智能家居中的紧急检测使用不活动得分来处理不确定的传感器数据.

科学领域:

• 老年学和智能家居技术
• 医疗保健中的人工智能
• 传感器网络和数据分析

背景情况:

• 人口老龄化需要为独立生活的老年人提供先进的紧急检测系统.
• 当前智能家居紧急检测依赖于可穿戴或环境传感器,但通常假设无错误的数据.
• 现有的系统在传感器测量中扎着假阳性和不可靠性,影响效率.

研究的目的:

• 开发一种新的方法来检测私人家庭的紧急情况,特别是解决不可靠的传感器数据.
• 引入一个能够识别长时间不活动期的系统,这表明紧急情况.
• 提高易受伤害的老年人群紧急检测的可靠性和准确性.

主要方法:

• 开发了一种新的紧急检测方法,专注于异常长的不活动时间.
• 引入了基于传感器可靠性的"不活动评分",用于基于传感器可靠性的不活动概率加权.
• 分析历史不活动分数,以识别可能代表紧急情况的异常,处理错误或不确定的活动信息.

主要成果:

• 拟议的方法在减少虚假阳性和平均检测时间方面明显超过现有方法.
• 在理想条件下,平均检测时间约为05:23:28小时,每天只有0.09个错误报警.
• 即使在处理杂或不确定的传感器数据时,也证明了持续的有效性,与相关方法不同.

结论:

• 新的不活动评分方法为老龄化社会中智能家居紧急检测提供了更强大,更可靠的解决方案.
• 这种方法有效地处理传感器数据的缺陷,对于老年护理的现实世界部署至关重要.
• 该系统在确保独自居住的老年人及时获得援助方面取得了重大进展.