# 🛡️ Wenxin Guardian (文心守护) —— 打造基于文心大模型与毫米波雷达的“无感”居家养老监护新范式## 项目简介**Wenxin Guardian** 是一款专为独居老人设计的智能监护系统。针对传统摄像头监控侵犯隐私、可穿戴设备老人依从性差等痛点，本项目创新性地结合了 **60GHz 毫米波雷达技术**（用于非接触式体征监测与跌倒检测）和 **百度文心大模型**（用于智能健康分析与情感关怀），旨在提供全天候、无侵犯、有温度的居家安全保障。本项目不仅提供了一套完整的软硬件协同架构，还开源了 **WGD-2025 (Wenxin Guardian Dataset)** —— 一个包含 2200+ 份社区老人真实健康档案与雷达特征的多模态数据集，填补了该领域的数据空白。## 一、项目背景随着全球人口老龄化加剧，“空巢老人”的安全与健康问题日益凸显。传统的居家养老监护方案存在明显局限：1. **视频监控**：虽然直观，但严重侵犯隐私，无法安装在卧室、卫生间等高风险区域。2. **可穿戴设备**（手环/手表）：需要老人长期佩戴并定期充电，很多老人因遗忘或不适而拒绝使用。如何实现“既保护隐私，又精准监测，还能提供情感关怀”的监护系统？**毫米波雷达 + 大模型** 给出了完美的答案。毫米波雷达可以穿透衣物、不受光线影响，且只输出点云数据，天然保护隐私；而文心大模型则赋予了冷冰冰的机器以“理解”和“关怀”的能力。## 二、项目方案本项目采用 **端-边-云** 协同架构，实现了从硬件感知到 AI 决策的全链路闭环。### 2.1 系统架构设计```mermaidgraph TD A["毫米波雷达 (60GHz)"] -->|UART/Serial| B("后端驱动层 RadarInterface") B --> C{"数据融合服务 DataService"} D["WGD-2025 数据集"] --> C C -->|实时状态| E["FastAPI 后端核心"] E -->|REST API| F["Flutter 移动端"] E -->|Web Socket| G["Gradio Web 控制台"] E -->|Prompt| H["文心大模型 Agent"] H -->|关怀/急救建议| E```1. **感知层 (Perception Layer)** * **60GHz 毫米波雷达**：负责采集人体点云、微动信号（呼吸/心跳）及存在检测。 * **医疗级指夹式血氧仪**：用于采集 SpO2 和心率真值（Ground Truth）。2. **驱动层 (Driver Layer)** * **RadarInterface**：自研硬件抽象层，支持 UART 串口实时读取。 * **Playback Mode**：独创的“数据回放模式”，在无硬件环境下循环播放预录制的真实雷达信号流，方便开发者调试。3. **数据层 (Data Layer)** * **DataService**：多模态数据融合中心，将雷达特征与 **WGD-2025** 历史健康档案结合。 * **SQLite**：本地轻量级数据库，存储告警日志与交互记录。4. **服务层 (Service Layer)** * **FastAPI**：高性能异步后端，提供 RESTful API 和 WebSocket 推送。 * **PaddlePaddle**：部署 LSTM 跌倒检测模型。5. **应用层 (Application Layer)** * **Gradio Web**：可视化大屏，供护工或子女查看实时状态。 * **Flutter App**：移动端接口，支持远程查看。 * **文心 Agent**：基于 ERNIE Bot，提供健康报告解读与语音关怀。### 2.2 技术栈* **编程语言**: Python 3.9+* **深度学习框架**: PaddlePaddle 2.x* **Web 框架**: FastAPI, Gradio* **大模型**: 百度文心一言 (ERNIE Bot SDK)## 三、数据说明人工智能类项目离不开高质量的数据。本项目内置了团队在社区实地采集的 **WGD-2025 (Wenxin Guardian Dataset)** 数据集。* **数据来源**: XX市第一社区养老服务中心、XX街道居家养老示范点。* **数据规模**: 2200 名老年志愿者的脱敏健康档案。* **数据集下载**: [点击跳转至 AI Studio 数据集详情页](https://aistudio.baidu.com/dataset/detail/362368/file)* **本地路径**: `dataset/elderly_health_records.csv`### 数据字段示例| 字段名 | 说明 | 示例值 || :--- | :--- | :--- || `PatientID` | 患者唯一标识 | P00123 || `Age` | 年龄 | 76 || `Radar_GaitSpeed_mps` | **雷达步态速度** | 0.85 m/s || `Radar_ActivityLevel` | **雷达活动量指数** | 45 (Low) || `RiskScore` | **综合风险评分** | 82 (High) || `RiskLabel` | 风险等级 | High |> **注**：为了保护隐私，所有数据均已通过 `dataset/data_processor.py` 进行了严格的脱敏处理。## 四、代码实现### 4.1 雷达数据驱动与回放在 `backend/radar_interface.py` 中，我们封装了雷达的硬件操作。为了方便开发者在没有硬件的情况下体验，我们实现了 `_playback_test_stream` 方法，模拟真实的雷达数据流。```python# backend/radar_interface.py 片段def read_data(self): """ 读取一帧雷达数据。 如果硬件未连接，自动切换到回放模式，播放 WGD-2025 采集的真实样本。 """ if self.is_connected: return self._read_from_serial() else: # 数据回放模式 (Playback Mode) return self._playback_test_stream()```### 4.2 跌倒检测模型 (LSTM)使用 PaddlePaddle 构建的长短期记忆网络 (LSTM)，专门处理雷达的时序点云特征，实现跌倒的实时判别。```python# training/model_define.py 片段class FallDetectionLSTM(nn.Layer): def __init__(self, input_size=4, hidden_size=64, num_layers=2, num_classes=2): super(FallDetectionLSTM, self).__init__() self.lstm = nn.LSTM(input_size, hidden_size, num_layers, direction='forward') self.fc = nn.Linear(hidden_size, num_classes)```### 4.3 文心大模型 Agent 接入通过 `backend/agent_bridge.py` 将结构化的监测数据转化为自然语言 Prompt，请求文心一言生成专业的健康建议。```python# backend/agent_bridge.py 片段def generate_care_message(self, patient_info, sensor_data): prompt = f""" 你是一位专业的养老护理顾问。 老人信息：{patient_info} 当前监测数据：{sensor_data} 请根据上述信息，生成一条温暖的关怀语音文本，并给出一条急救建议。 """ return self.call_ernie_bot(prompt)```## 五、效果展示### 5.1 Web 可视化控制台启动项目后访问 `http://localhost:8000`，即可看到基于 Gradio 构建的监控大屏。* **左侧**：显示老人的实时心率、呼吸波形及跌倒状态。* **右侧**：展示文心大模型生成的实时健康分析报告。### 5.2 移动端 (Flutter) 伴侣应用本项目不仅仅是一个后端系统，还完美适配了移动端场景。通过 Flutter 开发的配套 App，子女或监护人可以随时随地查看老人的健康状态。* **跨平台支持**: 一套代码同时运行在 Android 和 iOS 上。* **实时状态同步**: 通过 `GET /api/flutter/status` 接口毫秒级获取老人心率、呼吸及跌倒风险。* **响应示例**: ```json { "status": "Normal", "heart_rate": 78, "risk_label": "Low", "msg": "今日活动量达标，身体状况良好。" } ```## 六、总结与提高**Wenxin Guardian** 探索了一条“硬件+AI+大模型”的智慧养老新路径。1. **隐私友好**：利用毫米波雷达替代摄像头，解决了家庭场景的隐私顾虑。2. **数据驱动**：基于 WGD-2025 真实数据集训练，算法鲁棒性更强。3. **人文关怀**：文心大模型的加入，让机器不再冷冰冰，而是能提供有温度的陪伴。**未来计划**：* **边缘计算部署**：将 LSTM 模型量化剪枝，部署在树莓派或 Jetson Nano 上，实现离线跌倒检测。* **多雷达组网**：支持多台雷达协同工作，覆盖全屋无死角。## 附录：快速开始1. **克隆项目** ```bash git clone https://gitcode.com/TheDan/kanghubao.git cd kanghubao ```2. **安装依赖** ```bash pip install -r requirements.txt ```3. **运行系统** ```bash python app.py ```## 个人/团队介绍**团队名称**：文心守护者**团队成员**：TheDan (及其他成员)**联系方式**：在 AI Studio 评论区留言> 本项目为 AI Studio 精品项目投稿作品，原创不易，欢迎 Fork 和 Star！