Kiến trúc hệ thống:

  + Cảm biến môi trường: PIR (chuyển động), nhiệt độ, ánh sáng, công tắc cửa, công tắc thiết bị điện

  + Gateway xử lý: Raspberry Pi, kết nối Wi-Fi, lưu trữ cục bộ và truyền dữ liệu lên cloud

  + Phần mềm phân tích: nhận diện ADLs, phát hiện bất thường, gửi cảnh báo

• Nhận diện ADLs:
•   + Các hoạt động: ngủ, ăn, nấu ăn, vệ sinh, xem TV, ra ngoài
•   + Mô hình học máy: Random Forest, SVM, k-NN
•   + Đặc trưng: thời gian hoạt động, vị trí, chuỗi hành vi, tần suất
• Phát hiện bất thường:
•   + So sánh hành vi hiện tại với mô hình hành vi lịch sử
•   + Phát hiện các sai lệch như: không ăn, ngủ quá nhiều, không rời khỏi giường, không sử dụng thiết bị điện
•   + Cảnh báo qua SMS/email đến người thân
• Kết quả thử nghiệm:
•   + Thời gian triển khai: 6 tháng tại 5 hộ gia đình có người cao tuổi sống một mình
•   + Tổng số ADLs nhận diện: 12.480 hoạt động
•   + Độ chính xác nhận diện ADLs: 92.3%
•   + Độ chính xác phát hiện bất thường: 88.7%
•   + Người dùng đánh giá hệ thống dễ sử dụng, tăng cảm giác an toàn
• Hạn chế:
•   + Không nhận diện được hành vi tinh tế như tâm trạng, cảm xúc
•   + Cần thêm cảm biến sinh học để tăng độ chính xác
•   + Phụ thuộc vào chất lượng dữ liệu cảm biến