CN112581723A - 用于识别用户姿态的方法、装置、处理器及热水器 - Google Patents
用于识别用户姿态的方法、装置、处理器及热水器 Download PDFInfo
- Publication number
- CN112581723A CN112581723A CN202011290078.3A CN202011290078A CN112581723A CN 112581723 A CN112581723 A CN 112581723A CN 202011290078 A CN202011290078 A CN 202011290078A CN 112581723 A CN112581723 A CN 112581723A
- Authority
- CN
- China
- Prior art keywords
- user
- radar
- point cloud
- recognizing
- gesture
- 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
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/049—Temporal neural networks, e.g. delay elements, oscillating neurons or pulsed inputs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Psychology (AREA)
- Gerontology & Geriatric Medicine (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Emergency Alarm Devices (AREA)
Abstract
本发明实施例提供一种用于识别用户姿态的方法、装置、处理器及热水器。方法包括:将时间序列连续的多张雷达点云图与多张雷达点云图中的每张雷达点云图对应的坐标点输入至姿态识别模型;获取姿态识别模型输出的姿态识别结果;在姿态识别结果为跌倒姿态的情况下,确定用户处于跌倒姿态,这种方法通过姿态识别模型有效地提高了对于用户是否处于跌倒的识别准确率,同时也可以及时发现用户是否处于跌倒状态,有效地降低了老人、小孩、孕妇或用户独自一人在家意外跌倒导致救援不及时的危险情况的发生。
Description
技术领域
本发明涉及计算机技术领域,具体地涉及一种用于识别用户姿态的方法、装置、处理器及热水器。
背景技术
随着社会的发展,独居人士的数量急剧增加,但独居用户发生意外时,往往由于发现不及时,救援滞后,导致独居的风险增加。而且,由于老龄化越来越严重化,老年人独居的人数也日益渐增,但老年人由于身体原因,往往独居时发生的意外情况更多。据统计,中国每年约有4000万65岁以上的老人发生过跌倒,每一万人中有8位老人因跌倒死亡,跌倒已经成为了65岁老人的“头号杀手”。除了老人,孕妇也属于需要重点保护的对象,由于行动不便,孕妇若发生跌倒也需要及时进行救援。
通常情况下,由于用户对家居环境隐私的敏感性,通常不会在浴室内安装传统的摄像头,以避免暴露用户的隐私。这种情况下,对于浴室跌倒的意外情况发生,往往无法及时发现并预警。
发明内容
本发明实施例的目的是提供一种用于识别用户姿态的方法、装置、处理器、热水器、浴室监测系统及存储介质。
为了实现上述目的,本发明第一方面提供一种用于识别用户姿态的方法,包括:
将时间序列连续的多张雷达点云图与多张雷达点云图中的每张雷达点云图对应的坐标点输入至姿态识别模型;
获取姿态识别模型输出的姿态识别结果;
在姿态识别结果为跌倒姿态的情况下,确定用户处于跌倒姿态。
在本发明的实施例中,方法还包括:
在将多张雷达点云图与每张雷达点云图对应的雷达坐标点输入至姿态识别模型之前,获取雷达数据点及每个雷达数据点对应的坐标点;
将同一时间点的雷达数据点进行堆叠,以得到对应的雷达点云图。
在本发明的实施例中,雷达数据点是通过微波或毫米波雷达设备采集得到的。
在本发明的实施例中,姿态识别模型包括单阶段目标检测模型,单阶段目标检测模型包含长短期记性记忆层。
在本发明的实施例中,方法还包括:
确定每一张雷达点云图对应的检测回归框;
将确定包含有人体的检测回归框确定为目标回归框;
将目标回归框按照时间序列排序,以确定对应的姿态识别结果。
在本发明的实施例中,将确定包含有人体的检测回归框确定为目标回归框包括:
确定检测回归框与预先标注有人体的标定框的交并比;
将交并比大于预设阈值的检测回归框作为目标回归框。
在本发明的实施例中,方法还包括:
在存在有多个检测回归框的交并比大于预设阈值的情况下,将交并比的值最大的检测回归框作为目标回归框。
在本发明的实施例中,方法还包括:
在确定用户处于跌倒姿态之后,触发报警信号;
根据报警信号呼叫用户预先绑定的通信号码。
本发明第二方面提供一种处理器,被配置成执行上述的用于识别用户姿态的方法。
本发明第三方面提供一种用于识别用户姿态的装置,包括:
雷达设备,用于采集与用户相关联的雷达数据;
处理器。
本发明第四方面提供一种热水器,包括上述的用于识别用户姿态的装置。
本发明第五方面提供一种浴室监测系统,包括:用于识别用户姿态的装置;
报警装置,用于在确定用户处于跌倒姿态之后,启动报警。
在本发明的实施例中,报警装置为自发电控制装置,自发电控制装置包括:
至少一触发件,设置于自发电控制装置的表面,用于接收动作指令;
自发电组件,与触发件连接,用于将动作指令产生的机械能转换成电能;
第一通信设备,与触发件通信并从自发电组件接收电能,用于通过无线通信将动作指令生成的第一信号发送至对应的热水器。
在本发明的实施例中,触发件为开关,用于在接收到按压动作时,生成报警信号并发送至第一通信设备,和/或
触发件为温度调节触发件,用于在接收到按压动作时,生成对应的调节信号并发送至第一通信设备。
本发明第六方面提供一种机器可读存储介质,该机器可读存储介质上存储有指令,该指令在被处理器执行时使得处理器被配置成执行上述的用于识别用户姿态的方法。
上述技术方案,通过将时间序列连续的多张雷达点云图与多张雷达点云图中的每张雷达点云图对应的坐标点输入至姿态识别模型,获取姿态识别模型输出的姿态识别结果,在姿态识别结果为跌倒姿态的情况下,确定用户处于跌倒姿态,这种方法通过姿态识别模型有效地提高了对于用户是否处于跌倒的识别准确率,同时也可以及时发现用户是否处于跌倒状态,有效地降低了老人、小孩、孕妇或用户独自一人在家意外跌倒导致救援不及时的危险情况的发生。
本发明实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明实施例的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本发明实施例,但并不构成对本发明实施例的限制。在附图中:
图1示意性示出了根据本发明实施例的用于识别用户姿态的方法的流程示意图;
图2示意性示出了根据本发明一实施例的用于识别用户姿态的装置的结构框图;
图3示意性示出了根据本发明另一实施例的用于识别用户姿态的装置的结构框图;
图4示意性示出了根据本发明又一实施例的用于识别用户姿态的装置的结构框图;
图5示意性示出了根据本发明一实施例的热水器的结构框图;
图6示意性示出了根据本发明一实施例的浴室监测系统的结构框图;
图7示意性示出了根据本发明一实施例的自发电控制装置的结构框图;
图8示意性示出了根据本发明一实施例的自发电控制装置与其他端交互的示意图;
图9示意性示出了根据本发明另一实施例的自发电控制装置的结构框图;
图10示意性示出了根据本发明实施例的计算机设备的内部结构图。
具体实施方式
以下结合附图对本发明实施例的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本发明实施例,并不用于限制本发明实施例。
图1示意性示出了根据本发明实施例的用于识别用户姿态的方法的流程示意图。如图1所示,在本发明一实施例中,提供了一种用于识别用户姿态的方法,包括以下步骤:
步骤101,将时间序列连续的多张雷达点云图与多张雷达点云图中的每张雷达点云图对应的坐标点输入至姿态识别模型。
步骤102,获取姿态识别模型输出的姿态识别结果。
步骤103,在姿态识别结果为跌倒姿态的情况下,确定用户处于跌倒姿态。
为了识别出用户是否跌倒,可以通过安装雷达设备采集用户的雷达数据。雷达数据可以通过预先安装的雷达设备采集得到。雷达设备可以是微波或毫米波雷达设备,由于上述用于识别用户姿态的方法可以用于浴室中检测用户是否在洗澡过程中发生跌倒的意外情况,而毫米波雷达具有较强的穿透塑料、陶瓷、玻璃、浴帘等障碍物和较远距离探测的能力,可以很好的适应多种空间格局,由此可以实现更准确地进行跌倒识别预警。毫米波雷达,是工作在毫米波波段(millimeter wave)探测的雷达。通常毫米波是指30~300GHz频域(波长为1~10mm)的。毫米波的波长介于微波和厘米波之间,因此毫米波雷达兼有微波雷达和光电雷达的一些优点。
在一个实施例中,方法还包括:在将多张雷达点云图与每张雷达点云图对应的雷达坐标点输入至姿态识别模型之前,获取雷达数据点及每个雷达数据点对应的坐标点;将同一时间点的雷达数据点进行堆叠,以得到对应的雷达点云图。
进一步地,服务器在获取到与用户相关联的雷达数据后,可以获取到每个雷达数据点对应的坐标点,并将同一个时间点的雷达数据进行堆叠以得到对应的雷达点云图。即,根据同一个时间点的多个雷达数据的坐标可以形成对应的雷达点云图。然后,可以将时间序列连续的多张雷达点云图以及每张雷达点云图对应的坐标点共同输入至姿态识别模型中,通过姿态识别模型对输入的数据进行分析,以确定对应的姿态识别结果。在该姿态识别结果为跌倒姿态的情况下,可以确定用户处于跌倒姿态。
在一个实施例中,姿态识别模型包括单阶段目标检测模型,单阶段目标检测模型包含长短期记性记忆层。
单阶段目标检测模型也可以称为YOLO4D模型,针对于two-stage目标检测算法普遍存在的运算速度慢的缺点,YOLO创造性的提出了one-stage。也就是将物体分类和物体定位在一个步骤中完成。YOLO直接在输出层回归bounding box的位置和bounding box所属类别,从而实现one-stage,所以使用YOLO4D模型可以解决识别速度的问题。长短期记性记忆层也可以称为LSTM(Long Short-Term Memory,长短期记忆网络)层,是为了解决一般的RNN(循环神经网络)存在的长期依赖问题而专门设计出来的。在YOLO4D模型中加入LSTM层有效地解决了长序列训练过程中存在的梯度消失和梯度爆炸的问题。在本方案中,雷达点云图的序列之间的关联性也可以提高,提高YOLO4D模型对用户姿态识别的准确度。
在一个实施例中,方法还包括:确定每一张雷达点云图对应的检测回归框;将确定包含有人体的检测回归框确定为目标回归框;将目标回归框按照时间序列排序,以确定对应的姿态识别结果。
具体地,在将数据输入至姿态识别模型中后,姿态识别模型可以确定出每一张雷达点云图对应的检测回归框,并确定每一个检测回归框中是否包含有人体。若确定有检测回归框中包含有人体,则可以将该检测回归框作为目标回归框。并可以将目标回归框按照时间序列排序,以确定对应的姿态识别结果。
在一个实施例中,将确定包含有人体的检测回归框确定为目标回归框包括:确定检测回归框与预先标注有人体的标定框的交并比;将交并比大于预设阈值的检测回归框作为目标回归框。
具体地,为了提高识别准确率,会预先通过人工将雷达点云图上包含的人体的区域圈出,即预先标注有人体的标定框。然后,可以计算出每一个检测回归框与预先标注有人体的标定框的交并比。在目标检测中,交并比(IoU)是指两个矩形交集与并集的比值,值在[0,1]之间。显然,当IoU=0时,检测回归框与标定框没有交集,此时结果最差;当IoU=1时,检测回归框与标定框重合,此时结果最好。因此,可以在计算出这二者的交并比后,可以将交并比大于预设阈值的检测回归框作为目标回归框,表明该检测回归框与标定框的重合度达到了一定的预设阈值,即该检测回归框中包含有人体。
在一个实施例中,上述方法还包括:在存在有多个检测回归框的交并比大于预设阈值的情况下,将交并比的值最大的检测回归框作为目标回归框。
当有多个检测回归框的交并比大于预设阈值的情况下,则说明有多个检测回归框中包含有人体,此时,可以将交并比的值最大的检测回归框作为目标回归框。
在一个实施例中,上述方法还包括:在确定用户处于跌倒姿态之后,触发报警信号;根据报警信号呼叫用户预先绑定的通信号码。
在确定用户处于跌倒姿态的情况下,可以触发语音式报警询问,例如智能小助手对用户发起询问:“已检测到您跌倒了,是否需要报警?”在接收到用户的确认报警的反馈信息的情况下,可以呼叫与用户预先绑定的通信号码。其中,确认报警的反馈信息包括语音反馈信息以及触发报警装置的反馈信息中的至少一种。
例如,用户可以通过语音回答“是”来确认报警,也可以通过触发报警装置上的报警按钮以确认报警,在用户确认需要报警的情况下,可以呼叫与用户预先绑定的通信号码。例如,用户A预先绑定了家属B的手机号码,则在用户A确认需要报警后,服务器可以根据用户确认报警的反馈信息呼叫家属B的手机号码。
上述用于识别用户姿态的方法,通过将时间序列连续的多张雷达点云图与多张雷达点云图中的每张雷达点云图对应的坐标点输入至姿态识别模型,获取姿态识别模型输出的姿态识别结果,在姿态识别结果为跌倒姿态的情况下,确定用户处于跌倒姿态,这种方法通过姿态识别模型有效地提高了对于用户是否处于跌倒的识别准确率,同时也可以及时发现用户是否处于跌倒状态,有效地降低了老人、小孩、孕妇或用户独自一人在家意外跌倒导致救援不及时的危险情况的发生。
在一个实施例中,如图2所示,提供了一种用于识别用户姿态的装置200,包括:
数据获取模块201,用于将时间序列连续的多张雷达点云图与多张雷达点云图中的每张雷达点云图对应的坐标点输入至姿态识别模型。
跌倒姿态识别模块202,用于获取姿态识别模型输出的姿态识别结果;在姿态识别结果为跌倒姿态的情况下,确定用户处于跌倒姿态。
在一个实施例中,数据获取模块201还用于在将多张雷达点云图与每张雷达点云图对应的雷达坐标点输入至姿态识别模型之前,获取雷达数据点及每个雷达数据点对应的坐标点;将同一时间点的雷达数据点进行堆叠,以得到对应的雷达点云图。
在一个实施例中,数据获取模块201还用于通过微波或毫米波雷达设备采集雷达数据。
在一个实施例中,姿态识别模型包括单阶段目标检测模型,单阶段目标检测模型包含长短期记性记忆层。
在一个实施例中,跌倒姿态识别模块202还用于确定每一张雷达点云图对应的检测回归框;将确定包含有人体的检测回归框确定为目标回归框;将目标回归框按照时间序列排序,以确定对应的姿态识别结果。
在一个实施例中,跌倒姿态识别模块202还用于确定检测回归框与预先标注有人体的标定框的交并比;将交并比大于预设阈值的检测回归框作为目标回归框。
在一个实施例中,跌倒姿态识别模块202还用于在存在有多个检测回归框的交并比大于预设阈值的情况下,将交并比的值最大的检测回归框作为目标回归框。
在一个实施例中,如图3所示,用于识别用户姿态的装置200还包括报警模块203,用于在确定用户处于跌倒姿态之后,触发报警信号;根据报警信号呼叫用户预先绑定的通信号码。
用于识别用户姿态的装置包括处理器和存储器,上述数据获取模块以及跌倒姿态识别模块等均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序模块中实现相应的功能。
处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数来实现对用户的姿态进行识别。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。
如图4所示,也提供了一种用于识别用户姿态的装置400,装置包括:
雷达设备401,用于采集与用户相关联的雷达数据。
处理器402,被配置成执行上述用于识别用户姿态的方法。
如图5所示,提供了一种热水器500,包括上述用于识别用户姿态的装置400。
如图6所示,提供了一种浴室监测系统600,包括:
用于识别用户姿态的装置400;
报警装置601,用于在确定用户处于跌倒姿态之后,启动报警。
在一个实施例中,如图7所示,报警装置601为自发电控制装置100,自发电控制装置100包括:
至少一触发件1,设置于自发电控制装置100的表面,用于接收动作指令;
自发电组件2,与触发件1连接,用于将动作指令产生的机械能转换成电能;
第一通信设备3,与触发件1通信并从自发电组件2接收电能,如图8所示,用于通过无线通信将动作指令生成的第一信号发送至对应的热水器700。
在本发明的实施方式中,触发件1可以是能够接收动作指令的元件,例如开关、按钮等能够按压的元件,用户通过按压、旋转等动作产生动作指令,操作更加方便。自发电指的是不需要外部电源产生电能。自发电指的是将机械能转化为电能,根据能量守恒的原理,通过用户的动作指令,将动作指令产生的机械能转化为电能。自发电组件2可以是通过发电机电磁感应原理来实现机械能转化为电能的过程。例如,在自发电控制装置100的内部设置导磁件、磁铁和驱动件,导磁件可以包括多个支部,其中一个支部上绕有线圈,驱动件驱动磁铁在导磁件的上下两个支部之间往复运动,磁铁在上下两个极限位置时,磁铁的一端与导磁件直接接触,另一端与导磁件存在间隙,由于该间隙中也存在磁场,磁铁和导磁件形成了磁场回路。这样,可以将磁铁在导磁件的上下两个支部之间往复运动的机械能转换为电能,进而给第一通信设备3提供电能。自发电组件2与触发件1连接,当触发件1接收到用户的动作指令时,自发电组件2将动作指令产生的机械能转换成电能。这样,可以用自发电组件2代替电池,不仅节能环保,也给用户的使用带来极大的便利。
自发电组件2产生的电能可以给第一通信设备3提供电能,第一通信设备3接收到自发电组件2的电能后,接收触发件1的动作指令对应的信号。并通过无线通信将动作指令产生的信号发送至对应的热水器700。其中,无线通信可以是无线个人局域网通讯技术(Wireless Personal Area Network,WPAN)、无线局域网(Wireless Local AreaNetworks,WLAN)、蜂窝网络等。其中,WPAN可以包括红外线通信、蓝牙(Bluetooth)、紫蜂(ZigBee)等。在本发明的实施方式中,第一通信设备3可以包括无线通信发射模块,对应的热水器700可以包括无线通信接收模块。自发电控制装置100可以通过第一通信设备3的无线通信发送模块发送信号至热水器700的无线通信接收模块。
以用户在浴室跌倒的场景为例,用户按压触发件1上报警信息相关的按钮或开关,自发电组件2接收到按压的动作,将机械能转换成电能,以给第一通信设备3提供电能,第一通信设备3接收到电能后,可以接收到触发件1的报警信号,同时,将报警信号通过无线通信发送至对用的热水器700。热水器700进一步可以与服务器800进行通信,服务器800再根据报警信号发送对应的提醒信息至终端设备900。这样,可以使得跌倒的用户得到及时的救治。
在本发明的实施方式中,无线通信发送模块和无线通信接收模块的距离需满足全屋范围。这样,只要是具有无线通信接收模块的电器设备,就能第一时间接收到对应的信号。这样,自发电控制装置100可以不仅仅局限于浴室内部发送信号,也可以是浴室以外的家庭场景发送对应的信号至热水器700。
通过设置于自发电控制装置100的表面的至少一触发件1,接收动作指令;通过自发电组件2将动作指令产生的机械能转换成电能;第一通信设备3接收自发电组件2产生的动能,通过无线通信将动作指令生成的第一信号发送至对应的热水器700。这样,若用户在浴室跌倒时,即使在没有电池的情况下,也可以通过自发电控制装置100进行通信,使得用户得到及时救援,同时,也能节省电能的消耗。
在一个实施例中,触发件为开关,用于在接收到按压动作时,生成报警信号并发送至第一通信设备,和/或触发件为温度调节触发件,用于在接收到按压动作时,生成对应的调节信号并发送至第一通信设备。
在本发明的实施方式中,如图9所示,触发件1可以为开关11,用于在接收到按压动作时,生成报警信号并发送至第一通信设备3。
具体地,触发件1上设置有开关11,用户在跌倒或其他危险情况时,可以直接按压开关11,产生对应的报警信号。自发电组件2接收到按压的动作,将机械能转换成电能,以给第一通信设备3提供电能,第一通信设备3接收到电能后,可以接收到开关11的报警信号,同时,将报警信号通过无线通信发送至对应的热水器700。热水器700进一步可以与服务器800进行通信,服务器800再根据报警信号发送对应的提醒信息至终端设备900。这样,可以使得跌倒的用户得到及时的救治。将报警信号设置为开关,使得用户操作更加简便,无需进行复杂的操作,就能产生报警信号。
在本发明的实施方式中,触发件1为温度调节触发件12,用于在接收到按压动作时,生成对应的调节信号并发送至第一通信设备3。
具体地,触发件1上设置有温度调节触发件12,温度调节触发件12可以为一个或多个。用户在洗澡过程中,若想调节水温,则可以通过按压或旋转温度调节触发件12,以产生对应的调节信号。自发电组件2接收到按压或旋转的动作,将机械能转换成电能,以给第一通信设备3提供电能,第一通信设备3接收到电能后,可以接收到温度调节触发件12产生的调节信号,同时,将调节信号通过无线通信发送至对应的热水器700。热水器700进一步通过控制模块对水温进行调节。这样,可以使得用户在洗澡时,通过身边的自发电控制装置100,对洗澡水的温度进行调节,不仅环保节能,也使得用户操作更加简便。
在本发明的实施方式中,温度调节触发件12包括第一温度调节触发件121和第二温度调节触发件122,第一温度调节触发件121用于在接收到按压动作时,生成调高水温信号并发送至第一通信设备3,第二温度调节触发件122用于在接收到按压动作时,生成调低水温信号并发送至第一通信设备3。
具体地,触发件1上设置有温度调节触发件12,温度调节触发件12为多个。用户在洗澡过程中,可以通过按压第一温度调节触发件121,产生调高水温信号;或者,可以通过按压第二温度调节触发件122,产生调低水温信号。自发电组件2接收到按压的动作,将机械能转换成电能,以给第一通信设备3提供电能,第一通信设备3接收到电能后,可以接收到第一温度调节触发件121或第二温度调节触发件122产生的调高水温信号或调低水温信号的调节信号,同时,将调节信号通过无线通信发送至对应的热水器700。热水器700进一步通过控制模块对水温进行调节。这样,可以使得用户在洗澡时,通过身边的自发电控制装置100,对洗澡水的温度进行调节,不仅环保节能,也使得用户操作更加简便。
在本发明的实施方式中,温度调节触发件12为旋转温度调节触发件,用于在接收到第一方向旋转的动作时,生成调高水温信号并发送至第一通信设备,在接收到第二方向旋转的动作时,生成调低水温信号并发送至第一通信设备。
具体地,触发件1上设置有一个温度调节触发件12,用户在洗澡过程中,可以通过旋转温度调节触发件12产生调节水温的信号,例如,第一方向旋转为调高水温信号,第二方向旋转为调低水温信号。其中,第一方向可以为顺时针方向,第二方向可以为逆时针方向;或者,第一方向可以为逆时针方向,第二方向可以为顺时针方向。自发电组件2接收到旋转的动作指令,将机械能转换成电能,以给第一通信设备3提供电能,第一通信设备3接收到电能后,可以接收到温度调节触发件12产生的调高水温信号或调低水温信号的调节信号,同时,将调节信号通过无线通信发送至对应的热水器700。热水器700进一步通过控制模块对水温进行调节。以第一方向为顺时针方向,第二方向为逆时针方向为例,自发电组件2接收到顺时针旋转的动作指令,将机械能转换成电能,以给第一通信设备3提供电能,第一通信设备3接收到电能后,可以接收到调高水温信号,同时,通过无线通信发送调高水温信号至热水器700,热水器700进一步通过控制模块调高水温。这样,可以使得用户在洗澡时,通过身边的自发电控制装置100,对洗澡水的温度进行调节,不仅环保节能,也使得用户操作更加简便。
本发明实施例提供了一种存储介质,其上存储有程序,该程序被处理器执行时实现上述用于识别用户姿态的方法。
本发明实施例提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行上述用于识别用户姿态的方法。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图10所示。该计算机设备包括通过系统总线连接的处理器A01、网络接口A02、存储器(图中未示出)和数据库(图中未示出)。其中,该计算机设备的处理器A01用于提供计算和控制能力。该计算机设备的存储器包括内存储器A03和非易失性存储介质A04。该非易失性存储介质A04存储有操作系统B01、计算机程序B02和数据库(图中未示出)。该内存储器A03为非易失性存储介质A04中的操作系统B01和计算机程序B02的运行提供环境。该计算机设备的数据库用于存储用户相关联的雷达数据等。该计算机设备的网络接口A02用于与外部的终端通过网络连接通信。该计算机程序B02被处理器A01执行时以实现一种用于识别用户姿态的方法。
本领域技术人员可以理解,图10中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
本发明实施例提供了一种设备,设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序,处理器执行程序时实现以下步骤:将时间序列连续的多张雷达点云图与多张雷达点云图中的每张雷达点云图对应的坐标点输入至姿态识别模型;获取姿态识别模型输出的姿态识别结果;在姿态识别结果为跌倒姿态的情况下,确定用户处于跌倒姿态。
在一个实施例中,方法还包括:在将多张雷达点云图与每张雷达点云图对应的雷达坐标点输入至姿态识别模型之前,获取雷达数据点及每个雷达数据点对应的坐标点;将同一时间点的雷达数据点进行堆叠,以得到对应的雷达点云图。
在一个实施例中,雷达数据点是通过微波或毫米波雷达设备采集得到的。
在一个实施例中,姿态识别模型包括单阶段目标检测模型,单阶段目标检测模型包含长短期记性记忆层。
在一个实施例中,方法还包括:确定每一张雷达点云图对应的检测回归框;将确定包含有人体的检测回归框确定为目标回归框;将目标回归框按照时间序列排序,以确定对应的姿态识别结果。
在一个实施例中,将确定包含有人体的检测回归框确定为目标回归框包括:确定检测回归框与预先标注有人体的标定框的交并比;将交并比大于预设阈值的检测回归框作为目标回归框。
在一个实施例中,在存在有多个检测回归框的交并比大于预设阈值的情况下,将交并比的值最大的检测回归框作为目标回归框。
在一个实施例中,方法还包括:在确定用户处于跌倒姿态之后,触发报警信号;根据报警信号呼叫用户预先绑定的通信号码。
本申请还提供了一种计算机程序产品,当在数据处理设备上执行时,适于执行初始化有如下方法步骤的程序:将时间序列连续的多张雷达点云图与多张雷达点云图中的每张雷达点云图对应的坐标点输入至姿态识别模型;获取姿态识别模型输出的姿态识别结果;在姿态识别结果为跌倒姿态的情况下,确定用户处于跌倒姿态。
在一个实施例中,方法还包括:在将多张雷达点云图与每张雷达点云图对应的雷达坐标点输入至姿态识别模型之前,获取雷达数据点及每个雷达数据点对应的坐标点;将同一时间点的雷达数据点进行堆叠,以得到对应的雷达点云图。
在一个实施例中,雷达数据点是通过微波或毫米波雷达设备采集得到的。
在一个实施例中,姿态识别模型包括单阶段目标检测模型,单阶段目标检测模型包含长短期记性记忆层。
在一个实施例中,方法还包括:确定每一张雷达点云图对应的检测回归框;将确定包含有人体的检测回归框确定为目标回归框;将目标回归框按照时间序列排序,以确定对应的姿态识别结果。
在一个实施例中,将确定包含有人体的检测回归框确定为目标回归框包括:确定检测回归框与预先标注有人体的标定框的交并比;将交并比大于预设阈值的检测回归框作为目标回归框。
在一个实施例中,在存在有多个检测回归框的交并比大于预设阈值的情况下,将交并比的值最大的检测回归框作为目标回归框。
在一个实施例中,方法还包括:在确定用户处于跌倒姿态之后,触发报警信号;根据报警信号呼叫用户预先绑定的通信号码。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (15)
1.一种用于识别用户姿态的方法,其特征在于,所述方法包括:
将时间序列连续的多张雷达点云图与所述多张雷达点云图中的每张雷达点云图对应的坐标点输入至姿态识别模型;
获取所述姿态识别模型输出的姿态识别结果;
在所述姿态识别结果为跌倒姿态的情况下,确定所述用户处于跌倒姿态。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
在将多张雷达点云图与每张雷达点云图对应的雷达坐标点输入至姿态识别模型之前,获取雷达数据点及每个雷达数据点对应的坐标点;
将同一时间点的雷达数据点进行堆叠,以得到对应的雷达点云图。
3.根据权利要求2所述的方法,其特征在于,所述雷达数据点是通过微波或毫米波雷达设备采集得到的。
4.根据权利要求1所述的方法,其特征在于,所述姿态识别模型包括单阶段目标检测模型,所述单阶段目标检测模型包含长短期记性记忆层。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
确定每一张雷达点云图对应的检测回归框;
将确定包含有人体的检测回归框确定为目标回归框;
将所述目标回归框按照时间序列排序,以确定对应的姿态识别结果。
6.根据权利要求5所述的方法,其特征在于,将确定包含有人体的检测回归框确定为目标回归框包括:
确定所述检测回归框与预先标注有人体的标定框的交并比;
将所述交并比大于预设阈值的检测回归框作为目标回归框。
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:
在存在有多个检测回归框的交并比大于所述预设阈值的情况下,将所述交并比的值最大的检测回归框作为目标回归框。
8.根据权利要求1所述的方法,其特征在于,所述方法还包括:
在确定所述用户处于跌倒姿态之后,触发报警信号;
根据所述报警信号呼叫所述用户预先绑定的通信号码。
9.一种处理器,其特征在于,被配置成执行根据权利要求1至8中任意一项所述的用于识别用户姿态的方法。
10.一种用于识别用户姿态的装置,其特征在于,所述装置包括:
雷达设备,用于采集与用户相关联的雷达数据;
根据权利要求9所述的处理器。
11.一种热水器,其特征在于,包括根据权利要求10所述的用于识别用户姿态的装置。
12.一种浴室监测系统,其特征在于,包括:
根据权利要求11所述的用于识别用户姿态的装置;
报警装置,用于在确定所述用户处于跌倒姿态之后,启动报警。
13.根据权利要求12所述的浴室监测系统,其特征在于,所述报警装置为自发电控制装置,所述自发电控制装置包括:
至少一触发件,设置于所述自发电控制装置的表面,用于接收动作指令;
自发电组件,与所述触发件连接,用于将所述动作指令产生的机械能转换成电能;
第一通信设备,与所述触发件通信并从所述自发电组件接收电能,用于通过无线通信将所述动作指令生成的第一信号发送至对应的热水器。
14.根据权利要求13所述的浴室监测系统,其特征在于,所述触发件为开关,用于在接收到按压动作时,生成报警信号并发送至所述第一通信设备,和/或
触发件为温度调节触发件,用于在接收到按压动作时,生成对应的调节信号并发送至所述第一通信设备。
15.一种机器可读存储介质,该机器可读存储介质上存储有指令,其特征在于,该指令在被处理器执行时使得所述处理器被配置成执行根据权利要求1至8中任一项所述的用于识别用户姿态的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011290078.3A CN112581723A (zh) | 2020-11-17 | 2020-11-17 | 用于识别用户姿态的方法、装置、处理器及热水器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011290078.3A CN112581723A (zh) | 2020-11-17 | 2020-11-17 | 用于识别用户姿态的方法、装置、处理器及热水器 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112581723A true CN112581723A (zh) | 2021-03-30 |
Family
ID=75122792
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011290078.3A Pending CN112581723A (zh) | 2020-11-17 | 2020-11-17 | 用于识别用户姿态的方法、装置、处理器及热水器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112581723A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113221709A (zh) * | 2021-04-30 | 2021-08-06 | 芜湖美的厨卫电器制造有限公司 | 用于识别用户运动的方法、装置及热水器 |
CN113901948A (zh) * | 2021-11-04 | 2022-01-07 | 海信集团控股股份有限公司 | 学习姿态识别方法及设备 |
CN113903147A (zh) * | 2021-09-30 | 2022-01-07 | 湖南时变通讯科技有限公司 | 一种基于雷达的人体姿态判别方法、装置、设备及介质 |
CN113936424A (zh) * | 2021-09-14 | 2022-01-14 | 青岛经济技术开发区海尔热水器有限公司 | 一种监测人体行为并主动告警的方法、热水器和服务器 |
CN115482645A (zh) * | 2021-05-31 | 2022-12-16 | 漳州立达信光电子科技有限公司 | 对象涉危事件检测方法及装置 |
CN115601925A (zh) * | 2022-11-17 | 2023-01-13 | 中南民族大学(Cn) | 跌倒检测系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2626845A1 (de) * | 2012-02-09 | 2013-08-14 | GIRA GIERSIEPEN GmbH & Co. KG | Verfahren und Sensor-System zur sensorischen Raum-Überwachung |
CN108510707A (zh) * | 2017-02-27 | 2018-09-07 | 芜湖美的厨卫电器制造有限公司 | 电热水器及浴室内基于电热水器的跌倒提示方法和装置 |
CN109581361A (zh) * | 2018-11-22 | 2019-04-05 | 九牧厨卫股份有限公司 | 一种检测方法、检测装置、终端以及检测系统 |
CN109712108A (zh) * | 2018-11-05 | 2019-05-03 | 杭州电子科技大学 | 一种基于多样鉴别性候选框生成网络的针对视觉定位方法 |
CN110009869A (zh) * | 2019-04-01 | 2019-07-12 | 珠海格力电器股份有限公司 | 活动信息的监控方法、装置和系统 |
CN110059646A (zh) * | 2019-04-23 | 2019-07-26 | 暗物智能科技(广州)有限公司 | 训练动作规划模型的方法及目标搜索方法 |
CN111862563A (zh) * | 2020-06-08 | 2020-10-30 | 广东万家乐燃气具有限公司 | 多路无线发射装置、无线通信装置以及热水器装置 |
-
2020
- 2020-11-17 CN CN202011290078.3A patent/CN112581723A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2626845A1 (de) * | 2012-02-09 | 2013-08-14 | GIRA GIERSIEPEN GmbH & Co. KG | Verfahren und Sensor-System zur sensorischen Raum-Überwachung |
CN108510707A (zh) * | 2017-02-27 | 2018-09-07 | 芜湖美的厨卫电器制造有限公司 | 电热水器及浴室内基于电热水器的跌倒提示方法和装置 |
CN109712108A (zh) * | 2018-11-05 | 2019-05-03 | 杭州电子科技大学 | 一种基于多样鉴别性候选框生成网络的针对视觉定位方法 |
CN109581361A (zh) * | 2018-11-22 | 2019-04-05 | 九牧厨卫股份有限公司 | 一种检测方法、检测装置、终端以及检测系统 |
CN110009869A (zh) * | 2019-04-01 | 2019-07-12 | 珠海格力电器股份有限公司 | 活动信息的监控方法、装置和系统 |
CN110059646A (zh) * | 2019-04-23 | 2019-07-26 | 暗物智能科技(广州)有限公司 | 训练动作规划模型的方法及目标搜索方法 |
CN111862563A (zh) * | 2020-06-08 | 2020-10-30 | 广东万家乐燃气具有限公司 | 多路无线发射装置、无线通信装置以及热水器装置 |
Non-Patent Citations (1)
Title |
---|
马钰锡等: "面向智能监控的行为识别", 《中国图象图形学报》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113221709A (zh) * | 2021-04-30 | 2021-08-06 | 芜湖美的厨卫电器制造有限公司 | 用于识别用户运动的方法、装置及热水器 |
CN113221709B (zh) * | 2021-04-30 | 2022-11-25 | 芜湖美的厨卫电器制造有限公司 | 用于识别用户运动的方法、装置及热水器 |
CN115482645A (zh) * | 2021-05-31 | 2022-12-16 | 漳州立达信光电子科技有限公司 | 对象涉危事件检测方法及装置 |
CN113936424A (zh) * | 2021-09-14 | 2022-01-14 | 青岛经济技术开发区海尔热水器有限公司 | 一种监测人体行为并主动告警的方法、热水器和服务器 |
CN113903147A (zh) * | 2021-09-30 | 2022-01-07 | 湖南时变通讯科技有限公司 | 一种基于雷达的人体姿态判别方法、装置、设备及介质 |
CN113901948A (zh) * | 2021-11-04 | 2022-01-07 | 海信集团控股股份有限公司 | 学习姿态识别方法及设备 |
CN115601925A (zh) * | 2022-11-17 | 2023-01-13 | 中南民族大学(Cn) | 跌倒检测系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112581723A (zh) | 用于识别用户姿态的方法、装置、处理器及热水器 | |
US10984641B2 (en) | Parcel theft deterrence for A/V recording and communication devices | |
US10769914B2 (en) | Informative image data generation using audio/video recording and communication devices | |
US11195393B1 (en) | Passing vehicle filters for audio/video recording and communication devices | |
US20200120309A1 (en) | Accessing cameras of audio/video recording and communication devices based on location | |
CN111033445B (zh) | 用于手势辨识的系统和方法 | |
CN110286744B (zh) | 信息处理方法和装置、电子设备、计算机可读存储介质 | |
US20150138353A1 (en) | Smart doorbell with energy saving method | |
US10546474B2 (en) | Mobile device and anti-theft method thereof | |
EP3382426B1 (en) | Switching method and portable electronic device | |
US11954868B2 (en) | Scaled human video tracking | |
WO2023098287A1 (zh) | 消息推送方法、装置、存储介质及电子装置 | |
KR20150130854A (ko) | 오디오 신호 인식 방법 및 이를 제공하는 전자 장치 | |
EP3298803A1 (en) | Interoperating sensing devices and mobile devices | |
CN112698288A (zh) | 用于识别姿态的方法、装置、处理器、热水器及监测系统 | |
CN111008671B (zh) | 姿势识别方法和装置、电子设备、计算机可读存储介质 | |
Naser et al. | A novel privacy-preserving approach for physical distancing measurement using thermal sensor array | |
US10586434B1 (en) | Preventing unauthorized access to audio/video recording and communication devices | |
CN112556193A (zh) | 用于热水器的控制方法、装置、处理器及热水器 | |
Shukri et al. | Device-free localization for human activity monitoring | |
CN112148105A (zh) | 一种门禁系统唤醒方法及装置 | |
US11510256B2 (en) | Configuration method of Wi-Fi doorbell, doorbell, housing complex communication system, and climate information providing system | |
CN108921274A (zh) | 监控区域人数确定方法及装置 | |
US11398070B1 (en) | Boundary approximation utilizing radar | |
US11170732B2 (en) | Smart mirror, device and method for controlling screen state of electronic device, and storage medium |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210330 |