健康监护系统中基于最长公共子序列的用户行为分析(2)
目 次
1 引言 1
2 研究发展现状及技术背景 2
2.1 事件和行为序列 2
2.2 辅助生活环境中的无线传感网络 3
2.3 异常行为检测 13
3. 最长公共子序列匹配算法分析 15
3.1 穷举法 16
3.2 求解最长公共子序列长度问题的分析 16
3.3 求解最长公共子序列问题的分析 21
4. 用户行为最长公共子序列匹配算法实现 24
4.1限制匹配率的Limited-LCS 算法定义 25
4.2限制匹配率的Limited-LCS 算法实现 25
5. 构造最长公共子序列算法的比较 25
6.实验与结果分析 30
6.1 异常行为检测的实验 30
6.2 LCS算法的比较实验 34
6.3 实验结论 36
结 论 37
致 谢 38
参 考 文 献 39
1.引言
众所周知，中国是世界上的人口大国，但同时也是头号的老年人大国。随着社会的发展，人们在追求健康长寿的同时，更追求生活质量的提高。尽管现在养老基础设施日趋完善，依然不能满足日益增加的需求，并且老年人更希望在家安度晚年，所以如何为独居老年人提供必要的健康看护，已成为一个迫切的社会问题。
随着人工智能和计算机视觉领域研究的日益深入，目标跟踪及行为分析技术的不断发展，针对独居老年人的智能服务与及时监护等问题引起了人们的广泛关注，并成为一个新的研究热点。目前已有多家国外公司和高校从事老年人异常检测的研究。如Oregon OHSU 的智能床技术[1]，可以跟踪老年人的睡眠模式，检测用户的睡眠异常；Intel 面向老人的主动计算技术，预测老人的需求并主动提供服务，使用RFID 技术推测用户的日常行为模式；Honeywell 的健康监护系统对生命体征和日常行为进行远程监控等。但在国内这方面的研究还刚刚起步，如中科院计算所的健康普适服务，以“创新的服务模式”为人民“适时”、“适地”地提供普遍适用的健康服务与医疗服务等。
在许多特定场合下通过对目标运动轨迹的分析就可以提取出目标的行为模式。在智能交通监控中，机动车辆一般都沿着固定的道路和指定的方向行驶，通过学习这些正常轨迹的分布模式就可以自动检测出逆行、横穿马路等违章行为［2］。相对于车辆的行驶轨迹，家庭环境内目标运动具有较大的复杂性，但对于生活规律较强的老年人，其日常活动的时间和位置较为规律，因此可以将其轨迹的分布模式作为老年人行为特征的重要表现。分析老年人的日常运动轨迹分布，研究轨迹异常的判别方法，并通过对轨迹的异常判断作为行为异常的主要依据是可行的。
从本质上说，基于运动轨迹的目标行为分析是一个多文序列数据的分类问题，其关键在于如何从轨迹之中寻找同类或者搜索异常，并保证分类算法能够处理和适应运动轨迹在空间和时间尺度上的一些轻微变化。
时下，无线传感网络作为新型的传感器网络，由具有感知能力、计算能力和通信能力的大量微型传感器节点组成，通过无线通信方式形成的一个多跳的自配置的网络系统，能够协作地感知、采集和处理网络覆盖区域中感知对象的信息，并发给观察者。强大的数据获取和处理能力使得其应用范围十分广泛，本文中，使用这一技术监测老年人的日常行为，捕获老年人的行为序列，将此序列与事先记录于数据库中的人类正常日常行为进行匹配，查找异常。而进行匹配的检索方法，早期的研究多采用欧氏距离的度量方法[3,4]，这种度量的主要问题是无法匹配时间轴的伸缩，同时对于噪音非常敏感。基于形状的时间序列相似性度量的方法主要还有动态时间弯曲距离(Dynamic Time Warping, DTW)和最长公共子序列（Longest Common Subsequence，LCS）。这两种方法均可以实现时间轴的弹性匹配。由于LCS算法在时间序列受随机尖锐噪声干扰情况下匹配的准确度要高于DTW算法[5]，因此更适合工程应用。