【技術亮點】結合AI邊緣運算與區塊鏈的AI獨居長照安全系統
高齡化獨居風險升高，居家照護安全網有待強化
隨著高齡化社會快速成形，居家照護服務對於即時人身安全監測的需求顯著提升。其中，跌倒事件長期被視為造成長者傷害、失能與醫療負擔的關鍵風險，若無法即時發現與通報，往往錯失黃金救援時間。 現行多數智慧照護解決方案仰賴雲端運算架構，進行影像或感測資料分析，實務上卻面臨三項核心限制：第一，網路延遲與連線穩定度影響智能判斷的能力與即時性；第二，長時間上傳與集中儲存的巨量影像資料，引發隱私與資安疑慮，降低長者與家屬的接受度；第三，對頻寬與後端運算資源的高度依賴，增加導入與維運成本，使技術難以普及至居家與小型照護場域。因此，產業與照護現場迫切需要一套能於終端設備即時運作、不依賴雲端、並兼顧人身安全與資料安全的技術方案，以補足既有長照安全網的關鍵缺口。
整合姿態辨識模型、GAN與區塊鏈的邊緣運算跌倒偵測系統
本智慧居家長照系統係基於 Edge AI 架構開發的輕量化模型，於單一邊緣裝置即可獨立且即時完成人體姿態辨識、跌倒偵測與預測任務，具備即時偵測、判斷與通報能力，無須仰賴雲端運算，其高即時性與低延遲優勢，得以降低因時間差所造成的安全風險。本系統並透過區塊鏈技術提升加密性、隱私性，並兼具可擴充的安全技術佈局，如加密影像快速存取與NPU加速技術等。本系統之核心架構與流程：
1.人體姿態辨識與跌倒偵測
- 結合Lightweight OpenPose及OpenPifPaf深度學習模型，達成人體節點偵測、姿態評估及跌倒判斷
2. 前處理（GAN模型輸入前處理）
- 結合人體骨架拓樸關係與廣度優先搜尋（BFS）演算法，進行關節點缺失補全與資料修復，提升姿態序列完整性與後續GAN模型輸入品質
3.跌倒預測模型
- 基於Conditional GAN的跌倒預測模型，透過處理有時間序列的人體姿態空間資料，可於跌倒發生前或初期辨識高風險狀態
- 在判斷「已跌倒」前，先評估是否出現高風險動作趨勢（例如失衡、急速下墜、支撐失效等）
4.區塊鏈與智能合約
- 基於區塊鏈與智能合約的資料自動加密保存，提高隱私安全性
- 嘗試導入有限生命週期區塊鏈(LiTiChain)，以解決物聯網邊緣裝置資訊過載與資料時效性問題
5.即時通報與紀錄
- 事件觸發後即時推送通報（簡訊／App／後台）
- 紀錄事件摘要與必要的資訊，用於追溯與系統最佳化
獨立運作、即時通報的高隱私性智慧居家長照系統
本系統以 Edge AI 進行即時人體姿勢偵測與跌倒預測，並透過整合區塊鏈完善安全加密性，達成人身安全與資料安全兼顧之目標。其可廣泛應用於以下場域情境：
- 長照機構與居服單位之安全監測
- 獨居或高風險長者之居家照護
- 智慧住宅與社區型照護系統
- 邊緣AI硬體與資安技術整合應用
在實務應用層面，「智慧居家長照系統」具備高即時性、低延遲、隱私友善與可規模化部署等優勢，有助於降低人力巡視成本、提升照護品質，並作為後續技術移轉、產學合作與產品化發展的重要基礎。
技術聯繫窗口：王恬恬 產學合作專員
電話：02-2939-3091 分機 69306
Email : 133227@nccu.edu.tw｜133227@g.nccu.edu.tw
圖一、人工智慧跨域研究中心 吳怡潔教授
圖二、智慧居家長照系統使用者介面
圖三、人體節點偵測結果視覺化與跌倒偵測模型於測試資料集之效能表現
圖四、生成預測模型流程圖
圖五、Blockchain Explorer介面