CN111428540A - 输出信息的方法和装置 - Google Patents
输出信息的方法和装置 Download PDFInfo
- Publication number
- CN111428540A CN111428540A CN201910021978.9A CN201910021978A CN111428540A CN 111428540 A CN111428540 A CN 111428540A CN 201910021978 A CN201910021978 A CN 201910021978A CN 111428540 A CN111428540 A CN 111428540A
- Authority
- CN
- China
- Prior art keywords
- human body
- body image
- response
- determining
- regression line
- 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
- 238000000034 method Methods 0.000 title claims abstract description 53
- 230000004044 response Effects 0.000 claims abstract description 45
- 238000012544 monitoring process Methods 0.000 claims description 50
- 238000001514 detection method Methods 0.000 claims description 19
- 210000003423 ankle Anatomy 0.000 claims description 14
- 210000000707 wrist Anatomy 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 10
- 206010000117 Abnormal behaviour Diseases 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 12
- 230000006399 behavior Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 230000002159 abnormal effect Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 2
- 210000003414 extremity Anatomy 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 210000003127 knee Anatomy 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 208000020016 psychiatric disease Diseases 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 206010011224 Cough Diseases 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000005021 gait Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000000474 nursing effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
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
- G06V40/20—Movements or behaviour, e.g. gesture recognition
- G06V40/23—Recognition of whole body movements, e.g. for sport training
-
- 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
- G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
Abstract
本申请实施例公开了输出信息的方法和装置。该方法的一具体实施方式包括:获取监测对象的人体图像;检测出人体图像中的关键点集合;从人体图像的关键点集合中选取目标关键点进行线性拟合得到回归直线,确定回归直线的斜率;响应于确定出斜率小于预定值,输出预定第一信息。该实施方式能够实时监测患者的异常行为,及时发出警报并联系救援。
Description
技术领域
本申请实施例涉及人体检测技术领域,具体涉及输出信息的方法和装置。
背景技术
在异常行为监测方面,现有产品主要包括监测摄像头、动作检测产品、机器人等;现有技术主要包括步态监测、轮廓检测、高斯背景建模等。
目前现有监控摄像头只能实现录像的功能,多是事后监测异常行为,无法对被监测者的肢体及行为进行实时检测,更不能判断其行为的危险程度,难以在危险发生时第一时间预警。
现有的动作检测产品,使用其产品的场景比较局限,且相关产品未在健康医疗相关领域内实际应用。有部分行为监测应用虽在医疗诊断和康复训练中有一定应用,但均需要在肢体检测中需要佩戴上半身载具、手指载具、手部单节点载具等相关产品,并不能直接通过摄像头来实时检测。
现有机器人产品,其能检测静态动作和连续动作,但是其检测动作的频率较低,在患者异常行为产生紧急状况时会带来延迟。
发明内容
本申请实施例提出了输出信息的方法和装置。
第一方面,本申请实施例提供了一种输出信息的方法,包括:获取监测对象的人体图像;检测出人体图像中的关键点集合;从人体图像的关键点集合中选取目标关键点进行线性拟合得到回归直线,确定回归直线的斜率;响应于确定出斜率小于预定值,输出预定第一信息。
在一些实施例中,该方法还包括:获取监测对象在当前时间之后的第一时间段内的至少一个人体图像;对于至少一个人体图像中的人体图像,检测出该人体图像中的关键点集合,从该人体图像的关键点集合中选取目标关键点进行线性拟合得到回归直线,确定该人体图像对应的回归直线的斜率;响应于确定出至少一个人体图像中每个人体图像对应的回归直线的斜率小于预定值,输出预定第二信息。
在一些实施例中,该方法还包括:响应于接收到监测对象输入的语音信息,检测语音信息中的语义;响应于确定出语义为正向反馈,获取监测对象在当前时间之后的第二时间段内的至少一个人体图像;对于第二时间段内的至少一个人体图像中的人体图像,检测出该人体图像的关键点集合,以及根据检测出的关键点集合中的目标关键点拟合出该人体图像的对应的回归直线;响应于确定出第二时间段内的至少一个人体图像对应的回归直线的斜率小于预定值,输出预定第三信息。
在一些实施例中,该方法还包括:响应于在第三时间段内未收到监测对象输入的语音信息,输出预定第四信息。
在一些实施例中,该方法还包括:响应于确定出语义为负向反馈,根据语义确定待发送的通知内容和待通知的目标对象;向目标对象发送通知内容。
在一些实施例中,目标关键点包括:脖子、左腕、右腕、左髋、右髋、左踝、右踝。
第二方面,本申请实施例提供了一种输出信息的装置,包括:获取单元,被配置成获取监测对象的人体图像;检测单元,被配置成检测出人体图像中的关键点集合;拟合单元,被配置成从人体图像的关键点集合中选取目标关键点进行线性拟合得到回归直线,确定回归直线的斜率;输出单元,被配置成响应于确定出斜率小于预定值,输出预定第一信息。
在一些实施例中,获取单元进一步被配置成获取监测对象在当前时间之后的第一时间段内的至少一个人体图像;检测单元进一步被配置成对于至少一个人体图像中的人体图像,检测出该人体图像中的关键点集合;拟合单元进一步被配置成从该人体图像的关键点集合中选取目标关键点进行线性拟合得到回归直线,确定该人体图像对应的回归直线的斜率;输出单元进一步被配置成响应于确定出至少一个人体图像中每个人体图像对应的回归直线的斜率小于预定值,输出预定第二信息。
在一些实施例中,该装置还包括语音单元,被配置成响应于接收到监测对象输入的语音信息,检测语音信息中的语义;获取单元进一步被配置成响应于确定出语义为正向反馈,获取监测对象在当前时间之后的第二时间段内的至少一个人体图像;拟合单元进一步被配置成对于第二时间段内的至少一个人体图像中的人体图像,检测出该人体图像的关键点集合;拟合单元进一步被配置成根据检测出的关键点集合中的目标关键点拟合出该人体图像的对应的回归直线;输出单元进一步被配置成响应于确定出第二时间段内的至少一个人体图像对应的回归直线的斜率小于预定值,输出预定第三信息。
在一些实施例中,输出单元进一步被配置成:响应于在第三时间段内未收到监测对象输入的语音信息,输出预定第四信息。
在一些实施例中,该装置还包括确定单元,被配置成:响应于确定出语义为负向反馈,根据语义确定待发送的通知内容和待通知的目标对象;向目标对象发送通知内容。
在一些实施例中,目标关键点包括:脖子、左腕、右腕、左髋、右髋、左踝、右踝。
第三方面,本申请实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如第一方面中任一的方法。
第四方面,本申请实施例提供了一种计算机可读介质,其上存储有计算机程序,其中,程序被处理器执行时实现如第一方面中任一的方法。
本申请实施例提供的输出信息的方法和装置,通过检测出监测对象的人体图像中的关键点,然后对关键点进行线性拟合得到回归直线,通过回归直线的斜率来判断监测对象的姿态是否异常,如果异常,则输出告警信息。从而能够实时、准确地判断出人体的危险行为,进而进行预警。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本申请的一个实施例可以应用于其中的示例性系统架构图;
图2是根据本申请的输出信息的方法的一个实施例的流程图;
图3a-3c是根据本申请的输出信息的方法的一个应用场景的示意图;
图4是根据本申请的输出信息的方法的又一个实施例的流程图;
图5是根据本申请的输出信息的装置的一个实施例的结构示意图;
图6是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的输出信息的方法或输出信息的装置的实施例的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如视频监控类应用、网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是具有摄像头、麦克风等可采集图像信息和声音信息的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture Experts GroupAudio Layer III,动态影像专家压缩标准音频层面3)、MP4(Moving Picture ExpertsGroup Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上采集的人体图像进行分析的后台监控服务器。后台监控服务器可以对接收到的人体图像等数据进行分析等处理,并将处理结果(例如人体行为异常信息)反馈给其它用户的终端设备。
需要说明的是,服务器可以是硬件,也可以是软件。当服务器为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。
需要说明的是,本申请实施例所提供的输出信息的方法一般由服务器105执行,相应地,输出信息的装置一般设置于服务器105中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本申请的输出信息的方法的一个实施例的流程200。该输出信息的方法,包括以下步骤:
步骤201,获取监测对象的人体图像。
在本实施例中,输出信息的方法的执行主体(例如图1所示的服务器)可以通过有线连接方式或者无线连接方式从用户利用其进行人体图像采集的高清网络摄像头接收监测对象的实时的人体图像。监测对象可以是老年人、康复治疗的患者、精神疾病患者及其他心理疾病等需要辅助治疗和护理的人。
步骤202,检测出人体图像中的关键点集合。
在本实施例中,人体关键点检测是通过计算机视觉技术获得图像或者视频中人体关键点位置,分为单人关键点检测和多人关键点检测两个问题。多人关键点检测通常是经过人体检测之后,再使用单人关键点检测的方法获得图片中的每个人的关键点位置。可采用深度学习方法检测人体关键点,例如,采用沙漏型模型和特征金字塔结构的级联模型,它们结合了人体关键点的全局信息和局部信息的神经网络结构,能够在通常的场景下较好地检测人体关键点。检测的关键点共计18个,如图3a所示,分别为:0鼻子,1脖子,2右肩,3右肘,4右腕,5左肩,6左肘,7左腕,8右髋,9右膝,10右踝,11左髋,12左膝,13左踝,14右眼,15左眼,16右耳,17左耳。
步骤203,从人体图像的关键点集合中选取目标关键点进行线性拟合得到回归直线,确定回归直线的斜率。
在本实施例中,每个关键点ai的坐标为(xi,yi),关键点ai(其中i=1,4,7,8,10,11,13)的x坐标和y坐标均不为0。根据以上七个人体主要关键点进行线性回归,利用最小二乘法,得到该人体图像的回归直线的斜率k。
步骤204,响应于确定出斜率小于预定值,输出预定第一信息。
在本实施例中,预定值可以是1,当斜率k小于1时,认为监测对象存在危险行为,有可能晕倒或摔倒。预定第一信息可以是语音提示信息,例如此时开始进行语音询问,问监测对象是否需要帮助等。第一信息还可以是告警信息,如果发现监测对象的姿态异常,则通知相关人员进行求助。可预先设置监测对象的紧急联系人的联系方式,然后通过拨打电话、发短信、信息推送等方式发送求助信息。还可通过声、光、电等音效直接输出求助信息。或者直接拨打急救电话,并将监测对象当前的生理特征和位置报告给急救中心。
在本实施例的一些可选的实现方式中,获取监测对象在当前时间之后的第一时间段内的至少一个人体图像。对于至少一个人体图像中的人体图像,检测出该人体图像中的关键点集合,从该人体图像的关键点集合中选取目标关键点进行线性拟合得到回归直线,确定该人体图像对应的回归直线的斜率。响应于确定出至少一个人体图像中每个人体图像对应的回归直线的斜率小于预定值,输出预定第二信息。第一时间段可以是2秒钟,如果2秒内的人体图像中每张人体图像检测出的关键点中的目标关键点拟合出的回归直线的斜率都小于预定值,则可确认监测对象处于晕倒或摔倒状态并未爬起来。因此需要输出预定第二信息来让监测对象回应。第二信息可以与第一信息相同。
可选地,依次识别采集的人体图像中的关键点,以及根据该人体图像中的关键点确定拟合出的直线的斜率,如果在当前时间之后第一时间段内出现斜率大于等于预定值的情况,则说明监测对象爬起来了,此时无需告警,继续进行监测。
在本实施例的一些可选的实现方式中,响应于在第三时间段内未收到监测对象输入的语音信息,输出预定第四信息。如果监测对象在预定时间内没有收到监测对象的任何反馈信息,则认为监测对象处于危险之中,立即通过短信和电话方式通知被监测者的家属和医护人员等,家属和医护人员查看即时视频确认危险后,立即采取救援措施。
继续参见图3a-3c,图3a-3c是根据本实施例的输出信息的方法的应用场景的一个示意图。在图3a-3c的应用场景中,服务器通过摄像头采集到人体图像,然后检测到人体图像的关键点。如图3a所示的18个关键点。从这18个关键点中选取出脖子、左腕、右腕、左髋、右髋、左踝、右踝等7个点作为目标关键点。将这7个关键点的坐标进行线性拟合,得到回归直线,如果回归直线的斜率小于1,则认为监测对象晕倒或摔倒,如图3b、3c所示。此时可通过电话和短信等方式及时通知患者的家属和医护人员。
本申请的上述实施例提供的方法通过检测人体图像中的关键点,然后进行线性拟合得到回归直线,根据回归直线的斜率确定出用户的状态从而判断是否要通知家属和医护人员。从而解决了危险行为在复杂场景下的实时、准确的监测预警问题。
进一步参考图4,其示出了输出信息的方法的又一个实施例的流程400。该输出信息的方法的流程400,包括以下步骤:
步骤401,获取监测对象的人体图像。
步骤402,检测出人体图像中的关键点集合。
步骤403,从人体图像的关键点集合中选取目标关键点进行线性拟合得到回归直线,确定回归直线的斜率。
步骤404,响应于确定出斜率小于预定值,输出预定第一信息。
步骤401-404与步骤201-204基本相同,因此不再赘述。
步骤405,响应于接收到监测对象输入的语音信息,检测语音信息中的语义,响应于确定出语义为正向反馈,获取监测对象在当前时间之后的第二时间段内的至少一个人体图像。
在本实施例中,通过语音识别技术可识别用户输入的语义,例如,正向反馈可以是“没事”、“OK”、“很好”等。如果用户反馈无异常,仍要继续监控一段时间,通过获取监测对象在当前时间之后的第二时间段内的至少一个人体图像,来确定在第二时间段内(例如5秒钟)用户是否恢复到正常的姿态,即不再倒下。
在本实施例的一些可选的实现方式中,该方法还包括:响应于确定出语义为负向反馈,根据语义确定待发送的通知内容和待通知的目标对象。向目标对象发送通知内容。负向反馈可以是“救命”、“帮帮我”等求助信息。还可检测到一些异常的声音,例如,剧烈咳嗽声、犬吠声等反映监测对象处于危险状态的声音。目标对象可以是监测对象的联系人,还可以是急救中心等可提供救助的机构。
步骤406,对于第二时间段内的至少一个人体图像中的人体图像,检测出该人体图像的关键点集合,以及根据检测出的关键点集合中的目标关键点拟合出该人体图像的对应的回归直线。
在本实施例中,在第二时间段内依次检测所获得的人体图像中关键点,并根据关键点确定出回归直线的斜率,每张人体图像都可拟合出一条直线,得到一个斜率。如果在5秒时间内异常行为有被消除的迹象,被监测者行为正常,则此次不进行危险预警,本申请的执行主体继续监测患者行为。
步骤407,响应于确定出第二时间段内的至少一个人体图像对应的回归直线的斜率小于预定值,输出预定第三信息。
在本实施例中,如果第二时间段内的每个人体图像对应的回归直线的斜率均小于预定值,则说明监测对象的异常行为没有消除,他仍处于危险之中,则可立即通知患者家属和医护人员,确认后在第一时间采取救援。
从图4中可以看出,与图2对应的实施例相比,本实施例中的输出信息的方法的流程400体现了人机交互确认监测对象的状态的步骤。由此,本实施例描述的方案能够更准确地对监测对象的状态进行预警,从而能够及时救肋监测对象。
进一步参考图5,作为对上述各图所示方法的实现,本申请提供了一种输出信息的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例的输出信息的装置500包括:获取单元501、检测单元502、拟合单元503、输出单元504。其中,获取单元501,被配置成获取监测对象的人体图像。检测单元502,被配置成检测出人体图像中的关键点集合。拟合单元503,被配置成从人体图像的关键点集合中选取目标关键点进行线性拟合得到回归直线,确定回归直线的斜率。输出单元504,被配置成响应于确定出斜率小于预定值,输出预定第一信息。
在本实施例中,输出信息的装置500的获取单元501、检测单元502、拟合单元503、输出单元504的具体处理可以参考图2对应实施例中的步骤201、步骤202、步骤203、步骤204。
在本实施例的一些可选的实现方式中,获取单元501进一步被配置成获取监测对象在当前时间之后的第一时间段内的至少一个人体图像;检测单元进一步被配置成对于至少一个人体图像中的人体图像,检测出该人体图像中的关键点集合;拟合单元进一步被配置成从该人体图像的关键点集合中选取目标关键点进行线性拟合得到回归直线,确定该人体图像对应的回归直线的斜率;输出单元进一步被配置成响应于确定出至少一个人体图像中每个人体图像对应的回归直线的斜率小于预定值,输出预定第二信息。
在本实施例的一些可选的实现方式中,装置500还包括语音单元(未示出),被配置成响应于接收到监测对象输入的语音信息,检测语音信息中的语义;获取单元进一步被配置成响应于确定出语义为正向反馈,获取监测对象在当前时间之后的第二时间段内的至少一个人体图像;拟合单元进一步被配置成对于第二时间段内的至少一个人体图像中的人体图像,检测出该人体图像的关键点集合;拟合单元进一步被配置成根据检测出的关键点集合中的目标关键点拟合出该人体图像的对应的回归直线;输出单元进一步被配置成响应于确定出第二时间段内的至少一个人体图像对应的回归直线的斜率小于预定值,输出预定第三信息。
在本实施例的一些可选的实现方式中,输出单元504进一步被配置成:响应于在第三时间段内未收到监测对象输入的语音信息,输出预定第四信息。
在本实施例的一些可选的实现方式中,装置500还包括确定单元(未示出),被配置成:响应于确定出语义为负向反馈,根据语义确定待发送的通知内容和待通知的目标对象;向目标对象发送通知内容。
在本实施例的一些可选的实现方式中,目标关键点包括:脖子、左腕、右腕、左髋、右髋、左踝、右踝。
下面参考图6,其示出了适于用来实现本申请实施例的电子设备(如图1所示的服务器)的计算机系统600的结构示意图。图6示出的电子设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示,计算机系统600包括中央处理单元(CPU)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605:包括键盘、鼠标等的输入部分606;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607;包括硬盘等的存储部分608;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器610上,以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分609从网络上被下载和安装,和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时,执行本申请的方法中限定的上述功能。需要说明的是,本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——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。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机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。而在本申请中,计算机可读的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,其中承载了计算机可读的程序代码。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。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、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。计算机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、电线、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或其组合来编写用于执行本申请的操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,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机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括获取单元、检测单元、拟合单元和输出单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,接收单元还可以被描述为“获取监测对象的人体图像的单元”。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的装置中所包含的;也可以是单独存在,而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该装置执行时,使得该装置:获取监测对象的人体图像;检测出人体图像中的关键点集合;从人体图像的关键点集合中选取目标关键点进行线性拟合得到回归直线,确定回归直线的斜率;响应于确定出斜率小于预定值,输出预定第一信息。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离所述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (14)
1.一种输出信息的方法,包括:
获取监测对象的人体图像;
检测出所述人体图像中的关键点集合;
从所述人体图像的关键点集合中选取目标关键点进行线性拟合得到回归直线,确定所述回归直线的斜率;
响应于确定出所述斜率小于预定值,输出预定第一信息。
2.根据权利要求1所述的方法,其中,所述方法还包括:
获取所述监测对象在当前时间之后的第一时间段内的至少一个人体图像;
对于所述至少一个人体图像中的人体图像,检测出该人体图像中的关键点集合,从该人体图像的关键点集合中选取目标关键点进行线性拟合得到回归直线,确定该人体图像对应的回归直线的斜率;
响应于确定出所述至少一个人体图像中每个人体图像对应的回归直线的斜率小于所述预定值,输出预定第二信息。
3.根据权利要求1所述的方法,其中,所述方法还包括:
响应于接收到所述监测对象输入的语音信息,检测所述语音信息中的语义;
响应于确定出所述语义为正向反馈,获取所述监测对象在当前时间之后的第二时间段内的至少一个人体图像;
对于所述第二时间段内的至少一个人体图像中的人体图像,检测出该人体图像的关键点集合,以及根据检测出的关键点集合中的目标关键点拟合出该人体图像的对应的回归直线;
响应于确定出所述第二时间段内的至少一个人体图像对应的回归直线的斜率小于预定值,输出预定第三信息。
4.根据权利要求1所述的方法,其中,所述方法还包括:
响应于在第三时间段内未收到所述监测对象输入的语音信息,输出预定第四信息。
5.根据权利要求3所述的方法,其中,所述方法还包括:
响应于确定出所述语义为负向反馈,根据所述语义确定待发送的通知内容和待通知的目标对象;
向所述目标对象发送所述通知内容。
6.根据权利要求1-5之一所述的方法,其中,所述目标关键点包括以下各项中的至少一项:
脖子、左腕、右腕、左髋、右髋、左踝、右踝。
7.一种输出信息的装置,包括:
获取单元,被配置成获取监测对象的人体图像;
检测单元,被配置成检测出所述人体图像中的关键点集合;
拟合单元,被配置成从所述人体图像的关键点集合中选取目标关键点进行线性拟合得到回归直线,确定所述回归直线的斜率;
输出单元,被配置成响应于确定出所述斜率小于预定值,输出预定第一信息。
8.根据权利要求7所述的装置,其中,所述获取单元进一步被配置成获取所述监测对象在当前时间之后的第一时间段内的至少一个人体图像;
所述检测单元进一步被配置成对于所述至少一个人体图像中的人体图像,检测出该人体图像中的关键点集合;
所述拟合单元进一步被配置成从该人体图像的关键点集合中选取目标关键点进行线性拟合得到回归直线,确定该人体图像对应的回归直线的斜率;
所述输出单元进一步被配置成响应于确定出所述至少一个人体图像中每个人体图像对应的回归直线的斜率小于所述预定值,输出预定第二信息。
9.根据权利要求7所述的装置,其中,所述装置还包括语音单元,被配置成响应于接收到所述监测对象输入的语音信息,检测所述语音信息中的语义;
所述获取单元进一步被配置成响应于确定出所述语义为正向反馈,获取所述监测对象在当前时间之后的第二时间段内的至少一个人体图像;
所述拟合单元进一步被配置成对于所述第二时间段内的至少一个人体图像中的人体图像,检测出该人体图像的关键点集合;
所述拟合单元进一步被配置成根据检测出的关键点集合中的目标关键点拟合出该人体图像的对应的回归直线;
所述输出单元进一步被配置成响应于确定出所述第二时间段内的至少一个人体图像对应的回归直线的斜率小于预定值,输出预定第三信息。
10.根据权利要求7所述的装置,其中,所述输出单元进一步被配置成:
响应于在第三时间段内未收到所述监测对象输入的语音信息,输出预定第四信息。
11.根据权利要求9所述的装置,其中,所述装置还包括确定单元,被配置成:
响应于确定出所述语义为负向反馈,根据所述语义确定待发送的通知内容和待通知的目标对象;
向所述目标对象发送所述通知内容。
12.根据权利要求7-11之一所述的装置,其中,所述目标关键点包括以下各项中的至少一项:
脖子、左腕、右腕、左髋、右髋、左踝、右踝。
13.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。
14.一种计算机可读介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如权利要求1-6中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910021978.9A CN111428540A (zh) | 2019-01-10 | 2019-01-10 | 输出信息的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910021978.9A CN111428540A (zh) | 2019-01-10 | 2019-01-10 | 输出信息的方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111428540A true CN111428540A (zh) | 2020-07-17 |
Family
ID=71546109
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910021978.9A Pending CN111428540A (zh) | 2019-01-10 | 2019-01-10 | 输出信息的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111428540A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112488019A (zh) * | 2020-12-07 | 2021-03-12 | 新疆爱华盈通信息技术有限公司 | 基于姿态识别的跌倒检测方法、装置、电子设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160223551A1 (en) * | 2015-01-30 | 2016-08-04 | Toto Ltd. | Biological information measurement system |
CN106097653A (zh) * | 2016-06-17 | 2016-11-09 | 深圳市易奉亲智慧养老科技有限公司 | 跌倒报警的方法和系统 |
CN107194967A (zh) * | 2017-06-09 | 2017-09-22 | 南昌大学 | 基于Kinect深度图像的人体摔倒检测方法及装置 |
CN107943276A (zh) * | 2017-10-09 | 2018-04-20 | 广东工业大学 | 基于大数据平台的人体行为检测和预警 |
-
2019
- 2019-01-10 CN CN201910021978.9A patent/CN111428540A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160223551A1 (en) * | 2015-01-30 | 2016-08-04 | Toto Ltd. | Biological information measurement system |
CN106097653A (zh) * | 2016-06-17 | 2016-11-09 | 深圳市易奉亲智慧养老科技有限公司 | 跌倒报警的方法和系统 |
CN107194967A (zh) * | 2017-06-09 | 2017-09-22 | 南昌大学 | 基于Kinect深度图像的人体摔倒检测方法及装置 |
CN107943276A (zh) * | 2017-10-09 | 2018-04-20 | 广东工业大学 | 基于大数据平台的人体行为检测和预警 |
Non-Patent Citations (1)
Title |
---|
CHUNSHENG GUO等: "Multi-Scale Stacked Hourglass Network for Human Pose Estimation", 《ICLR 2019》, 28 September 2018 (2018-09-28), pages 1 - 12 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112488019A (zh) * | 2020-12-07 | 2021-03-12 | 新疆爱华盈通信息技术有限公司 | 基于姿态识别的跌倒检测方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200085300A1 (en) | Methods and systems for managing medical anomalies | |
Kim et al. | Emergency situation monitoring service using context motion tracking of chronic disease patients | |
US9747902B2 (en) | Method and system for assisting patients | |
CN107590953B (zh) | 一种智能穿戴设备的报警方法、系统及终端设备 | |
CN111241883B (zh) | 防止远程被测人员作弊的方法和装置 | |
CN110432876B (zh) | 一种健康监控报警方法和装置 | |
US10045096B2 (en) | Social media modification of behavior and mobile screening for impairment | |
CN105408903A (zh) | 处理医学设备的警报信号 | |
CN104919396A (zh) | 在头戴式显示器中利用身体握手 | |
CN109152557A (zh) | 用于短暂性脑缺血发作的早期检测的系统和方法 | |
Al-Adhab et al. | IoT for remote elderly patient care based on Fuzzy logic | |
CN111227789A (zh) | 人体健康监护方法和装置 | |
Kearney et al. | Key challenges for developing a Socially Assistive Robotic (SAR) solution for the health sector | |
Amir et al. | Real-time threshold-based fall detection system using wearable IoT | |
Ma et al. | Angel-echo: a personalized health care application | |
CN111428540A (zh) | 输出信息的方法和装置 | |
González-Delgado et al. | A low-cost wearable support system for visually disabled people | |
Nugent et al. | Managing sensor data in ambient assisted living | |
WO2020187300A1 (zh) | 监控系统、方法、装置、服务器及存储介质 | |
US11501879B2 (en) | Voice control for remote monitoring | |
Srinivasan et al. | Elder care system using IoT and machine learning in AWS cloud | |
CN115271002B (zh) | 识别方法、急救决策方法、介质及生命健康智能监护系统 | |
Zeng et al. | SHECS: A Local Smart Hands-free Elderly Care Support System on Smart AR Glasses with AI Technology | |
US20210142047A1 (en) | Salient feature extraction using neural networks with temporal modeling for real time incorporation (sentri) autism aide | |
Hernandez et al. | Prototypical system to detect anxiety manifestations by acoustic patterns in patients with dementia |
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 |