物联网中以人体为目标的重要形式——身联网

被引量 : 0次 | 上传用户:zhjic
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
研究目的与方法:物联网行业正在进入技术突破和完善思想的重要阶段,从中引申出的身联网(IOB,Internet of Bodies)则是以人体为目标、最为贴切体育运动与医疗健康领域的方向。国际社会对于身联网的思考诸多且日益细致,IEEE CS将其列入"2019年十大技术趋势"之一。身联网超前的人体智能化联网思想,吸引着几乎所有领先机构对其进行深入的探索,因此有必要对其技术架构和应用形式进行研究,分析其在体育健康方面的发展趋势和可能遇到的问题。本文通过大量搜集分析国内外相关资讯和文献,结合体育学、医学和物联网工程对身联网技术进行深入分析。研究结果:2.1身联网三层架构身联网作为有关人体传感的网络,进一步扩大了体域网的研究范围,本质思想是一系统化、智能化的服务网络,是体育物联网的重要组成部分。其符合传统物联网的三层架构:由感知层、网络传输层、云端应用服务层组成,但各层功能有了更细致的优化和要求。1)感知范围和能力扩大:感知层主要依靠传感器技术进行持续的信息传递,最新研究表明具有身联网性质的系统中,单个传感器获取的不再只是自身的信息,而是区域内其他传感器的共享数据。人体日常的运动过程极为复杂,感知信息的种类扩大为生理生化、运动动力和更多方面,大量的实时数据获取成为应用服务的分析基础。2)网络和信号安全性提升:由于无线网络会在人体范围产生电磁和其他类型的辐射,身联网相关设计开始注意网络信号对人体的安全性、能耗和传输效率的控制,提出高性能低能耗、安全可扩展、支持异构接入和终端移动等技术要求。3)人工智能参与服务:云端应用服务层的参与者不再只是用户和健康指导人员两方,人工智能开始发挥重要作用。一些医疗保健网络尝试引入AI和云计算技术使系统更加智能化、人性化和规模化。身联网大量的应用和功能实现开始依靠云技术进行分布式的计算和数据存储,比传统的固定服务器扩展性更高,用户友好性更强,也有良好的衔接能力。2.2三种应用形式现有的身联网相关研究和系统设计可以按照传感器位置分类为附着式、半植入式和植入式三种。1)附着式:包涵可穿戴和其他非接触式的近距离感应设备,智能和增强隐形眼镜、智能手表(环)、机械外骨骼等是代表设备。Canalys发布的季度估值和预测数据报告表明2018年第一季度可穿戴设备销量开始持续走高,可穿戴手环类设备出货量涨幅为35%,总量达到2050万件。2)半植入式:主要应用于假体方面,如半植入的人工耳蜗、假肢和残奥运动员装备等。现如今残疾人奥运会上展示了更加先进的运动装备,从碳纤维时代的功能型装备转变为拥有各式传感器的智能型装备和配套系统。3)植入式:即完全植入人体。通过自驱动和光感应等新的供能方式,开发出具有感知功能的高续航芯片,中国科学家首创将自驱动的柔性传感器植入人体心脏部位,进行心功能和心血管疾病监测;也有研究将一些携带特定药物或激素的设备植入人体,通过编程控制激素或药物的释放,成为紧急医疗和干预的解决方案,也可能成为耐力竞赛运动员补充能量的新方式。出现了可降解的生物传感器,能无害地溶解在人体内,为体育和医疗领域带来了更准确的数据证明和更好的治疗效果。一个完整的身联网会利用这三类形式进行组合混用,成熟的AI算法方便人们尽可能进行全面的运动监控、体力活动量化、提供医疗帮助,也方便研究人员和教练员对运动员进行更有效的帮助。研究结论:身联网是体域网的进一步发展,强调大融合和人性化,感知层逐渐拥有反馈功能,三层结构关系更为紧密,是强大的智慧网。这样的以运动健康为目标的设备和系统将会产生难以估值的庞大经济价值,但人工智能不应该不受控的应用在身联网上,否则未来可能因为技术的爆发式进步产生机器控制的奥威尔式社会。由于人体内涵的基因信息会被上传到网络,我们需要绝对可靠地加密技术,否则设备一旦遭到破坏,产生致命的刺激就会威胁目标的身体健康状况。造价更低,续航更长的新设备将引起体育活动和竞赛形式的改变,而信息泄露则会使竞赛出现舞弊和遭受攻击,体育人应该尽早考虑和制定建立相关的规定和方案。毫无疑问的是,身联网将会极大的方便人类进行人体运动状态和规律等方面研究,帮助人类进行治疗和自我监测,是人类未来生活的趋势。
其他文献
由于社会科学水平的飞速发展,导致人们进入快节奏的生活状态,这就要求国民的身体素质适应社会的劳动需求。相应地,对即将步入社会的大学生的身体素质要求也有所提高。大学生
针对传统协同过滤推荐算法推荐精度较低等问题,提出一种个性化社交活动推荐算法。采用文件主题模型求取用户与其参加过的所有社交活动的主题分布,利用隐含主题概率分布表征用
针对遥感影像场景中空间信息丰富以及冗余的地理特征会对网络训练时造成干扰等问题,提出一种采用特征重校准融合密集神经网络的遥感影像场景分类方法。通过缩聚与激发机制建立SE block,将SE block与其多尺度分支嵌入DenseNet-121中进行特征重校准,利用DenseNet中密集连接方式加强信息流的传递。该方法使得整体模型获得全局感受野的稳健特征表示,减少遥感场景特征的冗余映射。通过在两个公开