CN105787504A - 人体行为识别方法及系统 - Google Patents
人体行为识别方法及系统 Download PDFInfo
- Publication number
- CN105787504A CN105787504A CN201610029603.3A CN201610029603A CN105787504A CN 105787504 A CN105787504 A CN 105787504A CN 201610029603 A CN201610029603 A CN 201610029603A CN 105787504 A CN105787504 A CN 105787504A
- Authority
- CN
- China
- Prior art keywords
- detection data
- data
- detection
- detected equipment
- generate
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Arrangements For Transmission Of Measured Signals (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种人体行为识别方法及系统,该识别方法包括以下步骤:检测被检测设备的使用状态以生成第一检测数据;检测多个可穿戴设备的运动状态以分别生成对应的第二检测数据;将多个所述第二检测数据分别与所述第一检测数据进行合并以生成多个第三检测数据;按照预设规则筛选多个所述第三检测数据。本发明提供的人体行为识别方法,同时检测被检测设备和人员的状态,并对两个检测信号进行合并,对多个合并后的信号进行对比,即可获取具体人员和被检测设备的对应使用关系。如此,后台系统仅需对多个合并信号进行分析即可获取最终信息,整个系统较为简单。
Description
技术领域
本发明涉及监护技术,具体涉及一种人体行为识别方法及系统。
背景技术
随着经济社会的发展,对人体行为进行追踪和识别具有越来越重要的意义,如视频监控、人员追踪、居家养老等领域均需对人体行为进行自动识别。
现有技术中的人体行为识别系统主要为视频图像的分析系统,通过摄像头获取目标区域的图像,后台通过识别系统对获取的图像进行分析,以此获取被监控目标的各种行为活动。
现有技术的不足之处在于,需要较为复杂的后台识别系统才能对图像中的被监控人员进行人员识别和行为识别,识别复杂度高,而且具有一定的误判率。
发明内容
本发明的目的是提供一种人体行为识别方法及系统,以解决现有技术中需要复杂识别系统的不足之处。
为了实现上述目的,本发明提供如下技术方案:
一种人体行为识别方法,包括以下步骤:
检测被检测设备的使用状态以生成第一检测数据;
检测多个可穿戴设备的运动状态以分别生成对应的第二检测数据;
将多个所述第二检测数据分别与所述第一检测数据进行合并以生成多个第三检测数据;
按照预设规则筛选多个所述第三检测数据。
上述的人体行为识别方法,所述第二检测数据内包括第一检测数据的信号接收强度指示值。
上述的人体行为识别方法,所述按照预设规则筛选多个所述第三检测数据的步骤中,所述预设规则为:
对多个所述第三检测数据中的多个所述信号接收强度指示值与预设数据进行比对;
选出与预设数据最为靠近的信号发送强度指示值所在的第三检测数据。
上述的人体行为识别方法,
所述可穿戴设备为一个或以上,所述按照预设规则筛选多个所述第三检测数据的步骤进一步包括:
若所述第三检测数据为一个,按照第一预设规则审核所述第三检测数据;
若所述第三检测数据为两个以上,按照第二预设规则从多个所述第三检测数据中选出一个并存储。
上述的人体行为识别方法,所述检测被检测设备的使用状态以生成第一检测数据的步骤进一步包括:
检测所述被检测设备的加速度数据,当所述加速度数据大于第一阈值时,生成第一检测数据。
上述的人体行为识别方法,所述检测被检测设备的使用状态以生成第一检测数据的步骤中,所述生成第一检测数据的步骤进一步包括:
获取被检测设备的加速度数据,
根据所述加速度数据求取位移数据;
对位移数据进行判别以生成第一检测数据。
上述的人体行为识别方法,所述位移数据的求取公式为:
vt+Δt=k·vt+a·Δt;
st+Δt=k·vt+Δt+a·Δt;
上式中,k为波动常数,取值位于0.9到1之间,Δt为检测时间段,a为检测时间段内被检测设备的加速度数据,vt为t时刻被检测设备的速度,vt+Δt为t+Δt时刻被检测设备的速度,st为t时刻被检测设备的位移数据;st+Δt为t+Δt时刻被检测设备的位移数据。
一种人体行为识别系统,包括:
第一传感器,检测被检测设备的使用状态以生成第一检测数据;
多个可穿戴设备,各所述可穿戴设备上均设置有第二传感器和处理器,所述第二传感器检测所述可穿戴设备的运动状态以生成第二检测数据;所述处理器将获取的所述第一检测数据和所述第二检测数据进行合并以生成第三检测数据;
服务器,接收多个所述第三检测数据并进行筛选。
上述的人体行为识别系统,所述第二检测数据内包括第一检测数据的信号发送强度指示值。
上述的人体行为识别系统,所述第一传感器有多个,多个所述第一传感器分别检测不同的所述被检测设备。
在上述技术方案中,本发明提供的人体行为识别方法,同时检测被检测设备和人员的状态,并对两个检测信号进行合并,对多个合并后的信号进行对比,即可获取具体人员和被检测设备的对应使用关系。如此,后台系统仅需对多个合并信号进行分析即可获取最终信息,整个系统较为简单。
由于上述人体行为识别方法具有上述技术效果,实现该人体行为识别方法的人体行为识别系统也应具有相应的技术效果。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一个实施方式的人体行为识别方法的流程框图;
图2为本发明实施例提供的另一个实施方式的人体行为识别方法的流程框图;
图3为本发明实施例提供的第一检测数据生成方式的流程框图;
图4为本发明实施例提供的一个实施方式的人体行为识别系统的结构框图;
图5为本发明实施例提供的另一个实施方式的人体行为识别系统的结构框图。
附图标记说明:
1、被检测设备;2、第一传感器;3、第二传感器;4、可穿戴设备;5、处理器;6、服务器。
具体实施方式
为了使本领域的技术人员更好地理解本发明的技术方案,下面将结合附图对本发明作进一步的详细介绍。
如图1所示,本发明实施例提供的一种人体行为识别方法,包括以下步骤:
101、检测被检测设备的使用状态以生成第一检测数据。
具体的,被检测设备为被监控人员需要使用的设备,其可以是家庭日常电器,如冰箱、电话、空调;也可以是日常生活设备,如沙发、凳子、桌子等;其它的,被检测设备可以是被监控人员任何能够使用的设备。通过相应的传感器检测被检测设备的使用状态,此处,被检测设备的使用状态分为正在被相关人员直接使用和未被使用,如冰箱正被相关人员打开和关闭,凳子正在被坐等等。被使用状态由第一传感器检测获取,第一传感器的种类根据被检测设备的使用状态的具体表现选择,其可以是各类的现有传感器,比如对于冰箱,冰箱门的打开和关闭有个加速过程,可以在冰箱门上固定加速度传感器,同时,冰箱打开时内部光亮度会迅速增加,也可以在冰箱内壁上内置光亮传感器,通过获取的光亮度判断冰箱是否正在被使用。而对于凳子,可在凳面上设置有压力传感器。根据第一传感器检测获取的数据生成第一检测数据,第一检测数据至少应包括被检测设备的设备识别数据和使用状态数据,该使用状态数据可以是第一传感器直接检测获取的信号,也可以是对直接获取的信号进行加工的其它数据。
本步骤中的被检测设备为相应被监控人员需要使用的设备,可以是一个,也可以是多个。单个被检测设备上可由一个或一个以上的第一传感器检测相应信号。第一检测数据包括检测获取的相应信号。
102、检测多个可穿戴设备的运动状态以分别生成对应的第二检测数据。
具体的,可穿戴设备为可穿戴于人体上的设备,如手环、戒指、腰带以及其它可固定于人体上的设备,在可穿戴设备上固定第二传感器以检测其运动状态,当可穿戴设备穿戴于人体上时,此时检测的就是人体相应部位的运动状态,如此获取了被监控人员的运动状态。第二检测数据包括第二传感器获取的检测信号以及可穿戴设备的识别信号。本步骤中,被监控人员至少为两个。
本步骤中,生成对应的第二检测数据一方面指的是该第二检测数据描述的是该可穿戴设备的运动状态;另一方面还指该第二检测数据包括该可穿戴设备的识别信号,两者相对应。如此使得在后续的筛选步骤中能够进行数据来源的区分。
本步骤中,可穿戴设备的数量根据被监控人员的数量确定,当被监控人员为一个时,可穿戴设备可以为一个,当被监控人员有两个或者以上时,可穿戴设备相应的为两个以上。检测时,当处于被检测设备的一定范围(如无线通信设备的通讯范围)内仅有一个可穿戴设备,那么此时仅检测一个可穿戴设备的运动状态生成一个第二检测数据;当处于被检测设备的一定范围内有两个以上的可穿戴设备,那么此时检测两个以上的可穿戴设备的运动状态生成两个以上的第二检测数据。
103、将多个第二检测数据分别与第一检测数据进行合并以生成多个第三检测数据。
具体的,单个被检测设备被检测生成的第一检测数据分别与各个第二检测数据合并,即第三检测数据的数量与第二检测数据的数量相同,且每个第三检测数据中包含相同的第一检测数据部分。
本步骤中,对第一检测数据、第二检测数据以及第三检测数据的格式不论,其可以是现有技术中各类格式。
104、按照预设规则筛选多个第三检测数据。
具体的,一般情况下,在被监控目标区域,如养老院,某个被检测设备如冰箱被使用时,应该是某个被监控人员使用的。因此,若某个第三检测数据,其内的第一检测数据和第二检测数据中的被检测设备的使用状态和可穿戴设备的运动状态若是相对应的,那么即可认定该被检测设备是被该被监控人员使用中,如使用冰箱这个动作,该第三检测数据中,冰箱门有个加速度数据,同时,佩戴于人体手腕的可穿戴设备有个同步的加速度数据,那么冰箱即是被该被监控人员使用,在多个第三检测数据中,该第三检测数据即是最终准备描述实际情况的第三检测数据。
因此,本步骤的预定规则应是被检测设备的使用状态与被监控人员运动状态的对应规则,对于某个设备,该对应规则可以有多个,还以上述的冰箱为例,可以使用加速度数据去对应,但同时,若可佩带设备上固定有定位传感器,当冰箱门被打开时,定位数据位于冰箱所在区域的第三检测数据即是准确数据。对于不同的设备,该对应规则同样是不同的,如对于凳子,凳子上固定有压力传感器,可佩带设备上固定有加速度传感器,此时,对应规则就是压力数据与加速度数据的对应规则。综上,对于单个设备,预定规则可以有多种,对于不同的设备,预定规则可不同,其总体原则为:被检测设备的使用状态与被监控人员运动状态相对应。预定规则应根据被检测设备的实际情况确定。
本实施例中,当第三检测数据仅有一个时,对第三检测数据内的第一检测数据和第二检测数据进行审核,若两个数据反映的动作相一致,则认定该第三检测数据为正确数据予以存储,若两个数据反映的动作不一致,则认定该第三检测数据为为误报予以删除。当第三检测数据有两个或者更多时,则对各第三检测数据分别进行审核,最终选定一个数据予以存储。此处,若预定规则设定的不同,则结果可能不同。
本实施例中,作为优选的,第二检测数据内包括第一检测数据的信号接收强度指示值,预设规则为:对多个第三检测数据中的多个信号接收强度指示值进行数值大小的比较;选出数值最大的信号接收强度指示值所在的第三检测数据。当被监控人员使用被检测设备时,两者的之间的距离应该较近,且近于其它的非使用被监控人员,因此在使用该被检测设备的被监控人员的可穿戴设备获取第一检测数据时,因为距离极近,其信号强度应该是最大的,此时记录下的信号发送强度指示值是最大的,将该信号发送强度指示值记录于第二检测数据内,多个第三检测数据在筛选时仅需选择最大的信号发送强度指示值即可。相比上述提供的预定规则,此种预定规则即为简单,在多个数值中选择最大的即可。很显然的,按照信号发送强度指示值进行筛选时,最终必然能够筛选出一个第三检测数据并进行存储。
本实施例中,作为更优选的,对多个第三检测数据中的多个信号发送强度指示值与预设数据进行比对;选出与预设数据最为靠近的信号发送强度指示值所在的第三检测数据。作为更合理的情况,实际使用被检测设备的被监控人员不一定是最靠近被检测设备的人员,如使用空调或电视的人员都距离被检测设备一定距离。此时,对于各被检测设备,预先实验以获取被检测设备和被监控人员之间在正常使用状态下的信号发送强度指示值,此值即为预设数据,在后续实际使用的判断中,最接近预设数据的信号发送强度指示值被判定为准确数据。
本实施例中,在选取准确的第三检测数据后,将该数据予以存储。以便于后续的相关使用处理。
本实施例提供的人体行为识别方法,同时检测被检测设备和人员的状态,并对两个检测信号进行合并,对多个合并后的信号进行对比,即可获取具体人员和被检测设备的对应使用关系。如此,后台系统仅需对多个合并信号进行分析即可获取最终信息,整个系统较为简单。
如图2所示,本实施例中,对于上述步骤101,其进一步包括:
1011、检测被检测设备的加速度数据。即被检测设备上至少固定有加速度传感器,通过加速度数据获取加速度数据。
1012、判断加速度数据是否大于第一阈值,1013、生成第一检测数据。
如此设置的目的在于,只有加速度传感器在始终处于开启状态,当加速度传感器确认被检测设备被使用时(大于第一阈值),后续设备才启动,否则后续设备均处于休眠状态,如此较为节能。
如图3所示,本实施例中,对于上述步骤1013,进一步包括:
10131、根据加速度数据求取位移数据;根据加速度求取位移为现有物理知识,不赘述。
10132、对位移数据进行判别以生成第一检测数据。即第一检测数据至少包括位移数据。通过位移数据反映被检测设备的使用状态。
除现有技术中位移求取公式,本实施例另外推荐一种优选的位移数据的求取公式:
vt+Δt=k·vt+a·Δt;
st+Δt=k·vt+Δt+a·Δt;
上式中,k为波动常数,k的作用为弥补检测及使用过程中的误差,其取值位于0.9到1之间,更为具体的取值可根据上述公式,根据多次实验获取具体值。Δt为检测时间段,a为检测时间段内被检测设备的加速度数据,vt为t时刻被检测设备的速度,vt+Δt为t+Δt时刻被检测设备的速度,st为t时刻被检测设备的位移数据;st+Δt为t+Δt时刻被检测设备的位移数据。
如图4-5所示,本发明实施例还提供一种人体行为识别系统,包括:
第一传感器2,检测被检测设备1的使用状态以生成第一检测数据;
多个可穿戴设备4,各可穿戴设备4上均设置有第二传感器3和处理器5,第二传感器3检测可穿戴设备4的运动状态以生成第二检测数据;处理器5将获取的第一检测数据和第二检测数据进行合并以生成第三检测数据;
服务器6,接收多个第三检测数据并进行筛选。
具体的,第一传感器2还连接有第一无线模块和处理模块,通过处理模块将第一传感器检测的信号生成第一检测数据,第一无线模块无差别的将第一检测数据发送出去,在信号接收范围内的可穿戴设备4均接收到第一检测数据,各第二传感器3同样连接有第二无线模块,第二无线模块接收第一检测数据并发送第三检测数据,服务器6接收多个第三检测数据并进行筛选和存储。
在上述技术方案中,由于上述人体行为识别方法具有上述技术效果,实现该人体行为识别方法的人体行为识别系统也应具有相应的技术效果。
以上只通过说明的方式描述了本发明的某些示范性实施例,毋庸置疑,对于本领域的普通技术人员,在不偏离本发明的精神和范围的情况下,可以用各种不同的方式对所描述的实施例进行修正。因此,上述附图和描述在本质上是说明性的,不应理解为对本发明权利要求保护范围的限制。
Claims (10)
1.一种人体行为识别方法,其特征在于,包括以下步骤:
检测被检测设备的使用状态以生成第一检测数据;
检测多个可穿戴设备的运动状态以分别生成对应的第二检测数据;
将多个所述第二检测数据分别与所述第一检测数据进行合并以生成多个第三检测数据;按照预设规则筛选多个所述第三检测数据。
2.根据权利要求1所述的人体行为识别方法,其特征在于,所述第二检测数据内包括第一检测数据的信号接收强度指示值。
3.根据权利要求2所述的人体行为识别方法,其特征在于,所述按照预设规则筛选多个所述第三检测数据的步骤中,所述预设规则为:
对多个所述第三检测数据中的多个所述信号接收强度指示值与预设数据进行比对;
选出与预设数据最为靠近的信号发送强度指示值所在的第三检测数据。
4.根据权利要求1所述的人体行为识别方法,其特征在于,所述可穿戴设备为一个或以上,所述按照预设规则筛选多个所述第三检测数据的步骤进一步包括:
若所述第三检测数据为一个,按照第一预设规则审核所述第三检测数据;
若所述第三检测数据为两个以上,按照第二预设规则从多个所述第三检测数据中选出一个并存储。
5.根据权利要求1所述的人体行为识别方法,其特征在于,所述检测被检测设备的使用状态以生成第一检测数据的步骤进一步包括:
检测所述被检测设备的加速度数据,当所述加速度数据大于第一阈值时,生成第一检测数据。
6.根据权利要求1所述的人体行为识别方法,其特征在于,所述检测被检测设备的使用状态以生成第一检测数据的步骤中,所述生成第一检测数据的步骤进一步包括:
获取被检测设备的加速度数据,
根据所述加速度数据求取位移数据;
对位移数据进行判别以生成第一检测数据。
7.根据权利要求6所述的人体行为识别方法,其特征在于,所述位移数据的求取公式为:
vt+Δt=k·vt+a·Δt;
st+Δt=k·vt+Δt+a·Δt;
上式中,k为波动常数,取值位于0.9到1之间,Δt为检测时间段,a为检测时间段内被检测设备的加速度数据,vt为t时刻被检测设备的速度,vt+Δt为t+Δt时刻被检测设备的速度,st为t时刻被检测设备的位移数据;st+Δt为t+Δt时刻被检测设备的位移数据。
8.一种人体行为识别系统,其特征在于,包括:
第一传感器,检测被检测设备的使用状态以生成第一检测数据;
多个可穿戴设备,各所述可穿戴设备上均设置有第二传感器和处理器,所述第二传感器检测所述可穿戴设备的运动状态以生成第二检测数据;所述处理器将获取的所述第一检测数据和所述第二检测数据进行合并以生成第三检测数据;
服务器,接收多个所述第三检测数据并进行筛选。
9.根据权利要求8所述的人体行为识别系统,其特征在于,所述第二检测数据内包括第一检测数据的信号发送强度指示值。
10.根据权利要求8所述的人体行为识别系统,其特征在于,所述第一传感器有多个,多个所述第一传感器分别检测不同的所述被检测设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610029603.3A CN105787504B (zh) | 2016-01-15 | 2016-01-15 | 人体行为识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610029603.3A CN105787504B (zh) | 2016-01-15 | 2016-01-15 | 人体行为识别方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105787504A true CN105787504A (zh) | 2016-07-20 |
CN105787504B CN105787504B (zh) | 2020-07-07 |
Family
ID=56402569
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610029603.3A Active CN105787504B (zh) | 2016-01-15 | 2016-01-15 | 人体行为识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105787504B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107092861A (zh) * | 2017-03-15 | 2017-08-25 | 华南理工大学 | 基于压力与加速度传感器的下肢动作识别方法 |
CN107247974A (zh) * | 2017-06-30 | 2017-10-13 | 中国科学院计算技术研究所 | 基于多源数据融合的健身运动识别方法及系统 |
CN107544668A (zh) * | 2017-06-19 | 2018-01-05 | 新华三技术有限公司 | 行为信息有效性确定方法、装置、电子设备及存储介质 |
CN109218671A (zh) * | 2018-09-17 | 2019-01-15 | 中山爱科数字科技股份有限公司 | 一种基于新型图像降噪电路的居家养老系统 |
CN111643093A (zh) * | 2020-01-14 | 2020-09-11 | 天津理工大学 | 一种动物运动体征监测系统 |
TWI737068B (zh) * | 2019-12-06 | 2021-08-21 | 未來市股份有限公司 | 動作追蹤系統和方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070282176A1 (en) * | 2006-06-02 | 2007-12-06 | Hitachi, Ltd. | Metabolic energy monitoring system |
CN103325080A (zh) * | 2013-06-21 | 2013-09-25 | 电子科技大学 | 一种基于物联网技术的敬老院智能看护系统及方法 |
CN104200613A (zh) * | 2014-09-19 | 2014-12-10 | 深圳市科松电子有限公司 | 无动静报警方法及装置 |
CN104994465A (zh) * | 2015-08-10 | 2015-10-21 | 上海市计算技术研究所 | 基于检测地毯与佩戴装置双重跌倒检测的系统及方法 |
-
2016
- 2016-01-15 CN CN201610029603.3A patent/CN105787504B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070282176A1 (en) * | 2006-06-02 | 2007-12-06 | Hitachi, Ltd. | Metabolic energy monitoring system |
CN103325080A (zh) * | 2013-06-21 | 2013-09-25 | 电子科技大学 | 一种基于物联网技术的敬老院智能看护系统及方法 |
CN104200613A (zh) * | 2014-09-19 | 2014-12-10 | 深圳市科松电子有限公司 | 无动静报警方法及装置 |
CN104994465A (zh) * | 2015-08-10 | 2015-10-21 | 上海市计算技术研究所 | 基于检测地毯与佩戴装置双重跌倒检测的系统及方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107092861A (zh) * | 2017-03-15 | 2017-08-25 | 华南理工大学 | 基于压力与加速度传感器的下肢动作识别方法 |
CN107092861B (zh) * | 2017-03-15 | 2020-11-27 | 华南理工大学 | 基于压力与加速度传感器的下肢动作识别方法 |
CN107544668A (zh) * | 2017-06-19 | 2018-01-05 | 新华三技术有限公司 | 行为信息有效性确定方法、装置、电子设备及存储介质 |
CN107247974A (zh) * | 2017-06-30 | 2017-10-13 | 中国科学院计算技术研究所 | 基于多源数据融合的健身运动识别方法及系统 |
CN107247974B (zh) * | 2017-06-30 | 2020-07-31 | 中国科学院计算技术研究所 | 基于多源数据融合的健身运动识别方法及系统 |
CN109218671A (zh) * | 2018-09-17 | 2019-01-15 | 中山爱科数字科技股份有限公司 | 一种基于新型图像降噪电路的居家养老系统 |
TWI737068B (zh) * | 2019-12-06 | 2021-08-21 | 未來市股份有限公司 | 動作追蹤系統和方法 |
CN111643093A (zh) * | 2020-01-14 | 2020-09-11 | 天津理工大学 | 一种动物运动体征监测系统 |
Also Published As
Publication number | Publication date |
---|---|
CN105787504B (zh) | 2020-07-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105787504A (zh) | 人体行为识别方法及系统 | |
US10671231B2 (en) | Electromagnetic interference signal detection | |
US9749342B1 (en) | System and method for detecting unauthorized device access by comparing multiple independent spatial-time data sets from other devices | |
TWI646442B (zh) | 用於使用者認證之存活性偵測技術 | |
Zhang et al. | Anti-fall: A non-intrusive and real-time fall detector leveraging CSI from commodity WiFi devices | |
CN103190923B (zh) | 睡意侦测方法及其装置 | |
CN105979858B (zh) | 心率监测设备 | |
CA2578226C (en) | Method and apparatus for generating an indication of a level of vigilance of an individual | |
US11660023B2 (en) | Fall detection systems and methods | |
CN101937605B (zh) | 基于人脸检测的睡眠监控系统 | |
CN111202504A (zh) | 一种异常对象管理方法、系统、机器可读介质及设备 | |
CN109326073A (zh) | 一种基于多点定位的无线传感器网络安防监控系统 | |
CN101977302A (zh) | 睡眠安全的监控系统及方法 | |
CN105830076B (zh) | 调度患者监控的调度设备、方法、介质和患者监控系统 | |
CN111325127A (zh) | 一种异常对象判断方法、系统、机器可读介质及设备 | |
CN105957307B (zh) | 一种检测跌倒的方法和装置 | |
CN112150759A (zh) | 基于视频算法的实时监测与预警系统及方法 | |
CN108027684B (zh) | 电磁干扰信号检测 | |
CN101937606A (zh) | 踢被报警的睡眠监控系统及方法 | |
CN114599988A (zh) | 用于rf上下文感测布置的rf感测节点的配对分配 | |
JP2019215866A (ja) | 活動認識と行動分析のための方法及びシステム | |
US11743685B2 (en) | Systems and methods for monitoring system equipment diagnosis | |
CN108027693B (zh) | 识别用户的方法、设备及计算机可读存储介质 | |
Regani et al. | Wifi-based robust indoor localization for daily activity monitoring | |
WO2023180043A1 (en) | Anomaly detection |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |