尚志嵬，赵 川，鲁卫华

（1.中国电子工程设计院有限公司，北京 100142；2.北京科技创新促进中心，北京 100000）

0 引 言

根据中国发展基金会发布的《中国发展报告2020：中国人口老龄化的发展趋势和政策》进行预测：到2050 年，中国老年人口约达到5 亿人，占比34%。随着中国老龄化与少子化并存的发展趋势逐步加剧，老年人数量逐渐增多，照护者存在巨大缺口，传统的养老方式难以满足社会的需求，亟需通过技术手段赋能养老服务业，以应对当前所面临的问题。

在老年人照护领域，智能监测技术将在未来部分取代人工服务，进行全天候守护，监护指标的完整性、监护数据的时效性与安全性、监护设备的易用性将直接影响养老服务的专业化水平与服务质量。而物联网技术在此方面将发挥重要作用。

目前，基于单一模态的物联网传感技术已被广泛应用于养老服务领域。未来，基于多模态感知的物联网技术以及基于多源异构数据的融合分析技术的应用将成为康养领域的发展趋势和研究热点。

1 物联网技术在康养领域的应用现状

目前，物联网技术在康养领域已有较多应用，物联网监测设备主要完成两大类监测任务：体征监测和行为监测[1-3]。

1.1 体征监测技术

对老年人生命体征监测属于生物传感技术领域，生物传感技术从使用方式上可划分为接触式有感体征监测技术与非接触式无感体征监测技术。

1.1.1 接触式有感体征监测技术

目前，业界公认的接触式有感体征监测设备应具有如下特征：可移动性、可穿戴性、可持续性、简单操作性、可交互性[4]。

对于接触式有感体征监测技术，依据传感机制，传感器可以分为：机械传感器、电子传感器、光学传感器和化学传感器[5]。依据检测方式是否浸入人体分为：有创检测和无创检测。近年来国外的研究主要集中于电化学和光学传感器，以及对包括代谢物、细菌和激素在内的生物标志物的无创监测，目标是通过技术的进步，实现持续性监测，并扩大可监测的生化标志物类型（例如汗液、眼泪、唾液和间质液），更加全面地感知人体的健康状况。如图1 所示为国外最新研制的接触式（有感）生物传感器。虽然，国外目前还没有商用的可穿戴传感产品用于汗液、眼泪或唾液的化学检测，但是Eccrine Systems（汗液传感）和MouthSense（唾液传感）等初创公司吸引了越来越多的关注和投资[5]。

图1 国外最新研制的接触式（有感）生物传感器[5]

目前国内应用于康养领域的传感设备能采集的生物信号类型较少，如血压、血糖、血氧、心率（心电）、呼吸、尿液成分，监测指标有限，无法全面感知老年人的健康状况，且绝大多数设备不能进行主动式持续监测，离散的数据对于医学意义上的健康管理来说是低价值的，依赖于老年人自身或服务人员的被动触发监测方式也大大降低了老年人的使用意愿。

1.1.2 非接触式无感体征监测技术

非接触式生命体征监测技术的特点是在工作时不需要用电极或者传感器贴在身体的表面，它可以实现隔着衣服、床垫等障碍物，或在一定距离范围内隔空实现非接触的、近距离的监测，目前可以监测到人的呼吸及心跳等生命体征信号[6]。皮肤接触式体征监测设备会降低用户的舒适度，监测时不仅会干扰受监测者生活，其监测效果的准确性也受限[6-7]。因此非接触式无感体征监测技术应运而生。

针对非接触式无感体征监测技术，目前国内外的研究主要集中于心冲击、呼吸、血压以及体温这4 种生理指标。根据传感机制的不同，主要包括：压电、光纤、激光、红外、多普勒雷达传感[8-10]。

目前在商业上较为成功的技术包括：（1）基于压电或光纤传感的BCG 监测设备，主要被放置在座椅、床垫、枕头等载体内，监测BCG 所产生的微弱压力，进而计算出呼吸率、心率、在位及离位、身体抖动等生命体征；（2）基于毫米波雷达的BCG 监测，即利用雷达波照射人体，检测BCG 导致的人体表面形变，目前已应用在汽车领域，检测座椅遗留生命及汽车防盗，近年来该技术也逐步应用于康养领域，多用于呼吸、心跳及跌倒的监测[5]；（3）基于红外热成像的体温检测，这是一种通过获得人体表面温度场分布，并从热像图中提取信息的无损检测技术，人体是天然红外辐射源，由于辐射的频谱分布或波长与物体的性质和温度有关，所以可根据红外辐射波反向推测出温度。

国内外在上述技术的应用程度上差距不大，近几年在提高数据准确性的算法研究方面发展迅速，相关技术已开始应用于康养领域。在基于新型传感技术的研发方面，目前市场上已开始基于微弯光纤传感器以及微麦克风阵列传感器等进行BCG 信号的监测，光纤传感的精度可达到医疗级别。如图2所示为国外研究的应用微弯光纤传感技术的椅垫和床垫。

图2 国外应用微弯光纤传感技术的椅垫和床垫[5]

1.2 体征监测技术

人体行为识别（Human Action Recognition, HAR）是指通过各种传感器采集人体行为数据，并利用计算机自动检测技术分析和理解人体各类运动和行为的过程[11]。根据采集数据类型的不同，主要分为基于视觉传感、基于环境传感、基于位置传感的人体行为识别。从传感器佩戴方式上可划分为接触式有感行为识别与非接触式无感行为识别技术。

1.2.1 接触式有感行为识别技术

接触式有感行为识别需要被监测人随身携带可穿戴式传感设备。根据监测信号的类型分为：生物电信号传感器、力学传感器、定位传感器。

（1）基于生物电信号传感的行为识别技术

生物电信号（如心电、脑电、肌电等）是人体生理状态的重要表征，可以为行为识别提供重要线索。其中，脑电信号作为脑机接口技术研究的源信息，已成为神经医学领域的研究热点[12]。国内外众多科研单位先后开展了脑机接口技术。Meng 等[13]通过分析患者中枢皮层节律到外周振荡的传导时间对癫痫行为进行预测及恢复。Jia 等[14]基于二阶复杂度测度的预测算法预测即将发生的癫痫发作信号。肌电信号是肌肉收缩时伴随的一种生物电信号[12]。Lee 等[15]提出一种基于肌电图（Electromyogram, EMG）的可穿戴人机界面（Human-Computer Interface, HCI），通过将从肩胛提肌获取的EMG 信号与预设阈值进行比较来识别，实现对严重运动障碍用户的帮助。近年来，国内多家科研单位也开始研究基于可穿戴生物电信号传感并进行数据处理的行为识别方式。费烨赟[16]开展了基于肌电信号的康复医疗下肢设计及研究，致力于为残障人士的日常生活、工作以及出行等提供方便。

（2）基于可穿戴力学传感的行为识别技术

行为识别中最典型的可穿戴力学传感器包括压力传感器、加速度传感器、陀螺仪等。可穿戴外骨骼机器人、运动分析与诊断、日常行为监测、虚拟现实等多个领域均结合此类传感器进行研究。Song 等[17]提出了一种针对老年人活动的识别系统，使用包括三轴加速度计的可穿戴传感器模块最大限度降低活动识别的效率，并将所收集的活动信息划分为多种ADL（Activities of Daily Living），如跑步、行走、站立、坐着、躺着、摔倒等，达到了95.5%的准确率。Bianchi 等[18]通过压力和加速度传感器集成部署，结合启发式训练的决策树分类器，降低区分坠落事件和正常活动过程中的假阳性率。He 等[19]提出一种基于手势的人机交互，对17 个复杂手势进行识别，从加速度数据中提取时域特征，使用主元分析来降低融合特征的维度后使用多类支持向量机进行分类，最终得到的融合特征平均识别率为89.89%。李娜[20]设计了一款可穿戴健康监测马甲，可同时获取人体生理特征值和运动参数，对运动状态进行实时识别，以提高日常运动环境下对个人状态进行监测的准确性。

（3）基于定位传感的行为识别技术

伴随着物联网、移动技术的兴起，基于位置的服务（LBS）得以迅猛发展。它是指通过无线电通信方式或外部定位方式获取用户的位置信息，为用户提供相应的服务。无线定位技术在行为识别领域已得到了广泛的研究。根据感知空间位置的不同可分为：室外定位和室内定位技术。其中，在室外环境下主要通过卫星定位系统（GPS、北斗）进行目标的定位追踪，由于GPS 定位技术典型的定位精度为米级，不适合在对定位精度要求较高的室内部署[21]。室内环境下常用的定位技术包括基于蓝牙定位、基于超声波定位、基于WiFi 定位、基于ZigBee 定位以及基于UWB 定位等近距离通信技术。

对于室外定位，Guanke 等[22]调研商用手机准确、自动测量老年人在社区活动过程中的时间和空间模式的可行性，经实验证明可通过此方法获取老年人的位置信息；陈伟[23]提出了一种行人步频探测和步长估计算法，详细分析了行人肌肉群选择、信号预处理、探测算法实现和估计模型设计等内容，并通过实验验证了该方法的可行性。对于室内定位，Hazas 等[21]研究UWB 技术在室内定位系统中的应用，利用UWB 发射器和接收器单元构建定位系统，可确认室内人员和设备的具体信息；Giannakis 等[24]概述了当前超宽带信道建模、无线电的发射器接收机的研究方向与挑战，其中提到信号处理（Digital Signal Processing, DSP）将对UWB 系统的研究和开发产生重大影响。张陈晨等人[25]提出室内定位在养老领域中的应用场景，包括：（1）机构管理中的设备和物品管理；（2）安全系统和老人监护场景，特别是患有阿尔兹海默症的老人；（3）智能呼叫帮助老人在有意识的情况下及时寻求帮助，可缩短救护时间。

1.2.2 无感行为识别技术

无感行为识别的优势主要体现在减少感知设备对老年人日常生活的影响，使老年人无须佩戴特定的设备即可被监测设备采集信息。主要包括两大类研究：基于图像信息和基于环境监测信息的行为识别技术。

（1）基于图像信息的行为识别技术

当前，基于视觉传感的行为识别中主要有3 种研究对象（数据来源），分别是基于视频流/图像序列、静态图像、深度图像。其中基于图像序列的行为识别是研究的主流方向，针对深度信息图像序列的行为识别是近年来的一个新兴热点，具有一定的隐私保护性。

①基于视频流/图像序列的行为识别

基于视频流的行为识别通过摄像头采集人体图像数据，用计算机自动检测技术分析和理解人体各类运动和行为，目的是基于所解释和描述的动作推理出目标行为意图并预测目标的行为规划。

在2012 年ILSVRC 大赛中获得冠军的Alex Krizhevsky等人设计了AlexNet 卷积神经网络，在ImageNet 上的识别率超出亚军10%[26]，使深度学习在图像识别领域得到广泛研究。Dawadi 等[27]提出了一种将机器学习应用到家庭智能监护中的方法，通过对终端设备采集的数据利用机器学习方法进行智能分析，评估老人的健康状况。Tran 等[28]提出利用图像和音频信息检测老人异常跌倒情况，先利用音频技术检测声音是否异常，发现异常后可及时查看视频信息。

近年来，国内的研究也一直紧跟国际前沿，取得了许多进展。例如中科院、清华大学、中科大、北京邮电大学、北理工等单位均在人体行为识别领域展开了卓有成效的研究。其中，中科院自动化NLPR 实验室在视频监控方面的研究较为成熟，建立了自己的数据集CASIA，包括行为分析数据库、步态数据库、三维人脸数据库等，可应用于交通监控系统，对行人和车辆等多目标进行检测及跟踪，也可应用在康养领域识别异常行为。

②基于静态图像的行为识别

2006 年，Wang 等[29]在计算机视觉和模式识别国际会议（CVPR）上发表了第一篇关于静态图像行为识别算法的论文后，国内外团队开始开展基于静态图像的行为识别研究。目前，静态图像行为识别主要依靠人体信息中的姿态以及身体部位、人-物交互关系、场景上下文。国外有一些团队的研究相对深入，例如斯坦福大学视觉实验室、卡耐基梅隆大学研究所、法国INRIA 的LEAR 团队等。在人体信息、行为相关的物体、人-物交互关系、场景上下文等方面均开展了深入的研究[24]。国内对此方向的研究起步相对较晚，大多数研究集中在2015年之后，参与研究的院校包括华南理工大学、国防科技大学、东南大学、东北大学等。

③基于深度图像的行为识别

深度图像指将从图像采集器到场景中各点的深度作为像素值的图像。深度相机的引入拓展了计算机系统感知3D 视觉世界的能力。与RGB 视觉信息相比，深度图像通过所提供的场景结构信息可以极大地减轻遮挡、复杂背景等因素的影响，并且在不同的光照条件下，颜色和纹理具有不变性。从单个视角来看，如果不同的行为有相似的2D 投影，深度图像可以提供额外的提醒信息来区别不同的行为。随着传感器技术迅速发展，如成本低、尺度小的Microsoft Kinect 等高清深度相机逐渐普及，可以很容易地获取高分辨率的深度图像。此外，Kinect 还提供了强大的骨架追踪算法，该方法的骨架关节点不会受到尺度、视角变化的影响。因此，利用Kinect 所提供的人体骨架关节点进行行为识别是一个非常有前景的研究方向。近几年，在基于深度图像的人体行为识别方面，研究者们以提取更具行为区分能力的人体运动深度特征作为核心问题，提出了大量的基于深度图像的人体行为识别方法，并构建了多种人体行为深度图像数据库以评估识别效果[30]。刘飞[31]基于改进DTW 算法结合Kinect 进行动作识别，平均识别率达到了98.32%。

（2）基于环境监测信息的行为识别技术

目前使用环境传感器对老人的行为进行识别的研究多聚焦于居家养老场景（国外称Smart home），通过部署在家庭环境中的各类传感器采集数据，经算法分析处理，判断人在空间中的具体行为。遍布于房间内各个角落的传感器所采用的传感方式丰富多样，是一系列传感器的集合体。当前该领域的研究难点是多人活动识别场景中的行为识别，有两种典型传感器活动数据库，包括华盛顿大学的CASAS[32]、土耳其海峡大学的ARAS[33]。CASAS 采集多人场景下的活动数据，使用了动作传感器、电池电压传感器、灯传感器、温度传感器等4 类传感器。ARAS 采集的是多人场景下的活动数据，使用了光传感器、红外传感器、压力传感器、距离传感器、接触传感器、声呐距离传感器、温度传感器等7 种传感器[34]。算法方面，国内外的研究中多采用马尔可夫逻辑网络[35]算法进行空间内多人场景下的行为识别，还在此基础上进行了算法的优化和创新。

除了直接部署在居家环境中的传感器，目前越来越多的家电通过安装智能传感器来采集人的行为数据，如空调、冰箱、洗衣机、照明、电视等。智能传感器在智能家电领域的应用非常广泛，已成为传统家电转型升级为智能家电的重要驱动因素[36]。

2 物联网感知与识别技术应用的难点分析

2.1 体征监测技术应用难点

综上所述，目前基于物联网感知的体征检测技术还不足以全面感知人体的健康状态，在数据准确性、应用便捷性等方面仍存在明显不足，具体如下：

（1）传感器采集数据精度有待提升

对于皮肤接触式生物传感技术，考虑到居家感知设备的便携性，选择生物传感器时在便携与精度之间进行了取舍，导致数据精度受限，主要原因是：各类因人体接触摩擦产生噪声的消除算法及生物活性物质不稳定情况下的监测技术鲁棒性较差。故目前便携接触式生物传感设备仍不能替代传统医用级设备。对于非皮肤接触式生物传感技术，主流技术为生物雷达监测技术，其主要技术难点包括：在基于微波技术的生命体征监测技术的理论中，存在监测盲点；在滤波算法方面，目前算法对持续杂波的过滤不够完善，导致检测识别精度不足。

（2）可感知生理信号种类欠丰富

目前国内外生物传感技术的应用主要是对人体心率、血氧、血压进行采集，并通过所采集的信号经算法或人工智能对其余生命体征进行推测，可监测的指标少，且缺乏持续监测的方法。扩展可检测的生物信号类目，并实现更准确的实时、持续性监测，是生物传感技术后续发展的重要方向。

（3）无感化监测技术有待发展

非接触传感技术对老人生活的影响较小，无须老人额外携带监测设备，非常适合于居家环境下使用。但目前存在精度不准、多人环境下识别的鲁棒性差等问题，非接触式生物信号传感技术是未来在居家环境下进行人体感知的重要研究方向。

（4）续航能力差

目前体征监测感知设备主要使用电池供电，或者用USB及其他接口充电，过于频繁地充电大大降低了设备的实用性。因此低功耗芯片和无线充电技术的创新研发可以极大地改善目前的应用现状。

（5）缺乏人机工程设计

目前很多智能可穿戴设备没有根据老年人的使用场景和个人习惯进行设计，未切合老年人的实际需要[37]，再加上老年人对新兴事物的关注度不高，缺乏主动了解的意愿，难以对可穿戴设备产生预期[38]。因此，对传感设备进行人机工程设计和适老化设计也是必须要解决的技术难点。

2.2 行为识别技术应用难点

目前行为识别技术在养老领域的应用还存在部分问题亟需解决，在感知技术及识别算法方面均需要进一步提升。具体问题如下：

（1）隐私保护问题

从技术的成熟度来说，基于视觉传感的行为识别较为成熟，且国内均有广泛应用。但是由于视觉传感涉及用户隐私，所以不能在隐私性强的场景下应用。基于深度图像的行为识别虽然在可见性方面能部分弥补可见光视觉传感器的缺陷，但是仍不能完全解决用户隐私性的问题。

（2）对行为表征的鲁棒性和简洁性的重视不足

在实际对日常行为识别的过程中会受到多种因素影响导致样本数据存在部分噪声；行为序列图像间也会存在视角或尺度的差异。因此，有效的行为表征应从本质上挖掘出同类行为样本间的“共性”以及不同行为类别间的“个性差异”。

（3）需要更多地研究对复杂行为的识别

行为的复杂性具体表现为：①行为语义具有一定歧义性，可在行为识别模型构建过程中考虑消除行为语义歧义的方法；②应加强行为识别模型的灵活性以应对多种不同结构的行为规则；③当前行为识别对部分复杂场景无法完全适用，应继续加强对复杂行为识别的研究以及应用。

（4）需对行为识别结果的性能进行系统性评估

对行为识别结果的评估需要从多角度进行参考，即评估不同的环境及因素对识别结果的影响，如Yu 等[39]在步态识别的算法中所使用的评估方法及框架对于算法性能的评估具有参考价值。

3 结 语

随着国内老年人口比重的持续增大以及物联网技术的不断发展，物联网技术在康养服务领域的创新应用场景也在逐渐增多。结合多种监测传感方式以及多模态数据融合分析技术，可实现对老年人更为全面和及时的监测、干预和管理，将成为康养领域技术发展的趋势。养老服务也将从老人被动寻找服务的模式过度到“老有所养、老有所依”的主动服务模式，这对我国养老政策设计具有重要的现实意义。