环境监测设备，获取用户居住环境风险数据，如烟雾报警数据、水浸报警数据、紧急呼叫数据等；

S02、通过用户肢体运动能力评测软件，用户可根据软件提示进行相关动作，软件将采集的数据推送至AI评测系统进行数据整合分析，结合大数据分析系统输出的运动模型，评测软件根据用户运动能力给出肢体活动能力评分，并将用户肢体运动数据推送至大数据平台，进一步进行深度分析；

S03、通过智慧看护系统接收智能设备采集的监测数据，进行初步数据筛选，保留基础数据和告警数据，将基础数据推送至数据分析平台，对数据进行整合、分析，建立用户数据档案，整合之后的数据推送至数字康养系统进行健康分数据生成和趋势分析，生成健康报告和健康分数；

S04、通过AI评测系统接收AI评测软件采集的用户肢体动作坐标，并对坐标数据按帧解析处理，结合肢体动作模型分析，通过模型比对，对用户肢体动作进行能力评估，并进行能力评分；

S05、通过数据分析系统接收智慧看护系统的基础数据，包括但不限于睡眠数据、心率数据、呼吸率数据、血压数据等，对基础数据中的部分指标进行分析，生成趋势数据表；接收AI评测肢体坐标数据，通过深度学习，结合AI算法分析，优化用户肢体运动模型；

S06、接收用户体征数据和用户肢体动作评估分数，将睡眠数据、血压数据、心率数据、用户肢体运动能力等数据作为判断参数，结合一定的算法规则，生成用户健康分及健康报告数据，并对报告数据进行数据落地存储，以供后续数据分析使用。

本实施例中，数字康养健康分计算：由于是智慧照护行业的数字康养方案建设，所以我们针对数字康养方案建设场景，将用户相关环境及生命体征和运动能力等因素整合，提取环境及个人生命体征及运动能力等指标因子，因为分数计算涉及到各类指标因子，且每个指标因子在整体计算中的比例并不相同，因此我们采用加权平均值简单算法实现健康分的计算：

其中K

各类指标参数计算：各项指标参数取值逻辑为按照月度数据统计计算平均值的方式，获取当前月度指标数据的均值；

其中，T

运动能力数据化计算：在数字康养健康分计算逻辑中，运动能力指标占据重要位置，其对后期评估老人身体状况及根据实际情况提供康护建议及生活运动建议有重要的指导作用，因此，在数字康养健康报告生成阶段，运动能力数据化展现就具有重要意义，老人运动能力评估主要以老人能否达到某个指定动作且动作是否符合通用标准作为判断条件的；

通过评测软件采集老人某项肢体运动坐标点位，分析坐标点位并结合基准模型比对，得出老人肢体运动能力达标程度并给出评估分数；

对老人肢体运动坐标采用KNN算法计算老人的肢体运动能力，具体流程如下：

1、计算样本坐标与参考模型坐标之间的距离

其中y为老人肢体运动的实际坐标位置，x为训练比对参考模型的坐标位置；

2、特征归一化：缩放仅仅跟最大、最小值的差别有关，输出范围在0-1之间；

其中

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。