技术特征：
1.基于ai智能判别的养老院管理系统，其特征在于，所述系统包括：健康数据采集单元，配置用于采集养老院内的老年人的初始健康数据；行为数据采集单元，配置用于采集养老院内的老年人的初始行为数据；情绪数据采集单元，配置用于采集养老院内的老年人的初始情绪数据；数据修正单元，配置用于对采集到的初始健康数据、初始行为数据和初始情绪数据进行数据修正，具体包括：基于采集到的初始健康数据和初始行为数据，对初始情绪数据进行修正，得到修正情绪数据；基于采集到的初始健康数据和初始情绪数据对初始行为数据进行修正，得到修正行为数据；基于采集到的初始行为数据和初始情绪数据对初始健康数据进行修正，得到修正健康数据；数据异常判断单元，配置用于首先基于修正行为数据使用预设的修正行为数据判断模型，判断老年人是否出现行为异常，若是，则基于修正健康数据和修正情绪数据进行比较判断，以判断修正健康数据和修正情绪数据的主次关系，若修正健康数据为主数据，则生成健康预警命令，若判断修正情绪数据为主数据，则使用预设的神经网络模型，对修正情绪数据进行分析，以判断是否出现情绪异常，若是，则生成情绪预警命令。2.如权利要求1所述的系统，其特征在于，所述健康数据采集单元为集成多个传感器的可穿戴设备；其中所述传感器的种类至少包括：心率传感器、体温传感器、血压传感器和血氧传感器；所述初始健康数据为所述可穿戴设备中传感器感知到的数据。3.如权利要求2所述的系统，其特征在于，所述情绪数据采集单元为面部图像采集装置；所述面部图像采集装置，实时采集面部图像数据，将面部图像数据进行基于表情的图像分析，得到表情分析结果，根据预设的表情和pad值的映射关系，得到表情分析结果的pad值，作为初始情绪数据；所述行为数据采集单元为躯体图像采集装置；所述躯体图像采集装置，实时采集躯体图像数据；所述躯体图像数据至少包括：站立时间、行走时间、坐立时间和躺卧时间。4.如权利要求3所述的系统，其特征在于，所述基于采集到的初始健康数据和初始行为数据，对初始情绪数据进行修正，得到修正情绪数据的方法包括：使用如下公式，计算得到健康数据修正系数：exp(0.35*d
i
)；其中，health为健康数据修正系数，h
i
为同一时间下的初始健康数据，n为同一时间下的初始健康数据的个数；d
i
为同一时间下的初始健康数据的标准值，为多个设定值；再使用如下公式，计算得到行为数据修正系数：其中，behavior为行为数据修正系数，b
i
为同一时间下的初始行为数据，m为同一时间下的初始行为数据的个数；d
i
为同一时间下的初始行为数据的标准值，为多个设定值；k
i
为同一时间下的初始行为数据的权值，当其对应的b
i
为0时，k
i
的取值为0，当其对应的b
i
不为0时，k
i
的取值为1；最后，使用如下公式，得到修正情绪数据：修正情绪数据＝health*behavior*初始情绪数据。5.如权利要求4所述的系统，其特征在于，所述基于采集到的初始健康数据和初始情绪数据对初始行为数据进行修正，得到修正行为数据的方法包括：首先，使用如下公式计算得到情绪数据修正系数：到情绪数据修正系数：其中，emotion为情绪数据修正系数，(e
i
为同一时间下的初始情绪数据，l为同一时间下的初始情绪数据的
个数；t
i
为同一时间下的初始情绪数据的标准值，为多个设定值；p
i
为初始情绪数据的权重值，当|e
i-t
i
|的值超过设定的第一阈值范围时，其对应的取值为1，否则，其对应的取值为0；||为求绝对值运算；然后，使用如下公式，得到修正行为数据：修正行为数据＝health*emotion*初始行为数据。6.如权利要求5所述的系统，其特征在于，所述基于采集到的初始行为数据和初始情绪数据对初始健康数据进行修正，得到修正健康数据的方法包括：使用如下公式，得到修正健康数据：修正健康数据＝behavior*emotion*初始健康数据。7.如权利要求6所述的系统，其特征在于，所述数据异常判断单元，首先基于修正行为数据使用预设的修正行为数据判断模型判断老年人是否出现行为异常的方法包括：将修正行为数据代入到修正行为数据判断模型中，计算得到一个判断值；将该判断值与预设的第二阈值范围进行比较，若在第二阈值范围之外，则判断老年人出现行为异常，否则，则判断老年人行为未出现异常；所述修正行为数据判断模型使用如下公式进行表示：老年人行为未出现异常；所述修正行为数据判断模型使用如下公式进行表示：其中，x表示判断值。8.如权利要求7所述的系统，其特征在于，所述数据异常判断单元，基于修正健康数据和修正情绪数据进行比较判断，以判断修正健康数据和修正情绪数据的主次关系的方法包括：将修正健康数据和修正情绪数据映射到以横轴为获取数据的时间，纵轴为数据值的二维坐标系中，生成修正健康数据在二维坐标系中的曲线和修正情绪数据在二维坐标系中的曲线；分别计算修正健康数据的曲线的斜率的绝对值的加和值和修正情绪数据的曲线的斜率的绝对值的加和值；若修正健康数据的曲线的斜率的绝对值的加和值大于修正情绪数据的曲线的斜率的绝对值的加和值，则判断修正健康数据为主数据，反之，则判断修正情绪数据为主数据。9.如权利要求8所述的系统，其特征在于，所述数据异常判断单元，使用预设的神经网络模型，对修正情绪数据进行分析，以判断是否出现情绪异常的方法包括：将训练数据代入到预设的神经网络模型中，输出对应的标准矩阵结果；将修正情绪数据代入到预设的神经网络模型中，输出对应的矩阵结果；将标准矩阵结果与矩阵结果进行作差运算，得到作差矩阵，计算作差矩阵的秩，若矩阵的秩大于超过的第三阈值范围，则判断出现情绪异常。10.如权利要求9所述的系统，其特征在于，所述神经网络模型具备两个输出的神经网络模型，由两个神经网络拼接而成，分别为训练神经网络和情绪神经网络；其中，所述训练神经网络的误差函数与情绪神经网络的误差函数不同。
技术总结
本发明属于智慧养老技术领域，具体涉及基于AI智能判别的养老院管理系统。所述系统包括：健康数据采集单元，配置用于采集养老院内的老年人的初始健康数据；行为数据采集单元，配置用于采集养老院内的老年人的初始行为数据；情绪数据采集单元，配置用于采集养老院内的老年人的初始情绪数据；数据修正单元，配置用于对采集到的初始健康数据、初始行为数据和初始情绪数据进行数据修正。其通过采集三种数据进行交叉修正，提升了数据的获取的数据准确率，以及利用针对这些数据对老年人的身心健康和行为异常进行了全方位智能化地监控，极大程度提升了养老院的管理效率，以及提升了养老院的服务水平。的服务水平。的服务水平。
技术研发人员：卢玉敏
受保护的技术使用者：上海柚纯数字科技有限公司
技术研发日：2022.10.26
技术公布日：2023/1/31