Transcript 下載/瀏覽

報告人：黃琨義
2016/7/13
1
 Problems & Rationales
 Literatures Review
 Purpose
 Materials & Methods
 Expected Results
2
3
 長期照護需求浮現
總數
(人)
%
(佔全人
口之百
分比)
65歲以下
65歲以上
人數
%
(佔全人
口之百
分比)
人數
%
(佔全人
口之百
分比)
1996
84,580
0.39
8,458
0.04
76,122
4.5
1997
96,556
0.44
8,656
0.05
86,900
5.0
2000
115,806
0.52
11,581
0.06
104,225
5.5
2005
130,167
0.50
13,017
0.06
117,150
5.5
2010
144,039
0.60
14,404
0.07
129,635
5.5
4
 老人與慢性病
2009年六十五歲以上國民罹患慢性疾病或重大
疾病情形
0.31%
33.26%
33.96%
循環系統疾病
骨骼肌肉疾病
14.28%
3.30%
19.77%
內分泌及代謝疾病
消化系統疾病
眼耳疾病
2.77%
6.81%
0.88%
皮膚疾病
神經系統疾病
其他疾病
無慢性病或重大疾病
8.66%
樣本數:5,441人
65％認為需要居家照顧服務
72％認為需要緊急救援連線
不知道
5
 老人照護模式
 最好的照護模式→以家庭為中心的老人社區發
展性支持網路
照護類型
項目
居家式
居家服務
居家護理
居家復健
科技化照護輔具及居家無障礙環境改善服務
社區式
日間照顧
家庭托顧
交通接送服務
機構式
長期照護機構
6
 老人常見的意外發生狀況
 老人跌倒事故佔老人死因排名第七位，傷害第
二位
 造成跌倒的原因有45%為個體老化
 個體老化的程度指標：日常活動力 (ADL)
跌倒
(35.8%)
機車車禍
火傷或燙傷 任何中毒 其他意外事
嗆到(9.4%)
(30.9%)
(4.2%)
(1.75%) 件(17.75%)
65-74歲
1800
2700
600
500
200
1950
大於74歲
8400
4100
1900
700
300
3100
7
 格斯理的行為理論[2]
 人在生活中，會有重覆成功動作形式的傾向，
這個過程稱之定型化，而定型化就是習慣養成
的重要關鍵
 當人每天遇到同樣的事情就會依照習慣動作反
應與執行相同的事情，這些習慣動作的歷程中，
每個狀態中就會產生一連串聲音的狀態
8
 離床動聲種類
事件種類
描述
範例
生理事件狀況
自身警覺異常，所造成的 主動呼救、要求協助、呻吟、哀
聲音
嚎、尖叫等
行為事件狀況
行為動作所發出的聲音
意外事件狀況
突發狀況、意外事件所出 跌倒、撞擊、東西掉落翻覆
現的聲音
環境事件狀況
環境設備所發出的聲音
（噪音居多）
開關門、移動腳步聲、馬桶沖水、
電燈開關
電器(空調、電扇、電視、收音
機、電腦、除濕機、除塵器、照
明設備)所發出的聲音
9
 Voice Recognization Models
 Hidden Markov Model，HMM
 Gaussian Mixture Model，GMM
 語音結構具有狀態轉移之特性
 HMM 是一種可描述狀態轉移之機率模型
 連續型 HMM 圖例
 State：3，內轉機率：0.6，外轉機率：0.4
 Mixture：4
0.6
State1
0.4
State2
State3
N  k ,  k , c k 
k  1, 2 ,3 , 4
10
 HTK 訓練流程
11
 HTK 辨識流程
12
 應用聲學訊號處理科技，主動偵測與追蹤
居家老人之行為聲音，以識別老人居家行
為，以輔助：
 估算老人日常生活活動力(Active Daily Living，
ADL)，以監測老人健康情形
 偵測老人行為危險之情況
 提供老人居家的行為事件訊息給照護相關人員，
作為老人居家照護之依據
以達到減少老人居家之意外問題，並提升老
人居家照顧品質
13
 動聲情境語料收集
 動聲情境感知與行為事件特徵之資料庫建立
 動聲情境之行為事件模式分析與探勘演算法
 動聲情境之行為事件模式建立
 建立與調適動聲識別模組
14
Data Collection Process
Activity
Sound
Activity Sound
Recording System
Activity Sound
Database
Scenario
Tagging Process
Acoustic Feature
Extraction
Acoustic Event
Model Training
Acoustic Event
Detection Process
Acoustic Event
Detection Model
Acoustic Event for
Activity Recognition
Acoustic Event Model
Training and Detection
Acoustic Event
Database
Acoustic Event
Tagging Process
15
 單人臥室之聲音收集實驗場地
16
 訊號擷取系統架構
17
 收集的語料
床上行為
老人識
別情境
喝水
拿水瓶(與桌子摩擦)+倒水聲+放下水瓶(撞擊
桌面聲)+拿杯子(與桌子摩擦)+放下杯子(撞
擊桌面聲)
睡眠
鼾聲+咳嗽+咳痰聲+翻身聲響
上廁所
日常行為
危險行為
腳落地+開關燈(夜間)+腳步聲+小便落水聲+
馬桶沖水聲+腳步聲+開關燈(夜間)+上床聲響
求救
護士小姐(國)+救命啊(國)
意外
跌倒撞擊聲+啊+唉唷
上廁所意外
腳落地+開關燈(夜間)+腳步聲+開浴室門聲+
腳步聲+跌倒撞擊聲+啊+唉唷+救命啊(國)
18
 收集方式
 導引式
 收集流程
 為了讓實驗者有休息時間，以避免過累而影響
語料的收集，流程的設計會讓實驗者交叉換著
跑
19
 動聲訊號預處理
 語料檢視
 使用者資料核對
 使用者與情境行為之對應整理
 動聲情境行為特徵標註
 定訂標註之事件特徵
 專家進行聲音行為特徵之標註
20
 標註介面
21
22
 聲音事件型為狀態偵測演算法
 Step1. 使用最大字串比對演算法將短程聲音事
件代號序列S1~SN 兩兩比對，以取得最大相似
度字串B1~Bk
 Step2. 求得聲音事件出現機率Prob(Bi)與長度
Length(Bi)
 Step3. 設定機率與長度門檻值，以求得符合之
預選字串
23
24
 聲學識別模組：HMM (HTK)
 3 State，8 Mixture
 參數：13 MFCC，13 Delta-MFCC， 13
Delta-Delta-MFCC
25
 識別文法樹
26






提升老人居家照護品質
提升老人居家意外的處理速度
減少醫療資源之浪費
建立離床行為情境識別模組
居家老人之離床動聲偵測與追蹤
提供老人居家行為資訊
27
 必須符合一般居家之情況
 雜音干擾問題
 事件特徵標註，可能會因人員素質不同，
而產生資料錯誤
28
29