29、生活方式保障情境下行为模式建模用于异常检测

生活方式保障情境下行为模式建模用于异常检测

1. 引言

随着全球老龄化问题的加剧，健康和护理提供者正在探索新的健康和护理服务方式，其中远程护理成为支持老年人和弱势群体的重要手段。远程护理是借助电信和计算机系统，为居家人员提供健康和社会护理服务。而生活方式保障作为远程护理的一部分，旨在通过分析各类传感器收集的数据，确定个人的日常“规律”，并及时发现其中的重要变化。

目前，已有一些研究关注生活方式活动或行为的识别，但在生活方式保障情境下进行异常检测的研究相对较少。以往的部分方法多基于直方图，例如Virone等人针对每天每小时，估算在特定房间内停留的平均时间比例，大幅偏离该比例则视为异常；Ohta等人则按天估算在各房间的平均停留时间，还监测如个人每日移动距离等其他变量。

本文提出了一种基于概率行为模型（PMB）的新方法。该方法为每种活动的每次发生关联一组属性或特征，并依据历史数据学习此类活动的概率模型，偏离该模型的行为即被视为异常。

2. 提出的方法

2.1 异常行为检测

自动检测异常行为颇具挑战，因其本身罕见且难以预料。这一问题在多个领域受到关注，如计算机视觉、发动机涡轮故障检测和电话欺诈检测等。在活动监测方面，主要有以下两类方法：
- 建模方法 ：构建正常行为的模型，以此检测任何偏离该模型的行为，如Tarassenko和Virone等人的方法。
- 判别方法 ：构建一个经过训练的模型，用于区分异常活动和正常活动，前提是训练集中已存在异常事件，如Zhang和Chan等人的方法。

在生活方式保障场景中，异