CN107872776A - 用于室内监控的方法、装置、电子设备及存储介质 - Google Patents
用于室内监控的方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN107872776A CN107872776A CN201711261063.2A CN201711261063A CN107872776A CN 107872776 A CN107872776 A CN 107872776A CN 201711261063 A CN201711261063 A CN 201711261063A CN 107872776 A CN107872776 A CN 107872776A
- Authority
- CN
- China
- Prior art keywords
- monitored object
- data
- perception data
- perception
- monitored
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L12/00—Data switching networks
- H04L12/28—Data switching networks characterised by path configuration, e.g. LAN [Local Area Networks] or WAN [Wide Area Networks]
- H04L12/2803—Home automation networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Biophysics (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Automation & Control Theory (AREA)
- Alarm Systems (AREA)
Abstract
本发明实施例提供了一种用于室内监控的方法、装置、电子设备及存储介质,涉及计算机技术领域。该方法包括:接收由多个传感器采集的感知数据且所述感知数据来源于至少一个被监控对象;对所述感知数据进行分析识别以确定所述感知数据与所述至少一个被监控对象的对应关系;根据所述对应关系对所述至少一个被监控对象的所述感知数据进行分析,以获取所述至少一个被监控对象的活动规律数据。本发明实施例提高了室内监控的准确率和便捷性。
Description
技术领域
本发明实施例涉及计算机技术领域,具体而言,涉及一种用于室内监控的方法、用于室内监控的装置、电子设备以及计算机可读存储介质。
背景技术
随着对养老护理方面的需求日益增加,对老年人在室内的监控质量也越来越受到重视。
目前,为了提高监护的准确性,多数养老社区利用室内红外传感器对老年人的活动状态进行监控,以准确确定老年人的位置及活动状态等信息。
但是在室内存在多个对象时,通过上述方式无法对需要被监控的老人进行准确识别,因此很难实现对老人的有效监控;除此之外,不能直接根据传感器采集的感知数据确定被监控的老人的活动规律,无法快速、便捷地实现对老人活动状态的统计。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本发明实施例的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本发明实施例的目的在于提供一种用于室内监控的方法、装置、电子设备及存储介质,进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的室内监控准确率较低且操作不方便的问题。
本发明实施例的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本发明实施例的实践而习得。
根据本发明实施例的一个方面,提供一种用于室内监控的方法,包括:
接收由多个传感器采集的感知数据且所述感知数据来源于至少一个被监控对象;对所述感知数据进行分析识别以确定所述感知数据与所述至少一个被监控对象的对应关系;根据所述对应关系对所述至少一个被监控对象的所述感知数据进行分析,以获取所述被监控对象的活动规律数据。
可选地,还包括:通过所述至少一个被监控对象的所述活动规律数据控制所述传感器的工作模式,所述工作模式包括感知模式以及休眠模式。
可选地,还包括:根据所述至少一个被监控对象的所述活动规律数据生成三维显示数据;通过所述三维显示数据展示所述至少一个被监控对象的移动轨迹。
在本公开的一种示例性实施例中,对所述感知数据进行分析识别以确定所述感知数据与所述至少一个被监控对象的对应关系,包括:利用卷积神经网络模型对所述感知数据进行分析识别以确定所述感知数据与所述至少一个被监控对象的对应关系。
可选地,还包括:通过历史感知数据训练所述卷积神经网络模型。
在本公开的一种示例性实施例中,对所述感知数据进行分析识别以确定所述感知数据与所述至少一个被监控对象的对应关系,包括:通过数字信号和/或模拟信号对所述感知数据进行分析识别以确定所述感知数据对应的信号标识;以及根据所述信号标识确定所述感知数据与所述至少一个被监控对象的对应关系。
可选地,通过所述三维显示数据展示所述至少一个被监控对象的移动轨迹,包括:获取所述至少一个被监控对象的三维显示数据;将所述三维显示数据按照时间序列进行排序,以获取位置移动和对应的时间信息;将所述至少一个被监控对象中的每个被监控对象的位置移动和相应的时间信息分别放入独立的队列中;利用调度算法通过所述队列分别展示所述每个被监控对象的移动轨迹。
可选地,利用调度算法通过所述队列分别展示所述每个被监控对象的移动轨迹,包括:利用轮询调度算法或者优先调度算法通过所述队列分别展示所述每个被监控对象的移动轨迹。
可选地,接收由多个传感器采集的感知数据包括:采用无线网络传输方式在时间序列内接收由多个传感器采集的所述感知数据。
可选地,还包括:根据所述至少一个被监控对象的所述活动规律数据确定所述被监控对象是否处于异常状态。
根据本公开的一个方面,提供一种用于室内监控的装置,包括:数据接收模块,用于接收由多个传感器采集的感知数据且所述感知数据来源于至少一个被监控对象;分析识别模块,用于对所述感知数据进行分析识别以确定所述感知数据与所述至少一个被监控对象的对应关系;规律确定模块,用于根据所述对应关系对所述至少一个被监控对象的所述感知数据进行分析,以获取所述被监控对象的活动规律数据。
根据本公开的一个方面,提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任意一项所述的用于室内监控的方法。
根据本公开的一个方面,提供一种电子设备,包括:处理器;以及存储器,用于存储所述处理器的可执行指令;其中,所述处理器配置为经由执行所述可执行指令来执行上述任意一项所述的用于室内监控的方法。
本发明实施例提供的用于室内监控的方法、用于室内监控的装置、电子设备以及计算机可读存储介质中,通过接收由多个传感器采集感知数据且所述感知数据来源于至少一个被监控对象;对所述感知数据进行分析识别以确定所述感知数据与所述至少一个被监控对象的对应关系;根据所述对应关系对所述至少一个被监控对象的所述感知数据进行分析,以获取所述被监控对象的活动规律数据。一方面,通过对接收到的至少一个被监控对象的所有感知数据进行分析识别,可以根据识别出的每个被监控对象的感知数据确定每个被监控对象的活动规律数据,从而实现对室内被监控对象的有效监控;另一方面,通过接收传感器采集的被监控对象的感知数据可直接确定被监控对象的活动规律数据,而不需要借助其他硬件设备,提高了监控操作的便捷性。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本发明实施例。
附图说明
通过参照附图来详细描述其示例实施例,本发明实施例的上述和其它特征及优点将变得更加明显。
图1示意性示出本发明实施例的用于室内监控的方法的流程图;
图2示意性示出本发明实施例的用于室内监控的方法的具体处理流程图;
图3示意性示出本发明实施例中根据三维显示数据展示被监控对象移动轨迹的具体流程图;
图4示意性示出本发明实施例中调度过程的示意图;
图5示意性示出本发明实施例的实现用于室内监控的方法的系统平台框架;
图6示意性示出本发明实施例的用于室内监控的装置框图;
图7示意性示出本发明实施例的电子设备的框图;
图8示意性示出本发明实施例的计算机可读存储介质的示意图。
具体实施方式
现在将参考附图更全面地描述示例实施例。然而,示例实施例能够以多种形式实施,且不应被理解为限于在此阐述的实施例;相反,提供这些实施例使得本发明实施例将全面和完整,并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中,提供许多具体细节从而给出对本发明实施例的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本发明实施例的技术方案而没有所述特定细节中的一个或更多,或者可以采用其它的方法、组元、材料、装置、步骤等。在其它情况下,不详细示出或描述公知结构、方法、装置、实现、材料或者操作以避免模糊本发明实施例的各方面。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个软件硬化的模块中实现这些功能实体或功能实体的一部分,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
本示例实施例中,首先提供了一种用于室内监控的方法,可以应用于服务器端。参考图1中所示,该方法可以包括以下步骤:
在步骤S110中,接收由多个传感器采集的感知数据且所述感知数据来源于至少一个被监控对象;
在步骤S120中,对所述感知数据进行分析识别以确定所述感知数据与所述至少一个被监控对象的对应关系;
在步骤S130中,根据所述对应关系对所述至少一个被监控对象的所述感知数据进行分析,以获取所述被监控对象的活动规律数据。
根据本示例实施例中的用于室内监控的方法,一方面,通过对接收到的至少一个被监控对象的所有感知数据进行分析识别,可以根据识别出的每个被监控对象的感知数据确定每个被监控对象的活动规律数据,从而实现对被监控对象的有效监控;另一方面,通过接收传感器采集的被监控对象的感知数据可直接快速确定被监控对象的活动规律数据,而不需要借助其他硬件设备,提高了监控操作的便捷性。
下面,将对本示例实施例中的图1中所描述的用于室内监控的方法进行详细说明。
在步骤S110中,接收由多个传感器采集的感知数据且所述感知数据来源于至少一个被监控对象。
在本示例实施例中,室内例如可以为家居场景。家居场景内可以存在一个或多个被监控对象,被监控对象可以包括处于家居场景的需要被监控的老年人;也可以包括家居场景内的宠物或者是监控人员等。感知数据例如可以包括位置信息或者其它信息等。
服务器可以接收布置在所述家居场景中的多个传感器采集的所有被监控对象在每个时刻的感知数据,以实现对被监控对象的有效监控。可以根据家居场景的特征、被监控对象的活动环境、以及各传感器的感应区域面积等因素,在所述家居场景中安装或者部署多个传感器。传感器可以包括主动红外传感器或者被动红外传感器。
举例而言,传感器可以安装或者设置在相对位置不会发生变化的物体的表面,例如,家居场景内标志性家具家电的表面,或者是墙壁或者天花板上。将传感器固定于家居场景中,可以实现对被监控对象位置的自动采集,而不需要借助其他设备,提高了对室内的至少一个被监控对象进行监控的便捷性。
服务器可以为本地服务器或远程服务器,此外,服务器还可以为其他能够提供存储功能的产品例如数据存储服务器或者云端服务器,本发明实施例对此不做特殊限定。
具体而言,步骤S110中接收由多个传感器采集并上传的感知数据可以包括:采用无线网络传输方式在时间序列内接收由多个传感器采集的所述感知数据。
在本示例实施例中,服务器可以根据用户的实时性需求,接收由传感器间隔预设时间发送的感知数据,此处的预设时间可以根据用户需求设置,例如5秒或者10秒等。
对于家居场景监控系统而言,需要网络支持的连接数量要足够多;同时需要网络有足够的稳定性,当有异常状态发生的时候,能够保证数据的传达;进一步地,还需要网络有足够高的安全性。为了满足上述要求,本示例中可以采用无线网络传输技术在时间序列内接收由多个传感器上传的所述感知数据。
例如,可以通过无线网络传输技术中的WiFi或者Zigbee协议方式,也可以通过其他无线网络传输技术接收由各所述传感器采集并发送至网关传感器进行数据融合,进而通过网关传感器转发的感知数据。通过无线网络传输方式传输时间序列内的所有感知数据,可以保证数据传输的安全性和完整性。
在步骤S120中,对所述感知数据进行分析识别以确定所述感知数据与所述至少一个被监控对象的对应关系。
在本示例实施例中,服务器在接收到传感器采集的感知数据后,可以进一步通过不同方式对所有的感知数据进行分析识别,以识别与每个感知数据对应的被监控对象。举例而言,当家居场景中包括人员1、人员2、猫、狗等多个被监控对象时,需要通过对应的方法在所有感知数据中识别出分别与人员1、人员2、猫、狗对应的感知数据。
举例而言,可以通过卷积神经网络模型、或者是通过数字信号和模拟信号、或者是通过活动规律画像的方式对感知数据进行分析识别。除此之外,还可以将识别出的感知数据分类存储,以利于后续步骤的进行。
具体而言,步骤S120中描述的对所述感知数据进行分析识别以确定所述感知数据与所述至少一个被监控对象的对应关系可以包括:
利用卷积神经网络模型对所述感知数据进行分析识别以确定所述感知数据与所述至少一个被监控对象的对应关系。
本示例中,可以通过深度学习中非监督式或半监督式的特征学习和分层特征提取高效算法来替代手工获取特征,从而实现被监控对象识别。例如可以利用卷积神经网络模型(Convolutional neural networks,简称CNNs)对传感器采集的家居场景内所有被监控对象的所有感知数据进行深度学习,但在本发明中,用于分析识别所述感知数据与所述被监控对象对应关系的方法不限定于以上算法。
卷积神经网络模型的基本结构包括特征提取层和特征映射层。由于CNN的特征检测层通过训练数据进行学习,所以在使用CNN时,避免了显示的特征抽取,而隐式地从训练数据中进行学习,通过卷积神经网络模型对所述感知数据进行分析识别,可以降低特征提取和分类过程中数据重建的复杂度。
举例而言,可以根据传感器上传的历史感知数据采集待识别被监控对象的图像并制作包含训练集和验证集的图像数据集;然后设计并优化原始卷积神经网络结构,包括卷积层、降采样层、全连接层等,用于训练所述卷积神经网络模型;在深度学习框架下进行训练得到被监控对象识别模型,调用被监控对象识别模型进行测试验证,以确定所述感知数据与被监控对象之间的对应关系。
本示例中可以对所有被监控对象的历史感知数据进行分析,以分别获取每个被监控对象感知数据的特征,从而根据感知数据特征识别出对应的被监控对象,保证数据分析的准确性。
其中,可以通过历史感知数据训练所述卷积神经网络模型。
详细而言,通过已有的历史感知数据求取使代价函数最小化时所对应的参数训练卷积神经网络模型,其中代价函数测量的是模型对历史感知数据的预测值与其真实值之间的误差,最小化的求解一般使用梯度下降法(Gradient Decent)或其他与梯度有关的方法。卷积神经网络模型的训练过程例如可以包括以下步骤:初始化参数、通过反向传播算法(back propagation)求代价函数关于参数的梯度、根据梯度更新参数的值、经过迭代以后取得最佳参数,从而完成卷积神经网络的训练。
除此之外,还可以通过数字信号和模拟信号两个维度确定各所述感知数据对应的信号标识,并根据所述信号标识确定各所述感知数据对应的所述被监控对象。具体而言,步骤S120中描述的对所述感知数据进行分析识别以确定所述感知数据与所述至少一个被监控对象的对应关系可以包括:通过数字信号和/或模拟信号对所述感知数据进行分析识别以确定所述感知数据对应的信号标识;以及根据所述信号标识确定所述感知数据与所述至少一个被监控对象的对应关系。
本示例中,可以对每个传感器上传的每个被监控对象的感知数据从数字信号的维度进行分析,以从历史感知数据中挖掘每个被监控对象对应的感知数据的信号标识。传感器输出的数字信号可以为0101的形式,本示例中的信号标识例如可以包括数字信号中的0或1的个数及显示顺序。举例而言,根据历史感知数据确定的家居场景中人员1的信号标识为0101,而其中人员2的信号标识为1011。因此在接收到信号标识为1011的用数字信号表示的感知数据时,可以判断该感知数据属于人员2。
传感器能接收到的信号可以包括模拟信号也有数字信号,一般情况下,传感器会通过数字信号进行处理,但是本示例中,由于通过数字信号0101的形式很难看出每个被监控对象之间的感知数据的区别,因此可以通过模拟信号确定不同被监控对象之间的感知数据的区别。具体的对所述感知数据进行分析识别以确定所述感知数据与所述至少一个被监控对象的对应关系可以包括:通过模拟信号对所述感知数据进行分析识别以确定所述感知数据对应的信号标识;以及根据所述信号标识确定所述感知数据与所述至少一个被监控对象的对应关系。
传感器输出的模拟信号可以包括电压、电流、电阻、电容或频率等不同形式,模拟信号对应的信号标识例如可以包括模拟信号中的特征电压。举例而言,根据历史感知数据确定的家居场景中人员1的特征电压为0.6,而其中人员2的特征电压为0.9。因此在接收到特征电压为0.6的感知数据时,可以判断该特征电压属于人员1。
需要注意的是,可以分别利用数字信号或者模拟信号对所述感知数据进行分析识别以确定所述感知数据对应的信号标识,也可以同时根据数字信号和模拟信号两个维度对感知数据进行分析识别。本示例中通过卷积神经网络模型以及数字信号和/或模拟信号两个维度对所述感知数据进行分析识别,并确定所述感知数据与所述至少一个被监控对象的对应关系,可以提高识别感知数据的准确性。
接下来,在步骤S130中,根据所述对应关系对所述至少一个被监控对象的所述感知数据进行处理,以获取所述至少一个被监控对象的活动规律数据。
基于上述步骤中确定的所述感知数据与所述至少一个被监控对象的对应关系,对一个或多个所述被监控对象的所述感知数据进行分析,可以准确确定一个主要被监控对象的活动规律数据,或者是确定所有被监控对象的活动规律数据,进而实现对家居场景中被监控对象的有效看护。
进一步地,在得到被监控对象活动规律数据的基础上,所述方法还可以包括:通过所述至少一个被监控对象的所述活动规律数据控制所述传感器的工作模式,所述工作模式包括感知模式以及休眠模式。
具体而言,所述传感器的工作模式可以包括感知模式和休眠模式。可以根据被监控对象预设时间内的感知数据确定该被监控对象每天不同时间段的活动规律,进而可以根据该被监控对象的活动规律例如活动位置和活动时间对应控制传感器的工作模式,预设时间例如可以为一个月或者两个月等。通过这种方式可以避免使传感器一直持续处于感知模式,因此可以减小传感器的能量消耗,实现自动化节能功能,进一步提高传感器的使用寿命。
例如,如果家居场景内只有一个被监控对象A,当被监控对象A在厨房时,可以控制厨房附近的传感器处于感知模式,同时控制其他区域例如卧室、客厅中的传感器处于休眠模式;在被监控对象A在客厅时,可以将厨房和卧室中的传感器调整为休眠模式。
在家居场景内存在多个被监控对象时,要对所有被监控对象的活动位置进行统计得出共同的活动规律,再根据共同的活动规律控制不同区域的传感器处于感知模式或者是休眠模式。例如被监控对象A在厨房时、被监控对象B在卧室,因此可以控制厨房附近的传感器和卧室中的传感器处于感知状态,同时控制其他区域例如客厅的传感器处于休眠模式。
再例如,根据被监控对象A的历史感知数据得出的被监控对象A的活动规律包括:7点之前在卧室,11:30-12:00在厨房,18:00-20:00在客厅等;被监控对象B的活动规律包括:7点之前在卧室,11:00-13:00在厨房,18:00-19:00在客厅等。则在7点之前,可以控制厨房、客厅的传感器处于休眠模式,同时控制卧室中的传感器处于感知模式;结合被监控对象A和被监控对象B的活动规律,在11:30-12:00之间可以控制厨房的传感器处于感知模式,在18:00-20:00点之间控制客厅中的传感器处于感知模式,将厨房和卧室中的传感器调整为休眠模式。
本发明实施例中通过根据一个或者多个被监控对象的所述活动规律数据,可以自动控制所述传感器按照一个或者多个被监控对象的活动规律数据自动调整处于感知模式或者休眠模式等不同的工作模式,从而可以避免使传感器一直持续处于感知模式而实现自动化节能,因此可以减小传感器的能量消耗,进一步提高传感器的使用寿命。
除此之外,在得到被监控对象活动规律数据后,所述方法还可以包括:根据所述至少一个被监控对象的所述活动规律数据生成三维显示数据;通过所述三维显示数据展示所述至少一个被监控对象的移动轨迹。
在本示例中,三维显示数据可以理解为与每一个被监控对象的所述活动规律数据对应的,可以作为显示画面基础的数据。可以根据每个所述被监控对象的所述活动规律数据生成对应的三维显示数据,进而通过所述三维显示数据展示每个被监控对象的移动轨迹,以使用户可以直观的看到室内被监控对象每个时刻的位置,从而实现室内监控的效率。
除此之外,在确定所述至少一个被监控对象的所述活动规律数据后,还可以根据所述活动规律数据确定所述被监控对象是否处于异常状态。异常状态例如可以包括被监控对象在某一地点的时间超过预设时长等。具体而言,可以获取被监控对象的移动轨迹,并将其移动轨迹与被监控对象活动规律数据进行对比,在二者不一致时,可以判断被监控对象处于异常状态,从而实现对被监控对象的有效监护。
图2中示意性示出了本发明实施例中用于室内监控的方法的具体流程图。参考步骤S211至步骤S216可以得知,该系统的处理流程包括:
在步骤S211中,在家居环境中部署多个传感器节点,尤其是红外感知传感器节点;
在步骤S212中,根据被监控人在不同时间段的活动规律,适应性地调整传感器在感知模式和休眠模式之间的转换频率;
在步骤S213中,对于同一家居环境中同时出现多个被监控人的场景,采用多种方式进行识别;
在步骤S214中,可以采用模拟和数字感知信号标识识别、深度学习模型、活动规律画像等方式进行识别;
在步骤S215中,在虚拟现实被监控人移动展示系统APP实现过程中,根据场景适应性地采用合适的调度算法;例如可选择轮询调度算法或者优先调度算法;
在步骤S216中,有效识别同一家居环境内同时出现多个被监护人的活动情况,通过位置和活动数据分析达到看护目的。
图2中描述的用于室内监控的方法,可以基于部署的多个传感器自动采集被监控对象的感知数据,提高了数据采集的便捷性;根据被监控人在不同时间段的活动规律可以自动调整传感器处于感知模式或休眠模式,最大限度的延长了传感器的使用寿命;采用模拟和数字感知信号标识识别、深度学习模型、活动规律画像等多种方式识别同一家居环境中的多个被监控人,提高了室内监控的准确性;在虚拟现实被监控人移动展示系统APP实现过程中,根据场景适应性地采用合适的调度算法,提高了室内监控操作的效率。
具体而言,图3中示意性示出了根据三维显示数据展示被监控对象移动轨迹的具体流程图,可以包括:
在步骤S311中,获取所述至少一个被监控对象的三维显示数据;
在步骤S312中,将所述三维显示数据按照时间序列进行排序,以获取位置移动和对应的时间信息;
在步骤S313中,将所述至少一个被监控对象中的每个被监控对象的位置移动和相应的时间信息分别放入独立的队列中;
在步骤S314中,利用调度算法通过所述队列分别展示所述每个被监控对象的移动轨迹。
其中,时间序列分析方法为根据观测得到的时间序列数据,通过曲线拟合和参数估计来建立数学模型的理论和方法。参考图3中所示的步骤S311至S314,首先可以通过时间序列分析方法记录和获取家居场景中的每个被监控对象的感知数据,进而可以对上述步骤中生成的所有三维显示数据按照时间序列进行排序,以获得每个被监控对象的位置与时间之间的对应关系,即按照时间先后顺序对每个被监控对象的位置进行统计。
接下来可以将所述至少一个被监控对象中的每个被监控对象的位置移动和相应的时间信息分别放入独立的队列中,例如将被监控对象A的位置和相应的时间信息存储在队列M中,将被监控对象B的位置和相应的时间信息存储在队列N中。
最后利用调度算法通过所述队列分别展示所述每个被监控对象的移动轨迹。其中,调度算法是指根据系统的资源分配策略所规定的资源分配算法。本示例中所述调度算法例如可以包括RoundRobin轮询调度方法或者PriorityQueue优先调度方法。对于不同的系统和系统目标,通常采用不同的调度算法提高系统的处理效率。
具体而言,利用调度算法通过所述队列分别展示所述每个被监控对象的移动轨迹可以包括:利用轮询调度算法或者优先调度算法通过所述队列分别展示所述每个被监控对象的移动轨迹。
详细而言,具体地,针对在同一家居环境里的每个被监控对象而言,可以按照在时间序列内移动的排序,将每一个被监控对象的位置移动和相应的时间信息放入的一个独立的队列里,然后根据客户业务需要,对不同的家居场景采取不同的调度算法。
举例而言,在监控多个被监控对象时,可以采用一视同仁的策略,对每一个被监控对象均采用轮询调度方法;在以某一个被监控对象为监控对象的家居场景中,可以采用优先调度处理的方法,即按照在时间序列位置移动的时间先后顺序,在一定时延范围内优先处理该被监控对象的感知数据,然后再处理其他被监控人的感知数据的调度方法。
如图4所示,在某家居环境中同时出现了三个被监控人Q1、Q2、Q3,根据每个被监控人在时间序列的位置信息,将每个被监控人的位置移动事件单独记录在不同的事件队列中,并根据实际场景和用户需求采用不同的调度策略如轮询调度或优先调度方法对被监控人的感知数据进行处理,从而提高数据处理效率。
除此之外,本发明实施例中,还提供了一种用于室内监控的系统平台,参考图5所示,所述系统平台可以包括传感器网络子系统510、传感器感知模式适应性处理子系统520、时间序列位置信息子系统530、同一家居内同时出现多个被监控人的感知信号智能识别子系统540。其中:
传感器网络子系统510负责对室内被监控人的状态和活动情况的感知数据的收集和汇总,并将汇总的感知数据发送到数据存储子系统的服务器。
传感器感知模式适应性处理子系统520负责收集和分析被监控人在每天不同时间段的活动规律,并根据被监控人在每天不同时间段的活动规律适应性地调整传感器在感知模式和休眠模式之间的转换频率,以减少传感器节点的能量消耗,最大限度地延长传感器的电池能量寿命。
时间序列位置信息子系统530负责输出和记录被监控人在时间序列的位置信息等。
同一家居内多个被监控人的感知信号智能识别子系统540负责收集每个传感器从模拟信号和数字信号两个维度对每个被监控人的感知数据,从不断积累的感知数据中挖掘每个被监控人独特的信号标识,进而通过构建卷积神经网络模型来深度学习识别不同的被监控人的感知信号,并通过不断积累的感知数据来分析不同被监控人的活动规律例如活动路线、活动时间、活动地点等,从而可以有效识别同一家居环境内同时出现多个被监控人的活动情况,最终通过对家居环境中每个被监控人位置和活动数据的分析达到老年人看护的目的。
基于上述系统平台,本示例实施方式中,还提供了一种用于室内监控的装置600。参照图6所示,所述装置600可以包括:
数据接收模块601,可以用于接收由多个传感器采集的感知数据且所述感知数据来源于至少一个被监控对象;
分析识别模块602,可以用于对所述感知数据进行分析识别以确定所述感知数据与所述至少一个被监控对象的对应关系;
规律确定模块603,可以用于根据所述对应关系对所述至少一个被监控对象的所述感知数据进行分析,以获取所述被监控对象的活动规律数据。
需要注意的是,上述用于室内监控的装置中各模块的具体细节已经在对应的用于室内监控的方法中进行了详细的描述,因此此处不再赘述。
在本发明实施例的示例性实施例中,还提供了一种能够实现上述方法的电子设备。
所属技术领域的技术人员能够理解,本发明的各个方面可以实现为系统、方法或程序产品。因此,本发明的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。
下面参照图7来描述根据本发明的这种实施方式的电子设备700。图7显示的电子设备700仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图7所示,电子设备700以通用计算设备的形式表现。电子设备700的组件可以包括但不限于:上述至少一个处理单元710、上述至少一个存储单元720、连接不同系统组件(包括存储单元720和处理单元710)的总线730、显示单元740。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元710执行,使得所述处理单元710执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。例如,所述处理单元710可以执行如图1所示的步骤S110.接收由多个传感器采集的感知数据且所述感知数据来源于至少一个被监控对象;步骤S120.对所述感知数据进行分析识别以确定所述感知数据与所述至少一个被监控对象的对应关系;步骤S130.根据所述对应关系对所述至少一个被监控对象的所述感知数据进行分析,以获取所述被监控对象的活动规律数据。
存储单元720可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)7201和/或高速缓存存储单元7202,还可以进一步包括只读存储单元(ROM)7203。
存储单元720还可以包括具有一组(至少一个)程序模块7205的程序/实用工具7204,这样的程序模块7205包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线730可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备700也可以与一个或多个外部设备800(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备700交互的设备通信,和/或与使得该电子设备700能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口750进行。并且,电子设备700还可以通过网络适配器760与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器760通过总线730与电子设备700的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备700使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本发明实施例实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本发明实施例实施方式的方法。
在本发明实施例的示例性实施例中,还提供了一种计算机可读存储介质,其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中,本发明的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在终端设备上运行时,所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。
参考图8所示,描述了根据本发明的实施方式的用于实现上述方法的程序产品900,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本发明的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
此外,上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本发明实施例的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本发明实施例的其他实施例。本申请旨在涵盖本发明实施例的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明实施例的一般性原理并包括本发明实施例未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本发明实施例的真正范围和精神由权利要求指出。
应当理解的是,本发明实施例并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本发明实施例的范围仅由所附的权利要求来限。
Claims (14)
1.一种用于室内监控的方法,其特征在于,包括:
接收由多个传感器采集的感知数据且所述感知数据来源于至少一个被监控对象;
对所述感知数据进行分析识别以确定所述感知数据与所述至少一个被监控对象的对应关系;
根据所述对应关系对所述至少一个被监控对象的所述感知数据进行处理,以获取所述至少一个被监控对象的活动规律数据。
2.根据权利要求1所述的方法,其特征在于,还包括:
通过所述至少一个被监控对象的所述活动规律数据控制所述传感器的工作模式。
3.根据权利要求1所述的方法,其特征在于,还包括:
根据所述至少一个被监控对象的所述活动规律数据生成三维显示数据;
通过所述三维显示数据展示所述至少一个被监控对象的移动轨迹。
4.根据权利要求1所述的方法,其特征在于,对所述感知数据进行分析识别以确定所述感知数据与所述至少一个被监控对象的对应关系,包括:
利用卷积神经网络模型对所述感知数据进行分析识别以确定所述感知数据与所述至少一个被监控对象的对应关系。
5.根据权利要求4所述的方法,其特征在于,还包括:
通过历史感知数据训练所述卷积神经网络模型。
6.根据权利要求1所述的方法,其特征在于,对所述感知数据进行分析识别以确定所述感知数据与所述至少一个被监控对象的对应关系,包括:
通过数字信号和/或模拟信号对所述感知数据进行分析识别以确定所述感知数据对应的信号标识;以及
根据所述信号标识确定所述感知数据与所述至少一个被监控对象的对应关系。
7.根据权利要求3所述的方法,其特征在于,通过所述三维显示数据展示所述至少一个被监控对象的移动轨迹,包括:
获取所述至少一个被监控对象的三维显示数据;
将所述三维显示数据按照时间序列进行排序,以获取位置移动和对应的时间信息;
将所述至少一个被监控对象中的每个被监控对象的位置移动和相应的时间信息分别放入独立的队列中;
利用调度算法通过所述队列分别展示所述每个被监控对象的移动轨迹。
8.根据权利要求7所述的方法,其特征在于,利用调度算法通过所述队列分别展示所述每个被监控对象的移动轨迹,包括:
利用轮询调度算法或者优先调度算法通过所述队列分别展示所述每个被监控对象的移动轨迹。
9.根据权利要求1所述的方法,其特征在于,接收由多个传感器采集并上传的感知数据包括:
采用无线网络传输方式在时间序列内接收由多个传感器上传的所述感知数据。
10.根据权利要求1所述的方法,其特征在于,还包括:
根据所述至少一个被监控对象的所述活动规律数据确定所述被监控对象是否处于异常状态。
11.根据权利要求2所述的方法,其特征在于,还包括:
所述工作模式包括感知模式以及休眠模式。
12.一种用于室内监控的装置,其特征在于,包括:
数据接收模块,用于接收由多个传感器采集并上传的感知数据且所述感知数据来源于至少一个被监控对象;
分析识别模块,用于对所述感知数据进行分析识别以确定所述感知数据与所述至少一个被监控对象的对应关系;
规律确定模块,用于根据所述对应关系对所述至少一个被监控对象的所述感知数据进行处理,以获取所述至少一个被监控对象的活动规律数据。
13.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1-11中任意一项所述的用于室内监控的方法。
14.一种电子设备,其特征在于,包括:
处理器;以及
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行权利要求1-11中任意一项所述的用于室内监控的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711261063.2A CN107872776B (zh) | 2017-12-04 | 2017-12-04 | 用于室内监控的方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711261063.2A CN107872776B (zh) | 2017-12-04 | 2017-12-04 | 用于室内监控的方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107872776A true CN107872776A (zh) | 2018-04-03 |
CN107872776B CN107872776B (zh) | 2021-08-27 |
Family
ID=61755134
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711261063.2A Active CN107872776B (zh) | 2017-12-04 | 2017-12-04 | 用于室内监控的方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107872776B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108537172A (zh) * | 2018-04-09 | 2018-09-14 | 北京邦天信息技术有限公司 | 一种基于机器视觉识别人的行为的方法和装置 |
CN109085658A (zh) * | 2018-07-09 | 2018-12-25 | 宁波大学 | 一种室内人体感应装置 |
CN109829542A (zh) * | 2019-01-29 | 2019-05-31 | 武汉星巡智能科技有限公司 | 基于多核处理器的多元深度网络模型重构方法及装置 |
CN111710126A (zh) * | 2020-05-18 | 2020-09-25 | 江苏东洲物联科技有限公司 | 一种人活动状态的检测方法及系统 |
CN112288998A (zh) * | 2019-07-25 | 2021-01-29 | 上海长智系统集成有限公司 | 居家老人日常活动监测方法、装置、监测设备和存储介质 |
CN112785759A (zh) * | 2021-01-22 | 2021-05-11 | 支付宝(杭州)信息技术有限公司 | 客流统计的系统和方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20150121917A (ko) * | 2014-04-22 | 2015-10-30 | 삼성전자주식회사 | 애플리케이션을 이용하는 사용자 단말의 위치 정보 접근 제어 방법 및 그 장치 |
CN105717487A (zh) * | 2016-01-26 | 2016-06-29 | 神画科技(深圳)有限公司 | 三维空间定位传感器及互动显示系统和3d图像生成方法 |
CN106353724A (zh) * | 2016-08-19 | 2017-01-25 | 北京安易康科技有限公司 | 一种基于无线传感器网络的精确室内定位方法 |
CN106791622A (zh) * | 2016-12-03 | 2017-05-31 | 杭州斯码特电子科技有限公司 | 一种监控设备远程人脸识别系统 |
CN106846729A (zh) * | 2017-01-12 | 2017-06-13 | 山东大学 | 一种基于卷积神经网络的跌倒检测方法和系统 |
CN107333226A (zh) * | 2017-06-23 | 2017-11-07 | 泰康保险集团股份有限公司 | 室内移动感知方法、装置、计算机可读介质和电子设备 |
-
2017
- 2017-12-04 CN CN201711261063.2A patent/CN107872776B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20150121917A (ko) * | 2014-04-22 | 2015-10-30 | 삼성전자주식회사 | 애플리케이션을 이용하는 사용자 단말의 위치 정보 접근 제어 방법 및 그 장치 |
CN105717487A (zh) * | 2016-01-26 | 2016-06-29 | 神画科技(深圳)有限公司 | 三维空间定位传感器及互动显示系统和3d图像生成方法 |
CN106353724A (zh) * | 2016-08-19 | 2017-01-25 | 北京安易康科技有限公司 | 一种基于无线传感器网络的精确室内定位方法 |
CN106791622A (zh) * | 2016-12-03 | 2017-05-31 | 杭州斯码特电子科技有限公司 | 一种监控设备远程人脸识别系统 |
CN106846729A (zh) * | 2017-01-12 | 2017-06-13 | 山东大学 | 一种基于卷积神经网络的跌倒检测方法和系统 |
CN107333226A (zh) * | 2017-06-23 | 2017-11-07 | 泰康保险集团股份有限公司 | 室内移动感知方法、装置、计算机可读介质和电子设备 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108537172A (zh) * | 2018-04-09 | 2018-09-14 | 北京邦天信息技术有限公司 | 一种基于机器视觉识别人的行为的方法和装置 |
CN109085658A (zh) * | 2018-07-09 | 2018-12-25 | 宁波大学 | 一种室内人体感应装置 |
CN109085658B (zh) * | 2018-07-09 | 2019-11-15 | 宁波大学 | 一种室内人体感应装置 |
CN109829542A (zh) * | 2019-01-29 | 2019-05-31 | 武汉星巡智能科技有限公司 | 基于多核处理器的多元深度网络模型重构方法及装置 |
CN109829542B (zh) * | 2019-01-29 | 2021-04-16 | 武汉星巡智能科技有限公司 | 基于多核处理器的多元深度网络模型重构方法及装置 |
CN112288998A (zh) * | 2019-07-25 | 2021-01-29 | 上海长智系统集成有限公司 | 居家老人日常活动监测方法、装置、监测设备和存储介质 |
CN111710126A (zh) * | 2020-05-18 | 2020-09-25 | 江苏东洲物联科技有限公司 | 一种人活动状态的检测方法及系统 |
CN112785759A (zh) * | 2021-01-22 | 2021-05-11 | 支付宝(杭州)信息技术有限公司 | 客流统计的系统和方法 |
CN112785759B (zh) * | 2021-01-22 | 2023-05-23 | 支付宝(杭州)信息技术有限公司 | 客流统计的系统和方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107872776B (zh) | 2021-08-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107872776A (zh) | 用于室内监控的方法、装置、电子设备及存储介质 | |
US11847896B2 (en) | Predictive alarm analytics | |
Vankipuram et al. | Toward automated workflow analysis and visualization in clinical environments | |
KR20200005987A (ko) | 터치입력을 이용한 인지장애 진단 시스템 및 방법 | |
EP3832556A1 (en) | Action optimization device, method and program | |
US10769926B1 (en) | Stair lift monitoring | |
US20210241912A1 (en) | Intelligent detection of wellness events using mobile device sensors and cloud-based learning systems | |
CN102218214A (zh) | 一种捕捉运动信息的装置及相应的系统 | |
AU2018375154B2 (en) | Ultrasound analytics for actionable information | |
US20220293278A1 (en) | Connected contact tracing | |
US11763566B2 (en) | Target association using occlusion analysis, clustering, or both | |
CN115775085B (zh) | 一种基于数字孪生的智慧城市管理方法及系统 | |
Fan et al. | Activity recognition as a service for smart home: ambient assisted living application via sensing home | |
KR20220094839A (ko) | 스마트 홈 제어 방법 및 시스템 | |
CN107958434B (zh) | 智能看护方法、装置、电子设备及存储介质 | |
US20240005648A1 (en) | Selective knowledge distillation | |
US11550276B1 (en) | Activity classification based on multi-sensor input | |
US11734932B2 (en) | State and event monitoring | |
KR102645192B1 (ko) | 인공지능 모델을 기반으로 욕창을 관리하는 방법 및 이를 수행하는 전자 장치 | |
Boumpa et al. | Home supporting smart systems for elderly people | |
WO2023060056A2 (en) | Spatial motion attention for intelligent video analytics | |
US20220070415A1 (en) | Access control system | |
CN114330136A (zh) | 基于水表用水生活状态监测方法、系统、装置及存储介质 | |
KR102029342B1 (ko) | 사물인터넷 기반의 홈케어 대상자 모니터링 시스템 | |
US20230011337A1 (en) | Progressive deep metric learning |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |