CN114419856A - 一种踢被检测预警系统及其控制方法和空调器 - Google Patents
一种踢被检测预警系统及其控制方法和空调器 Download PDFInfo
- Publication number
- CN114419856A CN114419856A CN202111414969.XA CN202111414969A CN114419856A CN 114419856 A CN114419856 A CN 114419856A CN 202111414969 A CN202111414969 A CN 202111414969A CN 114419856 A CN114419856 A CN 114419856A
- Authority
- CN
- China
- Prior art keywords
- warning system
- infrared image
- infrared
- sequence
- neural network
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 37
- 238000000034 method Methods 0.000 title claims abstract description 20
- 230000005284 excitation Effects 0.000 claims abstract description 29
- 230000006870 function Effects 0.000 claims abstract description 26
- 238000013527 convolutional neural network Methods 0.000 claims abstract description 18
- 230000005540 biological transmission Effects 0.000 claims abstract description 14
- 238000013528 artificial neural network Methods 0.000 claims abstract description 13
- 230000004913 activation Effects 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- 230000006835 compression Effects 0.000 claims description 5
- 238000007906 compression Methods 0.000 claims description 5
- 238000011176 pooling Methods 0.000 claims description 4
- 230000003542 behavioural effect Effects 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 239000000523 sample Substances 0.000 claims description 3
- 230000002123 temporal effect Effects 0.000 claims description 3
- 230000003213 activating effect Effects 0.000 claims 1
- 230000008901 benefit Effects 0.000 abstract description 3
- 230000006399 behavior Effects 0.000 description 21
- 238000005516 engineering process Methods 0.000 description 7
- 230000009471 action Effects 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000026676 system process Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000011031 large-scale manufacturing process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013598 vector Substances 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
- G08B21/18—Status alarms
- G08B21/24—Reminder alarms, e.g. anti-loss alarms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
-
- 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
- G06N3/047—Probabilistic or stochastic 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
- G06N3/048—Activation functions
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Air Conditioning Control Device (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及空调技术领域,具体涉及一种踢被检测预警系统及其控制方法和空调器,该踢被检测预警系统包括红外图像采集器;ISP传输单元,其与红外图像采集器连接;卷积神经网络单元,其与ISP传输单元连接;时序激励模块,其与卷积神经网络单元连接;判断模块,其包括全连接层,全连接层与时序激励模块连接,全连接层根据函数来分类加权特征序列并计算分类后的每个加权特征序列的概率值,以最大概率值所对应的加权特征序列作为行为结果,以输出行为结果,该踢被检测预警系统能及时且准确地监控室内目标对象的踢被状况,其具有结构简单和容易操作的优点。
Description
技术领域
本发明涉及空调技术领域,具体涉及一种踢被检测预警系统及其控制方法和空调器。
背景技术
近年来,人工智能及其相关技术广泛应用于视频监控、智能家居、人机交互等领域,极大的改变和影响着人们的生产和生活方式,同时也对人工智能技术产品化提出了更高的要求。与此同时,随着儿童睡眠健康得不到保障和父母呵护观察,当晚上睡觉开空调时儿童容易踢被,保护儿童健康也越来越受到普通人的关注。
目前,市面上有通过红外识别技术监控房间内目标对象的踢被状况,红外图像识别技术稍远一点距离就难以判断和分类,而当前室内需要判断用户踢被所呈现出来的目标物体一般是较远的小目标。传统的红外图像识别技术主要使用RGB三通道处理逻辑,其需要高分辨率的原始图像,抗环境干扰能力差,处理速度和识别速度较慢,难以确保实时性,无法及时监测目标对象的踢被状况,导致监控延时。
发明内容
本发明的目的之一在于避免现有技术中的不足之处而提供一种踢被检测预警系统,该踢被检测预警系统能及时且准确地监控室内目标对象的踢被状况,其具有稳定性强和容易操作的优点。
本发明的目的之二在于提供一种踢被检测预警系统的控制方法。
本发明的目的之三在于提供一种空调器。
为实现上述目的之一,本发明提供以下技术方案:
提供一种踢被检测预警系统,包括
包括红外图像采集器,其用于采集目标对象踢被状况的红外图像;
ISP传输单元,其与所述红外图像采集器连接,用于解析红外图像并将解析得到的红外图像均分成若干视频帧;
卷积神经网络单元,其与所述ISP传输单元连接,用于提取每一帧红外图像的堆叠深度特征并将其组成局部红外特征序列;
时序激励模块,其与所述卷积神经网络单元连接,用于将所述局部红外特征序列生成相应的加权特征序列;
判断模块,其包括全连接层,所述全连接层与所述时序激励模块连接,所述全连接层根据函数来分类所述加权特征序列并计算分类后的每个所述加权特征序列的概率值,以最大概率值所对应的加权特征序列作为行为结果,以输出所述行为结果。
在一些实施方式中,所述红外图像采集器是红外探头。
在一些实施方式中,所述行为结果包括没有裸露、轻微裸露、一般裸露、大部分裸露、完全裸露中的一种。
在一些实施方式中,所述卷积神经网络单元由VGG网络和/或ResNet网络组建。
在一些实施方式中,所述卷积神经网络单元包括空间卷积神经网络和/或时间卷积神经网络。
在一些实施方式中,所述时序激励模块包括压缩单元和特征激励网络,所述压缩单元利用平均池化法压缩所述局部红外特征序列,所述特征激励网络用于激励压缩后的局部红外特征序列。
在一些实施方式中,所述特征激励网络包括两个全连接层、ReLu激活函数以及Sigmoid函数。
在一些实施方式中,所述判断模块中的函数是激活函数和Softmax函数。
在一些实施方式中,所述判断模块与用户手机端连接,所述判断模块将行为结果发送至所述用户手机端。
在一些实施方式中,所述判断模块还与空调的主控板连接,所述主控板根据收到的行为结果调整空调的风速和运行温度。
本发明一种踢被检测预警系统的有益效果:
(1)本发明的踢被检测预警系统采用红外设备来采集图像,获得的红外图像经过ISP处理解析后得到白热图,对解析得到的白热图加入注意力机制(卷积神经网络单元和时序激励模块),以及分类处理目标且以最大概率值对应的加权特征序列作为行为结果(判断模块),与传统红外识别技术的RGB三通道处理逻辑相比,本发明能够将远距离的小目标分解分类再根据概率值输出行为结果,无需高分辨率的原始图像,以及能够适用各种抗环境;并且本发明根据函数分类和计算,处理速度快,稳定性强,能及时并实时地反应出行为结果,保证识别准确性。
(2)本发明的踢被检测预警系统自动监测目标对象的踢被状态,稳定性强和容易操作,其能够智能化地辅助调节空调从而提高空调的体验感,适用于大规模生产应用。
为实现上述目的之二,本发明提供以下技术方案:
提供一种踢被检测预警系统的控制方法,采用上述的踢被检测预警系统,包括以下步骤,
S1、红外图像采集器采集目标对象踢被状况的红外图像;
S2、将所述红外图像传输至ISP传输单元,所述ISP传输单元解析红外图像并将解析得到的红外图像均分成若干视频帧;
S3、将所述若干视频帧传输至卷积神经网络单元,所述卷积神经网络单元提取每一帧红外图像的堆叠深度特征并将其组成局部红外特征序列;
S4、将所述局部红外特征序列传输至时序激励模块,所述时序激励模块将局部红外特征序列生成相应的加权特征序列;
S5、将所述加权特征序列传输至判断模块中的全连接层,所述全连接层根据函数分类所述加权特征序列并计算分类后的每个所述加权特征序列的概率值,以最大概率值所对应的加权特征序列作为行为结果,输出所述行为结果。
本发明一种踢被检测预警系统的控制方法有益效果:
本发明的踢被检测预警系统的控制方法按顺序将红外图像处理、分类和计算,处理速度快,抗环境干扰强,能准确、及时地计算出输出目标对象的行为结果,防止目标对象尤其是儿童因踢被而受冻。
为实现上述目的之三,本发明提供以下技术方案:
提供一种空调器,包括上述的踢被检测预警系统。
附图说明
图1是实施例的踢被检测预警系统的工作示意图。
图2是实施例的踢被检测预警系统的控制方法的流程示意图。
具体实施方式
以下结合具体实施例和附图对本发明进行详细说明。
实施例1
本实施例公开的踢被检测预警系统,图1所示,包括:
红外图像采集器,其用于采集目标对象踢被状况的红外图像;
ISP传输单元,其与所述红外图像采集器连接,用于解析红外图像并将解析得到的红外图像均分成若干视频帧;
卷积神经网络单元,其与所述ISP传输单元连接,用于提取每一帧红外图像的堆叠深度特征并将其组成局部红外特征序列;
时序激励模块,其与所述卷积神经网络单元连接,用于将所述局部红外特征序列生成相应的加权特征序列;其中,图1所示,卷积神经网络单元与加权特征序列之间还设有网络残差处理。
判断模块,其包括全连接层,所述全连接层与所述时序激励模块连接,所述全连接层根据函数来分类所述加权特征序列并计算分类后的每个所述加权特征序列的概率值,以最大概率值所对应的加权特征序列作为行为结果,以输出所述行为结果。
上述踢被检测预警系统的作用和优点:采用红外设备来采集图像,获得的红外图像经过ISP处理解析后得到白热图,对解析得到的白热图加入注意力机制(卷积神经网络单元和时序激励模块),以及分类处理目标且以最大概率值对应的加权特征序列作为行为结果(判断模块),与传统红外识别技术的RGB三通道处理逻辑相比,本发明能够将远距离的小目标分解分类再根据概率值输出行为结果,无需高分辨率的原始图像,以及能够适用各种抗环境;并且本发明根据函数分类和计算,处理速度快,能及时并实时地反应出行为结果,保证识别准确性。
本实施例中,所述红外图像采集器是红外探头。
本实施例中,所述行为结果包括没有裸露、轻微裸露、一般裸露、大部分裸露、完全裸露中的一种。通过判断目标对象踢被行为是否出现轻微裸露、一般裸露、大部分裸露、完全裸露,能更快速准确地输出行为结果。
本实施例中,所述卷积神经网络单元由VGG网络和/或ResNet网络组建。VGG网络、ResNet网络参数小,并能简化学习的复杂性。
本实施例中,所述卷积神经网络单元包括空间卷积神经网络和/或时间卷积神经网络。空间卷积神经网络用于进行运动图像特征提取,有效保证低层图像特征与高层图像特征的连接,提高运动特征提取的精度和准确性;时间卷积网络层主要为向前传播和向后传播的LSTM长短时记忆神经网络,主要作用进行提取动作特征前后之间相互关联的信息,利用视频帧图像中当前信息与未来信息的互联,实现对运动特征向量的学习,其中LSTM结构通过输入门、遗忘门和输出门三个结构来实现信息的输入和输出,利用记忆控制器实现对信息的遗忘与保留。
本实施例中,所述时序激励模块包括压缩单元和特征激励网络,所述压缩单元利用平均池化法压缩所述局部红外特征序列,所述特征激励网络用于激励压缩后的局部红外特征序列。所述特征激励网络包括两个全连接层、ReLu激活函数以及Sigmoid函数。使用时,在局部红外特征序列输入到时序激励模块后,首先利用平均池化的方法对局部红外特征序列进行压缩操作,之后特征激励网络分析每个局部红外特征序列的重要性,然后赋予全局的红外特征序列尽可能多的有用信息,同时抑制冗余的信息和噪声,最后输出局部红外特征序列上的加权特征序列。
本实施例中,所述判断模块中的函数是激活函数和Softmax函数,通过激活函数和Softmax函数对加权特征序列进行判别输出每个特征的概率值。
本实施例中,所述判断模块与用户手机端连接,所述判断模块将行为结果发送至所述用户手机端,预警监控人,尤其是提示家长。
本实施例中,所述判断模块还与空调的主控板连接,所述主控板根据收到的行为结果调整空调的风速和运行温度,避免儿童受冷。
实施例2
本实施例公开了实施例1的踢被检测预警系统的控制方法,图2所示,包括以下步骤,
S1、红外图像采集器采集目标对象踢被状况的红外图像;
S2、将所述红外图像传输至ISP传输单元,所述ISP传输单元解析红外图像并将解析得到的红外图像均分成若干视频帧;
S3、将所述若干视频帧传输至卷积神经网络单元,所述卷积神经网络单元提取每一帧红外图像的堆叠深度特征并将其组成局部红外特征序列;
S4、将所述局部红外特征序列传输至时序激励模块,所述时序激励模块将局部红外特征序列生成相应的加权特征序列;
S5、将所述加权特征序列传输至判断模块中的全连接层,所述全连接层根据函数分类所述加权特征序列并计算分类后的每个所述加权特征序列的概率值,以最大概率值所对应的加权特征序列作为行为结果,输出所述行为结果。
判断模块将行为结果通过云端发送至用户手机端以提醒监控人。并且,判断模块还将行为结果发送至空调的主控板,主控板根据收到的行为结果调整空调的风速和运行温度,避免儿童受冷。其中,空调的主控板获取根据目标对象的踢被状况后,根据目标温度值和环境温度值,通过目标对象的信息,调控空调的运行温度和风速。
上述的踢被检测预警系统的控制方法按顺序将红外图像处理、分流和计算,处理速度快,抗环境干扰强,能准确、及时地计算出输出目标对象的行为结果,防止目标对象尤其是儿童因踢被而受冻。
实施例3
本实施例公开一种空调器,其包括实施例1所述的踢被检测预警系统。
最后应当说明的是,以上实施例仅用以说明本发明的技术方案,而非对本发明保护范围的限制,尽管参照较佳实施例对本发明作了详细地说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。
Claims (12)
1.一种踢被检测预警系统,其特征是:包括
红外图像采集器,其用于采集目标对象踢被状况的红外图像;
ISP传输单元,其与所述红外图像采集器连接,用于解析红外图像并将解析得到的红外图像均分成若干视频帧;
卷积神经网络单元,其与所述ISP传输单元连接,用于提取每一帧红外图像的堆叠深度特征并将其组成局部红外特征序列;
时序激励模块,其与所述卷积神经网络单元连接,用于将所述局部红外特征序列生成相应的加权特征序列;
判断模块,其包括全连接层,所述全连接层与所述时序激励模块连接,所述全连接层根据函数来分类所述加权特征序列并计算分类后的每个所述加权特征序列的概率值,以最大概率值所对应的加权特征序列作为行为结果,输出所述行为结果。
2.根据权利要求1所述的踢被检测预警系统,其特征是:所述红外图像采集器是红外探头。
3.根据权利要求1所述的踢被检测预警系统,其特征是:所述行为结果包括没有裸露、轻微裸露、一般裸露、大部分裸露、完全裸露中的一种。
4.根据权利要求1所述的踢被检测预警系统,其特征是:所述卷积神经网络单元由VGG网络和/或ResNet网络组建。
5.根据权利要求4所述的踢被检测预警系统,其特征是:所述卷积神经网络单元包括空间卷积神经网络和/或时间卷积神经网络。
6.根据权利要求1所述的踢被检测预警系统,其特征是:所述时序激励模块包括压缩单元和特征激励网络,所述压缩单元利用平均池化法压缩所述局部红外特征序列,所述特征激励网络用于激励压缩后的局部红外特征序列。
7.根据权利要求6所述的踢被检测预警系统,其特征是:所述特征激励网络包括两个全连接层、ReLu激活函数以及Sigmoid函数。
8.根据权利要求1所述的踢被检测预警系统,其特征是:所述判断模块中的函数是激活函数和Softmax函数。
9.根据权利要求1所述的踢被检测预警系统,其特征是:所述判断模块与用户手机端连接,所述判断模块将行为结果发送至所述用户手机端。
10.根据权利要求1所述的踢被检测预警系统,其特征是:所述判断模块还与空调的主控板连接,所述主控板根据收到的行为结果调整空调的风速和运行温度。
11.一种踢被检测预警系统的控制方法,其特征是:采用权利要求1-10任一项所述的踢被检测预警系统,包括以下步骤,
S1、红外图像采集器采集目标对象踢被状况的红外图像;
S2、将所述红外图像传输至ISP传输单元,所述ISP传输单元解析红外图像并将解析得到的红外图像均分成若干视频帧;
S3、将所述若干视频帧传输至卷积神经网络单元,所述卷积神经网络单元提取每一帧红外图像的堆叠深度特征并将其组成局部红外特征序列;
S4、将所述局部红外特征序列传输至时序激励模块,所述时序激励模块将局部红外特征序列生成相应的加权特征序列;
S5、将所述加权特征序列传输至判断模块中的全连接层,所述全连接层根据函数分类所述加权特征序列并计算分类后的每个所述加权特征序列的概率值,以最大概率值所对应的加权特征序列作为行为结果,输出所述行为结果。
12.一种空调器,其特征是:包括权利要求1-10任一项所述的踢被检测预警系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111414969.XA CN114419856A (zh) | 2021-11-25 | 2021-11-25 | 一种踢被检测预警系统及其控制方法和空调器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111414969.XA CN114419856A (zh) | 2021-11-25 | 2021-11-25 | 一种踢被检测预警系统及其控制方法和空调器 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114419856A true CN114419856A (zh) | 2022-04-29 |
Family
ID=81265175
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111414969.XA Pending CN114419856A (zh) | 2021-11-25 | 2021-11-25 | 一种踢被检测预警系统及其控制方法和空调器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114419856A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107782455A (zh) * | 2016-08-31 | 2018-03-09 | 中兴通讯股份有限公司 | 一种小孩踢被子检测装置 |
CN108245134A (zh) * | 2018-01-17 | 2018-07-06 | 出门问问信息科技有限公司 | 一种灯具及睡眠监测方法 |
CN108304754A (zh) * | 2017-03-02 | 2018-07-20 | 腾讯科技(深圳)有限公司 | 车型的识别方法和装置 |
US20200042776A1 (en) * | 2018-08-03 | 2020-02-06 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and apparatus for recognizing body movement |
CN111442465A (zh) * | 2020-03-17 | 2020-07-24 | 海信(山东)空调有限公司 | 空调器控制方法、装置、空调器及计算机存储介质 |
CN112766207A (zh) * | 2021-01-28 | 2021-05-07 | 珠海格力电器股份有限公司 | 行为识别模型的构建方法、行为识别方法及智能家居 |
-
2021
- 2021-11-25 CN CN202111414969.XA patent/CN114419856A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107782455A (zh) * | 2016-08-31 | 2018-03-09 | 中兴通讯股份有限公司 | 一种小孩踢被子检测装置 |
CN108304754A (zh) * | 2017-03-02 | 2018-07-20 | 腾讯科技(深圳)有限公司 | 车型的识别方法和装置 |
CN108245134A (zh) * | 2018-01-17 | 2018-07-06 | 出门问问信息科技有限公司 | 一种灯具及睡眠监测方法 |
US20200042776A1 (en) * | 2018-08-03 | 2020-02-06 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and apparatus for recognizing body movement |
CN111442465A (zh) * | 2020-03-17 | 2020-07-24 | 海信(山东)空调有限公司 | 空调器控制方法、装置、空调器及计算机存储介质 |
CN112766207A (zh) * | 2021-01-28 | 2021-05-07 | 珠海格力电器股份有限公司 | 行为识别模型的构建方法、行为识别方法及智能家居 |
Non-Patent Citations (1)
Title |
---|
李玉: "人体红外成像测温软件设计", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107655159B (zh) | 一种基于人群密度感知模型的空调节能控制方法及系统 | |
CN112418069A (zh) | 一种高空抛物检测方法、装置、计算机设备及存储介质 | |
CN109040693B (zh) | 智能告警系统及方法 | |
CN103324919B (zh) | 基于人脸识别的视频监控系统及其数据处理方法 | |
CN110955288B (zh) | 一种基于大数据的环境监管系统 | |
US11165954B1 (en) | Scene-aware custom tuned video surveillance detection system | |
CN110008822A (zh) | 一种基于红外传感器的姿态识别方法及系统 | |
CN111047824B (zh) | 一种室内儿童看护联动控制预警方法及系统 | |
US11935378B2 (en) | Intrusion detection methods and devices | |
CN111767823A (zh) | 一种睡岗检测方法、装置、系统及存储介质 | |
US11495054B2 (en) | Motion-based human video detection | |
CN112069949A (zh) | 一种基于人工智能的婴儿睡眠监测系统及监测方法 | |
US20230196106A1 (en) | Training image classifiers | |
CN109951363A (zh) | 数据处理方法、装置及系统 | |
CN104954744A (zh) | 烟雾检测系统 | |
CN110796360A (zh) | 一种固定型交通检测源多尺度数据融合方法 | |
CN116761049B (zh) | 一种家用智能安防监控方法及系统 | |
CN116612438B (zh) | 基于热成像的蒸汽锅炉燃烧状态实时监测系统 | |
CN114419856A (zh) | 一种踢被检测预警系统及其控制方法和空调器 | |
CN111908288A (zh) | 一种基于TensorFlow的电梯安全系统及方法 | |
CN111240217A (zh) | 状态检测方法、装置、电子设备及存储介质 | |
CN115083132B (zh) | 一种降低消防报警误报率的研判方法 | |
CN112714410B (zh) | 具有可移动节点的农业监测方法 | |
JP7126632B2 (ja) | センサ信号データに基づいて動作を実行する方法、デバイス及びシステム | |
Peng et al. | Improved YOLOv5 Method for Fall Detection |
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: 20220429 |