CN110488256B - 一种的人体自动监测方法和设备 - Google Patents
一种的人体自动监测方法和设备 Download PDFInfo
- Publication number
- CN110488256B CN110488256B CN201910806465.9A CN201910806465A CN110488256B CN 110488256 B CN110488256 B CN 110488256B CN 201910806465 A CN201910806465 A CN 201910806465A CN 110488256 B CN110488256 B CN 110488256B
- Authority
- CN
- China
- Prior art keywords
- monitoring
- detection device
- activity
- detection
- habit
- 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.)
- Active
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 76
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000001514 detection method Methods 0.000 claims abstract description 91
- 238000012806 monitoring device Methods 0.000 claims abstract description 61
- 230000000694 effects Effects 0.000 claims abstract description 52
- 230000002650 habitual effect Effects 0.000 claims description 22
- 230000008569 process Effects 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 2
- 241001465754 Metazoa Species 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/04—Systems determining presence of a target
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V8/00—Prospecting or detecting by optical means
- G01V8/10—Detecting, e.g. by using light barriers
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
- Emergency Alarm Devices (AREA)
Abstract
本发明提供了一种人体自动监测方法和设备,其中方法包括以下步骤:S10,利用监测装置检测监测区域内是否存在生物;S20,当检测到监测区域内存在生物时,自动开启探测装置并控制探测装置工作在第一功率模式,以检测该生物是否是人:若是,则自动关闭监测装置并控制探测装置切换至比第一功率模式功率更高的第二功率模式,执行步骤S30;若否,则自动关闭探测装置,并返回执行步骤S10;S30,利用探测装置监测人在监测区域内的活动;S40,当监测到监测区域无人活动时,自动关闭探测装置。本发明能够有效降低人体自动监控设备的功耗。
Description
技术领域
本发明属于人体探测技术领域,尤其是一种的人体自动监测方法和设备。
背景技术
无线传感网络(WSN)由多个无线传感器节点组成,每一个节点由数据采集模块(传感器、A/D转换器)、数据处理和控制模块(微处理器、存储器)、通信模块(无线收发器)和供电模块等组成,广泛应用于国防军事、公共安全、环境科学、交通管理、灾害预测、医疗卫生、制造业、城市信息化建设等领域。
无线传感网络技术已得到广泛的应用。尤其是在构建灵巧的传感器网络通信、无人值守地面传感器群、传感器组网系统、网状传感器系统等方面已经有大量的研究。在国内,基于光学传感器、声学传感器、电磁传感器等监测设备已进入实用阶段。这类监测设备具有如下特性:
1、全天候工作;
2、目标识别的分辨率高;
3、微小体积、可工作于多种探测模式等特点,常应用于深空探测与成像等领域。
但是,随着世界能源危机的日益加重,人们节约能源的意识越来越强,全天候工作的监测设备存在一定的弊端。例如,包括红外传感器和微波雷达装置的监测设置在工作时通过微波雷达监测人体时,需要使雷达工作在60GHz的频段,当被检测范围内没有人存在、或者有非人生物闯入时,会导致微波雷达一直工作在正常工作状态,从而使微波雷达的功耗很高。
发明内容
针对上述问题,本发明提出了一种的人体自动监测方法和设备,以当监测区域无人或者存在非人生物时降低人体自动监测设备的功耗。
根据本发明的一个方面,本发明提供一种人体自动监测方法,包括以下步骤:
S10,利用监测装置检测监测区域内是否存在生物;
S20,当检测到监测区域内存在生物时,自动开启探测装置并控制探测装置工作在第一功率模式,以检测该生物是否是人:
若是,则自动关闭监测装置并控制探测装置切换至比第一功率模式功率更高的第二功率模式,执行步骤S30;
若否,则自动关闭探测装置,并返回执行步骤S10;
S30,利用探测装置监测人在监测区域内的活动;
S40,当监测到监测区域无人活动时,自动关闭探测装置。
根据本发明的实施例,在所述步骤40中:
当监测到监测区域无人活动时,除了自动关闭探测装置之外,还自动开启监测装置,以再次确认监测区域有无人活动,并在确认无人活动时返回执行步骤S10。
根据本发明的实施例,所述方法还包括:
利用AI自学习算法,根据探测装置的历史开关记录确定用户进入监测区域的习惯活动时间,并根据习惯活动时间优化开启监测装置以执行步骤S10至S40的时间。
根据本发明的实施例,所述根据习惯活动时间优化开启监测装置以执行步骤S10至S40的时间,具体包括以下步骤:
在未到达所述习惯活动时间时,按照预设的时间间隔自动开启监测装置,以执行步骤S10至S40;
当到达所述习惯活动时间时,自动开启监测装置,以执行步骤S10至S40。
根据本发明的实施例,所述方法还包括:
在指定的时间点,利用AI自学习算法,自动矫正更新所述习惯活动时间。
根据本发明的实施例,当所述探测装置为阵列式探测装置时,所述方法还包括:
利用AI自学习算法,根据阵列式探测装置的历史开关记录确定用户进入监测区域的习惯活动范围,并根据习惯活动范围优化阵列式探测装置中探测装置的开启数量和/或功率。
根据本发明的实施例,所述方法还包括:
在指定的时间点,利用AI自学习算法,自动矫正更新所述习惯活动范围,并根据更新后的习惯活动范围优化阵列式探测装置中探测装置的开启数量和/或功率。
根据本发明的实施例,所述监测装置和探测装置分别为红外监测装置和雷达探测装置。
根据本发明的另一方面,本发明提供一种人体自动监测设备,包括监测装置和探测装置以及与所述监测装置和探测装置连接的控制装置,所述控制装置设置成用于执行计算机程序,以控制所述监测装置和探测装置按照上述方法进行人体自动监测。
根据本发明的实施例,所述控制装置包括检测控制模块和探测控制模块,所述检测控制模块与所述监测装置连接并集成在所述监测装置上,所述探测控制模块与所述探测装置连接并集成在所述探测装置上。
与现有技术相比,本发明提供的的人体自动监测方法和设备具有如下优点或有益效果:
基于AI算法利用人体自动监控设备中的监测装置检测监测区域内是否存在生物;当检测到监测区域内存在生物时,基于AI算法根据用户进入监测区域的活动范围,将处于待机工作的针对所述活动范围设置的探测装置唤醒,能够有效降低人体自动监控设备的功耗。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
从下面描述的实施例并参考附图,本发明的其它优点和细节将变得显而易见。
以下是示意图并示出:
图1示出了本发明实施例一人体自动监测方法的工作流程图;
图2示出了本发明实施例二人体自动监测方法的工作流程图;
图3示出了本发明实施例三人体自动监测方法的工作流程图;
图4示出了本发明实施例四人体自动监测方法的工作流程图。
具体实施方式
以下将结合附图及实施例来详细说明本发明的实施方式,借此对本发明如何应用技术手段来解决技术问题,并达成技术效果的实现过程能充分理解并据以实施。需要说明的是,只要不构成冲突,本发明中的各个实施例以及各实施例中的各个特征可以相互结合,所形成的技术方案均在本发明的保护范围之内。
在现有技术中,当被监测区域无人或者非人生物闯入时会导致检测/探测装置一直处于工作状态,最终导致功耗增加。针对此问题,本发明提出一种新的智能的人体自动监测方法和设备,其核心思想是根据监测情况动态智能地调整和控制检测/探测装置的开启/关闭时间,以实现功耗的智能管理。
实施例一
为解决现有技术中存在的上述技术问题,本实施例提供了一种如图1所示的人体自动监测方法。
具体地,如图1所示,本实施例的人体自动监测方法主要包括以下步骤。
S10,利用监测装置检测监测区域内是否存在生物;
S20,当检测到监测区域内存在生物时,自动开启探测装置并控制探测装置工作在第一功率模式,以检测该生物是否是人:
若是,则自动关闭监测装置并控制探测装置切换至比第一功率模式功率更高的第二功率模式,执行步骤S30;
若否,则自动关闭探测装置,并返回执行步骤S10;
S30,利用探测装置监测人在监测区域内的活动;
S40,当监测到监测区域无人活动时,自动关闭探测装置。
在本实施例中,该方法的基本原理通过控制监测装置实现对监测区域内人体有无的检测,从而将处于待机工作的探测装置唤醒,并根据不同的需求,调整探测装置的工作功率,以达到降低整个人体自动监测设备的功耗的目的。
实施例二
为解决现有技术中存在的上述技术问题,本实施例提供了一种如图2所示的人体自动监测方法。具体地,该方法主要利用AI自学习算法确定用户进入监测区域的习惯活动时间,并根据习惯活动时间优化监测装置的开启时间,以达到降低设备功耗的目的。
具体地,如图2所示,本实施例的人体自动监测方法主要包括以下步骤。
S110,利用AI自学习算法,根据探测装置的历史开关记录确定用户进入监测区域的习惯活动时间,并根据习惯活动时间设置开启监测装置以检测监测区域内是否存在生物的时间段。
其中,优选地,在非习惯活动时间内,控制监测装置以预设的时间间隔间歇性地开启,以及在习惯活动时间内,控制监测装置始终保持开启,用以检测监测区域内是否存在生物。
此外,还可以按照指定的周期或者根据用户的指令,利用AI自学习算法自动矫正更新所述习惯活动时间。
S120,根据步骤S110的设置,当到达需要开启监测装置的时间时,自动开启监测装置;
S130,利用监测装置检测监测区域内是否存在生物;
S140,当检测到监测区域内存在生物时,自动开启探测装置并控制探测装置工作在第一功率模式,以检测该生物是否是人:
若是,则自动关闭监测装置并控制探测装置切换至比第一功率模式功率更高的第二功率模式,执行步骤S150;
若否,则自动关闭探测装置,并返回执行步骤S130;
S150,利用探测装置监测人在监测区域内的活动;
S160,当监测到监测区域无人活动时,自动关闭探测装置,并自动开启监测装置,以再次确认监测区域无人活动,然后返回执行步骤S130。
在此需要说明的是,上述步骤S110既可以在步骤S120之前执行,也可以在步骤S160之后执行。本发明不对其执行顺序进行具体限定。
在本实施例中,由于利用AI自学习算法,根据探测装置的历史开关记录确定用户进入监测区域的习惯活动时间,并根据习惯活动时间设置开启监测装置以检测监测区域内是否存在生物的时间段,因此可以避免监测装置一直处于工作状态,达到降低功耗的目的。
实施例三
为解决现有技术中存在的上述技术问题,本实施例提供了一种如图3所示的人体自动监测方法,该方法尤其适用于所述探测装置为阵列式探测装置的应用场景。具体地,该方法不仅利用AI自学习算法确定用户进入监测区域的习惯活动时间,根据习惯活动时间优化监测装置的开启时间,而且还进一步地利用AI自学习算法确定用户进入监测区域的习惯活动范围,并根据习惯活动范围优化阵列式探测装置中探测装置的开启数量和/或功率,以达到进一步降低功耗的目的。
具体地,如图3所示,本实施例的人体自动监测方法主要包括以下步骤。
S210,利用AI自学习算法,根据探测装置的历史开关记录确定用户进入监测区域的习惯活动时间,并根据习惯活动时间设置开启监测装置以检测监测区域内是否存在生物的时间段。
其中,优选地,在非习惯活动时间内,控制监测装置以预设的时间间隔间歇性地开启,以及在习惯活动时间内,控制监测装置始终保持开启,用以检测监测区域内是否存在生物。
此外,还可以按照指定的周期或者根据用户的指令,利用AI自学习算法自动矫正更新用户的习惯活动时间。
S220,利用AI自学习算法,根据阵列式探测装置的历史开关记录确定用户进入监测区域的习惯活动范围,并根据习惯活动范围设置阵列式探测装置中探测装置的开启数量和/或功率。
例如,将用户进入监测区域的习惯活动时间和习惯活动范围相结合,针对在不同的时间内,用户所进入的习惯活动范围,控制阵列式探测装置中专门针对此习惯活动范围设置的探测装置保持开启。而且在必要时,还可以进一步地根据探测装置与用户所进入的习惯活动范围之间的距离调整该探测装置的功率,以进一步降低探测装置的功耗。
同样地,还可以按照指定的周期或者根据用户的指令,利用AI自学习算法自动矫正更新用户的习惯活动范围。
S230,根据步骤S210的设置,当到达需要开启监测装置的时间时,自动开启监测装置;
S240,利用监测装置检测监测区域内是否存在生物;
S250,当检测到监测区域内某一个用户的习惯活动范围存在生物时,根据步骤S220的设置,自动开启相应的探测装置并控制所述探测装置工作在第一功率模式,以检测该生物是否是人:
若是,则自动关闭监测装置并控制所述探测装置切换至比第一功率模式功率更高的第二功率模式,执行步骤S260;
若否,则自动关闭所述探测装置,并返回执行步骤S240;
S260,利用所述探测装置监测人在所述习惯活动范围内的活动;
S270,当监测到所述习惯活动范围内无人活动时,自动关闭所述探测装置,并自动开启监测装置,以再次确认所述习惯活动范围内无人活动,然后返回执行步骤S240。
在此需要说明的是,上述步骤S210和S220既可以在步骤S230之前执行,也可以在步骤S270之后执行。本发明不对其执行顺序进行具体限定。
在此应当说明的是,上述只是本发明的两种实施方式。在具体应用时,也可以只根据用户的习惯活动区域仅仅控制探测装置的开启。在此不做限定。
总之,在本发明的方法中,优选利用AI算法可以根据监测装置和/或探测装置每天开启时间、关闭时间以及用户习惯活动区域进行整合,通过自学习自适应的方式确定用户进入监测区域的习惯活动时间和习惯活动范围,从而达到根据用户使用习惯到时开关监测装置和/或探测装置,实现智能的功耗管理。
实施例四
下面结合具体的应用场景,对本发明的人体自动监测方法以及监测设备的工作原理进行进一步的阐述。
在本实施例中,提供一种用于实施本发明的人体自动监测方法的人体自动监测设备。所述人体自动监测设备包括监测装置和探测装置以及用于控制监测装置和探测装置的控制装置。在本实施例中,所述监测装置优选为红外感知器,所述探测装置优选为微波雷达阵列装置,所述控制装置包括两个控制模块,分别为集成于红外感知器上的第一AI芯片和集成于微波雷达阵列装置上的第二AI芯片。
如图4所示,在本实施例中,上述人体自动监测设备安装在浴室内。在最初初始阶段,由于第一AI芯片并未获得用户的行为数据,因此红外感知器将处于一直开启的状态,当有生物进入监测区域时,会触发红外感知器,但此时红外感知器无法区分是人还是其他动物,所以此时开启微波雷达阵列的低功率模式,进行探测识别,以识别活动对象是人还是其他动物,如果是人则关闭红外感知器并开启微波雷达全功率模式工作(此时第二AI芯片未获得用户行为数据),若果不是人则关闭微波雷达阵列,继续进行红外检测。之后,用户在使用过程中只要触发了红外或者微波雷达阵列,第一和第二AI芯片都会进行记录用户的使用时间和活动区域,从而为智能降低功耗做数据积累。在第一和第二AI芯片通过一段时间的自学习和自校准后,整个监控设备会根据AI芯片的控制,结合用户以往的使用习惯,在用户习惯时间内开启红外感知器(并在其余闲时时间间歇性地例如每隔3分钟开启红外感知器),以及根据用户活动区域,智能地开启微波雷达阵列装置中的部分阵列单元或者实时改变其工作功率,以进一步降低设备的功耗。
进一步地,在设备的使用周期内,内嵌于第一和第二AI芯片的AI算法可以按照预设的周期通过自学习地方式实时地校准更新用户的使用习惯(习惯活动时间和习惯活动范围),从而实现更加智能化的功耗管理。
在此应当说明的是,上述只是本发明的人体自动监测设备的一种实现形式。实际上,本发明提供的人体自动监测设备不限于此。
虽然本发明所公开的实施方式如上,但所述的内容只是为了便于理解本发明而采用的实施方式,并非用以限定本发明。任何本发明所属技术领域内的技术人员,在不脱离本发明所公开的精神和范围的前提下,可以在实施的形式上及细节上作任何的修改与变化,但本发明的保护范围,仍须以所附的权利要求书所界定的范围为准。
Claims (10)
1.一种人体自动监测方法,其特征在于,包括以下步骤:
S10,利用监测装置检测监测区域内是否存在生物;
S20,当检测到监测区域内存在生物时,自动开启探测装置并控制探测装置工作在第一功率模式,以检测该生物是否是人:
若是,则自动关闭监测装置并控制探测装置切换至比第一功率模式功率更高的第二功率模式,执行步骤S30;
若否,则自动关闭探测装置,并返回执行步骤S10;
S30,利用探测装置监测人在监测区域内的活动;
S40,当监测到监测区域无人活动时,自动关闭探测装置。
2.根据权利要求1所述的方法,其特征在于,在所述步骤40中:
当监测到监测区域无人活动时,除了自动关闭探测装置之外,还自动开启监测装置,以再次确认监测区域有无人活动,并在确认无人活动时返回执行步骤S10。
3.根据权利要求1或2所述的方法,其特征在于,所述方法还包括以下步骤:
利用AI自学习算法,根据探测装置的历史开关记录确定用户进入监测区域的习惯活动时间,并根据习惯活动时间控制监测装置开启,以检测监测区域内是否存在生物。
4.根据权利要求3所述的方法,其特征在于,所述根据习惯活动时间控制监测装置开启,以检测监测区域内是否存在生物,具体包括:
在非习惯活动时间内,控制监测装置按照预设的时间间隔间歇性地开启;
在习惯活动时间内,控制监测装置保持开启。
5.根据权利要求3所述的方法,其特征在于,所述方法还包括以下步骤:
按照指定的周期,利用AI自学习算法自动矫正更新所述习惯活动时间。
6.根据权利要求1或2所述的方法,其特征在于,当所述探测装置为阵列式探测装置时,所述方法还包括以下步骤:
利用AI自学习算法,根据阵列式探测装置的历史开关记录确定用户进入监测区域的习惯活动范围,并根据习惯活动范围设置阵列式探测装置中探测单元的开启数量和/或功率。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括以下步骤:
按照指定的周期,利用AI自学习算法自动矫正更新所述习惯活动范围,并根据更新后的习惯活动范围优化阵列式探测装置中探测单元的开启数量和/或功率。
8.根据权利要求1所述的方法,其特征在于:
所述监测装置和探测装置分别为红外监测装置和雷达探测装置。
9.一种人体自动监测设备,其特征在于,包括监测装置和探测装置以及与所述监测装置和探测装置连接的控制装置,所述控制装置设置成用于执行计算机程序,以控制所述监测装置和探测装置按照如权利要求1至8中任一项所述的方法进行人体自动监测。
10.如权利要求9所述的人体自动监测设备,其特征在于,所述控制装置包括检测控制模块和探测控制模块,所述检测控制模块与所述监测装置连接并集成在所述监测装置上,所述探测控制模块与所述探测装置连接并集成在所述探测装置上。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910806465.9A CN110488256B (zh) | 2019-08-29 | 2019-08-29 | 一种的人体自动监测方法和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910806465.9A CN110488256B (zh) | 2019-08-29 | 2019-08-29 | 一种的人体自动监测方法和设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110488256A CN110488256A (zh) | 2019-11-22 |
CN110488256B true CN110488256B (zh) | 2021-08-20 |
Family
ID=68555041
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910806465.9A Active CN110488256B (zh) | 2019-08-29 | 2019-08-29 | 一种的人体自动监测方法和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110488256B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113109806A (zh) * | 2021-04-09 | 2021-07-13 | 青岛易来智能科技股份有限公司 | 低功耗目标监测装置、方法及系统 |
CN116540321A (zh) * | 2023-04-28 | 2023-08-04 | 武汉领普科技有限公司 | 探测装置、方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108174024A (zh) * | 2017-12-20 | 2018-06-15 | 广东欧珀移动通信有限公司 | 终端设备功率控制方法、装置及终端设备 |
CN108700655A (zh) * | 2016-02-10 | 2018-10-23 | 开利公司 | 存在检测系统 |
CN109521866A (zh) * | 2018-10-24 | 2019-03-26 | 佛山市禅信通科技有限公司 | 一种低功耗人脸识别方法及系统 |
CN110081983A (zh) * | 2019-04-18 | 2019-08-02 | 珠海格力电器股份有限公司 | 一种监测方法、装置、电子设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8866392B2 (en) * | 2011-08-31 | 2014-10-21 | Chia-Teh Chen | Two-level LED security light with motion sensor |
-
2019
- 2019-08-29 CN CN201910806465.9A patent/CN110488256B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108700655A (zh) * | 2016-02-10 | 2018-10-23 | 开利公司 | 存在检测系统 |
CN108174024A (zh) * | 2017-12-20 | 2018-06-15 | 广东欧珀移动通信有限公司 | 终端设备功率控制方法、装置及终端设备 |
CN109521866A (zh) * | 2018-10-24 | 2019-03-26 | 佛山市禅信通科技有限公司 | 一种低功耗人脸识别方法及系统 |
CN110081983A (zh) * | 2019-04-18 | 2019-08-02 | 珠海格力电器股份有限公司 | 一种监测方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110488256A (zh) | 2019-11-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Raghunathan et al. | Emerging techniques for long lived wireless sensor networks | |
CN111201551A (zh) | 针对定位系统中的通信的省电方法 | |
CN110488256B (zh) | 一种的人体自动监测方法和设备 | |
US9204391B2 (en) | Power management device and method of wireless sensor network | |
CN106413061B (zh) | 基于蜂窝的窄带物联网的通信系统 | |
CN103139863B (zh) | 无线传感器网络动态簇机制的目标跟踪和耗能优化方法 | |
RU2010145919A (ru) | Управление мощьностью, использующее, по меньшей мере, одно из специализированного процессора и восприятия движения | |
CN109038703B (zh) | 用于智能锁的低功耗长待机的电池管理系统及其工作方法 | |
WO2018222529A1 (en) | Techniques for adjusting computing device sleep states | |
Ruíz-Guirola et al. | Energy-efficient wake-up signalling for machine-type devices based on traffic-aware long short-term memory prediction | |
Pau | Power consumption reduction for wireless sensor networks using a fuzzy approach | |
Xue et al. | Prediction-based protocol for mobile target tracking in wireless sensor networks | |
CN102625425A (zh) | 一种事件自适应的传感器节点 | |
CN105636093B (zh) | 无线传感器网络节点的智能唤醒方法 | |
CN105490902A (zh) | 智能家居系统、无线信息采集设备控制方法及装置 | |
US20170171824A1 (en) | Power Saving Method for Battery-powered Zigbee Devices | |
Ali et al. | A MAC protocol for energy efficient wireless communication leveraging wake-up estimations on sender data | |
Saylam et al. | Energy-efficient indoor positioning for mobile Internet of Things based on Artificial Intelligence | |
Sarkar et al. | No-sense: Sense with dormant sensors | |
CN110661542A (zh) | 终端控制方法及终端 | |
CN107390503B (zh) | 一种控制闹钟信号的方法和装置 | |
CN106792795A (zh) | 离散差分进化算法生成无线传感器最优化调度方案的方法 | |
Rui et al. | Swarm intelligence for the self-organization of wireless sensor network | |
Sabokrou et al. | Mobile target tracking in non-overlapping wireless visual sensor networks using neural networks | |
Mandru | Optimal power management in wireless sensor networks for enhanced life time |
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 |