CN109979601A - 一种具有自动学习功能的流感预测摄像机 - Google Patents
一种具有自动学习功能的流感预测摄像机 Download PDFInfo
- Publication number
- CN109979601A CN109979601A CN201910253642.5A CN201910253642A CN109979601A CN 109979601 A CN109979601 A CN 109979601A CN 201910253642 A CN201910253642 A CN 201910253642A CN 109979601 A CN109979601 A CN 109979601A
- Authority
- CN
- China
- Prior art keywords
- information
- module
- analysis
- influenza
- feedback data
- 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
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/80—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for detecting, monitoring or modelling epidemics or pandemics, e.g. flu
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/50—Constructional details
Abstract
本发明涉及一种具有自动学习功能的流感预测摄像机，包括若干摄像头单元以及一后台分析系统，每一摄像头单元包括温度感应模块、湿度感应模块、二氧化碳浓度感应模块、粉尘感应模块、密度分析模块以及处理器，摄像头单元连接后台分析系统，后台分析系统包括模型架构模块、专家分析库以及采集数据库，模型架构模块连接专家分析库以及采集数据库，专家分析库存储有分析结果信息；通过摄像头单元对教室或校园环境的实际环境参数进行采集，环境参数是与流感的发生相关的参数包括温度、湿度、人口密度、二氧化碳浓度、粉尘浓度等，所以采集这些参数，就可以辅助判断流感是否容易发生，从而提醒对应的区域采取相应措施，及时避免流感的发生。
Description
技术领域
本发明涉及摄像头系统，更具体地说，涉及一种具有自动学习功能的流感预测摄像机。
背景技术
流行性感冒（简称流感）是流感病毒引起的急性呼吸道感染，也是一种传染性强、传播速度快的疾病。其主要通过空气中的飞沫、人与人之间的接触或与被污染物品的接触传播。典型的临床症状是：急起高热、全身疼痛、显著乏力和轻度呼吸道症状。一般秋冬季节是其高发期，所引起的并发症和死亡现象非常严重。该病是由流感病毒引起，可分为甲（A）、乙（B）、丙（C）三型，甲型病毒经常发生抗原变异，传染性大，传播迅速，极易发生大范围流行。甲型H1N1也就是甲型一种。本病具有自限性，但在婴幼儿、老年人和存在心肺基础疾病的患者容易并发肺炎等严重并发症而导致死亡。
所以流感的预防是目前非常重要的技术，而流感在校园的预知尤为重要，及时获知流感有利于校园进行流感的预防，而一旦流感无法预测，则会对校园活动产生非常大的影响，造成较大的社会问题和安全隐患。
发明内容
有鉴于此，本发明目的是提供一种具有自动学习功能的流感预测摄像机。
为了解决上述技术问题，本发明的技术方案是：一种具有自动学习功能的流感预测摄像机，包括若干摄像头单元以及一后台分析系统，每一摄像头单元包括温度感应模块、湿度感应模块、二氧化碳浓度感应模块、粉尘感应模块、密度分析模块以及处理器，所述摄像头单元连接所述后台分析系统，所述后台分析系统包括模型架构模块、专家分析库以及采集数据库，所述模型架构模块连接所述专家分析库以及所述采集数据库，所述专家分析库存储有分析结果信息，所述采集数据库存储有环境采集信息，所述分析结果信息与所述环境采集信息对应设置，所述模型架构模块根据所述环境采集信息以及所述分析结果信息生成预测模型；
所述温度感应模块用于获取环境温度并生成一温度反馈数据；
所述湿度感应模块用于获取环境湿度并生成一湿度反馈数据；
所述二氧化碳浓度感应模块用于获取空气的二氧化碳浓度并生成一二氧化碳浓度反馈数据；
所述粉尘感应模块用于获取空气的粉尘浓度并生成一粉尘浓度反馈数据；
所述密度分析模块用于计算摄像头单元的监视区域内人口密度并输出一人口密度数据；
所述处理器从所述后台分析系统中调用预测模型；所述预测模型中，温度反馈数据、湿度反馈数据、二氧化碳浓度反馈数据、粉尘浓度反馈数据以及人口密度数据为输入数据，所述预测风险值为输出数据；所述处理器根据所述温度反馈数据、湿度反馈数据、二氧化碳浓度反馈数据、粉尘浓度反馈数据以及人口密度数据通过调用预测模型实时输出预测风险值；
所述后台分析系统包括有分析策略、更新策略以及信息生成策略，所述分析策略包括获得一环境采集信息，通过环境采集信息输入分析结果信息，将该分析结果信息与所述环境采集信息关联并分别存入专家分析库以及采集数据库；
所述更新策略包括，当一环境采集信息和对应的分析结果信息被关联时，将对应的环境采集信息以及分析结果信息带入预测模型以更新对应的所述预测模型；
所述环境采集信息包括环境信息、采集信息以及实测临床信息，所述采集信息包括所述温度反馈数据、湿度反馈数据、二氧化碳浓度反馈数据、粉尘浓度反馈数据以及人口密度数据，所述环境信息包括地域信息以及年龄段信息，所述地域信息反映该摄像头单元所处的地域情况，所述年龄段信息反映摄像头单元所监控的学生的年龄段情况，所述实测临床信息反映该摄像头单元所监控的学生实际检测流感发生情况；
所述模型架构模块根据不同的环境信息生成不同的预测模型，所述摄像头单元根据自身对应的环境信息调取对应的预测模型。
进一步地：所述粉尘浓度模块包括PM2.5粉尘传感器以及PM10粉尘传感器。
进一步地：所述摄像头单元配置有计数算法，所述计数算法用于统计该摄像头单元中摄像头画面中的人数，所述密度分析模块根据所述人数以及预先输入的监视区域面积计算人口密度。
进一步地：所述摄像头单元配置有GPS模块，所述摄像头单元通过GPS模块生成地域信息。
进一步地：所述摄像头单元连接对应教室内的新风系统，并配置有对应新风阈值，当所述预测风险值大于所述新风阈值时，开启对应的所述新风系统。
进一步地：后台管理人员可通过登录后台分析系统修改所述专家分析库内的分析结果信息，每当分析结果信息被修改时，通过更新策略将对应的环境采集信息以及分析结果信息带入预测模型以更新对应的所述预测模型。
进一步地：所述摄像头单元包括有输出模块，所述输出模块用于实时输出所述预测风险值。
进一步地：所述摄像头单元连接有无线采集单元，所述无线采集单元通过无线连接于所述摄像头单元，所述无线采集单元包括流感检测传感器，所述流感检测传感器用于获得实测结果信息并通过无线采集单元将所述实测结果信息发送至对应的摄像头单元。
进一步地：所述无线采集单元还包括学生信息采集单元，所述学生信息采集单元用于获取学生身份信息并发送至对应的摄像头单元。
进一步地：所述实测临床信息包括所述实测结果信息与所述学生身份信息。
本发明技术效果主要体现在以下方面：首先，通过摄像头单元对教室或校园环境的实际环境参数进行采集，环境参数是与流感的发生相关的参数包括温度、湿度、人口密度、二氧化碳浓度、粉尘浓度等，所以采集这些参数，就可以辅助判断流感是否容易发生，从而提醒对应的区域采取相应措施，及时避免流感的发生。
附图说明
图1：本发明一种具有自动学习功能的流感预测摄像机。
附图标记：100、摄像头单元；110、温度感应模块；120、湿度感应模块；130、二氧化碳浓度感应模块；140、粉尘感应模块；150、密度分析模块；160、处理器；200、后台分析系统；210、模型架构模块；220、专家分析库；230、采集数据库；300、新风系统。
具体实施方式
以下结合附图，对本发明的具体实施方式作进一步详述，以使本发明技术方案更易于理解和掌握。
参照图1所示，一种具有自动学习功能的流感预测摄像机，包括若干摄像头单元100以及一后台分析系统200，每一摄像头单元100包括温度感应模块110、湿度感应模块120、二氧化碳浓度感应模块130、粉尘感应模块140、密度分析模块150以及处理器160，所述摄像头单元100连接所述后台分析系统200，所述后台分析系统200包括模型架构模块210、专家分析库220以及采集数据库230，所述模型架构模块210连接所述专家分析库220以及所述采集数据库230，所述专家分析库220存储有分析结果信息，所述采集数据库230存储有环境采集信息，所述分析结果信息与所述环境采集信息对应设置，所述模型架构模块210根据所述环境采集信息以及所述分析结果信息生成预测模型；首先对模型进行逐一分析，首先是模型架构模块210，模型架构模块210是后台分析系统200的主要模块，用于存储模型架构，需要说明的是，这个模型是用于根据输入的值获得一个实际结果值，辅助判断该区域是否容易发生流感，而预测模型不仅设置一个，而采集数据库230记载的是环境相关的信息，而根据环境相关信息就可以提供一个专家进行分析依据，这样就可以根据每个不同的环境信息对应不同的分析结果信息，而模型架构模块210就是根据不同的分析结果信息以及环境信息构建一个满足条件的数学模型，所以这个系统会根据分析结果信息以及环境信息的增加，自行的进行更新以满足实际的分析需求，具体在下文描述：
所述温度感应模块110用于获取环境温度并生成一温度反馈数据；具体可以设置为多个温度传感器以分布或集中的形式分布在被检测区域，通过温度传感器反馈的数值以及数值的变化，就可以得到温度反馈数据。
所述湿度感应模块120用于获取环境湿度并生成一湿度反馈数据；具体可以设置为多个湿度传感器以分布或集中的形式分布在被检测区域，通过湿度传感器反馈的数值以及数值的变化，就可以得到湿度反馈数据。
所述二氧化碳浓度感应模块130用于获取空气的二氧化碳浓度并生成一二氧化碳浓度反馈数据；具体可以设置为多个二氧化碳浓度传感器以分布或集中的形式分布在被检测区域，通过二氧化碳浓度传感器反馈的数值以及数值的变化，就可以得到二氧化碳浓度反馈数据。
所述粉尘感应模块140用于获取空气的粉尘浓度并生成一粉尘浓度反馈数据；所述粉尘浓度模块包括PM2.5粉尘传感器以及PM10粉尘传感器。具体也可以通过分别设置多个传感器的方式进行高精度的粉尘浓度检测，从而获得较为精确的粉尘浓度数据，起到一个较佳的检测效果。
所述密度分析模块150用于计算摄像头单元100的监视区域内人口密度并输出一人口密度数据；所述摄像头单元100配置有计数算法，所述计数算法用于统计该摄像头单元100中摄像头画面中的人数，所述密度分析模块150根据所述人数以及预先输入的监视区域面积计算人口密度。密度分析模块150可以选用为任意的具有人脸识别或人像追踪的功能，人数统计算法较为成熟，在此不做赘述，而为了统计的精确性，一个摄像头单元100中，可以设置多个摄像头，在此不做局限。
所述处理器160从所述后台分析系统200中调用预测模型；所述预测模型中，温度反馈数据、湿度反馈数据、二氧化碳浓度反馈数据、粉尘浓度反馈数据以及人口密度数据为输入数据，所述预测风险值为输出数据；所述处理器160根据所述温度反馈数据、湿度反馈数据、二氧化碳浓度反馈数据、粉尘浓度反馈数据以及人口密度数据通过调用预测模型实时输出预测风险值；而根据上述描述可知，通过多个数据的比对就可以实时预测风险值，而温度、湿度、二氧化碳浓度、粉尘浓度、人口密度均为预测较为重要的参数，通过至少5类数据构建的数学模型，精确性较高，预测较为准确可靠。
所述后台分析系统200包括有分析策略、更新策略以及信息生成策略，所述分析策略包括获得一环境采集信息，通过环境采集信息输入分析结果信息，将该分析结果信息与所述环境采集信息关联并分别存入专家分析库220以及采集数据库230；后台分析系统200通过分析策略、更新策略以及信息生成策略进行对数据的分析和应用，首先对于分析策略，分析策略的目的是为了生成分析结果信息，具体原理如下：根据调用的环境信息可以显示到后台分析系统200的对应终端，专家根据这些数据的内容，通过经验和大数据，得到一个综合风险的结果，也就是该分析结果信息，需要说明的是，分析结果信息不等同于预测风险值，分析结果信息是为了训练或构建预测模型以及自我修正时调用而存在的，分析结果信息可以包括有预测模型的内容数，预测模型的实际数值，以及预测模型的分类书等等，预测模型的构建可以通过专家根据经验进行构建，也可以通过预置的算法进行构建，在此不做局限，而需要说明的是，预测模型是可以被训练的，也就是说，模型中的参数是会随着训练的信息的增加而趋于精确。
所述更新策略包括，当一环境采集信息和对应的分析结果信息被关联时，将对应的环境采集信息以及分析结果信息带入预测模型以更新对应的所述预测模型；更新策略实质上就是对模型的训练步骤，当每次获取数据时，都需要对对应的预测模型进行一次训练，以完善预测模型。
所述环境采集信息包括环境信息、采集信息以及实测临床信息，所述采集信息包括所述温度反馈数据、湿度反馈数据、二氧化碳浓度反馈数据、粉尘浓度反馈数据以及人口密度数据，所述环境信息包括地域信息以及年龄段信息，所述地域信息反映该摄像头单元100所处的地域情况，所述年龄段信息反映摄像头单元100所监控的学生的年龄段情况，所述实测临床信息反映该摄像头单元100所监控的学生实际检测流感发生情况；环境采集信息包括三类信息，第一类采集信息是有两个作用，第一个作用是可以提供专家进行分析的依据，第二个作用是可以为更新策略训练模型提供数据支持，而环境信息则包括有地域信息和年龄段信息，不同地域、不同年龄段流感发生的概率不同，所以选择的预测模型也不同，这个信息是为了区分不同的预测模型，而第三类信息是实测临床信息，实测临床信息的目的是为了测量实际的患病情况，提供专家分析的依据。具体通过所述摄像头单元100连接有无线采集单元，所述无线采集单元通过无线连接于所述摄像头单元100，所述无线采集单元包括流感检测传感器，所述流感检测传感器用于获得实测结果信息并通过无线采集单元将所述实测结果信息发送至对应的摄像头单元100。所述无线采集单元还包括学生信息采集单元，所述学生信息采集单元用于获取学生身份信息并发送至对应的摄像头单元100。所述实测临床信息包括所述实测结果信息与所述学生身份信息。而流感检测传感器（流感检测器）与醉酒呼吸分析仪类似，流感检测器亦是通过辨识呼出气体中是否含目标分析物来实现检测的。但流感检测器的目标检测物不是酒精，而是流感病毒的代谢产物——一氧化氮及某些 VOC（挥发性有机化合物）。为达到目的，研究人员在流感检测器中安装了只能辨认病毒代谢产物的气体选择性感应元件——当这种筛选式传感器感应到样品中目标物的存在时，其电流通路会发生改变从而释放出信号。这样一来就可以准确辨识流感，为分析提供依据，采集的过程可以通过教师或者管理人员进行采集，以完善后台数据，随着数据量的增加，后台的数据趋于完善，就可以起到一个较佳的数据处理效果。
所述模型架构模块210根据不同的环境信息生成不同的预测模型，所述摄像头单元100根据自身对应的环境信息调取对应的预测模型。所述摄像头单元100配置有GPS模块，所述摄像头单元100通过GPS模块生成地域信息。
所述摄像头单元100连接对应教室内的新风系统300，并配置有对应新风阈值，当所述预测风险值大于所述新风阈值时，开启对应的所述新风系统300。通过这样设置，一旦可以自动进行新风处理，这样一来，保证教室内的流感风险降低，起到一个安全可靠的效果。
后台管理人员可通过登录后台分析系统200修改所述专家分析库220内的分析结果信息，每当分析结果信息被修改时，通过更新策略将对应的环境采集信息以及分析结果信息带入预测模型以更新对应的所述预测模型。通过这样设置，可以及时对数据的误差进行纠正，保证数据的正确性，同时纠正后通过更新策略会重新训练对应的预测模型，保证预测模型的可靠性。
所述摄像头单元100包括有输出模块，所述输出模块用于实时输出所述预测风险值。通过输出这个预测风险值就可以提示使用者在第一时间获取风险情况，保证使用者的使用安全性和可靠性。
当然，以上只是本发明的典型实例，除此之外，本发明还可以有其它多种具体实施方式，凡采用等同替换或等效变换形成的技术方案，均落在本发明要求保护的范围之内。
Claims (10)
1.一种具有自动学习功能的流感预测摄像机，其特征在于：包括若干摄像头单元以及一后台分析系统，每一摄像头单元包括温度感应模块、湿度感应模块、二氧化碳浓度感应模块、粉尘感应模块、密度分析模块以及处理器，所述摄像头单元连接所述后台分析系统，所述后台分析系统包括模型架构模块、专家分析库以及采集数据库，所述模型架构模块连接所述专家分析库以及所述采集数据库，所述专家分析库存储有分析结果信息，所述采集数据库存储有环境采集信息，所述分析结果信息与所述环境采集信息对应设置，所述模型架构模块根据所述环境采集信息以及所述分析结果信息生成预测模型；
所述温度感应模块用于获取环境温度并生成一温度反馈数据；
所述湿度感应模块用于获取环境湿度并生成一湿度反馈数据；
所述二氧化碳浓度感应模块用于获取空气的二氧化碳浓度并生成一二氧化碳浓度反馈数据；
所述粉尘感应模块用于获取空气的粉尘浓度并生成一粉尘浓度反馈数据；
所述密度分析模块用于计算摄像头单元的监视区域内人口密度并输出一人口密度数据；
所述处理器从所述后台分析系统中调用预测模型；所述预测模型中，温度反馈数据、湿度反馈数据、二氧化碳浓度反馈数据、粉尘浓度反馈数据以及人口密度数据为输入数据，所述预测风险值为输出数据；所述处理器根据所述温度反馈数据、湿度反馈数据、二氧化碳浓度反馈数据、粉尘浓度反馈数据以及人口密度数据通过调用预测模型实时输出预测风险值；
所述后台分析系统包括有分析策略、更新策略以及信息生成策略，所述分析策略包括获得一环境采集信息，通过环境采集信息输入分析结果信息，将该分析结果信息与所述环境采集信息关联并分别存入专家分析库以及采集数据库；
所述更新策略包括，当一环境采集信息和对应的分析结果信息被关联时，将对应的环境采集信息以及分析结果信息带入预测模型以更新对应的所述预测模型；
所述环境采集信息包括环境信息、采集信息以及实测临床信息，所述采集信息包括所述温度反馈数据、湿度反馈数据、二氧化碳浓度反馈数据、粉尘浓度反馈数据以及人口密度数据，所述环境信息包括地域信息以及年龄段信息，所述地域信息反映该摄像头单元所处的地域情况，所述年龄段信息反映摄像头单元所监控的学生的年龄段情况，所述实测临床信息反映该摄像头单元所监控的学生实际检测流感发生情况；
所述模型架构模块根据不同的环境信息生成不同的预测模型，所述摄像头单元根据自身对应的环境信息调取对应的预测模型。
2.如权利要求1所述的一种具有自动学习功能的流感预测摄像机，其特征在于：所述粉尘浓度模块包括PM2.5粉尘传感器以及PM10粉尘传感器。
3.如权利要求1所述的一种具有自动学习功能的流感预测摄像机，其特征在于：所述摄像头单元配置有计数算法，所述计数算法用于统计该摄像头单元中摄像头画面中的人数，所述密度分析模块根据所述人数以及预先输入的监视区域面积计算人口密度。
4.如权利要求1所述的一种具有自动学习功能的流感预测摄像机，其特征在于：所述摄像头单元配置有GPS模块，所述摄像头单元通过GPS模块生成地域信息。
5.如权利要求1所述的一种具有自动学习功能的流感预测摄像机，其特征在于：所述摄像头单元连接对应教室内的新风系统，并配置有对应新风阈值，当所述预测风险值大于所述新风阈值时，开启对应的所述新风系统。
6.如权利要求1所述的一种具有自动学习功能的流感预测摄像机，其特征在于：后台管理人员可通过登录后台分析系统修改所述专家分析库内的分析结果信息，每当分析结果信息被修改时，通过更新策略将对应的环境采集信息以及分析结果信息带入预测模型以更新对应的所述预测模型。
7.如权利要求1所述的一种具有自动学习功能的流感预测摄像机，其特征在于：所述摄像头单元包括有输出模块，所述输出模块用于实时输出所述预测风险值。
8.如权利要求1所述的一种具有自动学习功能的流感预测摄像机，其特征在于：所述摄像头单元连接有无线采集单元，所述无线采集单元通过无线连接于所述摄像头单元，所述无线采集单元包括流感检测传感器，所述流感检测传感器用于获得实测结果信息并通过无线采集单元将所述实测结果信息发送至对应的摄像头单元。
9.如权利要求8所述的一种具有自动学习功能的流感预测摄像机，其特征在于：所述无线采集单元还包括学生信息采集单元，所述学生信息采集单元用于获取学生身份信息并发送至对应的摄像头单元。
10.如权利要求9所述的一种具有自动学习功能的流感预测摄像机，其特征在于：所述实测临床信息包括所述实测结果信息与所述学生身份信息。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2018111923193 | 2018-10-12 | ||
| CN201811192319 | 2018-10-12 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109979601A true CN109979601A (zh) | 2019-07-05 |
| CN109979601B CN109979601B (zh) | 2020-10-02 |
Family
ID=67082006
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910253642.5A Active CN109979601B (zh) | 2018-10-12 | 2019-03-30 | 一种具有自动学习功能的流感预测摄像机 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109979601B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112325418A (zh) * | 2020-12-10 | 2021-02-05 | 中铁建设集团有限公司 | 一种交通建筑智能防疫和疏散系统及其运行方法 |
| CN112992372A (zh) * | 2021-03-09 | 2021-06-18 | 深圳前海微众银行股份有限公司 | 疫情风险监测方法、装置、设备、存储介质及程序产品 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104635637A (zh) * | 2013-11-12 | 2015-05-20 | 北京华泽盛世机器人科技股份有限公司 | 家庭健康机器人智能气候合成的方法 |
| CN104751242A (zh) * | 2015-03-27 | 2015-07-01 | 北京奇虎科技有限公司 | 预测空气质量指数的方法与装置 |
| CN105279362A (zh) * | 2014-07-01 | 2016-01-27 | 迈克尔·L·谢尔登 | 个人健康监视系统 |
| CN107707657A (zh) * | 2017-09-30 | 2018-02-16 | 苏州涟漪信息科技有限公司 | 基于多传感器的安全监护系统 |
| CN108537671A (zh) * | 2018-04-27 | 2018-09-14 | 广州品唯软件有限公司 | 一种交易风险评估方法及系统 |
| CN108597618A (zh) * | 2018-04-20 | 2018-09-28 | 杭州恒生数字设备科技有限公司 | 一种具有自动学习功能的流感预测摄像机 |
| CN108597617A (zh) * | 2018-04-11 | 2018-09-28 | 平安科技（深圳）有限公司 | 流行病分级预测方法及装置、计算机装置和可读存储介质 |
-
2019
- 2019-03-30 CN CN201910253642.5A patent/CN109979601B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104635637A (zh) * | 2013-11-12 | 2015-05-20 | 北京华泽盛世机器人科技股份有限公司 | 家庭健康机器人智能气候合成的方法 |
| CN105279362A (zh) * | 2014-07-01 | 2016-01-27 | 迈克尔·L·谢尔登 | 个人健康监视系统 |
| CN104751242A (zh) * | 2015-03-27 | 2015-07-01 | 北京奇虎科技有限公司 | 预测空气质量指数的方法与装置 |
| CN107707657A (zh) * | 2017-09-30 | 2018-02-16 | 苏州涟漪信息科技有限公司 | 基于多传感器的安全监护系统 |
| CN108597617A (zh) * | 2018-04-11 | 2018-09-28 | 平安科技（深圳）有限公司 | 流行病分级预测方法及装置、计算机装置和可读存储介质 |
| CN108597618A (zh) * | 2018-04-20 | 2018-09-28 | 杭州恒生数字设备科技有限公司 | 一种具有自动学习功能的流感预测摄像机 |
| CN108537671A (zh) * | 2018-04-27 | 2018-09-14 | 广州品唯软件有限公司 | 一种交易风险评估方法及系统 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112325418A (zh) * | 2020-12-10 | 2021-02-05 | 中铁建设集团有限公司 | 一种交通建筑智能防疫和疏散系统及其运行方法 |
| CN112325418B (zh) * | 2020-12-10 | 2024-02-09 | 中铁建设集团有限公司 | 一种交通建筑智能防疫和疏散系统及其运行方法 |
| CN112992372A (zh) * | 2021-03-09 | 2021-06-18 | 深圳前海微众银行股份有限公司 | 疫情风险监测方法、装置、设备、存储介质及程序产品 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109979601B (zh) | 2020-10-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Bansal et al. | Cough Classification for COVID-19 based on audio mfcc features using Convolutional Neural Networks | |
| RU2732957C2 (ru) | Устройство и способ для мониторинга пациента | |
| Gjoreski et al. | Accelerometer placement for posture recognition and fall detection | |
| US20170193788A1 (en) | Air quality notifying device connecting air quality measurement device and wireless terminal, and air quality notifying method therefor | |
| CN103479367B (zh) | 一种基于面部运动单元识别的驾驶员疲劳检测方法 | |
| Ryan et al. | A field application of a personal sensor for ultrafine particle exposure in children | |
| CN101742964A (zh) | 用于分析呼吸系统的发炎状态的装置 | |
| CN109979601A (zh) | 一种具有自动学习功能的流感预测摄像机 | |
| EP3565467A1 (en) | System and method for monitoring respiration | |
| CN102469954A (zh) | 确定呼出一氧化氮的方法和设备 | |
| Sung et al. | Building an indoor air quality monitoring system based on the architecture of the Internet of Things | |
| Rizza et al. | Effects of the exposure to ultrafine particles on heart rate in a healthy population | |
| CN110726431A (zh) | 具多点空气质量侦测的污染源分析系统运作方法 | |
| CN108597618B (zh) | 一种具有自动学习功能的流感预测摄像机 | |
| WO2021227874A1 (zh) | 一种跌倒行为的检测方法和设备 | |
| Asimina et al. | Assessing and enhancing the utility of low-cost activity and location sensors for exposure studies | |
| CN103499614B (zh) | 一种酒精检测仪器精度校正方法 | |
| CN111755120B (zh) | 一种基于边缘智能和多模感知的认知障碍预测方法 | |
| US11684293B2 (en) | Sensors and method for defining breathing signatures for identifying respiratory disease | |
| CN108088500A (zh) | 一种智能综合性环境检测系统及方法 | |
| CN105771224B (zh) | 一种基于多传感器的运动评估系统 | |
| CN110110958A (zh) | 一种学情分析方法、电子设备及存储介质 | |
| CN108563992A (zh) | 一种基于人脸识别的视觉勘察系统 | |
| CN107358213B (zh) | 一种儿童阅读习惯检测方法及装置 | |
| Madueño et al. | A new method to measure real-world respiratory tract deposition of inhaled ambient black carbon |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20200904 Address after: No. 200, Li village, Huaxi Village, Nanma Town, Dongyang City, Jinhua City, Zhejiang Province Applicant after: Dongyang jusu Technology Co., Ltd Address before: The large village of Qinglong Town Yuxi City, Yunnan province 652803 Huaning County will White Village No. 73 Applicant before: Wang Long |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20211129 Address after: 314000 4, 90-8 Fuxing Road South, Wutong street, Tongxiang, Jiaxing, Zhejiang Patentee after: JIAXING HANYI CULTURE COMMUNICATION Co.,Ltd. Address before: 322121 No. 200, Huaxi Village, Nanma Town, Dongyang City, Jinhua City, Zhejiang Province (self declaration) Patentee before: Dongyang jusu Technology Co., Ltd |
|
| TR01 | Transfer of patent right |