CN112712020A - 睡眠监测方法、装置及系统 - Google Patents
睡眠监测方法、装置及系统 Download PDFInfo
- Publication number
- CN112712020A CN112712020A CN202011598293.XA CN202011598293A CN112712020A CN 112712020 A CN112712020 A CN 112712020A CN 202011598293 A CN202011598293 A CN 202011598293A CN 112712020 A CN112712020 A CN 112712020A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- image
- sleep
- object exists
- exists
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 195
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000001514 detection method Methods 0.000 claims abstract description 92
- 238000010438 heat treatment Methods 0.000 claims description 31
- 238000003062 neural network model Methods 0.000 claims description 29
- 238000004590 computer program Methods 0.000 claims description 14
- 238000002372 labelling Methods 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 12
- 230000002159 abnormal effect Effects 0.000 claims description 10
- 238000012806 monitoring device Methods 0.000 claims description 10
- 230000008859 change Effects 0.000 abstract description 7
- 230000010485 coping Effects 0.000 abstract description 4
- 230000036544 posture Effects 0.000 description 36
- 238000010586 diagram Methods 0.000 description 15
- 238000004891 communication Methods 0.000 description 7
- 230000007613 environmental effect Effects 0.000 description 6
- 206010003497 Asphyxia Diseases 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 206010037660 Pyrexia Diseases 0.000 description 3
- 230000036760 body temperature Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000006698 induction Effects 0.000 description 2
- 230000000246 remedial effect Effects 0.000 description 2
- 230000003860 sleep quality Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003331 infrared imaging Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/01—Measuring temperature of body parts ; Diagnostic temperature sensing, e.g. for malignant or inflamed tissue
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
-
- 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
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- 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
-
- 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
Abstract
本发明提供了一种睡眠监测方法、装置及系统,涉及监控技术领域,在进行睡眠监测时,先获取指定区域的监测图像;然后根据该监测图像判断指定区域内是否存在监测对象;当存在监测对象时,根据监测图像对监测对象进行睡眠情况检测;其中,睡眠情况检测包括被服覆盖率检测。这种基于监测图像的睡眠监测方式,无需接触婴幼儿即可进行诸如被服覆盖情况的睡眠监测,从而能够适配多种场景,可以灵活应对环境的变换。
Description
技术领域
本发明涉及监控技术领域,尤其是涉及一种睡眠监测方法、装置及系统。
背景技术
儿童特别是婴幼儿,在睡眠过程中容易出现被子覆盖头部的情况,造成窒息,因此对儿童的睡眠进行监测是十分有必要的。
目前通常通过在床垫和被服上安装对应的纽扣传感器来识别被子和人的位置,或者接触指定位置传感器来触发对应信号上报,从而实现睡眠监测。然而这些睡眠监测方式均依赖传感器设备,而单一传感器只能适配一种特定的场景,无法灵活应对环境的变换,适应性较差。
发明内容
本发明的目的在于提供一种睡眠监测方法、装置及系统,以实现无接触式睡眠监测,提高环境适应性。
本发明实施例提供了一种睡眠监测方法,包括:
获取指定区域的监测图像;
根据所述监测图像判断所述指定区域内是否存在监测对象;
当存在所述监测对象时,根据所述监测图像对所述监测对象进行睡眠情况检测;其中,所述睡眠情况检测包括被服覆盖率检测。
进一步地,根据所述监测图像判断所述指定区域内是否存在监测对象的步骤,包括:
将所述监测图像输入预先训练好的神经网络模型,得到所述神经网络模型的输出结果,所述输出结果包括用于标记生命体所在区域范围的目标物检测结果;
当所述目标物检测结果指示存在生命体时,确定所述指定区域内存在监测对象。
进一步地,所述监测图像包括可见光图像和红外图像;所述目标物检测结果包括与所述可见光图像对应的目标物识别结果和与所述红外图像对应的发热体判断结果;
当所述目标物检测结果指示存在生命体时,确定所述指定区域内存在监测对象的步骤,包括:
当所述目标物识别结果指示存在目标物和/或所述发热体判断结果指示存在发热物体时,确定所述指定区域内存在监测对象。
进一步地,当所述目标物检测结果指示存在生命体时,确定所述指定区域内存在监测对象的步骤,还包括:
当所述目标物识别结果指示不存在目标物且所述发热体判断结果指示不存在发热物体时,获取所述指定区域的热感信号;
当所述热感信号指示存在发热物体时,确定所述指定区域内存在监测对象。
进一步地,所述输出结果还包括被服检测结果;根据所述监测图像对所述监测对象进行睡眠情况检测的步骤,包括:
根据所述目标物检测结果确定所述监测对象的脸部范围;
根据所述脸部范围和所述被服检测结果,确定所述监测对象的脸部覆盖率;
根据所述脸部覆盖率进行告警指示。
进一步地,所述输出结果还包括睡姿检测结果;根据所述监测图像对所述监测对象进行睡眠情况检测的步骤,还包括:
当根据所述目标物检测结果确定所述监测对象为婴幼儿时,根据所述睡姿检测结果判断所述监测对象的睡姿是否异常;
当所述监测对象的睡姿异常时,进行告警指示。
进一步地,在根据所述监测图像判断所述指定区域内是否存在监测对象之后,所述方法还包括:
当存在所述监测对象时,获取所述监测对象的红外图像;
根据所述红外图像确定所述监测对象的体表温度值;
根据所述体表温度值进行告警指示。
进一步地,所述方法还包括:
获取样本图像;
对所述样本图像进行目标物标注、被服标注和睡姿标注,得到标注后图像;
根据所述样本图像和所述标注后图像对初始神经网络模型进行训练,得到训练后的神经网络模型。
本发明实施例还提供了一种睡眠监测装置,包括:
获取模块,用于获取指定区域的监测图像;
判断模块,用于根据所述监测图像判断所述指定区域内是否存在监测对象;
检测模块,用于当所述判断模块判断存在所述监测对象时,根据所述监测图像对所述监测对象进行睡眠情况检测;其中,所述睡眠情况检测包括被服覆盖率检测。
本发明实施例还提供了一种睡眠监测系统,包括互连的摄像设备和电子设备;所述摄像设备用于向所述电子设备提供指定区域的监测图像;所述电子设备包括存储器、处理器,所述存储器中存储有可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述的睡眠监测方法。
本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行上述的睡眠监测方法。
本发明实施例提供了一种睡眠监测方法、装置及系统,在进行睡眠监测时,先获取指定区域的监测图像;然后根据该监测图像判断指定区域内是否存在监测对象;当存在监测对象时,根据监测图像对监测对象进行睡眠情况检测;其中,睡眠情况检测包括被服覆盖率检测。这种基于监测图像的睡眠监测方式,无需接触婴幼儿即可进行诸如被服覆盖情况的睡眠监测,从而能够适配多种场景,可以灵活应对环境的变换。因此本发明实施例提供的睡眠监测方法、装置及系统,实现了无接触式睡眠监测,提高了环境适应性。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种睡眠监测方法的流程示意图;
图2为本发明实施例提供的一种神经网络模型的训练流程示意图;
图3为本发明实施例提供的一种睡眠监测方法的功能结构图;
图4为本发明实施例提供的一种睡眠监测方法的运行流程图;
图5为本发明实施例提供的一种睡眠监测装置的结构示意图;
图6为本发明实施例提供的另一种睡眠监测装置的结构示意图;
图7为本发明实施例提供的一种睡眠监测系统的结构示意图;
图8为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
目前在婴幼儿睡眠监测方面,大多是依赖于在床垫和被服上安装对应的纽扣传感器来识别被子和人的位置,或依赖接触指定位置传感器来触发对应信号上报,才可以进行单一情景提示。单一传感器只能适配一种特定的场景,无法灵活应对环境的变换;并且由于婴幼儿比较娇嫩,在用户使用心里上对过多的电子器件会产生安全顾虑。基于此,本发明实施例提供的一种睡眠监测方法、装置以及系统,可以实现无接触式睡眠监测,提高环境适应性。
为便于对本实施例进行理解,首先对本发明实施例所公开的一种睡眠监测方法进行详细介绍。
本发明实施例提供了一种睡眠监测方法,该方法可以由与摄像设备连接的具有图像数据处理能力的电子设备执行,该电子设备可以为手机、台式电脑、笔记本电脑或平板电脑等。该方法特别适用于婴幼儿的睡眠监测。参见图1所示的一种睡眠监测方法的流程示意图,该方法主要包括如下步骤S102~步骤S106:
步骤S102,获取指定区域的监测图像。
上述指定区域可以是床上或其他供睡觉的地方。可以通过诸如高清摄像头等摄像设备拍摄诸如床上的视频图像,该视频图像即为监测图像。
步骤S104,根据监测图像判断指定区域内是否存在监测对象。
可以通过对监测图像进行图像识别,来确定指定区域内是否存在监测对象。该监测对象可以是人体或动物体,人体可以是婴幼儿,也可以是需要被监护的其他人员。
在一些可能的实施例中,可以将监测图像输入预先训练好的神经网络模型,得到神经网络模型的输出结果,该输出结果包括用于标记生命体所在区域范围的目标物检测结果;当目标物检测结果指示存在生命体时,确定指定区域内存在监测对象。神经网络模型可以是在其他设备中训练好之后部署在执行该睡眠监测方法的电子设备上的,也可以是直接在该电子设备上训练得到的;例如,神经网络模型可以在台式电脑中训练好之后,部署在手机的Android平台上,通过手机执行该睡眠监测方法。
进一步,上述监测图像可以是可见光图像,也可以是红外图像,还可以同时包括可见光图像和红外图像。相应地,目标物检测结果可以包括与可见光图像对应的目标物识别结果和/或与红外图像对应的发热体判断结果,其中,若存在目标物,则目标物识别结果可以是标记有诸如婴幼儿等目标物所在的位置区域的检测框;若存在发热物体,则发热体判断结果可以是标记有诸如婴幼儿等发热物体所在的位置区域的检测框;若不存在检测框,则说明未识别出目标物或发热物体,即指示不存在目标物或发热物体。
当采用可见光图像和红外图像进行双重判断时,只要目标物识别结果和发热体判断结果之一指示存在目标物或发热物体,就认为指定区域内存在监测对象,也即,当目标物识别结果指示存在目标物和/或发热体判断结果指示存在发热物体时,确定指定区域内存在监测对象。
为了降低误检测的发生概率,在上述双重判断的基础上,还可以进一步通过热感应识别进行三重判断,也即,当目标物识别结果指示不存在目标物且发热体判断结果指示不存在发热物体时,获取指定区域的热感信号;当热感信号指示存在发热物体时,确定指定区域内存在监测对象;当热感信号指示不存在发热物体时,确定指定区域内不存在监测对象。具体实现时,热感信号可以是热感应传感器产生的,热感应传感器可以输出诸如“0”或“1”等两类热感信号,一类热感信号(诸如“1”)指示存在发热物体,另一类热感信号(诸如“0”)指示不存在发热物体。
需要说明的是,虽然本实施例中仅给出了包含热感应识别的三重判断方式,但本发明的保护范围不限于此,在其他实施例中,也可以单独采用热感应识别来判断是否存在监测对象。
步骤S106,当存在监测对象时,根据监测图像对监测对象进行睡眠情况检测;其中,睡眠情况检测包括被服覆盖率检测。
在一些可能的实施例中,上述神经网络模型的输出结果还包括被服检测结果,被服检测结果可以是标记有被服所在的位置区域的检测框。基于此,上述步骤S106可以包括:根据目标物检测结果确定监测对象的脸部范围;根据脸部范围和被服检测结果,确定监测对象的脸部覆盖率;根据脸部覆盖率进行告警指示。这里的脸部覆盖率是被服在监测对象脸部的覆盖百分比,例如100%、80%、60%、40%、20%或0%等。可以在脸部覆盖率超过设定的覆盖率上限时进行告警指示,告警指示可以采用微信、电话和声光提醒中的一种或多种方式。例如覆盖率上限为60%,若脸部覆盖率为70%,则进行诸如微信、电话和声光提醒等告警指示。另外,在进行告警指示时,还可以控制其他关联设备执行补救措施,例如执行拉取被服等操作。这样实现了防被服覆盖窒息检测,可以防止婴幼儿由于被子覆盖头部造成的窒息。
另外被服覆盖率检测中,还可以根据目标物检测结果和被服检测结果,确定监测对象的整体覆盖率,根据整体覆盖率进行告警指示。这里的整体覆盖率是被服在监测对象整体的覆盖百分比,可以当整体覆盖率小于设定的覆盖率下限时,进行告警指示。例如,覆盖率下限为30%,若整体覆盖率为10%,则进行诸如微信、电话和声光提醒等告警指示。这样可以防止婴幼儿由于蹬踢被子造成着凉生病。
考虑到婴幼儿长时间趴着睡(脸部朝下)时容易出现窒息风险,本实施例还可以进行睡姿防窒息检测,具体如下:
上述神经网络模型的输出结果还包括睡姿检测结果;基于此,上述步骤S106还可以包括:当根据目标物检测结果确定监测对象为婴幼儿时,根据睡姿检测结果判断监测对象的睡姿是否异常;当监测对象的睡姿异常时,进行告警指示。婴幼儿的体型较小,可以根据目标物检测结果中监测对象的尺寸来确定监测对象是否为婴幼儿。睡姿检测结果为对睡姿的识别结果,可以包括脸部朝下和正常睡姿两类,其中,正常睡姿还可以进一步细分为多种睡姿。若睡姿检测结果为脸部朝下,则确定监测对象的睡姿异常,进而进行告警指示。这样可以防止婴幼儿睡眠姿势错误导致的面部朝下呼吸困难而窒息的情况发生。
进一步,在另一些可能的实施例中,上述步骤S106还可以包括:当存在监测对象时,获取监测对象的红外图像;根据红外图像确定监测对象的体表温度值;根据体表温度值进行告警指示。可以当体表温度值大于设定的温度上限或者小于设定的温度下限时,进行告警指示。例如,温度上限为37.5℃,若体表温度值为38℃,则进行诸如微信、电话和声光提醒等告警指示。这样可以解决婴幼儿在深夜睡眠突然发烧,而不能及时发现的问题。
本发明实施例中,在进行睡眠监测时,先获取指定区域的监测图像;然后根据该监测图像判断指定区域内是否存在监测对象;当存在监测对象时,根据监测图像对监测对象进行睡眠情况检测;其中,睡眠情况检测包括被服覆盖率检测。这种基于监测图像的睡眠监测方式,无需接触婴幼儿即可进行诸如被服覆盖情况的睡眠监测,从而能够适配多种场景,可以灵活应对环境的变换。因此本发明实施例提供的睡眠监测方法,实现了无接触式睡眠监测,提高了环境适应性。
本发明实施例还提供了上述神经网络模型的训练过程,参见图2所示的一种神经网络模型的训练流程示意图,包括如下步骤:
步骤S202,获取样本图像。
样本图像可以为摄像设备拍摄的诸如床上的视频图像,样本图像中可以包含监测对象和被服。可以将样本图像添加到训练数据集(Dataset)中。
步骤S204,对样本图像进行目标物标注、被服标注和睡姿标注,得到标注后图像。
可以采用现有的标注工具对样本图像进行目标物标注、被服标注和睡姿标注;例如采用Labelme或Labelimg对样本图像中的婴幼儿、被服和睡姿进行标注,得到标注后图像,可以将标注后图像也添加到训练数据集中。
步骤S206,根据样本图像和标注后图像对初始神经网络模型进行训练,得到训练后的神经网络模型。
上述样本图像作为初始神经网络模型的输入,通过比较初始神经网络模型的输出和标注后图像来调整模型参数,实现神经网络模型的训练。具体实现时,可以使用Pytorch3.7 AI机器学习框架,导入上述训练数据集,通过不断调整模型参数来训练神经网络模型,最终导出调优后的神经网络模型。
为了便于理解,以监测对象为婴儿为例,本实施例还提供了一种睡眠监测方法的功能结构图,如图3所示,高清红外摄像头用于拍摄红外图像,根据该红外图像可以分别进行体温监测、被服监测和睡眠姿态检测;通过体温监测可以实现婴儿的发烧预警,在发烧预警时可以进行声光提醒和手机提醒;被服监测包括被服位置监测,通过被服位置监测可以实现婴儿的防窒息和防踢被监测,在婴儿存在窒息和/或踢被风险时可以进行提醒和被服处理(通过关联设备实现);在进行睡眠姿态检测时可以进行姿势识别和姿势变换频率计算,通过姿势识别可以实现婴儿的防窒息监测,根据姿势识别和姿势变换频率可以进行睡眠质量统计,进而可以进行睡眠习惯分析。
进一步,以监测对象为婴儿为例,本实施例还提供了一种睡眠监测方法的运行流程,参见图4所示的一种睡眠监测方法的运行流程图,该方法的运行流程包括:
1、系统上电后,高清红外摄像头工作,开始扫描工作环境,产生视频流数据。另外,此阶段还可以通过相应的传感器进行环境数据识别(如温度、湿度和气压等),以便后续进行睡眠质量统计。
2、AI模型输入高清红外摄像头产生的视频流数据中的每帧数据,首先检测床上是否有幼儿。可以通过AI模型识别幼儿图像数据范围,以及通过红外成像识别是否存在发热物体,双重判断确认床上是否存在幼儿,其中AI模型指上述的神经网络模型。
3、若第2步判断不存在幼儿,则继续处理下一帧图像数据。
4、若床上存在幼儿,则进行被服检测、体表温度测定和睡姿检测,然后判断检测结果是否异常。
5、若第4步的检测结果为是,则进行提醒警告处理(进行对应的状态提示),还可以进一步执行补救措施。
6、若第4步的检测结果为否,则进行下一帧处理。
本发明实施例提供的睡眠监测方法具有以下有益效果:(1)无需接触幼儿即可进行睡眠姿势、被服覆盖情况、幼儿体温等数据监测,实时反馈婴幼儿的睡眠情况,如有突发危险情况可直接提醒看护人,或结合关联设备进行紧急处理;(2)降低婴幼儿由于危险的睡眠姿势或被服覆盖而导致的悲催事故发生概率,也可防止因为婴幼儿睡眠中蹬踢被子而导致的发烧感冒现象,减少父母的担心。
对应于上述的睡眠监测方法,本发明实施例还提供了一种睡眠监测装置,参见图5所示的一种睡眠监测装置的结构示意图,该装置包括:
获取模块52,用于获取指定区域的监测图像;
判断模块54,用于根据监测图像判断指定区域内是否存在监测对象;
检测模块56,用于当判断模块54判断存在监测对象时,根据监测图像对监测对象进行睡眠情况检测;其中,睡眠情况检测包括被服覆盖率检测。
本发明实施例提供的睡眠监测装置,在进行睡眠监测时,先获取指定区域的监测图像;然后根据该监测图像判断指定区域内是否存在监测对象;当存在监测对象时,根据监测图像对监测对象进行睡眠情况检测;其中,睡眠情况检测包括被服覆盖率检测。这种基于监测图像的睡眠监测方式,无需接触婴幼儿即可进行诸如被服覆盖情况的睡眠监测,从而能够适配多种场景,可以灵活应对环境的变换。因此本发明实施例提供的睡眠监测装置,实现了无接触式睡眠监测,提高了环境适应性。
进一步,上述判断模块54具体用于:将监测图像输入预先训练好的神经网络模型,得到神经网络模型的输出结果,该输出结果包括用于标记生命体所在区域范围的目标物检测结果;当目标物检测结果指示存在生命体时,确定指定区域内存在监测对象。
进一步,上述监测图像包括可见光图像和红外图像;目标物检测结果包括与可见光图像对应的目标物识别结果和与红外图像对应的发热体判断结果;上述判断模块54还用于:当目标物识别结果指示存在目标物和/或发热体判断结果指示存在发热物体时,确定指定区域内存在监测对象。
进一步,上述判断模块54还用于:当目标物识别结果指示不存在目标物且发热体判断结果指示不存在发热物体时,获取指定区域的热感信号;当热感信号指示存在发热物体时,确定指定区域内存在监测对象;当热感信号指示不存在发热物体时,确定指定区域内不存在监测对象。
进一步,上述输出结果还包括被服检测结果;上述检测模块56具体用于:根据目标物检测结果确定监测对象的脸部范围;根据脸部范围和被服检测结果,确定监测对象的脸部覆盖率;根据脸部覆盖率进行告警指示。
进一步,上述输出结果还包括睡姿检测结果;上述检测模块56还用于:当根据目标物检测结果确定监测对象为婴幼儿时,根据睡姿检测结果判断监测对象的睡姿是否异常;当监测对象的睡姿异常时,进行告警指示。
进一步,上述检测模块56还用于:当存在监测对象时,获取监测对象的红外图像;根据红外图像确定监测对象的体表温度值;根据体表温度值进行告警指示。
进一步,参见图6所示的另一种睡眠监测装置的结构示意图,在图5的基础上,该装置还包括训练模块62,用于:获取样本图像;对样本图像进行目标物标注、被服标注和睡姿标注,得到标注后图像;根据样本图像和标注后图像对初始神经网络模型进行训练,得到训练后的神经网络模型。
本实施例所提供的装置,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。
本发明实施例还提供了一种睡眠监测系统,参见图7所示的一种睡眠监测系统的结构示意图,该系统包括:互连的摄像设备72和电子设备74;摄像设备72用于向电子设备74提供指定区域的监测图像;电子设备74包括存储器、处理器,存储器中存储有可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述的睡眠监测方法。
参见图8,本发明实施例还提供一种电子设备74,包括:处理器80,存储器81,总线82和通信接口83,所述处理器80、通信接口83和存储器81通过总线82连接;处理器80用于执行存储器81中存储的可执行模块,例如计算机程序。
其中,存储器81可能包含随机存取存储器(Random Access Memory,简称RAM),也可能还包括非易失性存储器(non-volatile memory,简称NVM),例如至少一个磁盘存储器。通过至少一个通信接口83(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接,可以使用互联网,广域网,本地网,城域网等。
总线82可以是工业标准体系结构(Industry Standard Architecture,简称ISA)总线、外设部件互连标准(Peripheral Component Interconnect,简称PCI)总线或扩展工业标准结构(Extended Industry Standard Architecture,简称EISA)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图8中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
其中,存储器81用于存储程序,所述处理器80在接收到执行指令后,执行所述程序,前述本发明实施例任一实施例揭示的流程定义的装置所执行的方法可以应用于处理器80中,或者由处理器80实现。
处理器80可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器80中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器80可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital SignalProcessing,简称DSP)、专用集成电路(Application Specific Integrated Circuit,简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器81,处理器80读取存储器81中的信息,结合其硬件完成上述方法的步骤。
本发明实施例还提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行前面方法实施例中所述的睡眠监测方法。该计算机可读存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,简称ROM)、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
在这里示出和描述的所有示例中,任何具体值应被解释为仅仅是示例性的,而不是作为限制,因此,示例性实施例的其他示例可以具有不同的值。
附图中的流程图和框图显示了根据本发明的多个实施例的系统、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,所述模块、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,两个连续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动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。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (11)
1.一种睡眠监测方法,其特征在于,包括:
获取指定区域的监测图像;
根据所述监测图像判断所述指定区域内是否存在监测对象;
当存在所述监测对象时,根据所述监测图像对所述监测对象进行睡眠情况检测;其中,所述睡眠情况检测包括被服覆盖率检测。
2.根据权利要求1所述的睡眠监测方法,其特征在于,根据所述监测图像判断所述指定区域内是否存在监测对象的步骤,包括:
将所述监测图像输入预先训练好的神经网络模型,得到所述神经网络模型的输出结果,所述输出结果包括用于标记生命体所在区域范围的目标物检测结果;
当所述目标物检测结果指示存在生命体时,确定所述指定区域内存在监测对象。
3.根据权利要求2所述的睡眠监测方法,其特征在于,所述监测图像包括可见光图像和红外图像;所述目标物检测结果包括与所述可见光图像对应的目标物识别结果和与所述红外图像对应的发热体判断结果;
当所述目标物检测结果指示存在生命体时,确定所述指定区域内存在监测对象的步骤,包括:
当所述目标物识别结果指示存在目标物和/或所述发热体判断结果指示存在发热物体时,确定所述指定区域内存在监测对象。
4.根据权利要求3所述的睡眠监测方法,其特征在于,当所述目标物检测结果指示存在生命体时,确定所述指定区域内存在监测对象的步骤,还包括:
当所述目标物识别结果指示不存在目标物且所述发热体判断结果指示不存在发热物体时,获取所述指定区域的热感信号;
当所述热感信号指示存在发热物体时,确定所述指定区域内存在监测对象。
5.根据权利要求2所述的睡眠监测方法,其特征在于,所述输出结果还包括被服检测结果;根据所述监测图像对所述监测对象进行睡眠情况检测的步骤,包括:
根据所述目标物检测结果确定所述监测对象的脸部范围;
根据所述脸部范围和所述被服检测结果,确定所述监测对象的脸部覆盖率;
根据所述脸部覆盖率进行告警指示。
6.根据权利要求2所述的睡眠监测方法,其特征在于,所述输出结果还包括睡姿检测结果;根据所述监测图像对所述监测对象进行睡眠情况检测的步骤,还包括:
当根据所述目标物检测结果确定所述监测对象为婴幼儿时,根据所述睡姿检测结果判断所述监测对象的睡姿是否异常;
当所述监测对象的睡姿异常时,进行告警指示。
7.根据权利要求1所述的睡眠监测方法,其特征在于,在根据所述监测图像判断所述指定区域内是否存在监测对象之后,所述方法还包括:
当存在所述监测对象时,获取所述监测对象的红外图像;
根据所述红外图像确定所述监测对象的体表温度值;
根据所述体表温度值进行告警指示。
8.根据权利要求2所述的睡眠监测方法,其特征在于,所述方法还包括:
获取样本图像;
对所述样本图像进行目标物标注、被服标注和睡姿标注,得到标注后图像;
根据所述样本图像和所述标注后图像对初始神经网络模型进行训练,得到训练后的神经网络模型。
9.一种睡眠监测装置,其特征在于,包括:
获取模块,用于获取指定区域的监测图像;
判断模块,用于根据所述监测图像判断所述指定区域内是否存在监测对象;
检测模块,用于当所述判断模块判断存在所述监测对象时,根据所述监测图像对所述监测对象进行睡眠情况检测;其中,所述睡眠情况检测包括被服覆盖率检测。
10.一种睡眠监测系统,其特征在于,包括互连的摄像设备和电子设备;所述摄像设备用于向所述电子设备提供指定区域的监测图像;所述电子设备包括存储器、处理器,所述存储器中存储有可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现权利要求1-8中任一项所述的方法。
11.一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,其特征在于,所述计算机程序被处理器运行时执行权利要求1-8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011598293.XA CN112712020A (zh) | 2020-12-29 | 2020-12-29 | 睡眠监测方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011598293.XA CN112712020A (zh) | 2020-12-29 | 2020-12-29 | 睡眠监测方法、装置及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112712020A true CN112712020A (zh) | 2021-04-27 |
Family
ID=75546627
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011598293.XA Pending CN112712020A (zh) | 2020-12-29 | 2020-12-29 | 睡眠监测方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112712020A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113158937A (zh) * | 2021-04-28 | 2021-07-23 | 合肥移瑞通信技术有限公司 | 睡眠监测的方法、装置、设备、可读存储介质 |
CN113361469A (zh) * | 2021-06-30 | 2021-09-07 | 北京百度网讯科技有限公司 | 一种覆盖状态识别方法、装置、设备及存储介质 |
CN113516095A (zh) * | 2021-07-28 | 2021-10-19 | 宁波星巡智能科技有限公司 | 婴幼儿睡眠监测方法、装置、设备及介质 |
CN113723363A (zh) * | 2021-07-28 | 2021-11-30 | 宁波星巡智能科技有限公司 | 基于连续帧的婴幼儿睡眠检测方法、装置、设备及介质 |
CN114699046A (zh) * | 2022-04-25 | 2022-07-05 | 深圳市华屹医疗科技有限公司 | 睡眠监测方法以及监护仪和监护系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101937604A (zh) * | 2010-09-08 | 2011-01-05 | 无锡中星微电子有限公司 | 基于人体检测的睡眠监控系统及方法 |
CN104091408A (zh) * | 2014-05-09 | 2014-10-08 | 郑州轻工业学院 | 一种基于热红外成像的婴幼儿睡姿智能识别方法及装置 |
CN107832744A (zh) * | 2017-11-30 | 2018-03-23 | 西安科锐盛创新科技有限公司 | 一种婴儿睡眠监测系统及其方法 |
CN108209871A (zh) * | 2017-12-27 | 2018-06-29 | 深圳信息职业技术学院 | 睡眠监测方法、装置、系统及电子设备 |
CN208569838U (zh) * | 2018-07-19 | 2019-03-01 | 施秧 | 踢被监测装置 |
CN110751063A (zh) * | 2019-09-29 | 2020-02-04 | 四川工商学院 | 一种基于深度学习的幼儿防踢被子识别装置及方法 |
-
2020
- 2020-12-29 CN CN202011598293.XA patent/CN112712020A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101937604A (zh) * | 2010-09-08 | 2011-01-05 | 无锡中星微电子有限公司 | 基于人体检测的睡眠监控系统及方法 |
CN104091408A (zh) * | 2014-05-09 | 2014-10-08 | 郑州轻工业学院 | 一种基于热红外成像的婴幼儿睡姿智能识别方法及装置 |
CN107832744A (zh) * | 2017-11-30 | 2018-03-23 | 西安科锐盛创新科技有限公司 | 一种婴儿睡眠监测系统及其方法 |
CN108209871A (zh) * | 2017-12-27 | 2018-06-29 | 深圳信息职业技术学院 | 睡眠监测方法、装置、系统及电子设备 |
CN208569838U (zh) * | 2018-07-19 | 2019-03-01 | 施秧 | 踢被监测装置 |
CN110751063A (zh) * | 2019-09-29 | 2020-02-04 | 四川工商学院 | 一种基于深度学习的幼儿防踢被子识别装置及方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113158937A (zh) * | 2021-04-28 | 2021-07-23 | 合肥移瑞通信技术有限公司 | 睡眠监测的方法、装置、设备、可读存储介质 |
CN113361469A (zh) * | 2021-06-30 | 2021-09-07 | 北京百度网讯科技有限公司 | 一种覆盖状态识别方法、装置、设备及存储介质 |
CN113516095A (zh) * | 2021-07-28 | 2021-10-19 | 宁波星巡智能科技有限公司 | 婴幼儿睡眠监测方法、装置、设备及介质 |
CN113723363A (zh) * | 2021-07-28 | 2021-11-30 | 宁波星巡智能科技有限公司 | 基于连续帧的婴幼儿睡眠检测方法、装置、设备及介质 |
CN114699046A (zh) * | 2022-04-25 | 2022-07-05 | 深圳市华屹医疗科技有限公司 | 睡眠监测方法以及监护仪和监护系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112712020A (zh) | 睡眠监测方法、装置及系统 | |
US10645349B2 (en) | Systems and methods for configuring baby monitor cameras to provide uniform data sets for analysis and to provide an advantageous view point of babies | |
TWI547896B (zh) | 智慧型監控系統 | |
US20160310067A1 (en) | A baby monitoring device | |
KR102052883B1 (ko) | 열화상 카메라를 이용한 낙상 예측 시스템 및 열화상 카메라를 이용한 낙상 예측 방법 | |
US9408562B2 (en) | Pet medical checkup device, pet medical checkup method, and non-transitory computer readable recording medium storing program | |
CN104091408A (zh) | 一种基于热红外成像的婴幼儿睡姿智能识别方法及装置 | |
US20200069222A1 (en) | Image detection method and image detection device for determining position of user | |
KR102150623B1 (ko) | 아기 행동 분석 시스템 및 그 방법 | |
CN107958572B (zh) | 一种婴儿监控系统 | |
TWI541769B (zh) | 跌倒偵測系統及方法 | |
WO2018047795A1 (ja) | 見守りシステム、見守り装置、見守り方法、および見守りプログラム | |
TWM537277U (zh) | 嬰兒照護資訊系統 | |
CN113361469A (zh) | 一种覆盖状态识别方法、装置、设备及存储介质 | |
JP6822326B2 (ja) | 見守り支援システム及びその制御方法 | |
CN104616424A (zh) | 一种防止小孩踢被系统 | |
CN110916614A (zh) | 一种用户睡眠监测的方法、装置及智能吊扇 | |
WO2019013105A1 (ja) | 見守り支援システム及びその制御方法 | |
CN110874560A (zh) | 选取用户的代表性影像的影像检测方法以及影像检测装置 | |
KR20200048558A (ko) | 상태측정을 통한 육아보조장치 | |
TWI557678B (zh) | 智慧型監控系統 | |
CN114360207B (zh) | 一种儿童踢被检测系统 | |
US20230061572A1 (en) | Automatic system to monitor health condition of an infant | |
US20230095345A1 (en) | Non-contact systems and methods for monitoring and addressing breathing events in neonates | |
US20240115216A1 (en) | Positional non-contact baby monitoring |
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 |