CN110264668A - 基于机器视觉技术的多策略老人看护方法 - Google Patents
基于机器视觉技术的多策略老人看护方法 Download PDFInfo
- Publication number
- CN110264668A CN110264668A CN201910623445.8A CN201910623445A CN110264668A CN 110264668 A CN110264668 A CN 110264668A CN 201910623445 A CN201910623445 A CN 201910623445A CN 110264668 A CN110264668 A CN 110264668A
- Authority
- CN
- China
- Prior art keywords
- face
- client
- detection module
- key point
- tactful
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/174—Facial expression recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
- G06V40/23—Recognition of whole body movements, e.g. for sport training
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
- G08B21/0438—Sensor means for detecting
- G08B21/0476—Cameras to detect unsafe condition, e.g. video cameras
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Theoretical Computer Science (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Emergency Management (AREA)
- Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Gerontology & Geriatric Medicine (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了基于机器视觉技术的多策略老人看护方法,首先检测图像中是否有人存在,当检测到有人时,对人脸进行比对,当发现其中有需要看护的老人时,对老人的面部表情及动作进行实时的分析,并将看护需要的数据进行存储,当发现老人长时间未被检测到或检测到的老人的表情或动作出现异样时,及时发送提示信息或报警信息到无线客户端。本发明应用在电视上,能够很好的扩展电视的看护功能,丰富电视的产品属性,同时能够很好的利用电视机处理器的算力,有效的弥补普通家庭监控器算力不足和普通监控安装麻烦的问题,最终实现家庭监控终端的智能化功能。
Description
技术领域
本发明涉及机器视觉技术领域,尤其涉及基于机器视觉技术的多策略老人看护方法。
背景技术
随着老龄化社会的到来,将会有越来越多的老人需要看护,由于现代的快节奏生活,导致老人看护的时间成本高。如何更高效、更智能化的实现老人的看护,将会是未来家庭智慧终端亟待解决的问题。为此,利用机器视觉技术中的人工智能技术,使电视具备高效、智能化的老人看护功能,不仅能够丰富电视机的产品属性,而且还有利于丰富家庭智慧终端的功能,真正的让科技服务于人类的日常生活,为人类的生活提供便利。
电视机作为家庭必备物品,在所有家电中的占比很高,但在日常生活中,电视机几乎仅作为媒体传输的介质,少部分具有装饰的功能,电视的产品属性单一与其的高占有率形成了鲜明的对比。因此,如何丰富电视的产品功能,如何高效的利用电视机处理器的处理能力,将是未来电视产品开发中必须考虑的问题。在家庭中,电视机几乎均被放置于房屋的客厅处,而客厅是人们生活中经常停留的地方。因此,将看护功能集成到电视中,具有重大的意义。目前市面上大部分传统的家庭监控设备,仅仅是作为实时存储的设备被应用于家庭环境中,其不具备对当前环境实时分析的功能,从而导致在异常情况发生时,无法及时的进行提示。但与传统的监控设备相比,电视机实现看护功能,不仅能够节约空间,而且还能够利用其处理器的强大处理能力,实现场景的实时分析,当异常情况发生时,其能够及时的告知相关人员,避免异常情况危害的进一步扩大。而在家庭成员中,老人是在家庭中停留时间最久的人之一,由于老人的身体方面的原因,当某些异常情况(包括但不限于跌倒,长时间闭眼,大口出气,右手捂胸口等情况)发生时,若不及时的处理,极易导致更严重的情况的发生。因此,在电视机上实现老人看护功能,不仅能够丰富电视机的产品属性,而且还能够更好的为老人的看护提供帮助。
发明内容
针对上述问题,本发明提出了基于机器视觉技术的多策略老人看护方法,针对运行在嵌入式主板上的电视系统进行的设计、优化和实现,能够检测人脸位置、人脸表情、跟踪人手和脚的运动轨迹,以及人体骨干的姿态,实时分析老人的状态,实现高效、智能化的老人看护功能。
本发明通过以下技术方案来实现上述目的:
基于机器视觉技术的多策略老人看护方法,包括以下步骤:
步骤1,人脸检测:采用MTCNN网络对场景中的人脸进行检测,具体实时步骤和功能如下:
a.利用MTCNN算法检测图像中的是否存在人脸;
b.当检测到人脸后,对人脸部分的图像进行切片,并通过检测到的人脸关键点对人脸进行对齐;
c.将对齐后的人脸进行人脸对比判断是否为需要被看护的对象;
d.当确认为是应被看护的对象是,其启动关键点检测模块及人体骨骼检测模块进行后续的智能分析;
步骤2,面部表情识别:
a.关键点检测模块被启动后,其对人脸位置进行关键点检测,并实时跟踪关键点;
b.面部动作识别,通过关键点的位置变化信息,对人脸的表情进行识别,当发现异常的面部表情时,其生成相应的信息,发送到客户端;
步骤3,肢体动作识别:
a.人体骨骼检测模块被启动后,其对人的骨骼关键点进行检测;
b.人体动作分析算法,根据骨骼关键点识别用户的相应动作,当检测到有异常的动作发生时,其生成相应的信息,发送到客户端;
异常动作特征设置如下:
a.长时间大口张嘴呼吸动作,发送报警信息到客户端;
b.长时间闭眼且无肢体动作,发送报警信息到客户端;
c.长时间闭眼且有轻微的肢体动作,发送提示信息到客户端;
d.长时间手捂胸口动作,发送报警信息到客户端;
e.突然跌倒动作,发送报警信息到客户端;
f.多次不高兴的面部表情,发送提示信息到客户端;
g.多次悲伤的面部表情,发送提示信息到客户端;
h.其它,默认不会产生动作。
进一步方案为,所述人脸检测通过人脸检测模块实现,人脸检测算法有基于深度学习的检测算法,本模块采用的是MTCNN网络对人脸进行检测。
进一步方案为,所述面部表情识别通过人脸关键点检测模块实现,当检测到人脸位置时,将人脸位置信息发到给人脸关键点检测模块,关键点检测模块将会循环检测人脸关键点的位置并对人脸位置进行实时跟踪,关键点检测采用深度学习的模型进行检测,同时为防止关键点抖动,深度模型在训练时,会采用跟踪的方式增加视频序列图像的训练数据,增强训练数据在时间位移上的关联性。
进一步方案为,所述面部动作识别通过面部表情智能分析模块实现,面部表情智能分析模块根据关键点深度学习模型检测的关键点位置信息,对人的面部动作进行智能分析,当检测到异常时,将会生成相应的信息,推送到客户端。
进一步方案为,所述肢体动作识别通过人体骨骼检测模块实现,当检测到人脸时,人脸检测模块触发人体骨骼检测模块利用LSTM结构的网络以1fps的速率对被看护人的骨骼姿态进行检测,当检测到人体骨骼出现异常时,将生成异常信息,并推送到客户端。
本发明的有益效果在于:
本发明提出了基于机器视觉技术的多策略老人看护方法,通过机器视觉技术,实现老年人的看护,不仅能够丰富电视机的产品属性,而且还能够,更高效、更智能化的实现老人的看护,降低老人看护的时间成本,提高人们的生活质量,从而进一步提升用户的电视机使用体验,让用户感受电视在生活上带来的便利。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要实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实施例的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明的人脸部106个关键点的位置分布示意图。
图2是本发明的人张嘴时,人脸部关键点位置变化图。
图3是本发明的人体骨骼姿势关键点分布示意图。
图4是本发明的老人看护算法流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将对本发明的技术方案进行详细的描述。显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式,都属于本发明所保护的范围。
名词解释:
fps:采样频率;
MTCNN:多任务深度级联检测网络;
LSTM:长短记忆网络;
在任一实施例中,如图1-4所示,本发明的基于机器视觉技术的多策略老人看护方法,包括以下步骤:
步骤1,人脸检测:所述人脸检测通过人脸检测模块实现,人脸检测算法有基于传统图像特征的检测算法,也有基于深度学习的检测算法。其中深度学习检测算法中的深度级联网络检测算法,在近几年的人脸检测算法上,其检测性能及速度较传统算法,得到了非常大的提升,能够在嵌入式端快速并准确的检测人脸。本模块采用的是MTCNN网络对人脸进行检测,具体实时步骤和功能如下:
a.利用MTCNN算法检测图像中的是否存在人脸;
b.当检测到人脸后,对人脸部分的图像进行切片,并通过检测到的人脸关键点对人脸进行对齐;
c.将对齐后的人脸进行人脸对比判断是否为需要被看护的对象;
d.当确认为是应被看护的对象是,其启动关键点检测模块及人体骨骼检测模块进行后续的智能分析;
步骤2,面部表情识别:所述面部表情识别通过人脸关键点检测模块实现,当检测到人脸位置时,将人脸位置信息发到给人脸关键点检测模块,关键点检测模块将会循环检测人脸关键点的位置并对人脸位置进行实时跟踪,关键点检测采用深度学习的模型进行检测,同时为防止关键点抖动,深度模型在训练时,会采用跟踪的方式增加视频序列图像的训练数据,增强训练数据在时间位移上的关联性。
a.关键点检测模块被启动后,其对人脸位置进行关键点检测,并实时跟踪关键点;
b.面部动作识别,所述面部动作识别通过面部表情智能分析模块实现,面部表情智能分析模块根据关键点深度学习模型检测的关键点位置信息,对人的面部动作进行智能分析,当检测到异常时,将会生成相应的信息,推送到客户端。
步骤3,肢体动作识别:所述肢体动作识别通过人体骨骼检测模块实现,当检测到人脸时,人脸检测模块触发人体骨骼检测模块利用LSTM结构的网络以1fps的速率对被看护人的骨骼姿态进行检测,当检测到人体骨骼出现异常时,将生成异常信息,并推送到客户端。
a.人体骨骼检测模块被启动后,其对人的骨骼关键点进行检测;
b.人体动作分析算法,根据骨骼关键点识别用户的相应动作,当检测到有异常的动作发生时,其生成相应的信息,发送到客户端;
异常动作特征设置如下:
a.长时间大口张嘴呼吸动作,发送报警信息到客户端;
b.长时间闭眼且无肢体动作,发送报警信息到客户端;
c.长时间闭眼且有轻微的肢体动作,发送提示信息到客户端;
d.长时间手捂胸口动作,发送报警信息到客户端;
e.突然跌倒动作,发送报警信息到客户端;
f.多次不高兴的面部表情,发送提示信息到客户端;
g.多次悲伤的面部表情,发送提示信息到客户端;
h.其它,默认不会产生动作。
本发明实现了以下效果:
1、实现能够运行在嵌入式电视系统上的实时的人脸检测、并能利用深度学习网络检测人脸关键点,通过关键点的相对变化实时分析面部表情动作,且应满足实时性和准确性的要求。
2、当检测到人脸时,需对人脸进行识别,确定被检测到的人是否是需要看护的人,若是,则启动跟踪模型,实时跟踪被看护人的人脸位置。
3、当检测到人脸时,启动LSTM网络,对人体骨架进行检测,分析人体骨架状态是否是处于正常状态。
4、当检测到人脸时,启动手势检测网络,并对手掌位置进行跟踪,并结合骨架状态,分析手掌位置。
5、当检测到人脸时,实时检测人脸关键点位置,并对关键点位置变化进行分析,从而判断人脸表情动作(例如大口出气,长时间闭眼等)。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合,为了避免不必要的重复,本发明对各种可能的组合方式不再另行说明。本发明的各种不同的实施方式之间也可以进行任意组合,只要其不违背本发明的思想,其同样应当视为本发明所公开的内容。
Claims (5)
1.基于机器视觉技术的多策略老人看护方法,其特征在于,包括以下步骤:
步骤1,人脸检测:采用MTCNN网络对场景中的人脸进行检测,具体实时步骤和功能如下:
a.利用MTCNN算法检测图像中的是否存在人脸;
b.当检测到人脸后,对人脸部分的图像进行切片,并通过检测到的人脸关键点对人脸进行对齐;
c.将对齐后的人脸进行人脸对比判断是否为需要被看护的对象;
d.当确认为是应被看护的对象是,其启动关键点检测模块及人体骨骼检测模块进行后续的智能分析;
步骤2,面部表情识别:
a.关键点检测模块被启动后,其对人脸位置进行关键点检测,并实时跟踪关键点;
b.面部动作识别,通过关键点的位置变化信息,对人脸的表情进行识别,当发现异常的面部表情时,其生成相应的信息,发送到客户端;
步骤3,肢体动作识别:
a.人体骨骼检测模块被启动后,其对人的骨骼关键点进行检测;
b.人体动作分析算法,根据骨骼关键点识别用户的相应动作,当检测到有异常的动作发生时,其生成相应的信息,发送到客户端;
异常动作特征设置如下:
a.长时间大口张嘴呼吸动作,发送报警信息到客户端;
b.长时间闭眼且无肢体动作,发送报警信息到客户端;
c.长时间闭眼且有轻微的肢体动作,发送提示信息到客户端;
d.长时间手捂胸口动作,发送报警信息到客户端;
e.突然跌倒动作,发送报警信息到客户端;
f.多次不高兴的面部表情,发送提示信息到客户端;
g.多次悲伤的面部表情,发送提示信息到客户端;
h.其它,默认不会产生动作。
2.如权利要求1所述基于机器视觉技术的多策略老人看护方法,其特征在于,所述人脸检测通过人脸检测模块实现,人脸检测算法有基于深度学习的检测算法,本模块采用的是MTCNN网络对人脸进行检测。
3.如权利要求1所述基于机器视觉技术的多策略老人看护方法,其特征在于,所述面部表情识别通过人脸关键点检测模块实现,当检测到人脸位置时,将人脸位置信息发到给人脸关键点检测模块,关键点检测模块将会循环检测人脸关键点的位置并对人脸位置进行实时跟踪,关键点检测采用深度学习的模型进行检测,同时为防止关键点抖动,深度模型在训练时,会采用跟踪的方式增加视频序列图像的训练数据,增强训练数据在时间位移上的关联性。
4.如权利要求1所述基于机器视觉技术的多策略老人看护方法,其特征在于,所述面部动作识别通过面部表情智能分析模块实现,面部表情智能分析模块根据关键点深度学习模型检测的关键点位置信息,对人的面部动作进行智能分析,当检测到异常时,将会生成相应的信息,推送到客户端。
5.如权利要求1所述基于机器视觉技术的多策略老人看护方法,其特征在于,所述肢体动作识别通过人体骨骼检测模块实现,当检测到人脸时,人脸检测模块触发人体骨骼检测模块利用LSTM结构的网络以1fps的速率对被看护人的骨骼姿态进行检测,当检测到人体骨骼出现异常时,将生成异常信息,并推送到客户端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910623445.8A CN110264668A (zh) | 2019-07-10 | 2019-07-10 | 基于机器视觉技术的多策略老人看护方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910623445.8A CN110264668A (zh) | 2019-07-10 | 2019-07-10 | 基于机器视觉技术的多策略老人看护方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110264668A true CN110264668A (zh) | 2019-09-20 |
Family
ID=67925667
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910623445.8A Pending CN110264668A (zh) | 2019-07-10 | 2019-07-10 | 基于机器视觉技术的多策略老人看护方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110264668A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110852165A (zh) * | 2019-10-10 | 2020-02-28 | 天津大学 | 一种基于视频的婴幼儿智能看护系统及方法 |
CN111726536A (zh) * | 2020-07-03 | 2020-09-29 | 腾讯科技(深圳)有限公司 | 视频生成方法、装置、存储介质及计算机设备 |
CN111882820A (zh) * | 2020-07-30 | 2020-11-03 | 重庆电子工程职业学院 | 用于特殊人群的看护系统 |
CN111915842A (zh) * | 2020-07-02 | 2020-11-10 | 广东技术师范大学 | 异常监控方法、装置、计算机设备及存储介质 |
CN112714280A (zh) * | 2020-12-08 | 2021-04-27 | 深圳英飞拓科技股份有限公司 | 基于智能盒子的智慧养老方法及系统、设备及存储介质 |
CN115424412A (zh) * | 2022-08-26 | 2022-12-02 | 里辰科技发展有限公司 | 一种智慧居家养老监测系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108234956A (zh) * | 2018-02-05 | 2018-06-29 | 龙马智芯(珠海横琴)科技有限公司 | 医护监控方法、装置和系统、设备 |
CN108573197A (zh) * | 2017-03-13 | 2018-09-25 | 北京大学 | 视频动作检测方法及装置 |
CN108875708A (zh) * | 2018-07-18 | 2018-11-23 | 广东工业大学 | 基于视频的行为分析方法、装置、设备、系统及存储介质 |
CN109508688A (zh) * | 2018-11-26 | 2019-03-22 | 平安科技(深圳)有限公司 | 基于骨架的行为检测方法、终端设备及计算机存储介质 |
CN109543659A (zh) * | 2018-12-25 | 2019-03-29 | 北京心法科技有限公司 | 适于老年用户的风险行为监测预警方法及系统 |
CN109657609A (zh) * | 2018-12-19 | 2019-04-19 | 新大陆数字技术股份有限公司 | 人脸识别方法及系统 |
-
2019
- 2019-07-10 CN CN201910623445.8A patent/CN110264668A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108573197A (zh) * | 2017-03-13 | 2018-09-25 | 北京大学 | 视频动作检测方法及装置 |
CN108234956A (zh) * | 2018-02-05 | 2018-06-29 | 龙马智芯(珠海横琴)科技有限公司 | 医护监控方法、装置和系统、设备 |
CN108875708A (zh) * | 2018-07-18 | 2018-11-23 | 广东工业大学 | 基于视频的行为分析方法、装置、设备、系统及存储介质 |
CN109508688A (zh) * | 2018-11-26 | 2019-03-22 | 平安科技(深圳)有限公司 | 基于骨架的行为检测方法、终端设备及计算机存储介质 |
CN109657609A (zh) * | 2018-12-19 | 2019-04-19 | 新大陆数字技术股份有限公司 | 人脸识别方法及系统 |
CN109543659A (zh) * | 2018-12-25 | 2019-03-29 | 北京心法科技有限公司 | 适于老年用户的风险行为监测预警方法及系统 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110852165A (zh) * | 2019-10-10 | 2020-02-28 | 天津大学 | 一种基于视频的婴幼儿智能看护系统及方法 |
CN111915842A (zh) * | 2020-07-02 | 2020-11-10 | 广东技术师范大学 | 异常监控方法、装置、计算机设备及存储介质 |
CN111915842B (zh) * | 2020-07-02 | 2021-11-05 | 广东技术师范大学 | 异常监控方法、装置、计算机设备及存储介质 |
CN111726536A (zh) * | 2020-07-03 | 2020-09-29 | 腾讯科技(深圳)有限公司 | 视频生成方法、装置、存储介质及计算机设备 |
CN111726536B (zh) * | 2020-07-03 | 2024-01-05 | 腾讯科技(深圳)有限公司 | 视频生成方法、装置、存储介质及计算机设备 |
CN111882820A (zh) * | 2020-07-30 | 2020-11-03 | 重庆电子工程职业学院 | 用于特殊人群的看护系统 |
CN111882820B (zh) * | 2020-07-30 | 2021-12-21 | 重庆电子工程职业学院 | 用于特殊人群的看护系统 |
CN112714280A (zh) * | 2020-12-08 | 2021-04-27 | 深圳英飞拓科技股份有限公司 | 基于智能盒子的智慧养老方法及系统、设备及存储介质 |
CN115424412A (zh) * | 2022-08-26 | 2022-12-02 | 里辰科技发展有限公司 | 一种智慧居家养老监测系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110264668A (zh) | 基于机器视觉技术的多策略老人看护方法 | |
CN105700363B (zh) | 一种智能家居设备语音控制装置的唤醒方法及系统 | |
Ozcan et al. | Automatic fall detection and activity classification by a wearable embedded smart camera | |
Zhou et al. | A real-time system for in-home activity monitoring of elders | |
CN101860694B (zh) | 一种基于人眼特征分析的电视机工作模式切换装置及方法 | |
CN106003047A (zh) | 一种面向智能机器人的危险预警方法和装置 | |
Debard et al. | Camera-based fall detection using real-world versus simulated data: How far are we from the solution? | |
CN102831750B (zh) | 用于人体跌倒检测的智能视频监控系统及检测方法 | |
Fan et al. | Learning triadic belief dynamics in nonverbal communication from videos | |
CN103268150A (zh) | 一种基于表情识别的智能机器人管控系统及管控方法 | |
CN108694812A (zh) | 一种智能监护方法及装置 | |
CN100589135C (zh) | 自动门铃及其实现方法 | |
CN102012741A (zh) | 一种基于摄像装置的多媒体人机交互方法及其系统 | |
US20140313413A1 (en) | Time synchronization information computation device, time synchronization information computation method and time synchronization information computation program | |
CN212659106U (zh) | 一种电气操作票单兵智能监护系统 | |
CN106778497A (zh) | 一种基于综合检测的智能养老看护方法及系统 | |
CN113593583A (zh) | 一种实现家电协同工作的智能手机 | |
JP2007114885A (ja) | 画像の類似性による分類方法及び装置 | |
CN113971869A (zh) | 一种老人居家安全监测方法及装置 | |
Lao et al. | Flexible human behavior analysis framework for video surveillance applications | |
CN109522820A (zh) | 一种疲劳监测方法、系统、可读存储介质及移动终端 | |
CN108764044A (zh) | 一种补光方法、装置和移动终端 | |
Xu et al. | Intelligent warning system for the elderly living alone based on OpenPose | |
CN113971864A (zh) | 一种儿童居家安全监测方法及装置 | |
CN110853267A (zh) | 一种基于dsp的校园基础设施安全隐患检测系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190920 |
|
RJ01 | Rejection of invention patent application after publication |