孤寡老人的行为分析方法和系统与流程

1.本申请涉及用户行为分析领域，特别是涉及孤寡老人的行为分析方法和系统。


背景技术：

2.在我国，家庭养老一直是传统的养老方式，然而我国进入老龄化社会，并且核家庭趋势化明显，单纯而传统的家庭养老已不堪重负，高龄、少子、失业、不婚、城市化造就了孤寡老人这样一个群体。目前，由于资金短缺，投入不足，部分公益性养老机构在硬件设施、服务质量、管理水平上陷入了尴尬境地，如何将老人照顾周全，防止其在家中独居时忘记关灶火、水龙头、忘记吃药、慢性疾病、被诈骗成了社会治理中的一个重要问题。
3.当然，现有技术中也有通过传统的行为分析方法，针对用户的行为动作进行分析，异常行为时发出告警信息的方式，但是传统的行为分析方法采用人工统计或一些特定的如摄像头等监控设备进行数据采集、人工分析，最终得到用户的行为动作，如果将传统的行为分析方法对孤寡老人进行监控，数据采集量太大，人工成本太高，并且时效性低，因此难以在孤寡老人行为异常时及时发出告警信息，无法真正解决孤寡老人在家中独居的安全问题。


技术实现要素：

4.本申请实施例提供了孤寡老人的行为分析方法和系统，能够基于用电数据分析孤寡老人的行为动作，及时发现孤寡老人独居时的安全问题。
5.第一方面，本申请实施例提供了孤寡老人的行为分析方法，所述方法包括：采集孤寡老人当前时刻的家电使用信息以及当前时刻的环境变量特征信息；将所述当前时刻的家电使用信息和所述当前时刻的环境变量特征信息输入已训练的行为分析模型，预判得到所述孤寡老人的当前行为，其中，所述行为分析模型由历史时刻的家电使用信息、环境变量特征信息以及对应的历史行为训练得到；依据所述当前时刻的环境变量特征信息获取对应的所述历史时刻的历史行为；将所述当前行为与所述历史行为比对，若不相似，则判断孤寡老人的行为为异常行为。
6.第二方面，本申请实施例提供了一种孤寡老人的行为分析系统，其特征在于，所述系统包括：采集设备，用于采集孤寡老人在使用家电的过程中产生的当前时刻的家电使用信息及当前时刻的环境变量特征；物联网平台，用于获取并存储所述当前时刻的家电使用信息和所述当前时刻的环境变量特征信息；智能中台，用于训练行为分析模型，预判得到所述孤寡老人的当前行为并进行相似度对比；业务平台，用于将当前行为通知到用户终端。
7.第三方面，本申请实施例提供了一种孤寡老人的行为分析装置，其特征在于，所述装置包括：采集单元，用于采集孤寡老人当前时刻的家电使用信息以及当前时刻的环境变量特征信息；输入单元，用于将所述当前时刻的家电使用信息和所述当前时刻的环境变量特征信息输入已训练的行为分析模型，预判得到所述孤寡老人的当前行为，其中，所述行为分析模型由历史时刻的家电使用信息、环境变量特征信息以及对应的历史行为训练得到；
获取单元，用于依据所述当前时刻的环境变量特征信息获取对应的所述历史时刻的历史行为；比对单元，用于将所述当前行为与所述历史行为比对，若不相似，则判断孤寡老人的行为为异常行为。
8.第四方面，本申请提出了一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行如上述第一方面的孤寡老人的行为分析方法。
9.第五方面，本申请提出了一种存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行如上述第一方面的孤寡老人的行为分析方法。
10.传统的行为分析方法采用人工统计或一些特定的如摄像头等监控设备进行数据采集、人工分析，最终得到孤寡老人的行为动作相比，本发明能够解决传统行为分析方法对孤寡老人行为分析的时效性低的问题，能够及时处理并反馈孤寡老人的异常行为，便于更好的关爱孤寡老人，可以极大的促进解决孤寡老人在社会治理中存在的问题，减轻社会负担。
11.本申请的一个或多个实施例的细节在以下附图和描述中提出，以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
12.此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
13.图1是根据本申请实施例的孤寡老人的行为分析方法的流程图
14.图2是根据本申请实施例的孤寡老人的行为分析系统的模型图；
15.图3是根据本申请实施例的电子装置的硬件结构示意图。
具体实施方式
16.这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本说明书一个或多个实施例相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本说明书一个或多个实施例的一些方面相一致的装置和方法的例子。
17.需要说明的是：在其他实施例中并不一定按照本说明书示出和描述的顺序来执行相应方法的步骤。在一些其他实施例中，其方法所包括的步骤可以比本说明书所描述的更多或更少。此外，本说明书中所描述的单个步骤，在其他实施例中可能被分解为多个步骤进行描述；而本说明书中所描述的多个步骤，在其他实施例中也可能被合并为单个步骤进行描述。
18.实施例一
19.请参阅图1，所示为本发明第一实施例中的孤寡老人的行为分析方法，所述方法包括步骤s101至步骤s105：
20.s101、采集孤寡老人当前时刻的家电使用信息以及当前时刻的环境变量特征信息；
21.s102、将所述当前时刻的家电使用信息和所述当前时刻的环境变量特征信息输入已训练的行为分析模型，预判得到所述孤寡老人的当前行为，其中，所述行为分析模型由历史时刻的家电使用信息、环境变量特征信息以及对应的历史行为训练得到；
22.s103、依据所述当前时刻的环境变量特征信息获取对应的所述历史时刻的历史行为；
23.s104、将所述当前行为与所述历史行为比对，若不相似，则判断孤寡老人的行为为异常行为；
24.s105、若所述当前行为与所述历史行为相似，则判断孤寡老人的行为为正常行为，以所述当前时刻的家电使用信息、当前时刻的环境变量特征信息以及当前行为更新训练行为分析模型。
25.在本实施例中，通过采集孤寡老人的历史用电数据作为训练样本，历史用电数据包括了历史时刻的家电使用信息和环境变量特征信息，其中环境变量特征信息用于分析出不同区域、不同用电习惯的人群的行为习惯，建立对应该地区/该特定老人的行为习惯知识库，利用行为习惯知识库对孤寡老人实时的家电使用信息进行计算，判断孤寡老人的当前行为是否为异常行为。所述历史行为从所述行为习惯知识库中获取。本方案所述的“异常”指的是孤寡老人的用电行为与其习惯的行为有很大不同。如，开关灯的频率变得非常高、经常用电灯去寻找相关的东西反映出老人的行为与平时有很大不同，则判断其为异常行为。
26.在s101中，环境变量特征信息包括用电偏好、外部天气、时间等会影响家电使用情况的环境变量；家电使用信息包括孤寡老人对不同家电的使用情况和不同家电的用电量。其中，所述“用电量”用来判断用电数据是否异常，在训练行为分析模型时，通过剔除一部分用电量异常的历史用电数据，可以得到更准确的训练样本。采集孤寡老人对不同家电的使用情况以及用电量，结合用电偏好、外部天气，可以分析得到孤寡老人的当前行为。
27.示例性的，不同地区、不同人的用电数据受外部天气、用电偏好和用电时间影响，通过结合这些环境变量特征信息，能分析出不同特点的人群的用电习惯，使训练得到的行为分析模型的学习结果更符合真实值。
28.示例性的，外部天气主要包括气温、气压、湿度、风力、天气情况等，基于外部天气不同，孤寡老人的用电情况也不同。用电偏好包括但不限于通过问卷或外部系统采集得到的学历教育水平、爱好、地域，此外，用电偏好还可以包括影响用电情况的家庭人数、年龄分布等。
29.在s101中，“采集孤寡老人对不同家电的历史使用信息以及用电量”之后，还包括：模拟非常规电器的使用数据，对所述历史时刻的家电使用信息进行样本扩容。
30.在本步骤中，通过样本扩容来提高行为分析模型在识别时的准确性。具体的，已训练的行为分析模型是以人工标注的家电使用信息为输入，以人工标注的动作信息为监督，训练得到的。样本数据可以都采用采集到的数据，由于一些情况下采集到的数据的单一性较高，数据的丰富程度较小，数据出现不平衡现象。比如，点灯、电视机、煤气灶等常规使用的电器，他们的数据会非常丰富，而电动吸尘器、自动洗碗机等非常规电器，使用数据会相对偏少，因此对非常规电器的样本数据进行扩容。
31.本发明采用的样本数据扩容方式是：模拟非常规电器的使用数据。例如，建立模拟器，在模拟器中有各种型号的非常规电器，对上述非常规电器输入操作指令，根据操作指令
执行进行模拟使用的动作，已达到对使用数据的模拟。通过这种方式进行样本扩充，提升了原采集得到的样本的丰富程度，有利于提高训练出的模型的识别准确度。此外，还可以通过行为分析模型对样本进行丰富，例如在行为分析模型输入电器操作指令，得到电器的使用数据。显然，上述样本扩容的方式仅为示例性的，在实际应用中，本领域技术人员可以基于实际的需要对样本进行扩容。
32.在s101中，“孤寡老人当前时刻的家电使用信息”包括家电类型、电器温度、电器开关时间、电器使用时长、电器使用时间段的一种或多种。
33.在本例中，采集到的家电使用信息主要可以分为以下两种类型，1、连续数据：如总电量的实时用量曲线、电器温度等；2、离散数据：如家电类型、电器开关时间、电器使用时长、电器使用时间段等，基于上述不同类型的数据，结合用电偏好和外部天气、时间等样例数据，进行聚类和回归分析，可以分析出包括但不限于用电量、用电时间段、电器偏好等行为习惯。此外，还可以获取特定家电的特定数据进行分析。
34.以判断烹饪设备状态异常为例，可以通过固定算法指标的阈值来进行设定进而判断异常情况：获取烹饪设备的当前烹饪时长和/或当前烹饪温度，烹饪设备包括烹饪烤箱和/或烹饪灶具的烹饪电器，当前烹饪时长和/或当前烹饪温度由烹饪设备采集获取，基于当前烹饪时长和/或当前烹饪温度确定烹饪设备状态，当烹饪设备状态异常时，判断孤寡老人行为异常。
35.示例性的，判断烹饪设备异常包括以下步骤：获取烹饪设备的历史烹饪时长和/或历史烹饪温度；基于上述信息获取烹饪设备的历史平均烹饪时长和/或历史平均烹饪温度；当烹饪设备的当前烹饪时长和/或当前烹饪温度连续时间段异于所述烹饪设备的历史平均烹饪时长和/或历史平均烹饪温度时，判断所述烹饪设备异状态异常。
36.在s102中，“采集孤寡老人当前时刻的家电使用信息以及当前时刻的环境变量特征信息，所述当前时刻的家电使用信息和所述当前时刻的环境变量特征信息输入已训练的行为分析模型，预判得到所述孤寡老人的当前行为”包括：采集孤寡老人当前时刻的家电使用信息以及当前时刻的环境变量特征信息，其中，所述当前时刻的家电使用信息包括对不同家电的用电数据；将所述当前时刻的家电使用信息以及当前时刻的环境变量特征信息，输入已训练的行为分析模型，得到已训练的行为分析模型输出的每一家电对应的当前动作；根据时间顺序将一段时间内并行的所述当前动作进行整合，得到所述孤寡老人的当前行为。
37.换言之，所述当前行为由设定时间段内至少一当前动作组成，每个当前动作对应单独家电的家电使用信息。
38.本例中，根据不同的家电的当前使用信息来分别评估孤寡老人的当前动作，再将分别评估出来的孤寡老人的当前动作进行整合，得到最终的当前行为。以下结合对家电a、家电b的行为信息进行整合进行详细说明。示例性的，在用电数据中会用多种电器并行使用的情况，家电a、家电b使用的先后顺序和并行情况构成了一段时间内的序列，家电a开着显示行为正常，该时间段内家电b关着显示行为异常，将两种动作进行相似度比对，得出家电a和家电b的动作被归类为同一类动作，则取正常的当前动作，从而更准确地反映出孤寡老人的当前行为。以电视和电脑为例，当用户的用电习惯体现为在一段时间内进行娱乐动作，在该段时间内的电视开着，电脑关着，则取正常的当前动作作为娱乐行为，说明老人的行为是
正常的。
39.进一步的，还可以将家电进行分级，根据家电的级别来进行动作的整合，家电级别越高，则其在当前行为中的影响因子越高，反之则越低。通过上述方式能够对一段时间内相似动作的整合，提高对行为的分析结果。
40.在s102中，家用电器包括电视、收音机、微波炉、煤气灶、电灯等。使用信息包括电视机的开机、关机时间，多久使用一次电视机；微波炉的使用时长，使用时间段；煤气灶的使用时长、使用时间段、电量等等。在具体使用中，可以基于家用电器上的数据传感器或智能插座采集，例如，在电视机开启时，通过传感器记录电视机的开机时间，在电视机关闭时，通过传感器记录电视机的关机时间，或者，通过在微波炉上的传感器记录微波炉的开关机时间等等；在入户电路上进行改造，进行线路划分和统一接入外部设备采集；通过家用电器自身记录，比如通过电视机、收音机等自身来记录其开关机时间等。
41.针对上述步骤101
‑
105，本发明提出了一种孤寡老人的行为分析方法，能够基于用电数据分析孤寡老人的行为动作，及时发现孤寡老人独居时的安全问题。动作反映出孤寡老人的具体行为，例如，可以从灯光的开启和关闭相关的行为动作，反映出老人的身体状况，若该行为异常的此处非常高，则可以反映出孤寡老人的身体可能出现了某方面的病症，例如，泌尿系统疾病等。此处仅给出了一个示例，每一用电数据对应的当前动作，在本例中不进行具体限定。在示出的另一实例中，还可以判别孤寡老人的其他行为，例如，是否被不法分子实施诈骗行为等，若不法分子对孤寡老人实施诈骗行为，则孤寡老人的行为动作会具有相应的特征，比如，会经常使用电灯去寻找相关的东西如财物、存折等，其特征必然会与正常的行为不同，则可以根据这些特征来分析出是否被不法分子实施诈骗行为等。通过对孤寡老人进行行为分析，得到孤寡老人的行为，并且将当前时刻的家电使用信息、当前时刻的环境变量特征信息以及当前行为更新到样本库中，进一步扩充样本，使模型输出的识别结果更接近孤寡老人的动作行为真实值，通过分析动作和行为，可以更好的关爱孤寡老人，避免他们独居在家出现人身安全问题，在发现异常时能及时地设计出对应的政策以及相应的解决问题的方案，可以极大的促进解决孤寡老人的问题，减轻社会的负担等。
42.实施例二
43.请查阅图2，所示为本发明第二实施例中的孤寡老人的行为分析系统，所述系统包括：
44.采集设备，用于采集孤寡老人在使用家电的过程中产生的当前时刻的家电使用信息及当前时刻的环境变量特征；
45.物联网平台，用于获取并存储所述当前时刻的家电使用信息和所述当前时刻的环境变量特征信息；
46.智能中台，用于训练行为分析模型，预判得到所述孤寡老人的当前行为并进行相似度对比；
47.业务平台，用于将当前行为通知到用户终端。
48.在本例中，采集设备可以包括无线传感器等，将采集到的当前时刻的家电使用信息上传到物联网平台，物联网平台将当前时刻的家用使用信息保存在数据库中，智能中台上搭建有模型库，在模型库中通过训练数据得到已训练的行为分析模型。在对行为分析模型进行训练时，首先设计出合适的损失函数，本例采用针对分类的0
‑
1损失，分类正确的估
计值取0，反之取1。损失函数的设定其取决于我们对模型的需求，其需求可以是行为分析的准确性，以及模型的性能参数，模型的性能参数有训练的时间，模型的大小等等。针对分类的损失函数中，常用的有交叉熵损失函数，交叉熵损失函数是一个平滑函数，其本质是信息理论中的交叉熵在分类问题中的应用。由交叉熵的定义可知，最小化交叉熵等价于最小化观测值和估计值的相对熵，即两者概率分布的kullback
‑
leibler散度，因此其是一个提供无偏估计的代理损失。在训练过程中，模型收敛之后，结束模型的训练，得到行为分析模型。
49.在本例中，由于采集了海量的家电使用信息，对数据的存储也是一个要考虑的问题，现有的数据存储可以有多种存储方式，比如说，直接存储在服务器中，可以建立服务器集群进行分布式存储，可以使用云端服务器，将数据存储在云端等等。上述的服务器都有相应的缺点，比如说，存储在本地服务器中，成本较高，存储的数据量较少；存储在云端服务器会有数据的安全问题。为了提高数据的存储安全性及可靠性，保证孤寡老人的用电数据不会被泄露，本申请建立了服务器集群来存储数据，具体的，孤寡老人的行为分析系统部署在服务器上，包括：建立本地服务器集群，对服务器进行分布式管理，使不同的本地服务器存储不同区域的数据；建立云端服务器集群，使用统一端口对数据进行存储、管理和查询。通过将本地服务器进行分布式管理，对不同的服务器进行编号来管理不同存储内容，不同的本地服务器内可以存储不同区域的孤寡老人用电数据，例如，在一个服务器存储有a、b、c小区的数据，另一个服务器存储有d、e、f小区的数据。云端服务器集群包括云端服务器管理平台，通过平台管理数据，当进行数据访问时，对身份进行认证识别，采用如云平台自带的对称加密、密文策略属性基加密(cp
‑
abe)等方式增强数据的安全性。在访问数据时，通过fifo排队的方式对流量进行管理。
50.实施例三
51.本实施例还提供了一种孤寡老人的行为分析装置，其特征在于，所述装置包括：
52.采集单元，用于采集孤寡老人当前时刻的家电使用信息以及当前时刻的环境变量特征信息；
53.输入单元，用于将所述当前时刻的家电使用信息和所述当前时刻的环境变量特征信息输入已训练的行为分析模型，预判得到所述孤寡老人的当前行为，其中，所述行为分析模型由历史时刻的家电使用信息、环境变量特征信息以及对应的历史行为训练得到；
54.获取单元，用于依据所述当前时刻的环境变量特征信息获取对应的所述历史时刻的历史行为；
55.比对单元，用于将所述当前行为与所述历史行为比对，若不相似，则判断孤寡老人的行为为异常行为。
56.实施例四
57.请参阅图3，本实施例还提供了一种电子装置，包括存储器304和处理器302，该存储器304中存储有计算机程序，该处理器302被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
58.具体地，上述处理器302可以包括中央处理器(cpu)，或者特定集成电路(applicationspecificintegratedcircuit，简称为asic)，或者可以被配置成实施本申请实施例的一个或多个集成电路。
59.其中，存储器304可以包括用于数据或指令的大容量存储器304。举例来说而非限
制，存储器304可包括硬盘驱动器(harddiskdrive，简称为hdd)、软盘驱动器、固态驱动器(solidstatedrive，简称为ssd)、闪存、光盘、磁光盘、磁带或通用串行总线(universalserialbus，简称为usb)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器304可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器304可在数据处理装置的内部或外部。在特定实施例中，存储器304是非易失性(non
‑
volatile)存储器。在特定实施例中，存储器304包括只读存储器(read
‑
onlymemory，简称为rom)和随机存取存储器(randomaccessmemory，简称为ram)。在合适的情况下，该rom可以是掩模编程的rom、可编程rom(programmableread
‑
onlymemory，简称为prom)、可擦除prom(erasableprogrammableread
‑
onlymemory，简称为eprom)、电可擦除prom(electricallyerasableprogrammableread
‑
onlymemory，简称为eeprom)、电可改写rom(electricallyalterableread
‑
onlymemory，简称为earom)或闪存(flash)或者两个或更多个以上这些的组合。在合适的情况下，该ram可以是静态随机存取存储器(staticrandom
‑
accessmemory，简称为sram)或动态随机存取存储器(dynamicrandomaccessmemory，简称为dram)，其中，dram可以是快速页模式动态随机存取存储器304(fastpagemodedynamicrandomaccessmemory，简称为fpmdram)、扩展数据输出动态随机存取存储器(extendeddateoutdynamicrandomaccessmemory，简称为edodram)、同步动态随机存取内存(synchronousdynamicrandom
‑
accessmemory，简称sdram)等。
60.存储器304可以用来存储或者缓存需要处理和/或通信使用的各种数据文件，以及处理器302所执行的可能的计算机程序指令。
61.处理器302通过读取并执行存储器304中存储的计算机程序指令，以实现上述实施例中的任意孤寡老人的行为分析方法或孤寡老人的行为分析方法。
62.可选地，上述电子装置还可以包括传输设备306以及输入输出设备308，其中，该传输设备306和上述处理器302连接，该输入输出设备308和上述处理器302连接。
63.传输设备306可以用来经由一个网络接收或者发送数据。上述的网络具体实例可包括电子装置的通信供应商提供的有线或无线网络。在一个实例中，传输设备包括一个网络适配器(network interface controller，简称为nic)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输设备306可以为射频(radio frequency，简称为rf)模块，其用于通过无线方式与互联网进行通讯。
64.输入输出设备308用于输入或输出信息。例如，上述输入输出设备可以是显示屏、鼠标、键盘或其他设备。在本实施例中，输入设备用于输入采集得到的信息，输入的信息可以是数据、表格、图像、实时视频，输出的信息可以是通过业务系统展示的的文本、图表以及告警信息等等。
65.可选地，在本实施例中，上述处理器302可以被设置为通过计算机程序执行以下步骤：
66.s101、采集孤寡老人当前时刻的家电使用信息以及当前时刻的环境变量特征信息；
67.s102、将所述当前时刻的家电使用信息和所述当前时刻的环境变量特征信息输入已训练的行为分析模型，预判得到所述孤寡老人的当前行为，其中，所述行为分析模型由历史时刻的家电使用信息、环境变量特征信息以及对应的历史行为训练得到；
68.s103、依据所述当前时刻的环境变量特征信息获取对应的所述历史时刻的历史行为；
69.s104、将所述当前行为与所述历史行为比对，若不相似，则判断孤寡老人的行为为异常行为；
70.s105、若所述当前行为与所述历史行为相似，则判断孤寡老人的行为为正常行为，以所述当前时刻的家电使用信息、当前时刻的环境变量特征信息以及当前行为更新训练行为分析模型。
71.另外，结合上述实施例中的孤寡老人的行为分析方法，本申请实施例可提供一种存储介质来实现。该存储介质上存储有计算机程序；该计算机程序被处理器执行时实现上述实施例中的任意孤寡老人的行为分析方法。
72.本领域的技术人员应该明白，以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。