CN105962946A - 一种非接触式的人体睡姿安全检测方法及系统 - Google Patents
一种非接触式的人体睡姿安全检测方法及系统 Download PDFInfo
- Publication number
- CN105962946A CN105962946A CN201610464250.XA CN201610464250A CN105962946A CN 105962946 A CN105962946 A CN 105962946A CN 201610464250 A CN201610464250 A CN 201610464250A CN 105962946 A CN105962946 A CN 105962946A
- Authority
- CN
- China
- Prior art keywords
- signal
- csi
- human body
- sleeping position
- sub
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1116—Determining posture transitions
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/113—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Dentistry (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Physiology (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种非接触式的人体睡姿安全检测方法及系统,属于计算机视觉技术领域。方法包括以下步骤:信号采集步骤:在人体周围产生Wi‑Fi信号,采集Wi‑Fi信号中的信道状态信号CSI;信号处理步骤:提取信道状态信号CSI的周期,将周期输入给预先训练的分类器,分类器输出睡姿类型。本发明还提供了实现上述方法的系统。本发明无需在被测人身上安装侵入式传感器,也不会暴露被测人身体隐私,使被测人在测试过程中感到自然、舒适。
Description
技术领域
本发明属于计算机视觉技术领域,更具体地,涉及一种非接触式的人体睡姿安全检测方法及系统。
背景技术
随着社会的不断进步和计算机技术的发展,让机器具有人的思维方式一直是人工智能研究者追寻的目标。目前,对人的姿态、动作识别和行为理解逐渐成为计算机视觉领域的研究热点。这些研究可以帮助人们理解一些特征,如对方的行为、体态等,通过这些特征可以反应出目标的态度、情绪等。人体睡姿识别是众多人的姿态识别和行为理解中的一种,是计算机视觉研究的重要组成部分。
人体睡姿检测是指利用计算机对人的睡姿信息进行特征提取,按照人的认识和思维方式加以归类,进而从睡姿信息中识别出人当前的睡眠姿势,如仰睡、左侧睡、右侧睡、俯睡等。人体睡姿识别的应用领域主要包括:智能人机接口HCD的设计与完善、人工智能、家庭服务机器人的设计与实现、医疗应用等。
传统的监测人体睡姿的方法大部分需要在人体相关部位,例如手腕、咽喉或者胸口呼吸部位安装传感器,属于侵入式监测,会对被监测人产生不便。非侵入式的睡眠姿势监测则经常采用红外摄像头,造成隐私泄漏的隐患。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提供了一种非接触式的人体睡姿安全检测方法及系统,其目的在于,通过监测人体周围Wi-Fi信号的信道状态信息,提取出反应人体睡姿的周期,进而根据周期从睡姿信息中识别出人当前的睡眠姿势,该方法无需在被测人身上安装侵入式传感器,也不会暴露被测人身体隐私,由此解决现有人体睡姿检测方法使被测人感觉不适或暴露被测人隐私的技术问题。
为实现本发明技术目的,本发明提供了一种非接触式的人体睡姿安全检测方法,包括以下步骤:
信号采集步骤:在人体周围产生Wi-Fi信号,采集Wi-Fi信号中的信道状态信号CSI;
信号处理步骤:提取信道状态信号CSI的周期,将周期输入给预先训练的分类器,分类器输出睡姿类型。
进一步地,所述Wi-Fi信号的数量为多个,分布于人体上肢周围。
进一步地,所述Wi-Fi信号的数量至少为三个,其中一个位于人体上肢的左侧,另一个位于人体上肢的右侧,余下的一个位于人体头部的周围。
进一步地,所述信道状态信号CSI包括多个CSI子载波信号,所述信道状态信号CSI的周期按照如下方法提取:
(1)所述信道状态信号CSI包括多个CSI子载波信号,对多个CSI子载波信号进行去噪处理;
(2)提取多个CSI子载波信号的中心频率ω;
(3)依据中心频率ω和采集到的每条CSI子载波信号对每个CSI子载波信号建立谐波模型y(t)=Asin(ωt+τ),y(t)为CSI子载波信号,t为时间变量;利用最小二乘法估计,得到相位τ和幅值A的最佳估计值;将相位τ和幅值A的最佳估计值代入谐波模型产生的估计信号与采集到的子载波信号误差最小,记最小误差为S;
(4)计算每个CSI子载波信号的周期p=A/S。
进一步地,所述分类器为朴素贝叶斯、支持向量机中的任意一种。
一种非接触式的人体睡姿安全检测系统,包括以下模块:
信号采集单元,用于在人体周围产生Wi-Fi信号,采集Wi-Fi信号中的信道状态信号CSI;
信号处理单元,用于提取信道状态信号CSI的周期,将周期输入给预先训练的分类器,分类器输出睡姿类型。
进一步地,所述信号采集模块的数量至少为三个,其中一个位于人体上肢的左侧,另一个位于人体上肢的右侧,余下的一个位于人体头部的周围。
进一步地,所述信号采集单元包括Wi-Fi路由器和接收器,Wi-Fi路由器用于产生Wi-Fi信号,接收器用于采集Wi-Fi信号中的信道状态信号CSI。
进一步地,所述信号处理单元包括周期提取模块和睡姿识别模块,特征提取模块用于从CSI信号中提取可反应睡姿的周期,睡姿识别模块用于将提取的周期输入给预先训练的分类器,分类器输出睡姿类型;所述信道状态信号CSI包括多个CSI子载波信号;
所述周期提取模块包括以下子模块:
去噪子模块,用于去除多个CSI子载波信号的噪声;
中心频率提取子模块,用于提取多个CSI子载波信号的中心频率ω;
参数估计子模块,用于依据中心频率ω和采集到的每条CSI子载波信号对每个CSI子载波信号建立谐波模型y(t)=Asin(ωt+τ),y(t)为CSI子载波信号,t为时间变量;利用最小二乘法估计,得到相位τ和幅值A的最佳估计值;将相位τ和幅值A的最佳估计值代入谐波模型产生的估计信号与采集到的子载波信号误差最小,记最小误差为S。
进一步地,所述分类器为朴素贝叶斯、支持向量机中的任意一种。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,本发明利用Wi-Fi的CSI信号特征检测人体睡姿,相较于现有其他技术可方便自然的测试人体睡姿,无需在被测人身上安装侵入式传感器,也不会暴露被测人身体隐私,使被测人在测试过程中感到自然、舒适。
附图说明
图1是本发明睡姿安全检测方法流程图。
图2是本发明Wi-Fi路由器布置图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
为了便于对本发明的理解,首先对本发明涉及的术语进行解释:
CSI(Channel State Information)是指信道状态信息。在无线通信领域,所谓的CSI,就是通信链路的信道属性。它描述了信号在每条传输路径上的衰弱因子,即信道增益矩阵H中每个元素的值,如信号散射、环境衰弱、距离衰减、等信息。
图1是本发明睡姿安全检测方法流程图。本发明非接触式的人体睡姿安全检测方法,包括以下步骤:
(1)信号采集步骤:在人体周围产生Wi-Fi信号,采集Wi-Fi信号中的信道状态信号CSI。
在人体的周围布置多部WiFi路由器和接收器。在不同的睡姿下。不同的路由器-接收器所收集的CSI信号,对于人体的呼吸所产生的胸部扩张收缩的敏感程度不同,因此Wi-Fi信号的信道状态信息可反应人体睡姿或呼吸。
(2)信号处理步骤:提取信道状态信号CSI的周期性大小,将周期性大小输入给预先训练的分类器,分类器输出睡姿类型。
选取信道状态信号CSI的周期性大小作为反应睡姿的特征值的原因在于,不同的睡姿会对不同的WiFi路由器-接收器所收集的CSI信号产生不同的影响。例如,仰卧姿势时,人体的胸部扩张收缩对于分布在人体两侧的一对路由器-接收器影响最大,因此其收集的CSI信号的周期性大小最高。用不同WiFi路由器-接收器对所接收到的CSI信号的周期性大小,可以反映出人体的睡姿。
所述CSI信号包括多个CSI子载波信号。
所述周期可采用递归图(recurrence plot,RP)、傅立叶变换等方法中任意一种提取,作为优选,本发明提供了一种较佳实施方式,该较佳实施方式由于同时考虑了模拟成谐波信号的信号幅值以及模拟的误差,因此在抗干扰性方面效果更好。
本发明周期提取的较佳实施方式具体包括以下步骤:
(1)去除多个CSI子载波信号的噪声
利用小波滤波器、车比雪夫滤波器等滤波器去除掉CSI信号中所包含的高频噪声,本发明优选小波滤波器。
(2)对多个CSI子载波信号进行处理,得到多个CSI子载波信号的中心频率ω。本步骤可采用傅立叶变换、递归图方法等等。
(3)依据中心频率ω和采集到的每条CSI子载波信号对每个CSI子载波信号建立谐波模型y(t)=Asin(ωt+τ),y(t)为CSI子载波信号,t为时间变量;利用最小二乘法估计,得到相位τ和幅值A的最佳估计值;将相位τ和幅值A的最佳估计值代入谐波模型产生的估计信号与采集到的子载波信号误差最小,记最小误差为S。用A/S表示每个CSI子载波信号的周期性的大小(Periodicity)。
对所有的接收终端采集的数据进行上述处理,将这些接收终端所反映的周期性(Periodicity)写成向量形式P=[p1,p2,p3]。睡姿识别模块将提取的周期P=[p1,p2,p3]输入给预先训练的分类器,分类器输出睡姿类型,从而识别人体睡姿。
分类器可采用Bayes(朴素贝叶斯),SVM(支持向量机)等等分类模型。人体保持某一个姿势下,重复上述特征提取过程,可以得到多个关于该姿势的周期性(Periodicity)向量,然后在不同姿势下重复上述过程,对每一个姿势均可得到该姿势下的多组周期性(Periodicity)向量,然后用利用这些数据训练分类模型。在测试阶段,在某未知人体睡姿状态下,信号采集单元的接收器采集对应的路由器的CSI数据,并用上述方法得到周期性(Periodicity)向量。将该向量代入之前的分类模型,就可确定当前的姿势。
本发明人体睡姿安全检测系统包括信号采集单元和信号处理单元。
图1为本发明信号采集单元的布局示意图。信号采集单元的数量为多个,围绕被测人体放置。信号采集单元包括Wi-Fi路由器和接收器。Wi-Fi路由器用于发出Wi-Fi信号,接收端用于接收Wi-Fi信号中的CSI信号并将CSI信号传送至数据处理单元。
信号采集单元围绕被测人体的布置基本原则是:路由器需要布置在人体的上肢周围,以便提高检测的灵敏度。另外,由于本系统是通过WiFi信号反射人体的胸部来感受呼吸,因此需要有WiFi路由器和接收器不仅仅布置在人体的同侧,也需要有WiFi路由器和接收器分别布置在人体的两侧,以便能够在不同睡姿的情况下检测到人体的呼吸。
信号采集单元围绕被测人体的布置数量基本要求是:一般情况下需要有至少3对路由器(3个WiFi路由器,3个接收器),分别检测人在某个姿势下的呼吸。
信号采集单元围绕被测人体的最佳布置方式是:一对WiFi路由器和接收器布置在人体的胸部左侧,另外一对WiFi路由器和接收器布置在人体的胸部右侧,第三对WiFi路由器和接收器布置在人体的胸部两侧。图1给出一个示例,包括三个信号采集单元。其中,第一信号采集单元1的Wi-Fi路由器T1和接收器R1分别放置于人体头部的两侧附近;第二信号采集单元2的Wi-Fi路由器T2和接收器R2均位于人体胸部左侧,第三信号采集单元3的Wi-Fi路由器T3和接收器R3均位于人体胸部右侧。
信号处理单元包括周期提取模块和睡姿识别模块。周期提取模块用于从CSI信号中提取可反应睡姿的周期,睡姿识别模块用于将提取的周期输入给预先训练的分类器,分类器输出睡姿类型。
所述周期提取模块包括去噪子模块、中心频率提取子模块、参数估计子模块和周期计算子模块,其中:
去噪子模块,用于去除多个CSI子载波信号的噪声;
中心频率提取子模块,用于对多个CSI子载波信号进行处理得到多个CSI子载波信号的中心频率ω;
参数估计子模块,用于依据中心频率ω和采集到的每条CSI子载波信号对每个CSI子载波信号建立谐波模型y(t)=Asin(ωt+τ),y(t)为CSI子载波信号,t为时间变量;利用最小二乘法估计,得到相位τ和幅值A的最佳估计值;将相位τ和幅值A的最佳估计值代入谐波模型产生的估计信号与采集到的子载波信号误差最小,记最小误差为S;
周期计算子模块,用于计算每个CSI子载波信号的周期p=A/S。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种非接触式的人体睡姿安全检测方法,其特征在于,包括以下步骤:
信号采集步骤:在人体周围产生Wi-Fi信号,采集Wi-Fi信号中的信道状态信号CSI;
信号处理步骤:提取信道状态信号CSI的周期,将周期输入给预先训练的分类器,分类器输出睡姿类型。
2.根据权利要求1所述的人体睡姿安全检测方法,其特征在于,所述Wi-Fi信号的数量为多个,分布于人体上肢周围。
3.根据权利要求2所述的人体睡姿安全检测方法,其特征在于,所述Wi-Fi信号的数量至少为三个,其中一个位于人体上肢的左侧,另一个位于人体上肢的右侧,余下的一个位于人体头部的周围。
4.根据权利要求1或2或3所述的人体睡姿安全检测方法,其特征在于,所述信道状态信号CSI的周期按照如下方法提取:
(1)所述信道状态信号CSI包括多个CSI子载波信号,对多个CSI子载波信号进行去噪处理;
(2)提取多个CSI子载波信号的中心频率ω;
(3)依据中心频率ω和采集到的每条CSI子载波信号对每个CSI子载波信号建立谐波模型y(t)=Asin(ωt+τ),y(t)为CSI子载波信号,t为时间变量;利用最小二乘法估计,得到相位τ和幅值A的最佳估计值;将相位τ和幅值A的最佳估计值代入谐波模型产生的估计信号与采集到的子载波信号误差最小,记最小误差为S;
(4)计算每个CSI子载波信号的周期p=A/S。
5.根据权利要求1或2或3所述的人体睡姿安全检测方法,其特征在于,所述分类器为朴素贝叶斯、支持向量机中的任意一种。
6.一种非接触式的人体睡姿安全检测系统,其特征在于,包括以下模块:
信号采集单元,用于在人体周围产生Wi-Fi信号,采集Wi-Fi信号中的信道状态信号CSI;
信号处理单元,用于提取信道状态信号CSI的周期,将周期输入给预先训练的分类器,分类器输出睡姿类型。
7.根据权利要求6所述的人体睡姿安全检测系统,其特征在于,所述信号采集模块的数量至少为三个,其中一个位于人体上肢的左侧,另一个位于人体上肢的右侧,余下的一个位于人体头部的周围。
8.根据权利要求6所述的人体睡姿安全检测系统,其特征在于,所述信号采集单元包括Wi-Fi路由器和接收器,Wi-Fi路由器用于产生Wi-Fi信号,接收器用于采集Wi-Fi信号中的信道状态信号CSI。
9.根据权利要求6或7或8所述的人体睡姿安全检测系统,其特征在于,所述信号处理单元包括周期提取模块和睡姿识别模块,特征提取模块用于从CSI信号中提取可反应睡姿的周期,睡姿识别模块用于将提取的周期输入给预先训练的分类器,分类器输出睡姿类型;所述信道状态信号CSI包括多个CSI子载波信号;
所述周期提取模块包括以下子模块:
去噪子模块,用于去除多个CSI子载波信号的噪声;
中心频率提取子模块,用于提取多个CSI子载波信号的中心频率ω;
参数估计子模块,用于依据中心频率ω和采集到的每条CSI子载波信号对每个CSI子载波信号建立谐波模型y(t)=Asin(ωt+τ),y(t)为CSI子载波信号,t为时间变量;利用最小二乘法估计,得到相位τ和幅值A的最佳估计值;将相位τ和幅值A的最佳估计值代入谐波模型产生的估计信号与采集到的子载波信号误差最小,记最小误差为S;
周期计算子模块,用于计算每个CSI子载波信号的周期p=A/S。
10.根据权利要求6或7或8所述的人体睡姿安全检测系统,其特征在于,所述分类器为朴素贝叶斯、支持向量机中的任意一种。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610464250.XA CN105962946B (zh) | 2016-06-23 | 2016-06-23 | 一种非接触式的人体睡姿安全检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610464250.XA CN105962946B (zh) | 2016-06-23 | 2016-06-23 | 一种非接触式的人体睡姿安全检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105962946A true CN105962946A (zh) | 2016-09-28 |
CN105962946B CN105962946B (zh) | 2019-01-29 |
Family
ID=57022749
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610464250.XA Expired - Fee Related CN105962946B (zh) | 2016-06-23 | 2016-06-23 | 一种非接触式的人体睡姿安全检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105962946B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107822617A (zh) * | 2017-10-23 | 2018-03-23 | 上海百芝龙网络科技有限公司 | 一种基于WiFi信号的心率异常检测方法 |
CN109547127A (zh) * | 2018-12-29 | 2019-03-29 | 西安理工大学 | 一种基于wifi中CSI信号强度的低头角度检测方法 |
CN109745026A (zh) * | 2017-11-07 | 2019-05-14 | 深圳欧德蒙科技有限公司 | 一种心率测量方法和系统 |
CN111227791A (zh) * | 2020-01-09 | 2020-06-05 | 珠海格力电器股份有限公司 | 一种睡眠质量监控方法及睡眠监控装置 |
CN114916912A (zh) * | 2022-05-09 | 2022-08-19 | 大连理工大学 | 一种非接触式的睡眠呼吸暂停检测方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150257095A1 (en) * | 2012-10-22 | 2015-09-10 | Pengfei Sun | Transition method into sleeping mode |
CN105232022A (zh) * | 2015-09-17 | 2016-01-13 | 太原理工大学 | 基于WiFi中CSI信号强度的非侵入式呼吸心跳检测实现方法 |
-
2016
- 2016-06-23 CN CN201610464250.XA patent/CN105962946B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150257095A1 (en) * | 2012-10-22 | 2015-09-10 | Pengfei Sun | Transition method into sleeping mode |
CN105232022A (zh) * | 2015-09-17 | 2016-01-13 | 太原理工大学 | 基于WiFi中CSI信号强度的非侵入式呼吸心跳检测实现方法 |
Non-Patent Citations (1)
Title |
---|
XUEFENG LIU ET AL.: "Wi-Sleep:Contactless Sleep Monitoring via WiFi Singals", 《2014 IEEE REAL-TIME SYSTEMS SYMPOSIUM》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107822617A (zh) * | 2017-10-23 | 2018-03-23 | 上海百芝龙网络科技有限公司 | 一种基于WiFi信号的心率异常检测方法 |
CN107822617B (zh) * | 2017-10-23 | 2020-10-16 | 上海百芝龙网络科技有限公司 | 一种基于WiFi信号的心率异常检测方法 |
CN109745026A (zh) * | 2017-11-07 | 2019-05-14 | 深圳欧德蒙科技有限公司 | 一种心率测量方法和系统 |
CN109547127A (zh) * | 2018-12-29 | 2019-03-29 | 西安理工大学 | 一种基于wifi中CSI信号强度的低头角度检测方法 |
CN111227791A (zh) * | 2020-01-09 | 2020-06-05 | 珠海格力电器股份有限公司 | 一种睡眠质量监控方法及睡眠监控装置 |
CN114916912A (zh) * | 2022-05-09 | 2022-08-19 | 大连理工大学 | 一种非接触式的睡眠呼吸暂停检测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN105962946B (zh) | 2019-01-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105962946A (zh) | 一种非接触式的人体睡姿安全检测方法及系统 | |
Amendola et al. | Movement detection of human body segments: Passive radio-frequency identification and machine-learning technologies | |
Jia et al. | WiFind: Driver fatigue detection with fine-grained Wi-Fi signal features | |
CN106108904A (zh) | 一种非接触式的人体呼吸参数实时测量方法及系统 | |
Deep et al. | A survey on anomalous behavior detection for elderly care using dense-sensing networks | |
CN112716474B (zh) | 基于生物微波雷达的非接触式睡眠状态监测方法和系统 | |
CN105678222B (zh) | 一种基于移动设备的人体行为识别方法 | |
CN106175767A (zh) | 一种非接触式的多人呼吸参数实时检测方法及系统 | |
Li et al. | WiHF: Gesture and user recognition with WiFi | |
Zou et al. | Wi-Fi radar: Recognizing human behavior with commodity Wi-Fi | |
CN104274191B (zh) | 一种心理测评方法及其系统 | |
CN110472481B (zh) | 一种睡姿检测方法、装置及设备 | |
CN109009125B (zh) | 基于移动终端音频的驾驶员细粒度呼吸监测方法及系统 | |
Ge et al. | Contactless WiFi sensing and monitoring for future healthcare-emerging trends, challenges, and opportunities | |
CN105023022A (zh) | 跌倒检测方法及系统 | |
CN104536573A (zh) | 一种基于高频闪烁情感刺激的脑-机接口方法 | |
CN110866451A (zh) | 一种车内生命体检测方法、装置、系统以及存储介质 | |
Jia et al. | BeAware: Convolutional neural network (CNN) based user behavior understanding through WiFi channel state information | |
CN104808776A (zh) | 检测头戴式智能设备持续附着在人体上的装置和方法 | |
CN114423034A (zh) | 一种室内人员动作识别方法、系统、介质、设备及终端 | |
CN116703227A (zh) | 基于智慧服务的客房管理方法及系统 | |
CN102438522A (zh) | 用于确定移动元素的活动的系统和方法 | |
CN114999643A (zh) | 一种基于WiFi的老人智能监护方法 | |
Gu et al. | Attention-based gesture recognition using commodity wifi devices | |
Zhang et al. | An efficient feature selection method for activity classification |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190129 Termination date: 20190623 |