6 总结与展望
6.1 总结
随着人口老龄化的加剧，老年人监护问题开始逐步被人们所重视，日常生活活动能力是评价一个人自主生活能力的重要参考，也是评价人生活质量的参考，取食是日常行为中的重要组成项，也是人类生存不可缺少的项目。传统的老年人行动能力评估的方法需要专家到现场进行评估，这样的方法对人力的消耗是比较大的，随着网络的发展，通过评估视频远程评估的方式开始出现，然而这同样需要专家进行定期的评估，并且专家在评分时评分的标准往往会受到个人的判断的影响，而且在大批量的评分工作中可能会存在错误，这会导致结果的不可用以及复审，浪费了人力。为了探究人工智能在基于视频的老年人取食自理能力评级方面的可能性，减轻评估过程中人力消耗的压力，本文主要做了以下四方面的研究：
（1）针对人工智能领域对于老年人取食能力评级的相关量化较少的问题，通过查阅文献，了解到老年人日常行为能力评估最常用的标准巴氏量表，通过巴氏量表给出的评分标准，结合实际老年人评估视频，本文给出了基于视频的老年人取食能力评级的量化方式，通过将老年人取食过程划分为四种状态，即自主取食，部分辅助取食，完全辅助取食，未取食，与巴氏量表中对于老年人取食自理能力的三种评分建立映射，使得人工智能的学习有可依赖的量化标准。老年人取食状态识别任务本质上是行为识别任务，本文选择了ST-GCN网络作为行为识别器。
（2）以上量化的四种状态中包含了两种较为难判断的状态，即部分辅助取食和完全辅助取食，由于对于辅助取食状态识别的相关研究较少，本文针对老年人就餐视频背景干扰大，医护人员的遮挡等问题，选择了YOLO-w6-Pose网络作为人体姿态识别器。针对ST-GCN网络对餐具的信息利用不完全的问题，设计了扩展的人-物关键点关系图，将餐勺信息引入从而提高了模型的识别效果，相比于仅利用人体关键点信息的ST-GCN网络，准确率提升了0.04，达到0.69。
参考文献（略）
