CN111524318B - 一种基于行为识别的健康状况智能监控方法和系统 - Google Patents
一种基于行为识别的健康状况智能监控方法和系统 Download PDFInfo
- Publication number
- CN111524318B CN111524318B CN202010338274.7A CN202010338274A CN111524318B CN 111524318 B CN111524318 B CN 111524318B CN 202010338274 A CN202010338274 A CN 202010338274A CN 111524318 B CN111524318 B CN 111524318B
- Authority
- CN
- China
- Prior art keywords
- early warning
- abnormal
- behaviors
- behavior
- health
- 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
Images
Classifications
-
- 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
-
- 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
-
- 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
- G08B21/0202—Child monitoring systems using a transmitter-receiver system carried by the parent and the child
- G08B21/0205—Specific application combined with child monitoring using a transmitter-receiver system
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Emergency Management (AREA)
- Child & Adolescent Psychology (AREA)
- Business, Economics & Management (AREA)
- Psychiatry (AREA)
- Human Computer Interaction (AREA)
- Social Psychology (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Alarm Systems (AREA)
Abstract
本发明提供了一种基于行为识别的人体健康状况智能监控方法及智能监控系统,该方法包括以下步骤:S100:实时获取监控视野下的高清图像;S200:对高清图像中的人体行为进行软件分析和识别,以判断高清图像中人体行为是否为健康异常行为;若高清图像中的人体行为被软件识别出为健康异常行为,执行步骤S300;S300:判断健康异常行为出现的频度;若频度到达或超过预设阈值频度,则执行步骤S400;S400:发出预警,提示现场人工干预处理。该系统对监控视野下采集到的高清图像中出现的人体动作进行行为分析识别,并对识别出的人体健康异常行为进行频度判断,分析个人健康状况,及时作出预警,尤其在传染病高发的期间,能够有效阻止疫情的传播。
Description
技术领域
本发明涉及安防技术领域,特别涉及一种基于行为识别的健康状况智能监控方法和系统。
背景技术
传统的监控及分析系统已经具备初步智能化水平。目前广泛应用于各类敏感机构、重要场所、运输站场、交通管制违章监控、仓储等场合,是现今安全防范领域最重要的应用方向。但是,因为思维和产品的惯性,行业多年来一直未能在监控对象上进一步扩展。
现有的监控及分析系统在监控对象上,尤其是针对个人身体健康状况,如个人是否为流感发病人群的监控上还未有突破。
现有技术尤其是在面对公共场合的人员监控中,如果能较早地发现疾病状态,不光有利于对传染类疾病的监控,还可以尽早的监控和发现突发性的致命疾病,例如脑卒中和心卒中等。
可见,现有技术还有待改进和提高。
发明内容
鉴于上述现有技术的不足之处,本发明的目的在于提供一种基于行为识别的健康状况智能监控方法和系统,旨在解决现有智能监控及分析系统,在监控对象上,尤其是体现个人身体健康状况的行为实现监管和警示。
为了达到上述目的,本发明采取了以下技术方案:
一种基于行为识别的健康状况智能监控方法,包括以下步骤:
S100:实时获取监控视野下的高清图像;
S200:对高清图像中的出现的人体行为进行软件分析和识别,以识别高清图像中人体行为是否为健康异常行为;若高清图像中的人体行为被软件识别出为健康异常行为,执行步骤S300;
S300:判断健康异常行为出现的频度;若频度到达或超过预设阈值频度,则执行步骤S400;
S400:发出预警,提示现场人工干预处理。
所述的基于行为识别的健康状况智能监控方法中,所述健康异常行为包括咳嗽、擤鼻涕、打喷嚏、频繁擦眼、虚弱无力欲坐、头痛眩晕和行动迟缓中的一种或多种。
所述的基于行为识别的健康状况智能监控方法中,步骤S200中对高清图像中的人体行为进行软件分析和识别为:利用深度学习训练算法软件对高清图像中的人体行为进行分析和识别。
所述的基于行为识别的健康状况智能监控方法中,步骤S300中判断健康异常行为出现的频度还包括:
根据健康异常行为的种类设定对应的阈值频度;根据软件识别出的异常行为不同,设置发出预警的阈值频度不同。
所述的基于行为识别的健康状况智能监控方法中,步骤S400中所述预警过程为:
针对不同的健康异常行为发出不同的预警标识并设定发出预警所需的预警标识种类和对应的预警标识数;若发出的预警标识种类符合设定条件,且对应的预警标识数达到或超过设定的预警标识数时,发出预警。
并进一步地,根据监控警戒状态对发出预警所需的预警标识的种类和对应的预警标识数进行设定。
本发明还提供了一种基于行为识别的健康状况智能监控系统,包括:
图像采集模块,其用于实时获取监控视野下的高清图像;
行为识别模块,其用于对图像采集模块获取的高清图像中的人体行为进行分析和识别;
预警管理模块:其用于对行为识别模块识别出的健康异常行为进行判断,判断健康异常行为出现的频度是否符合发出预警的条件;
预警接收平台,其用于接收预警管理模块发出的预警。
所述的基于行为识别的健康状况智能监控系统中,还可以设有远程管理平台,所述行为识别模块和预警管理模块可以设于远程管理平台中。
所述的基于行为识别的健康状况智能监控系统中,所述图像采集模块为高清摄像头。
所述的基于行为识别的智能监控系统中,所述预警接收平台包括移动终端和公共广播系统。
有益效果
与现有技术相比,本发明提供了一种基于行为识别的健康状况智能监控方法和系统,通过深度学习训练算法软件,对高清摄像头监控视野下采集到的高清图像中出现的人体动作进行行为分析识别,并对识别出的人体健康异常行为进行频度判断,分析个人健康状况,及时作出预警。同时本发明所述的智能监控系统,增加了面向个人身体健康状况的监测、识别和判断功能。在硬件设备不用任何改造和新增的前提下,能够及时预警他人,使管理者尽快采取应对措施,尤其在传染病高发的期间,能够有效阻止疫情的传播,减少疫情爆发对个人身体健康和社会经济带来的影响。此外,还可用于对突发性致命疾病的尽早发现上。
附图说明
图1为本发明所述的基于行为识别的健康状况智能监控方法的流程示意图。
图2为本发明所述的基于行为识别的健康状况智能监控系统的结构框图。
具体实施方式
本发明提供了一种基于行为识别的健康状况智能监控方法和系统,为使本发明的目的、技术方案及效果更加清楚、明确,以下参照附图并举实施例对本发明作进一步详细说明。应当理解的是,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
本发明提供的基于行为识别的智能监控方法的流程示意图如图1所示,需要说明的是,步骤S100和S200为不间断实时同步执行的流程,不会因后续步骤的是否执行而影响到高清图像的实时获取与分析识别。具体地,所述流程示意图包括以下步骤:
S100:实时获取监控视野下的高清图像;
具体地说,可利用应用于机场、火车站、银行等公共场所的原有监控系统的高清摄像头,实时获取高清摄像头监控视野下的多帧高清图像,此过程与原有高清摄像头的图像获取过程是一致的。其中高清图像所显示的内容可包括监控视野下静置物体的相对位置,人体的动作行为以及其它活动物体。
S200:对高清图像中出现的特定个体的行为进行软件分析和识别,以识别高清图像中人体行为是否为健康异常行为;这种基于行为的识别目前已经有软件实现方法,但具体针对本发明通过对人体异常行为的识别来判断其健康状况,为本发明所独创。本发明所述的健康异常行为包括由人体出现异常引起的如咳嗽、擤鼻涕、打喷嚏、频繁擦眼、虚弱无力欲坐、头痛眩晕和行动迟缓等与人体正常健康状态不相符合的身体行为。
具体地,在所述高清摄像头获取的连续几帧图像或者间隔预定时间例如30秒后每隔预定时间获取连续几帧图像或者在足够长的时间内抽样抽取几帧图像(使用随机算法),并从图像中进行动作对比识别,从而判断出咳嗽的动作,例如有顿挫、胸腹部的起伏,并可以配合录音识别,匹配咳嗽的声音模型;擤鼻涕的动作,例如手有停留在鼻子位置,并有沿鼻子左右擦拭动作;打喷嚏的动作,例如头部有俯仰,并伴有迅速向下的顿挫动作,同时可以配合声音识别,匹配喷嚏的声音模型;频繁擦眼的动作,例如手有停留在眼部,并揉擦动作;虚弱无力欲坐动作、头痛晕眩和行动迟缓动作,例如站立时的晃动,动作塌陷,迟缓缓慢远远低于正常的识别规律,或坐立时的摔跌歪倒动作等,这种行为异常特别针对脑卒中及心卒中的疾病有效,可以提前预警从而减少公众场合救治的反应时间。
上述各种行为的分析和识别,是采用深度学习训练的算法软件来实现的,即预先采集足够量的相关动作图像库,并设置行为识别的差异边界,在差异边界范围内的图像进一步由人工进行标记和确认,通过深度学习方法,训练软件系统自动认识和识别相关行为动作,逐渐形成越来越准确的行为识别过程。
更进一步地说,本发明预先从大量的包含人体行为的多帧图像和图片中遴选出属于健康异常行为的动作特征,利用机器深度学习技术,使机器识别属于异常行为的动作,例如,较佳实施例中,可以设置为:在预先的学习过程中,在软件识别正确时,给该识别过程和参数比对进行加分,并作出标记,降低后续同类异常行为识别的错误率;如果识别不正确,则给软件识别过程进行扣分,并对软件的算法进行拟合、修正,使软件再次识别异常行为时,降低出现识别错误的可能性。如此通过大量包含异常行为的图片和图像的识别训练,以及软件算法的调整,最终使软件具有基于深度学习的异常行为识别模型并获得具有自动分析和识别出异常行为的功能。识别训练和软件算法的调整过程是可以一直积累下去的,并可以将识别正确的知识库及软件算法作为软件的初始模块,以便后续的处理能够以更好的识别效果为起点。
若高清图像中的人体行为被软件识别出为健康异常行为,则执行步骤S300。
S300:判断健康异常行为出现的频度;若频度到达或超过预设阈值频度,则执行步骤S400,发出预警,使系统管理者尽快采取紧急应对措施,并提示管控人员及时赶到现场人工干预处理。
具体地说,本发明所述的健康异常行为包括咳嗽、擤鼻涕、打喷嚏、频繁擦眼、虚弱无力欲坐、头痛眩晕和行动迟缓等七类。上述的健康异常行为中,如咳嗽行为,身体健康的个人或身体有稍微不适的个人也容易咳嗽,因此当咳嗽行为出现的次数较低时,并不能完全判定个人的身体状态处于非健康状态;对于擤鼻涕行为,很容易想到当个人进行此行为时,很大可能是处于感冒状态,即使擤鼻涕行为出现的次数不多。因此对于不同的健康异常行为,系统自动记录一定时间(如60秒)内发生的次数,判断阈值也是由系统管理人员自行设置。系统管理人员应根据每种健康异常行为自身的特点以及发生的条件进行不同设置,如根据是否处于流行病疫情期间,来设定合理阈值参数。本发明实施时会给出一定参考阈值。相应地,本发明根据异常行为的种类的不同设定有对应的频度阈值,用于进行比较以执行步骤S400的阈值频度不同。
在达到预警条件时,在所述图像或监控视频中须同时将被识别为异常行为的人进行明确标识,例如使用红色圆圈或三角形进行标记指明。
本发明基于不同健康异常行为的特点和发生的条件,设定对应的阈值频度,使产生的预警可信度高。为了更进一步的提高预警的可信度,当不同的健康异常行为出现的频度达到或超出对应的阈值频度后首先发出不同的预警标识,并预先设定有发出预警所需的预警标识种类和对应的预警标识数,且对应的预警标识数达到或超过设定的预警标识数时,发出预警。
对于身体状况较差,尤其是患有流感者,其表现出的健康异常行为不可能只单独出现上述七种异常行为的一种。对于这些人群,他们往往出现咳嗽,擤鼻涕、打喷嚏等多种健康异常行为,因此需要综合考虑健康各异常行为出现的频度,来对身体状况较差,尤其是患有流感者设定预警标准。也就是说,上述各种健康异常行为的行为识别过程中,当出现两种以上的动作都被识别为健康异常行为时,预警的级别应相应提升,例如设置为不同的预警颜色和方式,并能一目了然在相应标识上显示对应被识别对象的健康异常行为参数,即那几种行为异常被识别,并且提示可能的预判是什么,例如可能是什么病,紧急程度等。
具体地,本发明将所述的七种健康异常行为超出与各健康异常行为对应的阈值频度后所发出的预警标识,依次进行标记,并分别标记为预警标识一、预警标识二,……,预警标识七,并与预先设定有发出预警所需预警标识一至预警标识七的标识数进行比较,如各预警标识均达到或超过预警标识,则发出预警。
较佳地,本发明能够根据监控警戒状态对发出预警所需的预警标识的种类和对应的预警标识数进行设定。如出现传染病疫情,且疫情还未结束时,需要对公共场所保持较高的警戒状态,可将发出预警同时需要的预警标识的种类减少并对所需对应的预警标识数进行调整;而当传染病疫情结束后,公众在公共场所,面临被病毒感染的风险较低,可将发出预警同时需要的预警标识的种类进行增加并对所需对应的预警标识数进行调整。
本发明可通过原有监控系统的高清摄像头实时获取监控视野下的高清图像,利用深度学习算法软件对实时获取的高清图像中出现的人体行为进行分析和识别,利用深度学习训练算法软件的自动分析和识别健康异常行为的功能,及时识别出异常行为;再对异常行为出现的频度进行判断,异常行为的频度达到或超过发出预警所需阈值频度时,及时发出预警,提示现场管控人员实时介入,可以极大的防范和预警潜在传染病传染的风险,提升社会安全。
如图2所示,为了更好的使前述的基于行为识别的健康状况智能监控方法能够更好的得到实施,本发明还提供了一种基于行为识别的的健康状况智能监控系统,其中包括:
图像采集模块1,其可为应用于机场、火车站、银行等公共场所的原有监控系统的高清摄像头,并用于实时获取监控视野下的高清图像;
行为识别模块2,设置有通过深度学习训练的识别算法软件,其用于对图像采集模块获取的高清图像中出现的人体行为进行分析和识别,并将高清图像中出现的与人体健康状态不相符合的的异常行为识别出。
预警管理模块3:其用于对行为识别模块识别出的健康异常行为进行判断,判断健康异常行为出现的频度是否符合发出预警的条件;
预警接收平台4,其用于接收预警管理模块发出的预警。在本发明中所述预警接收平台包括移动终端4a和公共广播系统4b,当预警接收平台4发出预警时,可将预警提示信息发送到管控人员的移动终端4a上,提示管控人员实时介入;也可通过公共广播系统4b,告知公众及时做好自身防范。特别是在传染病高发的期间,能够有效的阻止疫情的传播。
更进一步地,上述的基于行为识别的健康状况智能监控系统,还可以设有远程管理平台5,所述行为识别模块2和预警管理模块3可以部署在远程管理平台5中。通过远程管理平台5,统一进行监控和预警管理,并且本发明远程管理模块可在原有公共场所的高清摄像头、公共广播系统等硬件基础上进行架设,硬件投资很低,能快速布局于各公共场所。
更进一步地,如图2所示,本发明中所述的远程管理平台5和图像采集模块1之间通过第一通信模块6a进行通信,所述的远程管理平台5和预警接收平台4之间通过第二通信模块6b进行通信;较佳地,第一通信模块6a和第二通信模块6b均为无线通信模块。
综上所述,本发明提供了一种基于行为识别的健康状况智能监控方法和系统,通过深度学习训练算法软件,对高清摄像头监控视野下采集到的高清图像中出现的人体动作进行行为分析识别,并对识别出的人体健康异常行为进行频度判断,分析个人身体状况,及时作出预警。同时本发明所述的智能监控系统,增加了面向个人身体健康状况的监测、识别和判断功能。在硬件设备不用任何改造和新增的前提下,能够及时预警他人,使管理者尽快采取应对措施,尤其在传染病高发的期间,能够有效阻止疫情的传播,减少疫情爆发对个人身体健康和社会经济带来的影响。此外,还可用于对突发性致命疾病的尽早发现上。
可以理解的是,对本领域普通技术人员来说,可以根据本发明的技术方案及其发明构思加以等同替换或改变,而所有的这些替换或改变都应属于本发明所附的权利要求书的保护范围。
Claims (7)
1.一种基于行为识别的健康状况智能监控方法,其特征在于,包括以下步骤:
S100:实时获取监控视野下的高清图像;
S200:对高清图像中的出现的人体行为进行软件分析和识别,以识别高清图像中人体行为是否为健康异常行为;若高清图像中的人体行为被软件识别出为健康异常行为,执行步骤S300;
S300:判断健康异常行为出现的频度;若频度到达或超过预设阈值频度,则执行步骤S400;
步骤S300中,判断健康异常行为出现的频度还包括:
根据异常行为的种类设定对应的阈值频度;根据软件识别出的健康异常行为不同,设置发出预警的阈值频度不同;
S400:发出预警,提示现场人工干预处理;
步骤S200中,对高清图像中的人体行为进行软件分析和识别为:利用深度学习训练算法软件对高清图像中的人体行为进行分析和识别;
所述的深度学习算法软件为预先从大量的包含人体行为的多帧图像和图片中遴选出属于健康异常行为的动作特征,利用机器深度学习技术,使机器识别属于异常行为的动作的软件;在预先的学习过程中,在软件识别正确时,给该识别过程和参数比对进行加分,并作出标记,降低后续同类异常行为识别的错误率;如果识别不正确,则给软件识别过程进行扣分,并对软件的算法进行拟合、修正,使软件再次识别异常行为时,降低出现识别错误的可能性;如此通过大量包含异常行为的图片和图像的识别训练,以及软件算法的调整,最终使软件具有基于深度学习的异常行为识别模型并获得具有自动分析和识别出异常行为的功能;
步骤S400中,所述预警过程为:
针对不同的健康异常行为发出不同的预警标识并设定发出预警所需的预警标识种类和对应的预警标识数;若发出的预警标识种类符合设定条件,且对应的预警标识数达到或超过设定的预警标识数时,发出预警。
2.根据权利要求1所述的基于行为识别的健康状况智能监控方法,其特征在于,所述健康异常行为包括咳嗽、擤鼻涕、打喷嚏、频繁擦眼、虚弱无力欲坐、头痛眩晕和行动迟缓中的一种或多种。
3.根据权利要求1所述的基于行为识别的健康状况智能监控方法,其特征在于,所需的预警标识的种类和对应的预警标识数根据监控警戒状态进行设定。
4.一种基于行为识别的健康状况智能监控系统,其特征在于,包括:
图像采集模块,其用于实时获取监控视野下的高清图像;
行为识别模块,其用于对图像采集模块获取的高清图像中的人体行为进行分析和识别;
预警管理模块:其用于对行为识别模块识别出的健康异常行为进行判断,判断健康异常行为出现的频度是否符合发出预警的条件;
预警接收平台,其用于接收预警管理模块发出的预警。
5.根据权利要求4所述的基于行为识别的健康状况智能监控系统,其特征在于,还设有远程管理平台,所述行为识别模块和预警管理模块设于远程管理平台中。
6.根据权利要求4所述的基于行为识别的健康状况智能监控系统,其特征在于,所述图像采集模块为高清摄像头。
7.根据权利要求4所述的基于行为识别的健康状况智能监控系统,其特征在于,所述预警接收平台包括移动终端和公共广播系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010338274.7A CN111524318B (zh) | 2020-04-26 | 2020-04-26 | 一种基于行为识别的健康状况智能监控方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010338274.7A CN111524318B (zh) | 2020-04-26 | 2020-04-26 | 一种基于行为识别的健康状况智能监控方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111524318A CN111524318A (zh) | 2020-08-11 |
CN111524318B true CN111524318B (zh) | 2022-03-01 |
Family
ID=71903804
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010338274.7A Active CN111524318B (zh) | 2020-04-26 | 2020-04-26 | 一种基于行为识别的健康状况智能监控方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111524318B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112001338A (zh) * | 2020-08-27 | 2020-11-27 | 南通市第二人民医院 | 一种提升儿童健康水平的信息处理方法及系统 |
CN112578726A (zh) * | 2021-01-06 | 2021-03-30 | 常州百芝龙智慧科技有限公司 | 一种自主学习人体行为习惯的人体异常监控设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103198605A (zh) * | 2013-03-11 | 2013-07-10 | 成都百威讯科技有限责任公司 | 室内突发异常事件报警系统 |
CN103475736A (zh) * | 2013-09-26 | 2013-12-25 | 河北烽联信息技术有限公司 | 一种传感器通信系统及其利用该系统进行监控的方法 |
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 |
CN110443977A (zh) * | 2019-08-29 | 2019-11-12 | 张玉华 | 人体行为的动态预警方法和动态预警系统 |
JP2020013185A (ja) * | 2018-07-13 | 2020-01-23 | コニカミノルタ株式会社 | 見守り装置および見守り装置の制御プログラム |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105160313A (zh) * | 2014-09-15 | 2015-12-16 | 中国科学院重庆绿色智能技术研究院 | 视频监控中人群行为分析的方法及装置 |
CN106161138A (zh) * | 2016-06-17 | 2016-11-23 | 贵州电网有限责任公司贵阳供电局 | 一种智能自动计量方法及装置 |
CN106504266B (zh) * | 2016-09-29 | 2019-06-14 | 北京市商汤科技开发有限公司 | 行走行为的预测方法和装置、数据处理装置和电子设备 |
CN106778821B (zh) * | 2016-11-25 | 2019-05-03 | 西安电子科技大学 | 基于slic和改进的cnn的极化sar图像分类方法 |
CN108182382A (zh) * | 2017-12-06 | 2018-06-19 | 东南大学 | 基于图相似的行为识别方法及系统 |
JP6999399B2 (ja) * | 2017-12-19 | 2022-01-18 | 日本信号株式会社 | 異常判定装置 |
-
2020
- 2020-04-26 CN CN202010338274.7A patent/CN111524318B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103198605A (zh) * | 2013-03-11 | 2013-07-10 | 成都百威讯科技有限责任公司 | 室内突发异常事件报警系统 |
CN103475736A (zh) * | 2013-09-26 | 2013-12-25 | 河北烽联信息技术有限公司 | 一种传感器通信系统及其利用该系统进行监控的方法 |
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 |
JP2020013185A (ja) * | 2018-07-13 | 2020-01-23 | コニカミノルタ株式会社 | 見守り装置および見守り装置の制御プログラム |
CN110443977A (zh) * | 2019-08-29 | 2019-11-12 | 张玉华 | 人体行为的动态预警方法和动态预警系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111524318A (zh) | 2020-08-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110287923B (zh) | 人体姿态获取方法、装置、计算机设备及存储介质 | |
CN107103733B (zh) | 一种摔倒报警方法、装置及设备 | |
CN105448041B (zh) | 一种人体摔倒智能控制系统及其方法 | |
CN111524318B (zh) | 一种基于行为识别的健康状况智能监控方法和系统 | |
CN111564224A (zh) | 一种具有健康监测的智能监控系统及其实现方法 | |
CN110866450B (zh) | 一种帕金森病监测方法、装置及存储介质 | |
CN110795963A (zh) | 一种基于人脸识别的监控方法、装置及设备 | |
CN111898580B (zh) | 针对戴口罩人群的体温和呼吸数据采集系统、方法及设备 | |
CN106796746A (zh) | 活动监视方法以及系统 | |
CN106530618A (zh) | 一种机器人的看护方法及装置 | |
CN103942539A (zh) | 一种人头部椭圆精确高效提取及遮蔽人脸检测方法 | |
CN112489368A (zh) | 智能跌倒识别与检测报警方法及系统 | |
CN108898079A (zh) | 一种监控方法及装置、存储介质、拍摄终端 | |
CN111242004A (zh) | 一种基于电梯监控数据处理的自动告警方法及系统 | |
WO2019158824A1 (en) | Method for detecting and classifying a motor seizure | |
CN112299172A (zh) | 手势求救的识别方法、装置及存储介质 | |
CN113822164A (zh) | 动态情绪识别方法、装置、计算机设备和存储介质 | |
CN109044375A (zh) | 一种实时跟踪检测眼球疲劳度的控制系统及其方法 | |
CN117133110B (zh) | 一种基于机器视觉的健身房安全风险预警方法及系统 | |
CN105138947A (zh) | 守卫提醒方法及其提醒装置与提醒系统 | |
JP2021072545A (ja) | 情報処理装置、情報処理装置の制御方法、およびプログラム | |
CN109815828A (zh) | 实现主动报警或求助行为检测控制的系统及方法 | |
CN111685744A (zh) | 一种用于被监禁人员的健康监测方法和系统 | |
Beukman et al. | A multi-sensor system for detection of driver fatigue | |
Khan et al. | Human Drowsiness Detection System |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: Unit 01, 22 / F, 8 Chengyi North Street, phase III, software park, Xiamen City, Fujian Province, 361021 Applicant after: Entropy based Huayun (Xiamen) integrated circuit Co.,Ltd. Address before: Unit 01, 22 / F, 8 Chengyi North Street, phase III, software park, Xiamen City, Fujian Province, 361021 Applicant before: ZKWEWIN (XIAMEN) INTEGRATED CIRCUIT Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |