基于AI视觉识别的老人居家监护系统的设计与开发

（基金项目：国家级大学生创新创业训练计划项目资助（项目编号202410066007））

摘要 “让老年人老有所养、生活幸福、健康长寿是我们的共同愿望。”我国明确提出实施积极应对人口老龄化国家战略。随着国家人口老龄化程度加深，老龄化、少子化、老人独居等现象逐渐成为普遍的社会问题，老年人对于安全和健康的需求也在日益增长。对此，本项目设计了一款基于AI视觉识别的老人居家监护系统。该系统深度融合 AI 视觉识别技术，结合多传感器集成与智能设备控制，构建了全方位、智能化的老人居家监护体系。通过实时监测与预警，有效提升了监护的精准度和响应速度。此外，通过运用算法实现实时监测老人的运动轨迹并识别判断行为状态。本项目为解决老龄化社会中的监护难题提供了新思路，展现了科技在提升养老服务质量和效率方面的巨大潜力。

关键词：AI算法、视觉识别、老龄化、STM32

一、 绪论

由于我国面临着“未富先老”和“未备先老”的挑战以及生育率下降等原因，中国老龄人口规模庞大、发展迅速，截至 2023 年底，中国 60 岁及以上人口以达 到 2.97 亿，占总人口比重 21.1%。预计到 2035 年，中国 65 岁及以上人口占空比将达到 28%如图 1 所示。

随着人口老龄化的加剧，空巢老人问题愈发凸显，成为一个亟待解决的社会难题。针对人口老龄化程度加深，老龄化、少子化、老人独居现象普遍的社会问题，本项目设计一款基于 AI 视觉识别的老人居家监护系统。该系统使用多种信息传感融合技术，不仅能够实现实时监测老人的运动轨迹、行为状态并进行识别判断，还具备对摔倒等突发情况实现自动报警、紧急情况下语音呼救、日常生活提供服务、监测老人生活环境安全、配合 APP 为子女提供远程监护和管理等功能，解决了老龄化社会中老人的居家安全问题，颐养以享余年，具有广阔市场前景。

二、方案设计与技术分析

本项目以解决独居老人生活关照为出发点，涵盖预防疾病、体态监控、心理陪伴、环境监测等方面，防范出现日常生活突发不良状况现象，同时辅助子女或护理人员照看老人，降低粗心大意现象，以便提高护理的效率和质量，从而提升家庭稳定生活幸福感。

本项目基于FuturePose动作预测以及OpenPose人体姿态识别，实时监测老人在室内的运动轨迹、行为状态并对其进行判断，实现对摔倒等突发情况下能够自动拨号至相关人员；利用智能手环监测老人的生理指标，并对其身体状态进行分析；使用ASRPRO语音模块与老人进行日常生活对话，提供心理陪伴以及紧急情况下语音呼救功能；提供便捷的生活服务，如定时提醒服药，天气播报等；通过烟雾传感器监测老人生活环境，以便提前对不良环境进行预警。

三、硬件设计

本系统以STM32F103C8T6微控制器为核心控制单元，采用模块化架构实现多源数据采集、实时处理与协同控制。硬件平台由环境感知模块、通信模块、人机交互模块构成，各单元通过标准化接口协议与主控芯片互联，形成高可靠性嵌入式系。

（一）主控单元设计

STM32F103C8T6作为中央处理器，基于Cortex-M3内核（72 MHz主频），搭载64 KB Flash存储器和20 KB SRAM，通过多总线架构统筹系统任务调度。主控单元通过以下接口实现全系统控制：

（1）ADC采集通道：配置12位高精度模数转换器（采样率1 μs），对烟雾传感器模拟信号进行量化处理；

（2）GPIO扩展控制：驱动温湿度传感器单总线通信，同步控制报警模块输出电平；

（3）USART串行通信：采用双缓冲机制（波特率115200 bps）实现与GPRS模块、串口屏的数据透传；

（4）中断管理：基于NVIC嵌套向量控制器，设置烟雾浓度超限、跌倒检测为最高优先级中断（响应时间<0.5 μs）。

系统主控辅以Jetson Nano人工智能，通过PCIe总线连接RGB摄像头（OV5647）获取实时视频流，依托其16GFLOPs算力运行基于ResNet-50改进的3D姿态估计算法，实现对人体17个关键骨骼点的三维坐标提取。随后将老人运动状态进行分析判断后反馈到STM32，实现摔倒等特殊情况的及时报警。

（二）环境感知模块

环境监测子系统集成多类型传感器阵列：

（1）MQ-2烟雾传感器：基于气敏半导体原理，检测范围覆盖300-10000 ppm可燃气体（CO/CH₄），输出0-5 V线性模拟信号。模块内置温度补偿电路，通过STM32的ADC1_IN8通道采集数据，采用滑动滤波算法消除瞬时干扰，实测灵敏度达0.1 V/ppm；

（2）DHT11温湿度传感器：该传感器包括一个电阻式测湿元件和一个 NTC 测温元件，并与一个高性能 8 位单片机相连接。通过与单片机进行电路连接就能够实时的采集本地湿度和温度。测量范围20-90%RH（±5%精度）、0-50℃（±2℃精度），单总线数字信号输出；

（三）人机交互接口

（1）ASRPRO语音识别模块：集成双麦克风阵列（信噪比60dB），采用MFCC特征提取与HMM模型实现语音指令识别（识别率>92%），支持离线200条指令集，通过UART接口传输文本指令；

（2）淘晶驰TJC3224T024_011串口屏：7寸电容触摸屏（分辨率800×480），内置组态软件实现可视化界面，通过串口与主控通信，实时环境数据并显示药品信息；

（四） 通信与报警模块

SIM900A GPRS+GSM双模模块：内置TCP/IP协议栈，短信传输延迟<3s，通过AT指令集实现远程报警。

四、软件设计

App 系统初始化后即与智能设备无缝连接，快速验证用户身份及密码。登录成功后，用户可实时查看高清监控画面，并即时接收设备反馈的异常信息，确保家居安全无虞。特别为关注老人健康设计，App 能记录并分析老人日常生活状况，及时通知儿女。同时，24 小时不间断监测健康异常，一旦检测到危险信号立即触发语音 SOS 紧急求助，并自动向预设的紧急联系人及短信发送预警与事发位置，实现全天候、全方位的实时监控与快速响应，有效降低潜在风险，守护家的每一刻。

五、结语

随着人口老龄化问题的日益严峻，本研究针对老年人居家安全监护需求提出了一套智能化、多维度的综合解决方案。通过整合深度学习、多模态感知与人机交互技术，构建了融合FuturePose动作预测、OpenPose姿态识别、智慧手环监测、智能语音对话和环境安全检测的协同监护系统。实验表明，该系统在人体行为识别准确率、异常事件响应速度以及生理指标监测精度等关键指标上均优于现有产品。项目成果不仅填补了智能适老产品的市场空白，更构建了"感知-分析-预警-服务"的完整监护闭环，有效降低老年人居家意外伤害发生。未来研究将着力优化边缘计算架构下的实时性表现，并探索基于联邦学习的隐私保护机制，推动智慧养老技术向更安全、更人性化的方向发展。

参考文献

[1]赖招宇.面向居家养老的老人智能状态监测算法研究[D].东华理工大学，2023.DOI：10.27145/d.cnki.ghddc.2023.000772.，2013，（08）：22-23.DOI：10.19339/j.issn.1674-2583.2013.08.010.

[3]李海彬.基于嵌入式的居家老人智能视频监控系统设计[D].大连交通大学，2023.DOI：10.26990/d.cnki.gsltc.2023.000454.

[4]孔鲁超，潘鹏伟，李洋阳，等.基于物联网的空巢老人居家安全管理系统[J].物联网技术，2020，10（12）：80-83+87.DOI：10.16667/j.issn.2095-1302.2020.12.024.

[5]刘鑫鑫.基于3D数模的工件视觉识别系统的设计与实现[D].电子科技大学，2024.

[6]邓茜，王文，邓三鹏.人工智能机器人视觉识别系统设计[J].信息与电脑（理论版），2024，36（12）：118-121.

[7]刘映群，黄嘉源，李泳智，等.基于人工智能的居家老人监护系统的设计与实现[J].传感器世界，2024，30（01）：35-40.DOI：10.16204/j.sw.issn.1006-883X.2024.01.007.