CN111538030A - 检测人类活动的方法、系统和非暂态计算机可读介质 - Google Patents
检测人类活动的方法、系统和非暂态计算机可读介质 Download PDFInfo
- Publication number
- CN111538030A CN111538030A CN202010082478.9A CN202010082478A CN111538030A CN 111538030 A CN111538030 A CN 111538030A CN 202010082478 A CN202010082478 A CN 202010082478A CN 111538030 A CN111538030 A CN 111538030A
- Authority
- CN
- China
- Prior art keywords
- activity
- data
- tof
- person
- occurrence
- 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
- 230000000694 effects Effects 0.000 title claims abstract description 213
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000001133 acceleration Effects 0.000 claims abstract description 48
- 238000012544 monitoring process Methods 0.000 claims abstract description 16
- 230000002123 temporal effect Effects 0.000 claims description 25
- 230000000875 corresponding effect Effects 0.000 claims description 13
- 230000004044 response Effects 0.000 claims description 11
- 230000002596 correlated effect Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 abstract description 3
- 238000001514 detection method Methods 0.000 description 66
- 238000004422 calculation algorithm Methods 0.000 description 15
- 230000033001 locomotion Effects 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 7
- 208000027418 Wounds and injury Diseases 0.000 description 5
- 230000006378 damage Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 208000014674 injury Diseases 0.000 description 5
- 230000002093 peripheral effect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000003491 array Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 238000007792 addition Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000010363 phase shift Effects 0.000 description 1
- 230000002028 premature Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000001931 thermography Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
- G08B21/0407—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis
- G08B21/043—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis detecting an emergency event, e.g. a fall
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/30—Transforming light or analogous information into electric information
- H04N5/33—Transforming infrared radiation
-
- 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
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
-
- 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
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/06—Systems determining position data 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
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/06—Systems determining position data of a target
- G01S17/08—Systems determining position data of a target for measuring distance only
-
- 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
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/50—Systems of measurement based on relative movement of target
- G01S17/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
-
- 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
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
- G01S17/894—3D imaging with simultaneous measurement of time-of-flight at a 2D array of receiver pixels, e.g. time-of-flight cameras or flash lidar
-
- 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
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- 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
-
- 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
- G08B21/0492—Sensor dual technology, i.e. two or more technologies collaborate to extract unsafe condition, e.g. video tracking and RFID tracking
-
- 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
- G08B21/18—Status alarms
- G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Gerontology & Geriatric Medicine (AREA)
- Signal Processing (AREA)
- Psychiatry (AREA)
- Psychology (AREA)
- Social Psychology (AREA)
- Alarm Systems (AREA)
Abstract
本公开内容公开了检测人类活动的方法、系统和非暂态计算机可读介质。在一些实施方式中,使用阵列型热传感器来生成热数据,并且使用阵列型TOF传感器来生成TOF数据。可以根据TOF数据确定TOF得出数据,例如,距离数据、速度数据和/或加速度数据。可以通过将针对被监测区域获取的热数据和TOF得出数据同与期望被监测的一个或更多个类型的活动对应的一个或更多个活动概况进行比较来确定被监测区域中的人类活动。对人类活动的监测可以用于各种目的中的任何一种或更多种,例如,控制一个或更多个环境参数以及生成已经发生一个或更多个活动(例如,跌倒事件)的警报等。
Description
技术领域
本公开内容总体上涉及人类存在感测的领域。特别地,本公开内容涉及使用热数据和飞行时间传感器数据的人类活动检测。
背景技术
跌倒不仅会造成伤害,而且还会导致增加的医疗护理成本,甚至导致过早死亡。例如,每年有700,000至1百万的患者在美国医院中跌倒,其中30%至35%导致伤害,并且大约11,000是致命的。与跌倒有关的伤害可能导致每个患者额外住院6.3天。跌倒受伤的平均成本大约是每个患者$14,000。一家医院发现大多数跌倒发生在患者在没有帮助的情况下离开他们的床时。维护隐私是跟踪和监测人们的系统的重要方面。常规的基于摄像装置的系统会因为被认为侵犯隐私而遭到反对,这是因为被摄体不知道正在被记录什么或何人可以看到图像,即使这样的系统仅仅提供某人已经跌倒的警报。
发明内容
在一个实现方式中,本公开内容涉及一种检测被监测区域中的至少一个人的活动的发生并且生成与该发生对应的活动信号的方法。该方法包括:使用阵列型热传感器来监测被监测区域以生成热数据;使用阵列型飞行时间(TOF)传感器来监测被监测区域以生成TOF数据;根据TOF数据来计算TOF得出数据,其中,TOF得出数据包括距离数据、速度数据和加速度数据中的一个或更多个;基于热数据和TOF得出数据来检测被监测区域中的所述至少一个人的活动的发生;以及响应于检测到被监测区域中的所述至少一个人的活动的发生而生成活动信号。
在一些实现方式中,检测到所述至少一个人的活动的发生包括:确定TOF得出数据是否与表征所述活动的活动概况相关;当TOF得出数据与活动概况相关时,检测到所述至少一个人的活动的发生。在一些实现方式中,所述活动包括跌倒事件,并且活动概况包括表征跌倒事件的加速度概况。在一些实现方式中,活动概况包括加速度概况、速度概况和时空坐标概况中的至少一个。在一些实现方式中,检测到所述至少一个人的活动的发生包括:分析热数据以确定所述至少一个人的空间位置;分析TOF得出数据以确定所述活动的空间位置;以及当所述至少一个人的空间位置与所述活动的空间位置一致时,检测到所述至少一个人的活动的发生。在一些实现方式中,检测到所述至少一个人的活动的发生包括:分析热数据以确定所述至少一个人的时间位置;分析TOF得出数据以确定所述活动的时间位置;以及当所述至少一个人的时间位置与所述活动的时间位置一致时,检测到所述至少一个人的活动的发生。在一些实现方式中,阵列型TOF传感器安装在被监测区域上方。在一些实现方式中,阵列型热传感器包括具有320×240像素或更低的分辨率的热成像器。在一些实现方式中,阵列型TOF传感器包括具有320×240像素或更低的分辨率的激光雷达传感器。
本文公开的另外的实现方式包括一种用于检测被监测区域中的至少一个人的活动的发生的系统。该系统包括:阵列型热传感器,用于热监测被监测区域,阵列型热传感器生成热数据;阵列型飞行时间(TOF)传感器,用于监测被监测区域,阵列型TOF传感器生成TOF数据;以及处理器,该处理器耦接至阵列型热传感器和阵列型TOF传感器并且被配置成:分析热数据以确定在被监测区域内至少一个人的存在;根据TOF数据来计算TOF得出数据,TOF得出数据包括距离数据、速度数据和加速度数据中的至少一个;基于热数据和TOF得出数据来检测被监测区域中的所述至少一个人的活动的发生;以及响应于检测到被监测区域中的所述至少一个人的活动的发生而生成活动信号。
在一些实现方式中,处理器被配置成通过以下操作来检测所述至少一个人的活动的发生:确定TOF得出数据是否与表征所述活动的活动概况相关;以及当TOF得出数据与活动概况相关时,检测到所述至少一个人的活动的发生。在一些实现方式中,所述活动包括跌倒事件,并且活动概况包括表征跌倒事件的加速度概况。在一些实现方式中,活动概况包括加速度概况、速度概况和时空坐标概况中的至少一个。在一些实现方式中,处理器被配置成通过以下操作来检测所述至少一个人的活动的发生:分析热数据以确定所述至少一个人的空间位置;分析TOF得出数据以确定所述活动的空间位置;以及当所述至少一个人的空间位置与所述活动的空间位置一致时,检测到所述至少一个人的活动的发生。在一些实现方式中,处理器被配置成通过以下操作来检测所述至少一个人的活动的发生:分析热数据以确定所述至少一个人的时间位置;分析TOF得出数据以确定所述活动的时间位置;以及当所述至少一个人的时间位置与所述活动的时间位置一致时,检测所述至少一个人的活动的发生。在一些实现方式中,阵列型TOF传感器安装在被监测区域上方。在一些实施方式中,阵列型热传感器包括具有320×240像素或更低的分辨率的热成像器。在一些实现方式中,阵列型TOF传感器包括具有320×240像素或更低的分辨率的激光雷达传感器。
本文公开的另外的实现方式包括一种非暂态计算机可读介质,在该非暂态计算机可读介质上存储有用于检测被监测区域中的至少一个人的活动的发生的计算机程序,该计算机程序包括指令,所述指令用于使计算装置执行包括以下操作的处理:接收由监测被监测区域的阵列型热传感器生成的热数据;接收由监测被监测区域的阵列型飞行时间(TOF)传感器生成的TOF数据;根据TOF数据来计算TOF得出数据,其中该TOF得出数据包括距离数据、速度数据和加速度数据中的一个或更多个;基于热数据和TOF得出数据来检测被监测区域中的所述至少一个人的活动的发生;以及响应于检测到被监测区域中的所述至少一个人的活动的发生而生成活动信号。
在一些实现方式中,检测到所述至少一个人的活动的发生包括:确定TOF得出数据是否与表征所述活动的活动概况相关;以及当TOF得出数据与活动概况相关时,检测所述至少一个人的活动的发生。在一些实现方式中,所述活动包括跌倒事件,并且活动概况包括表征跌倒事件的加速度概况。在一些实现方式中,检测所述至少一个人的活动的发生包括:分析热数据以确定所述至少一个人的空间位置;分析TOF得出数据以确定所述活动的空间位置;以及当所述至少一个人的空间位置与所述活动的空间位置一致时,检测到所述至少一个人的活动的发生。在一些实现方式中,检测所述至少一个人的活动的发生包括:分析热数据以确定所述至少一个人的时间位置;分析TOF得出数据以确定所述活动的时间位置;以及当所述至少一个人的时间位置与所述活动的时间位置一致时,检测到所述至少一个人的活动的发生。
附图说明
出于说明本公开内容的目的,附图示出了本公开内容的一个或更多个实施方式的各方面。然而,应当理解,本公开内容不限于附图中所示的精确布置和手段,在附图中:
图1是特定类型的人类跌倒事件的加速度的曲线图。
图2是根据本公开内容的各方面实现的活动检测系统的图。
图3是根据本公开内容的各方面的检测被监测区域内的至少一个人的活动的发生并且响应于该发生而生成活动信号的方法的流程图。
图4是根据本公开内容的各方面的确定被监测区域内的人已经经历跌倒事件并且响应于该跌倒事件发出警报的方法的流程图。
图5是可以用于实现本文描述的各方面和/或功能中的任何一个或更多个的计算装置的示意图。
具体实施方式
在一些方面,本公开内容涉及用于使用热传感器和飞行时间(TOF)传感器来检测被监测区域内一个或更多个人的活动的发生的方法、系统、装置和软件。本公开内容的这样的方法、系统、装置和/或软件可以用于各种应用,包括但不限于检测一个或更多个人的存在以用于控制被监测区域内的照明和/或(一个或更多个)其他环境方面(例如,温度和湿度)、确定被监测区域内的人数以及检测人类跌倒事件的发生,以及许多其他应用。
使用跌倒事件作为一般意义上的“活动”的示例并且如以上背景技术部分中所描述的,跌倒不仅可能对跌倒的人造成伤害,而且还会增加健康护理成本并且甚至造成死亡。然而,人们可能对利用高分辨率成像的跌倒检测系统以及更一般的人类存在检测系统持谨慎态度,因为他们认为这些系统侵犯了他们的隐私。因此,期望一种允许提供高准确度但不需要高分辨率成像的人类存在和跌倒检测系统的解决方案。
提供这样的存在和跌倒检测系统(两种种类的“活动检测系统”)的一种解决方案是使用热感测和TOF感测两者。使用热感测和TOF感测两者的优点是具有以下能力:检测一个或更多个热点(例如,人),如果在热图像中观看或当在热图像中观看时,一个或更多个热点可以简单地表现为无特征的“热斑(thermal blob)”(即,缺少个人信息的形状);确定(一个或更多个)热斑/对应的人/人员的(一个或更多个)对应位置;以及计算与(一个或更多个)热斑/人/人员相关联的距离(例如,与TOF传感器、地板或其他参考物的距离)、(一个或更多个)速度和/或(一个或更多个)加速度,所有使用的任何数据中几乎不存在或不存在个人可识别信息。
例如,热传感器可以检测与人的存在对应的暖像素,而TOF传感器提供允许对该人所经历的加速度进行计算的测量。在跌倒事件实施方式中并且如图1所示,在自由落体阶段期间可能存在加速度的初始下降,随后是与撞击相关联的快速正加速度。跌倒事件以各种各样的形式出现并且可以具有更复杂的加速度曲线或“活动概况”以及不同的严重性水平,因此根据本公开内容的各方面实现的活动检测系统利用一个或更多个适当的软件算法来解释数据,以例如在活动检测系统生成活动信号以及可选地生成和发送通知信号之前指定跌倒和/或其他可检测活动已经发生的可能性。作为另一场景,也可能存在加速度和/或速度信息未指示人已跌倒但人静止在地板上的情况。在这种场景下,如果活动检测系统检测到人在地板上或在地板附近达至少预定的时间段,则活动检测系统可以生成并且发出通知信号。此处,TOF传感器提供的距离信息对于这种场景是有益的,因为仅热数据不会指示人距离地板有多近。下面将记录其他场景,并且在阅读和理解了整个本公开内容之后,其他场景对于本领域技术人员将变得明显。本领域技术人员将理解如何收集和评估包括TOF数据的数据,以基于其TOF数据概况对跌倒的不同类型进行分类。
更广泛地,TOF数据可以与热数据结合使用,以仅确定在被监测区域内一个或更多个人的存在或确定不同于跌倒事件的活动。然而,代替与各种类型的跌倒事件对应的加速度概况,可以使用与期望被检测的移动事件的(多个)类型对应的(多个)加速度概况、速度概况和/或距离概况。这样的TOF数据得出的概况可以与对应的热概况融合。作为简单的示例,个人计数应用可以使用指示水平移动(在世界帧意义上是水平的)的TOF数据得出的概况连同单独的热斑检测起来确定在被监测区域内存在特定数量的人的可能性。本领域技术人员将能够构造TOF数据得出的概况和热斑检测算法以符合所考虑的应用。
现在转到附图,图2示出了根据本公开内容的各方面实现的活动检测系统200。在该实施方式中并且仅出于说明的目的,活动检测系统200被具体实现为跌倒检测系统,并且因此相应地描述活动检测系统的各种特征。然而,要强调的是,可以对适用于跌倒检测的活动检测系统200的特定特征进行概括和/或修改,以使活动检测系统适应除跌倒检测之外的应用。
如图2所示,活动检测系统200包括热传感器204和TOF传感器208。热传感器204可以是能够检测来自人体的热的任何热传感器,例如热释电红外传感器、热电堆传感器或热成像器等,或其任何组合。在一些实施方式中,期望多像素热传感器以提供热数据,该热数据帮助更好地表征热传感器通常生成的热图像的内容的性质。然而,对于许多应用,期望在表征热图像内容的性质的能力与由活动检测系统200监测的人的隐私之间取得平衡。后者建议热传感器204的分辨率应当相对低以避免从热传感器204获取的图像包含个人可识别信息。出于这样的隐私考虑,通常期望热传感器204的分辨率为640×480像素或更低、320×240像素或更低、80×80像素或更低、或者32×24像素或更低,以识别几个低分辨率范围。然而,热传感器204的分辨率的选择需要考虑变量,例如热传感器与正在被监测的对象的距离以及与热传感器一起使用的任何透镜系统(未示出)的焦距等。通常,具有至少2×2像素的分辨率的多像素热传感器是期望的。
如本领域技术人员所理解的,TOF传感器208是具有发射器208A和信号传感器208B的传感器,该发射器208A发射信号,该信号传感器208B感测从与TOF传感器208间隔开的对象(此处为人212)返回的信号或其经改变形式。TOF传感器208还包括板载处理器208C,该板载处理器208C控制TOF传感器208的操作并且计算发射信号的TOF,即发射器208A发射信号的时间与信号传感器208B接收信号的时间之间的时间。如本领域技术人员将容易理解的,由TOF传感器208收集的TOF数据可以用于计算TOF传感器208与对象212之间的(一个或更多个)距离、对象的(一个或更多个)速度和/或对象的(一个或更多个)加速度。为了方便起见,该距离、速度和/或加速度数据在本文中被称为TOF得出数据,因为其是根据使用信号传感器208B获取的原始TOF数据得出的。
TOF传感器208可以是能够提供TOF数据的任何合适的TOF传感器,根据该TOF数据可以确定诸如加速度数据、速度数据和/或距离数据的有用信息。可以用于TOF传感器208的TOF传感器的示例包括但不限于光学TOF传感器(例如,基于激光的TOF摄像装置以及光检测和测距(激光雷达)传感器)、射频TOF传感器(例如,RADAR)以及声波TOF传感器(例如,声学测距系统)等。基本上,除了将热传感器204和TOF传感器208限制成提供用于检测的数据以及不损害或不以其他方式干扰传感器范围内的任何人或对象之外,对热传感器204、TOF传感器208的类型没有限制。然而,由于活动检测系统200的许多应用具有隐私问题,因此以与热传感器204类似的方式,TOF传感器208的多像素版本应当具有合适的低分辨率,例如640×480像素或更低、320×240像素或更低、80×80像素或更低、或者32×24像素或更低,以识别几个低分辨率范围。然而,TOF传感器208的分辨率的选择需要考虑变量,例如TOF传感器与正在被监测的对象的距离以及与TOF传感器一起使用的透镜系统的焦距等。通常,具有至少2×2像素的分辨率的多像素TOF传感器是期望的。
注意,在前述描述中,以单数形式提及活动检测系统200的部件的陈述应当意指活动检测系统可以包括一个或更多个部件。例如,活动检测系统200的一个实施方式可以包括一个热传感器204,而另一实施方式可以包括多于一个热传感器204。同样,尽管活动检测系统200的一个实施方式可以包括具有单个信号传感器208B的TOF传感器208,但是另一实施方式可以包括具有多于一个信号传感器208B的TOF传感器208。
在所示实施方式中,活动检测系统200还包括一个或更多个处理器(共同被示出为处理器216)以及包括机器可执行指令224的存储器220,机器可执行指令224另外用于执行本文所描述的活动检测功能中的任何一个或更多个,以及用于执行支持和/或使得这样的活动检测功能能够执行的功能。(一个或更多个)处理器216可以位于任何合适的位置,包括在热传感器204、TOF传感器208本地(例如,在同一装置中)或远离热传感器和TOF传感器,例如在包括热传感器和TOF传感器的局域网(LAN)、广域网(WAN)、或全球网络(例如,因特网)上。
在该实施方式中,每个处理器216可以是例如任何合适类型的处理器,例如微处理器、专用集成电路、芯片上系统的一部分、或现场可编程门阵列以及其他架构。存储器220可以是或包括任何类型的合适的机器存储器,例如高速缓存、RAM、ROM、PROM、EPROM和/或EEPROM等。机器存储器还可以是或包括另一类型的机器存储器,例如静态或可移除存储盘、静态或可移除固态存储器、以及/或者任何其他类型的持久的基于硬件的存储器。基本上,除了以硬件实现之外,对存储器的类型没有限制。
机器可执行指令224可以以软件、固件和/或任何其他合适的形式来体现。在一些实施方式中,机器可执行指令224对活动检测算法进行编码,该活动检测算法允许处理器216处理分别来自热传感器204和TOF传感器208的热数据和TOF数据。例如,活动检测算法可以确定距离、速度和/或加速度,以及确定一个或更多个人是否已经跌倒或可能跌倒。如下面包括结合图3更详细地描述的,活动检测算法可以通过将根据热数据和/或TOF数据获得的和/或得出的数据与存储在存储器220中的一个或更多个活动概况数据集进行比较来确定一个或更多个人跌倒的可能性。
在所示出的实施方式中,热传感器204和TOF传感器208彼此并置,并且旨在分别收集热传感器和TOF传感器的交叠或一致的相应视场204F、208F内的任何对象(例如,人212)的热数据和TOF数据,所述交叠或一致的相应视场204F、208F一起限定被监测区域228。如本文所使用的、总体以228指示的术语“被监测区域”表示视场204F、208F的交叠部分内的空间区域,在该空间区域中可以根据本文公开的技术检测诸如人的一个或更多个对象。视场204F、208F的交叠或一致允许活动检测系统200确定何时在时空坐标中被监测对象(例如,人212)的存在与TOF数据概况一致,使得活动检测系统可以推断出TOF数据概况对应于该人(例如,其是跌倒的人而不是无生命的对象)。作为示例,活动检测算法可以使用热传感器204和TOF传感器208的对应传感器阵列内的像素的位置,在对应传感器阵列的像素的位置中分别感测热活动和加速度活动,以确定这些活动是否发生在相对于彼此的空间(例如,x-y)邻近处,发生在相对于彼此的空间邻近处将指示跌倒事件。例如,如果热传感器204具有360×240像素阵列并且在阵列的“右上”角处感测热质量,并且TOF传感器208具有360×240像素阵列并且同时在阵列的“右下”角处感测加速度活动,则活动检测系统200可以确定活动的不同位置指示未发生人212(如根据热数据确定的)的跌倒(如根据TOF数据确定的)。在该实施方式中,由TOF传感器208感测的活动可以例如由远离人212的跌倒的无生命对象(未示出)引起。
在所示出的实施方式中,热传感器204和TOF传感器208直接竖直位于被监测区域228上方,例如,安装到天花板(未示出)或其他结构上或安装在天花板或其他结构中。然而,在其他实施方式中,热传感器204、TOF传感器208可以位于除了直接竖直地在检测区域上方之外的位置,例如被安装到墙壁或其他竖直建筑部件,等等。此外,在其他实施方式中,热传感器204、TOF传感器208不需要彼此并置。通常,将热传感器204、TOF传感器208相对于彼此定位的主要特征是,活动检测系统200可以在评估TOF数据是否对应于由热数据确定的人时,通过空间位置将热数据与TOF数据彼此相关。将至少TOF传感器208竖直地定位在被监测区域228上方可以帮助辨别跌倒事件,因为人体在跌倒期间经历的加速度通常由于地球的重力牵引而本质上主要是竖直的。
机器可执行指令224还可以包括用于生成一个或更多个活动信号(未示出)的机器可执行指令,所述一个或更多个活动信号提供活动检测系统200已经检测到活动(其是活动检测系统200已被配置成要检测的)的指示。可选地,机器可执行指令224还可以例如基于活动信号生成并且传送一个或更多个通知信号232,一个或更多个通知信号232提供活动检测系统200已经检测到事物(其是活动检测系统200已被配置成要检测的)的通知。每个活动信号可以是例如标志、描述符或进入数据集例如进入数据存储的数据字段的其他条目等。基本上,对活动信号的性质没有限制。
在活动检测系统200的跌倒检测实施方式的上下文中,当活动检测系统确定人(此处为人212)可能已经经历有必要例如向一个或更多个实体236(例如,事件跟踪系统、警报系统等)发出警报的性质的跌倒事件时,活动检测系统可以生成并且发送一个或更多个通知信号232,这可以进而通知一个或更多个人(例如,护理人员、护士、亲戚等)(未示出)。由通知信号232触发的警报可以是任何合适的类型,包括但不限于被监测区域内部和/或外部的警报灯、移动装置警报(例如,在寻呼机、智能电话或其他装置上)、看护站警报(例如,经由监测板和/或计算装置的光和/或可听声音)、救护站警报等,以及它们的任何组合。在其他应用中,实体236可以是例如用于环境控制的控制装置,例如智能照明控制装置、智能恒温器或智能恒湿器等。在一些情况下,活动检测系统200可以通过共同表示为网络240的一个或更多个网络发送一些或所有通知信号232。还应注意,网络240可以处理热传感器204和TOF传感器208与处理器216之间的通信,如所示出的。然而,替选地,热传感器204、TOF传感器208与处理器216可以经由硬线连接进行通信,与每个实体236的通信也可以如此。
图3示出了确定期望被检测的至少一个人的(一个或更多个)活动的发生并且提供对应的活动信号的方法300。在该实施方式中并且参照图2,对于方法300的示例上下文,在框305处,使用阵列型热传感器来监测诸如图2的被监测区域的被监测区域,以创建热数据。取决于应用,被监测区域可以例如是任何合适的区域,例如,期望监测跌倒的房间(例如,医院房间、酒店房间、卧室、浴室等)内的区域。当在方法300中利用活动检测系统200时,使用热传感器204来执行框305处的热监测。当热传感器204包括热成像阵列型传感器时,热数据可以被表征为热传感器的视场的热图(数据)的时间序列。热传感器204的视场可以包括被监测区域228或与被监测区域228共同延伸。
类似地,在框310处,使用TOF传感器来监测诸如图2的被监测区域228的被监测区域,以创建TOF数据。当在方法300中利用活动检测系统200时,使用TOF传感器208来执行框310处的TOF监测。当TOF传感器208包括TOF成像阵列型传感器时,TOF数据可以被表征为TOF传感器的视场的深度图(map)或距离图的时间序列。TOF传感器208的视场可以包括热传感器204的视场或与热传感器204的视场共同延伸,并且覆盖被监测区域228。在框315处,可以处理距离图下的数据以计算TOF得出数据,TOF得出数据可以是例如一个或更多个距离图、一个或更多个加速度图和/或一个或更多个速度图,以确定距离图内的距离可以如何随时间改变。注意,“图(map)”可以被认为与“数据”同义。例如,如以上关于图1所讨论的,不同的跌倒事件(活动)可以具有不同的加速度和/或速度概况。当由图2的活动检测系统200执行时,由处理器208C(如果在板载TOF传感器208上完成)和/或由处理器216执行在机器可执行指令224中编码的适当算法的来进行框315处的计算。
在框320处,使用热数据和TOF得出数据来确定人是否在被监测区域内和/或人是否参与了活动。为了本公开内容的目的,“活动”不需要移动(例如,如果人静止坐着或静止躺着,则他们参与活动),并且不需要肯定的选择来参与活动(例如,人不会选择意外跌倒或无意识地躺在地板上)。当使用图2的活动检测系统200进行该确定时,由处理器216执行以机器可执行指令224编码的合适的活动检测算法的来执行该确定。在一些实施方式中,热数据和TOF得出数据可以融合在一起以创建获取数据集,然后可以将该获取数据集与一个或更多个存储的活动概况进行比较以确定一个或更多个置信度分数或类似分数——其指示获取数据集与一个或更多个活动概况之间的(一个或更多个)匹配的质量。这样的匹配和评分可以由任何合适的算法例如卷积神经网络(CNN)算法或其他数据或图像匹配算法来执行,该算法可以以机器可执行指令224实现。在一些实施方式中,可以用深度数据和/或速度数据来扩充热数据和加速度数据,以表征某些事件。例如,如果热数据指示人存在,但是加速度数据相对于识别已经发生跌倒尚无定论,则可以使用揭示出人已经在地板附近达延长的时间段的一系列距离图来帮助确定已经发生跌倒——该跌倒导致人在地板上躺了相当长时间。
注意,热数据和TOF得出数据不需要作为数据的复合被融合和分析。例如,可以连续地监测热数据和加速度数据中的一个或另一个以获得有意义的变化。然后,当确定有意义的变化或事件已经发生时,可以监测热数据和加速度数据中的另一个以了解跌倒事件或活动一致的对应发生。例如,在一种场景下,可以初始地监测热数据以获得人的x-y位置的变化。也许人已经躺在床上数小时,但是现在开始移动到床的一侧以离开。活动检测系统200可以识别该移动,然后实时地开始分析从TOF数据得出的加速度数据,以确定人是否经历从床跌倒或下床时跌倒。在另一种场景中,可以连续地监测和评估加速度数据,以确定是否已经发生加速度确定的跌倒事件。如果确定已经发生加速度确定的跌倒事件,则活动检测系统200可以分析热数据以确定表示热图中的人的热斑是否与跌倒事件在空间上一致,以将跌倒的人与跌倒的无生命对象区分开。作为另一示例,活动检测系统200可以连续地监测热数据和加速度数据(和/或速度和距离数据)两者以确定人与运动事件的TOF数据得出的标记(indicia)的发生的空间和时间一致。其他移动事件和/或存在检测方案和对应的算法是可能的。
在框325处,响应于已经确定可能已经发生可检测的移动事件,生成活动信号。可选地,可以生成通知信号并且将其发送至一个或更多个适当的接收者。当使用图2的活动检测系统200来实现方法300时,活动信号和通知信号232中的每一个的生成可以由处理器216执行在机器可执行指令224中编码的适当算法的来执行。取决于方法300的应用以及需要接收通知信号的人(例如,图2的人212)和/或实体(例如,图2的实体236),通知信号可以是任何合适的类型和组成。如上所述,活动信号也可以是任何合适的类型和组成。
图4示出了响应于跌倒事件发出通知信号的方法400,跌倒事件包括滑倒、绊倒或其他跌倒事件。在框405处,跌倒事件发生。在框410处,提供热传感器阵列。在图2的活动检测系统200的上下文中,热传感器阵列可以是热传感器204的一部分。在框415处,使用来自热传感器阵列的热数据创建热图的时间序列。至少一些热图包括经历跌倒的人(例如,图2的人212)的热图像。在框420和框425处,分别提供TOF传感器阵列和经调制光源。在图2的活动检测系统200的上下文中,TOF传感器阵列和经调制光源两者都可以是TOF传感器208的一部分,并且可以由板载处理器208C控制。在框430处,使用单个脉冲直接测量TOF,或者使用经调制波形(例如,一系列方波、正弦波、锯齿波等)经由相移检测间接测量TOF。在框435处,使用在框430处测量的TOF数据来创建深度图的时间序列。在图2的活动检测系统200的上下文中,可以使用板载处理器208C来分别执行框430的TOF测量和框435的深度图创建。
在框440处,使用诸如在图2的机器可执行指令224中编码的算法的合适的算法来处理热图和深度图(和/或两种类型的图下的数据)。在框440处发生的处理的示例包括:检测热图中的热斑(框440A);以及1)使用热图来确定热斑的坐标(框440B),以及2)使用深度图来确定热斑的加速度(框440B)。
在确定热斑的加速度之后,在框445处,确定由热斑表示的人是否经历跌倒事件,如由使用深度图确定的加速度概况所证明的。作为示例,可以将特定时间跨度上的热斑的加速度概况与表征典型跌倒事件的一个或更多个存储的活动概况进行比较,以确定表示实际加速度概况与一个或更多个存储的活动概况匹配的置信度的一个或更多个置信度分数。可以通过将一个或更多个置信度分数中的每个置信度分数与预定阈值进行比较来进行所述人已经跌倒的确定。在判定框450处,如果确定任何置信度分数等于或大于预定阈值,则方法可以进行至框455,在框455处,提供警报。这样的警报可以包括例如触发装置发出警报(例如,电子通知、音频警报、视觉警报或其任何组合)的通知信号。如果在判定框450处,所有一个或更多个置信度分数小于预定阈值,则不生成通知信号。如果使用图2的活动检测系统200来执行,则可以使用在机器可执行指令224中编码的算法来实现框445、框450和框455的功能。
如计算机领域的普通技术人员将明白的,可以使用根据本说明书的教导编程的一个或更多个机器(例如,用作电子文档的用户计算装置的一个或更多个计算装置、诸如文档服务器的一个或更多个服务器装置等)来方便地实现本文描述的各方面和实施方式中的任何一个或更多个。如软件领域的普通技术人员将明白的,基于本公开内容的教导,熟练的程序员可以容易地准备适当的软件编码。以上讨论的采用软件和/或软件模块的各方面和实现方式还可以包括用于辅助实现软件和/或软件模块的机器可执行指令的适当硬件。
这样的软件可以是采用机器可读存储介质的计算机程序产品。机器可读存储介质可以是能够对由机器(例如,计算装置)执行并且使机器执行本文描述的方法和/或实施方式中的任何一个的指令序列进行存储和/或编码的任何介质。机器可读存储介质的示例包括但不限于磁盘、光盘(例如,CD、CD-R、DVD-R等)、磁光盘、只读存储器“ROM”装置、随机存取存储器“RAM”装置、磁卡、光卡、固态存储器装置、EPROM、EEPROM及其任何组合。如本文所使用的机器可读介质旨在包括单个介质以及物理上分离的介质的集合,例如光盘的集合或者与计算机存储器结合的一个或更多个硬盘驱动器。如本文所使用的,机器可读存储介质不包括瞬时形式的信号传输。
这样的软件还可以包括作为数据信号承载在诸如载波的数据载体上的信息(例如,数据)。例如,可以包括机器可执行信息作为数据承载信号,该数据承载信号被包含在数据载体中,在该数据载体中该信号对用于由机器(例如,计算装置)执行并且使机器执行本文描述的方法和/或实施方式中的任何一个的指令序列或其一部分以及任何相关信息(例如,数据结构和数据)进行编码。
计算装置的示例包括但不限于电子书阅读装置、计算机工作站、终端计算机、服务器计算机、手持式装置(例如,平板计算机、智能电话等)、web设备、网络路由器、网络交换机、网桥、能够执行指定要由该机器采取的动作的指令序列的任何机器以及其任何组合。在一个示例中,计算装置可以包括信息亭(kiosk)和/或被包括在信息亭中。
图5示出了呈计算机系统500的示例形式的计算装置的一个实施方式的示意图,在该计算机系统500内可以执行用于使中央PCD执行本公开内容的各方面和/或方法中的任何一个或更多个的一组指令。还预期的是,可以利用多个个人移动计算装置中的每一个来实现用于使中央PCD中的一个或更多个执行本公开内容的各方面和/或方法中的任何一个或更多个的一组专门配置的指令。计算机系统500包括处理器504和存储器508,它们经由总线512彼此通信并且与其他部件通信。总线512可以包括若干类型的总线结构中的任何一种,包括但不限于使用各种总线架构中的任何一种的存储器总线、存储器控制器、外围总线、局部总线以及其任何组合。
存储器508可以包括各种部件(例如,机器可读介质),包括但不限于随机存取存储器部件、只读部件及其任何组合。在一个示例中,基本输入/输出系统516(BIOS)——包括例如在启动期间帮助在计算机系统500内的元件之间传输信息的基本例程——可以存储在存储器508中。存储器508还可以包括体现本公开内容的各方面和/或方法中的任何一个或更多个(例如,存储在一个或更多个机器可读介质上的)的指令(例如,软件)520。在另一示例中,存储器508还可包括任何数量的程序模块,包括但不限于操作系统、一个或更多个应用程序、其他程序模块、程序数据以及其任何组合。
计算机系统500还可以包括存储装置524。存储装置(例如,存储装置524)的示例包括但不限于硬盘驱动器、磁盘驱动器、与光学介质组合的光盘驱动器、固态存储器装置及其任何组合。存储装置524可以通过适当的接口(未示出)连接至总线512。示例接口包括但不限于SCSI、高级技术附件(ATA)、串行ATA、通用串行总线(USB)、IEEE 1394(FIREWIRE)及其任何组合。在一个示例中,存储装置524(或其一个或更多个部件)可以可移除地与计算机系统500对接(例如,经由外部端口连接器(未示出))。特别地,存储装置524和相关联的机器可读介质528可以提供对用于计算机系统500的机器可读指令、数据结构、程序模块和/或其他数据的非易失性和/或易失性存储。在一个示例中,软件520可以完全或部分地驻留在机器可读介质528内。在另一示例中,软件520可以完全或部分地驻留在处理器504内。
计算机系统500还可以包括输入装置532。在一个示例中,计算机系统500的用户可以经由输入装置532将命令和/或其他信息输入到计算机系统500中。输入装置532的示例包括但不限于字母数字输入装置(例如,键盘)、定点装置、操纵杆、游戏手柄、音频输入装置(例如,麦克风、语音响应系统等)、光标控制装置(例如,鼠标)、触摸板、光学扫描仪、视频捕捉装置(例如,静态摄像装置、视频摄像装置)、触摸屏及其任何组合。输入装置532可以经由各种接口(未示出)中的任何接口与总线512对接,各种接口包括但不限于串行接口、并行接口、游戏端口、USB接口、FIREWIRE接口、到总线512的直接接口及其任何组合。输入装置532可以包括触摸屏接口,该触摸屏接口可以是显示器536的一部分或与显示器536分离,如下文进一步讨论的。输入装置532可以用作用户选择装置,用于选择如上所述的图形接口中的一个或更多个图形表示。
用户还可以经由存储装置524(例如,可移除盘驱动器、闪存驱动器等)和/或网络接口装置540向计算机系统500输入命令和/或其他信息。诸如网络接口装置540的网络接口装置可以用于将计算机系统500连接至诸如网络544的各种网络中的一个或更多个以及连接至网络544的一个或更多个远程装置548。网络接口装置的示例包括但不限于网络接口卡(例如,移动网络接口卡、LAN卡)、调制解调器及其任何组合。网络的示例包括但不限于广域网(例如,因特网、企业网)、局域网(例如,与办公室、建筑物、校园或其他相对较小的地理空间相关联的网络)、电话网络、与电话/语音提供商相关联的数据网络(例如,移动通信提供商数据和/或语音网络)、两个计算装置之间的直接连接及其任何组合。诸如网络544的网络可以采用有线和/或无线通信模式。通常,可以使用任何网络拓扑。信息(例如,数据、软件520等)可以经由网络接口装置540被传送至计算机系统500和/或从计算机系统500传送。
计算机系统500还可以包括用于将可显示图像传送至诸如显示装置536的显示装置的视频显示适配器552。显示装置的示例包括但不限于液晶显示器(LCD)、阴极射线管(CRT)、等离子体显示器、发光二极管(LED)显示器及其任何组合。显示适配器552和显示装置536可以与处理器504组合使用以提供本公开内容的各方面的图形表示。除了显示装置之外,计算机系统500还可以包括一个或更多个其他外围输出装置,包括但不限于音频扬声器、打印机及其任何组合。这样的外围输出装置可以经由外围接口556连接至总线512。外围接口的示例包括但不限于串行端口、USB连接、FIREWIRE连接、并行连接及其任何组合。
以上是本公开内容的说明性实施方式的详细描述。注意,在本文中,除非特别说明或另外指出,否则诸如在短语“X、Y和Z中的至少一个”和“X、Y和Z中的一个或更多个”中使用的联合语言应被理解为表示联合列表中的每个项目可以以排除列表中的每个其他项目的任何数量存在,或者可以以与联合列表中的任何或所有其他项目组合的任何数量存在,其中每个项目也可以以任何数量存在。应用该一般规则,其中联合列表由X、Y和Z组成的前述示例中的联合短语将各自包含:X中的一个或更多个;Y中的一个或更多个;Z中的一个或更多个;X中的一个或更多个和Y中的一个或更多个;Y中的一个或更多个和Z中的一个或更多个;X中的一个或更多个和Z中的一个或更多个;以及X中的一个或更多个、Y中的一个或更多个和Z中的一个或更多个。
在不背离本公开内容的精神和范围的情况下,可以进行各种修改和添加。上述各个实施方式的特征可以与其他所述实施方式的特征适当地组合,以在相关联的新实施方式中提供多种特征组合。此外,虽然上文描述了多个单独的实施方式,但本文所描述的内容仅是对本公开内容的原理的应用的说明。此外,尽管本文的特定方法可能被示出和/或描述为以特定顺序执行,但是对普通技术人员而言顺序是高度可变的,以实现本公开内容的各方面。因此,描述仅意在作为示例,而不是以其他方式限制本公开内容的范围。
示例性实施方式已经在上面公开并且在附图中示出。本领域技术人员将理解,在不背离本公开内容的精神和范围的情况下,可以对本文具体公开的内容进行各种改变、省略和添加。
Claims (23)
1.一种检测被监测区域中的至少一个人的活动的发生并且生成与所述发生对应的活动信号的方法,所述方法包括:
使用阵列型热传感器来监测所述被监测区域以生成热数据;
使用阵列型飞行时间TOF传感器来监测所述被监测区域以生成TOF数据;
根据所述TOF数据来计算TOF得出数据,其中,所述TOF得出数据包括距离数据、速度数据和加速度数据中的一个或更多个;
基于所述热数据和所述TOF得出数据来检测所述被监测区域中的所述至少一个人的活动的发生;以及
响应于检测到所述被监测区域中的所述至少一个人的所述活动的发生而生成所述活动信号。
2.根据权利要求1所述的方法,其中,检测到所述至少一个人的所述活动的发生包括:
确定所述TOF得出数据是否与表征所述活动的活动概况相关;以及
当所述TOF得出数据与所述活动概况相关时,检测到所述至少一个人的所述活动的发生。
3.根据权利要求2所述的方法,其中,所述活动包括跌倒事件,并且所述活动概况包括表征所述跌倒事件的加速度概况。
4.根据权利要求2所述的方法,其中,所述活动概况包括加速度概况、速度概况和时空坐标概况中的至少一个。
5.根据权利要求1所述的方法,其中,检测到所述至少一个人的所述活动的发生包括:
分析所述热数据以确定所述至少一个人的空间位置;
分析所述TOF得出数据以确定所述活动的空间位置;以及
当所述至少一个人的空间位置与所述活动的空间位置一致时,检测到所述至少一个人的所述活动的发生。
6.根据权利要求1所述的方法,其中,检测到所述至少一个人的所述活动的发生包括:
分析所述热数据以确定所述至少一个人的时间位置;
分析所述TOF得出数据以确定所述活动的时间位置;以及
当所述至少一个人的时间位置与所述活动的时间位置一致时,检测到所述至少一个人的所述活动的发生。
7.根据权利要求1所述的方法,其中,所述阵列型TOF传感器安装在所述被监测区域上方。
8.根据权利要求1所述的方法,其中,所述阵列型热传感器包括具有320×240像素或更低的分辨率的热成像器。
9.根据权利要求1所述的方法,其中,所述阵列型TOF传感器包括具有320×240像素或更低的分辨率的激光雷达传感器。
10.一种用于检测被监测区域中的至少一个人的活动的发生的系统,所述系统包括:
阵列型热传感器,用于热监测所述被监测区域,所述阵列型热传感器生成热数据;
阵列型飞行时间TOF传感器,用于监测所述被监测区域,所述阵列型TOF传感器生成TOF数据;
处理器,所述处理器耦接至所述阵列型热传感器和所述阵列型TOF传感器,并且被配置成:
分析所述热数据以确定在所述被监测区域内所述至少一个人的存在;
根据所述TOF数据来计算TOF得出数据,所述TOF得出数据包括距离数据、速度数据和加速度数据中的至少一个;
基于所述热数据和所述TOF得出数据来检测所述被监测区域中的所述至少一个人的活动的发生;以及
响应于检测到所述被监测区域中的所述至少一个人的所述活动的发生而生成活动信号。
11.根据权利要求10所述的系统,其中,所述处理器被配置成通过以下操作来检测到所述至少一个人的所述活动的发生:
确定所述TOF得出数据是否与表征所述活动的活动概况相关;以及
当所述TOF得出数据与所述活动概况相关时,检测到所述至少一个人的所述活动的发生。
12.根据权利要求11所述的系统,其中,所述活动包括跌倒事件,并且所述活动概况包括表征所述跌倒事件的加速度概况。
13.根据权利要求11所述的系统,其中,所述活动概况包括加速度概况、速度概况和时空坐标概况中的至少一个。
14.根据权利要求10所述的系统,其中,所述处理器被配置成通过以下操作来检测到所述至少一个人的所述活动的发生:
分析所述热数据以确定所述至少一个人的空间位置;
分析所述TOF得出数据以确定所述活动的空间位置;以及
当所述至少一个人的空间位置与所述活动的空间位置一致时,检测到所述至少一个人的所述活动的发生。
15.根据权利要求10所述的系统,其中,所述处理器被配置成通过以下操作来检测到所述至少一个人的所述活动的发生:
分析所述热数据以确定所述至少一个人的时间位置;
分析所述TOF得出数据以确定所述活动的时间位置;以及
当所述至少一个人的时间位置与所述活动的时间位置一致时,检测到所述至少一个人的所述活动的发生。
16.根据权利要求10所述的系统,其中,所述阵列型TOF传感器安装在所述被监测区域上方。
17.根据权利要求10所述的系统,其中,所述阵列型热传感器包括具有320×240像素或更低的分辨率的热成像器。
18.根据权利要求10所述的系统,其中,所述阵列型TOF传感器包括具有320×240像素或更低的分辨率的激光雷达传感器。
19.一种非暂态计算机可读介质,在所述非暂态计算机可读介质上存储有用于检测被监测区域中的至少一个人的活动的发生的计算机程序,所述计算机程序包括指令,所述指令用于使计算装置执行包括以下操作的处理:
接收由监测所述被监测区域的阵列型热传感器生成的热数据;
接收由监测所述被监测区域的阵列型飞行时间TOF传感器生成的TOF数据;
根据所述TOF数据来计算TOF得出数据,其中,所述TOF得出数据包括距离数据、速度数据和加速度数据中的一个或更多个;
基于所述热数据和所述TOF得出数据来检测所述被监测区域中的所述至少一个人的活动的发生;以及
响应于检测到所述被监测区域中的所述至少一个人的所述活动的发生而生成活动信号。
20.根据权利要求19所述的非暂态计算机可读介质,其中,检测到所述至少一个人的所述活动的发生包括:
确定所述TOF得出数据是否与表征所述活动的活动概况相关;以及
当所述TOF得出数据与所述活动概况相关时,检测到所述至少一个人的所述活动的发生。
21.根据权利要求20所述的非暂态计算机可读介质,其中,所述活动包括跌倒事件,并且所述活动概况包括表征所述跌倒事件的加速度概况。
22.根据权利要求19所述的非暂态计算机可读介质,其中,检测到所述至少一个人的所述活动的发生包括:
分析所述热数据以确定所述至少一个人的空间位置;
分析所述TOF得出数据以确定所述活动的空间位置;以及
当所述至少一个人的空间位置与所述活动的空间位置一致时,检测到所述至少一个人的所述活动的发生。
23.根据权利要求19所述的非暂态计算机可读介质,其中,检测到所述至少一个人的所述活动的发生包括:
分析所述热数据以确定所述至少一个人的时间位置;
分析所述TOF得出数据以确定所述活动的时间位置;以及
当所述至少一个人的时间位置与所述活动的时间位置一致时,检测到所述至少一个人的所述活动的发生。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/269,715 | 2019-02-07 | ||
US16/269,715 US20200258364A1 (en) | 2019-02-07 | 2019-02-07 | Human Activity Detection Using Thermal Data and Time-of-Flight Sensor Data |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111538030A true CN111538030A (zh) | 2020-08-14 |
Family
ID=71739236
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010082478.9A Pending CN111538030A (zh) | 2019-02-07 | 2020-02-07 | 检测人类活动的方法、系统和非暂态计算机可读介质 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20200258364A1 (zh) |
CN (1) | CN111538030A (zh) |
DE (1) | DE102020103118A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112258787A (zh) * | 2020-10-27 | 2021-01-22 | 孙峰 | 一种感应生命危险的紧急呼叫系统及方法 |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11100767B1 (en) * | 2019-03-26 | 2021-08-24 | Halo Wearables, Llc | Group management for electronic devices |
US11282406B2 (en) * | 2020-02-10 | 2022-03-22 | Jeffrie Eugene Long | Safety and training apparatus and a method thereof |
US20210398691A1 (en) * | 2020-06-22 | 2021-12-23 | Honeywell International Inc. | Methods and systems for reducing a risk of spread of disease among people in a space |
US20220084383A1 (en) * | 2020-09-14 | 2022-03-17 | Curbell Medical Products, Inc. | System and method for monitoring an individual using lidar |
DE102021104028A1 (de) | 2021-02-19 | 2022-08-25 | Dewertokin Technology Group Co., Ltd. | Vorrichtung und Verfahren zum Erkennen einer gestürzten Person in einem Raumbereich |
EP4298463A1 (en) * | 2021-02-25 | 2024-01-03 | Cherish Health, Inc. | Technologies for tracking objects within defined areas |
US11804121B2 (en) * | 2021-04-01 | 2023-10-31 | Lenovo (Singapore) Pte. Ltd. | Human presence detector device |
GB2605647A (en) * | 2021-04-09 | 2022-10-12 | Secure Sensor Innovative Design Ltd | Method and device |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130197856A1 (en) * | 2011-06-17 | 2013-08-01 | James R. Barfield | Method and system for discerning a false positive in a fall detection signal |
US20140361909A1 (en) * | 2013-06-06 | 2014-12-11 | Zih Corp. | Systems and methods for activity determination based on human frame |
CN106687850A (zh) * | 2014-09-11 | 2017-05-17 | 微视公司 | 扫描激光平面性检测 |
US9720086B1 (en) * | 2016-11-22 | 2017-08-01 | 4Sense, Inc. | Thermal- and modulated-light-based passive tracking system |
US9972187B1 (en) * | 2016-11-13 | 2018-05-15 | Agility4Life | Biomechanical parameter determination for emergency alerting and health assessment |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10887125B2 (en) * | 2017-09-15 | 2021-01-05 | Kohler Co. | Bathroom speaker |
-
2019
- 2019-02-07 US US16/269,715 patent/US20200258364A1/en not_active Abandoned
-
2020
- 2020-02-07 DE DE102020103118.1A patent/DE102020103118A1/de not_active Ceased
- 2020-02-07 CN CN202010082478.9A patent/CN111538030A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130197856A1 (en) * | 2011-06-17 | 2013-08-01 | James R. Barfield | Method and system for discerning a false positive in a fall detection signal |
US20140361909A1 (en) * | 2013-06-06 | 2014-12-11 | Zih Corp. | Systems and methods for activity determination based on human frame |
CN106687850A (zh) * | 2014-09-11 | 2017-05-17 | 微视公司 | 扫描激光平面性检测 |
US9972187B1 (en) * | 2016-11-13 | 2018-05-15 | Agility4Life | Biomechanical parameter determination for emergency alerting and health assessment |
US9720086B1 (en) * | 2016-11-22 | 2017-08-01 | 4Sense, Inc. | Thermal- and modulated-light-based passive tracking system |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112258787A (zh) * | 2020-10-27 | 2021-01-22 | 孙峰 | 一种感应生命危险的紧急呼叫系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
US20200258364A1 (en) | 2020-08-13 |
DE102020103118A1 (de) | 2020-08-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111538030A (zh) | 检测人类活动的方法、系统和非暂态计算机可读介质 | |
US11056929B2 (en) | Systems and methods of object detection in wireless power charging systems | |
US10483768B2 (en) | Systems and methods of object detection using one or more sensors in wireless power charging systems | |
US10270261B2 (en) | Systems and methods of object detection in wireless power charging systems | |
WO2018151003A1 (ja) | 通信装置、異常通知システム、および異常通知方法 | |
US9893538B1 (en) | Systems and methods of object detection in wireless power charging systems | |
US20170077765A1 (en) | Systems and methods of object detection in wireless power charging systems | |
US8427324B2 (en) | Method and system for detecting a fallen person using a range imaging device | |
US11688265B1 (en) | System and methods for safety, security, and well-being of individuals | |
EP4006860A1 (en) | Security and/or monitoring devices and systems | |
US20150302310A1 (en) | Methods for data collection and analysis for event detection | |
JP2010530974A (ja) | 感知可能な動き検出器 | |
EP3395101A1 (en) | Systems and methods of object detection in wireless power charging systems | |
US20230401864A1 (en) | Systems and methods of object detection in wireless power charging systems | |
JPWO2016199749A1 (ja) | 画像処理システム、画像処理装置、画像処理方法、および画像処理プログラム | |
KR102205964B1 (ko) | 듀얼 카메라와 적외선 카메라를 이용한 낙상 예방 시스템 및 낙상 예방 방법 | |
JP2020027465A (ja) | 監視装置、監視システム、及びプログラム | |
JP2019030628A (ja) | 情報提供装置、情報提供システム、情報提供方法、及びプログラム | |
US20220084657A1 (en) | Care recording device, care recording system, care recording program, and care recording method | |
JP7090327B2 (ja) | 情報処理装置、情報処理方法、プログラム | |
JP2016080620A (ja) | 人検知システムおよび方法 | |
US20230172489A1 (en) | Method And A System For Monitoring A Subject | |
Hayashida et al. | New approach for indoor fall detection by infrared thermal array sensor | |
JP2020187389A (ja) | 移動体軌跡分析装置、移動体軌跡分析プログラム、および移動体軌跡分析方法 | |
KR102341950B1 (ko) | 동작 분석을 이용한 인공지능 기반의 무균 조작 평가 장치 및 방법 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200814 |
|
WD01 | Invention patent application deemed withdrawn after publication |