CN117260774B - 一种基于多维度智能交互的老人陪护机器人陪护系统 - Google Patents
一种基于多维度智能交互的老人陪护机器人陪护系统 Download PDFInfo
- Publication number
- CN117260774B CN117260774B CN202311549898.3A CN202311549898A CN117260774B CN 117260774 B CN117260774 B CN 117260774B CN 202311549898 A CN202311549898 A CN 202311549898A CN 117260774 B CN117260774 B CN 117260774B
- Authority
- CN
- China
- Prior art keywords
- user
- health
- body temperature
- heart rate
- module
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000003993 interaction Effects 0.000 title claims abstract description 15
- 230000036541 health Effects 0.000 claims abstract description 64
- 230000036760 body temperature Effects 0.000 claims abstract description 37
- 238000012544 monitoring process Methods 0.000 claims abstract description 34
- 230000036387 respiratory rate Effects 0.000 claims abstract description 19
- 238000012545 processing Methods 0.000 claims abstract description 9
- 238000011156 evaluation Methods 0.000 claims abstract description 6
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 21
- 238000001514 detection method Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 12
- 230000002452 interceptive effect Effects 0.000 claims description 12
- 238000001228 spectrum Methods 0.000 claims description 12
- 230000005856 abnormality Effects 0.000 claims description 11
- 230000002159 abnormal effect Effects 0.000 claims description 9
- 238000000034 method Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 6
- 230000008451 emotion Effects 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 6
- 230000003862 health status Effects 0.000 claims description 5
- 208000031636 Body Temperature Changes Diseases 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000003058 natural language processing Methods 0.000 claims description 3
- 230000007935 neutral effect Effects 0.000 claims description 3
- 230000000737 periodic effect Effects 0.000 claims description 3
- 230000035479 physiological effects, processes and functions Effects 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 230000003595 spectral effect Effects 0.000 claims description 3
- 238000010183 spectrum analysis Methods 0.000 claims description 3
- 238000012706 support-vector machine Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 5
- 206010000117 Abnormal behaviour Diseases 0.000 abstract description 3
- 230000005802 health problem Effects 0.000 abstract description 3
- 206010003805 Autism Diseases 0.000 abstract 1
- 208000020706 Autistic disease Diseases 0.000 abstract 1
- 208000024891 symptom Diseases 0.000 abstract 1
- 230000000474 nursing effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J11/00—Manipulators not otherwise provided for
- B25J11/008—Manipulators for service tasks
- B25J11/009—Nursing, e.g. carrying sick persons, pushing wheelchairs, distributing drugs
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Nursing (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明公开了一种基于多维度智能交互的老人陪护机器人陪护系统,涉及陪护机器人技术领域,本发明将利用生命体征雷达,无需与用户接触即可实时监测心率、呼吸率和体温,通过结合心率、呼吸率和体温的监测,综合评估用户的健康状态,多维度的健康监测和评估有助于及早发现潜在健康问题,此外用户可以通过语音指令与机器人互动,进行视频通话、查询日历、天气信息,提高了老年人的用户体验,降低了技术使用门槛,系统内置图像处理单元,能够识别危险情况,如跌倒或异常行为,并自动联系医护人员和家庭联系人,提供及时的紧急救助,利用大语言模型实现与老人的日常聊天及心理疏导,排解可能的孤独与抑郁征兆。
Description
技术领域
本发明涉及陪护机器人技术领域,具体为一种基于多维度智能交互的老人陪护机器人陪护系统。
背景技术
近年来兴起的智慧养老,通过将各种现代科技与养老服务相结合,致力于全面提高养老服务的体验与效率,养老机器人是智慧养老的一个分支,不过目前对于养老机器人的概念没有严格的界定,AgeClub根据机器人能够解决的老年人需求类型进行划分,将养老机器人主要分为护理机器人、康复机器人和陪伴机器人。
养老服务机器人的起始时间要追溯到20世纪下半叶,最早是从医疗、军事、工业等领域发展,到20世纪90年代各研究机构开始察觉到老年人生活的各方面需求都可以通过机器人解决,才开始在老年人群的需求上逐渐聚焦。
然而传统的陪护系统需要使用侵入性的监测设备,例如贴在皮肤上的传感器或测量设备,此种测量方式会引起用户不适,降低了用户的舒适度,同时由于接触性检测,就导致了后续移动时要将测量仪器取消连接,使用起来非常不便,也没办法实时进行监测,因此亟需一种可以提供无需与用户接触即可实时监测心率、呼吸率和体温的高隐私度多维度智能交互的老人陪护机器人陪护系统来解决此类问题。
发明内容
(一)解决的技术问题
针对现有技术的不足,本发明提供了一种基于多维度智能交互的老人陪护机器人陪护系统,解决现有技术中存在的侵入性的监测设备,降低了用户的舒适度,无法持续实时监测健康状况的问题。
(二)技术方案
为实现以上目的,本发明通过以下技术方案予以实现,本发明提供了一种基于多维度智能交互的老人陪护机器人陪护系统,包括:
显示模块,所述机器人陪护系统配备显示屏,显示模块用于显示基于老年人特性的交互界面,交互界面仅作为家庭照片、日历、天气信息提供,该信息同样通过AI对话由语音控制方式提供;
老人陪护模块,基于语音控制单元,用户使用语音指令控制机器人,包括与亲友进行远程视频交流、交互问询和追踪跟踪模式切换,所述交互问询指显示模块中的家庭照片、日历、天气信息提供;
生命体征雷达监测模块,机器人内置生命体征监测雷达,对用户心率、呼吸率和体温生理进行无接触地监测,实时追踪监控用户的健康状况;
健康状态判别模块,基于生命体征雷达监测模块收集到的生命体征数据,采用工智能算法评估用户健康状态,发现异常时,发出警报并采取相应措施;
所述健康状态判别模块中,评估用户健康状态步骤具体包括:
对雷达传感器收集生命体征数据,包括心率、呼吸率和体温进行预处理;
从预处理的数据中提取特征,特征包括心率变异性、呼吸模式、体温变化;
特征提取过程中,心率变异性计算为:
Hr.v即心率变异性,RRi是相邻两次心跳之间的时间间隔,是这些间隔的平均值,N为样本数;
选用支持向量机和神经网络建立健康模型,将特征与用户的健康状态关联;
基于建立健康模型评估用户的健康状态,将生命体征数据输入模型中,模型输出健康得分,表示用户的健康状态;
安全状态判别模块,内置图像处理单元,基于图像处理结果,判断当前场景是否为危险情况,当判定为危险情况时,触发紧急联系单元,自动联系医护人员和家庭联系人;
紧急联系单元,用于在紧急情况下,自动联系老年人家庭联系人和医护人员;
AI视频跟踪模块,用于提供视频追踪和移动跟踪,所述视频追踪为持续不中断追踪,所述移动跟踪语音切换,移动跟踪具体为保持在用户身边1-2米范围;
语言控制模块,进行文本理解,并基于文本理解生成回应;
所述生命体征雷达检测模块中,生命体征监测雷达采用毫米波雷达传感器;
无接触监测方法包括:
使用雷达传感器收集生命体征数据,包括心率、呼吸率和体温;
对采集到的数据去噪声、信号增强和时间对齐;
通过分析信号的频谱对心率进行计算,基于周期性波动检测呼吸率,基于信号的相位变化计算体温;
将所监测的心率、呼吸率和体温数值与用户当前的健康标准值进行对比,判断是否超出阈值;
峰值频率计算心率公式为:
其中fp为峰值评率;
所述呼吸率检测具体为:
将预处理后的信号进行频谱分析,通常傅里叶变换将信号转换到频域;
信号的频谱计算公式为:
其中Xf就是频谱表示,x(t)是信号,f是频率;
对频谱进行分析识别呼吸率引起的峰值,采用频谱主要峰值计算公式进行确定:
fp.k=argmax(f)其中,fp.k是峰值频率;
用检测到的峰值频率计算呼吸率;
所述体温检测方法为:
基于相位变化和频率对体温进行计算,计算公式为:
其中为相位变化,f为频率,k为是雷达信号传播常数;
所述无接触监测方法还包括:
将监测到的心率、呼吸率和体温与健康标准值进行比较,判断用户的健康状态是否正常;
对比方式采用健康分数进行确定,具体为:
健康分数Hs.e用于衡量用户的整体健康状况,其中HRn.m和RRn.m分别为正常的心率和呼吸率范围,T代表计算体温,Tn.m代表正常体温的范围;
所述评估用户健康状态步骤还包括:
设置异常检测阈值确定具体非正常用户的健康状态被视为异常;
基于标准差进行确定:
To.d=η+k*σ;
其中η即健康状态评分的均值,σ为标准差,k是用于确定异常临界值系数;
评分低于异常检测阈值时触发警报通知医护人员、家人;
所述语言控制模块中:
采用声学模型和语言模型进行语音识别,声学模型将语音信号转换为词汇单位,语言模型确定最可能的词序列;
采用自然语言处理技术对用户的文本输入进行理解,包括分词、词性标注、命名实体识别;
使用情感分析模型来判断用户的文本表达了哪种情感,包括积极、消极和中性;
使用对话管理系统跟踪和维护对话的上下文;
基于大语言模型的文本生成模型生成回应。
(三)有益效果
本发明提供了一种基于多维度智能交互的老人陪护机器人陪护系统。具备以下
有益效果:
本申请所提供的基于多维度智能交互的老人陪护机器人陪护系统利用生命体征雷达技术,无需与用户接触即可实时监测心率、呼吸率和体温,提高了用户的舒适性和隐私保护,通过结合心率、呼吸率和体温的监测,以及智能算法的应用,综合评估用户的健康状态,多维度的健康监测和评估有助于及早发现潜在健康问题。
此外用户可以通过语音指令与机器人互动,进行视频通话、查询日历、天气信息,提高了老年人的用户体验,降低了技术使用门槛,系统内置图像处理单元,能够识别危险情况,如跌倒或异常行为,并自动联系医护人员和家庭联系人,提供及时的紧急救助。
同时通过AI视频跟踪模块,机器人能够实现持续的不中断视频追踪,保持在用户身边1-2米范围内,增加了陪伴感和用户的安全感,当检测到健康异常或危险情况时,能够自动触发警报,通知相关人员,提供紧急救助。
解决了现有技术中存在的侵入性的监测设备,降低了用户的舒适度,无法持续实时监测健康状况的问题。
附图说明
图1为本发明的基于多维度智能交互的老人陪护机器人陪护系统框架图;
图2为本发明的基于多维度智能交互的老人陪护机器人陪护系统心率检测图;
图3为本发明的基于多维度智能交互的老人陪护机器人陪护系统日常聊天及心理疏导流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例仅仅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。
实施例
请参阅图1,本发明提供一种基于多维度智能交互的老人陪护机器人陪护系统,包括:
显示模块,机器人陪护系统配备显示屏,显示模块用于显示基于老年人特性的交互界面,交互界面仅作为家庭照片、日历、天气信息提供,该信息同样可以通过AI对话由语音控制方式提供;
老人陪护模块,基于语音控制单元,用户使用语音指令控制机器人,包括与亲友进行远程视频交流、交互问询和追踪跟踪模式切换,交互问询指显示模块中的家庭照片、日历、天气信息提供;
生命体征雷达监测模块,机器人内置生命体征监测雷达,对用户心率、呼吸率和体温生理进行无接触地监测,实时追踪监控用户的健康状况;
生命体征雷达检测模块中,生命体征监测雷达采用毫米波雷达传感器;
无接触监测方法包括:
使用雷达传感器收集生命体征数据,包括心率、呼吸率和体温;
对采集到的数据去噪声、信号增强和时间对齐;
通过分析信号的频谱对心率进行计算,基于周期性波动检测呼吸率,基于信号的相位变化计算体温;
将所监测的心率、呼吸率和体温数值与用户当前的健康标准值进行对比,判断是否超出阈值;
峰值频率计算心率公式为:
其中fp为峰值评率;
呼吸率检测具体为:
将预处理后的信号进行频谱分析,通常傅里叶变换将信号转换到频域;
信号的频谱计算公式为:
其中Xf就是频谱表示,x(t)是信号,f是频率;
对频谱进行分析识别呼吸率引起的峰值,采用频谱主要峰值计算公式进行确定:
fp.k=argmax(f)其中,fp.k是峰值频率;
用检测到的峰值频率计算呼吸率。
体温检测方法为:
基于相位变化和频率对体温进行计算,计算公式为:
其中为相位变化,f为频率,k为是雷达信号传播常数;
无接触监测方法还包括:
将监测到的心率、呼吸率和体温与健康标准值进行比较,判断用户的健康状态是否正常;
对比方式采用健康分数进行确定,具体为:
健康分数Hs.e用于衡量用户的整体健康状况,其中HRn.m和RRn.m分别为正常的心率和呼吸率范围,T代表计算体温,Tn.m代表正常体温的范围;
健康状态判别模块,基于生命体征雷达监测模块收集到的生命体征数据,采用工智能算法评估用户健康状态,发现异常时,发出警报并采取相应措施;
健康状态判别模块中,评估用户健康状态步骤具体包括:
对雷达传感器收集生命体征数据,包括心率、呼吸率和体温进行预处理;
从预处理的数据中提取特征,特征包括心率变异性、呼吸模式、体温变化;
特征提取过程中,心率变异性计算为:
Hr.v即心率变异性,RRi是相邻两次心跳之间的时间间隔,是这些间隔的平均值,N为样本数;
选用支持向量机和神经网络建立健康模型,将特征与用户的健康状态关联;
基于建立健康模型评估用户的健康状态,将生命体征数据输入模型中,模型输出健康得分,表示用户的健康状态;
设置异常检测阈值确定具体非正常用户的健康状态被视为异常;
基于标准差进行确定:
To.d=η+k*σ;
其中η即健康状态评分的均值,σ为标准差,k是用于确定异常临界值系数;
评分低于异常检测阈值时触发警报通知医护人员、家人。
安全状态判别模块,内置图像处理单元,基于图像处理结果,判断当前场景是否为危险情况,当判定为危险情况时,触发紧急联系单元,自动联系医护人员和家庭联系人。
紧急联系单元,用于在紧急情况下,自动联系老年人家庭联系人和医护人员。
AI视频跟踪模块,用于提供视频追踪和移动跟踪,视频追踪为持续不中断追踪,移动跟踪可语音切换,移动跟踪具体为保持在用户身边1-2米范围;
语言控制模块,进行文本理解,并基于文本理解生成回应;
语言控制模块中:
采用声学模型和语言模型进行语音识别,声学模型将语音信号转换为词汇单位,语言模型确定最可能的词序列;
采用自然语言处理技术对用户的文本输入进行理解,包括分词、词性标注、命名实体识别;
使用情感分析模型来判断用户的文本表达了哪种情感,包括积极、消极和中性;
使用对话管理系统跟踪和维护对话的上下文;
基于大语言模型的文本生成模型生成回应。
综合以上内容,在本申请中:
本申请所提供的基于多维度智能交互的老人陪护机器人陪护系统利用生命体征雷达技术,无需与用户接触即可实时监测心率、呼吸率和体温,提高了用户的舒适性和隐私保护,通过结合心率、呼吸率和体温的监测,以及智能算法的应用,综合评估用户的健康状态,多维度的健康监测和评估有助于及早发现潜在健康问题。
此外用户可以通过语音指令与机器人互动,进行视频通话、查询日历、天气信息,提高了老年人的用户体验,降低了技术使用门槛,系统内置图像处理单元,能够识别危险情况,如跌倒或异常行为,并自动联系医护人员和家庭联系人,提供及时的紧急救助。
同时通过AI视频跟踪模块,机器人能够实现持续的不中断视频追踪,保持在用户身边1-2米范围内,增加了陪伴感和用户的安全感,当检测到健康异常或危险情况时,能够自动触发警报,通知相关人员,提供紧急救助。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (1)
1.一种基于多维度智能交互的老人陪护机器人陪护系统,其特征在于,包括:
显示模块,所述机器人陪护系统配备显示屏,显示模块用于显示基于老年人特性的交互界面,交互界面仅作为家庭照片、日历、天气信息提供,该信息同样通过AI对话由语音控制方式提供;
老人陪护模块,基于语音控制单元,用户使用语音指令控制机器人,包括与亲友进行远程视频交流、交互问询和追踪跟踪模式切换,所述交互问询指显示模块中的家庭照片、日历、天气信息提供;
生命体征雷达监测模块,机器人内置生命体征监测雷达,对用户心率、呼吸率和体温生理进行无接触地监测,实时追踪监控用户的健康状况;
健康状态判别模块,基于生命体征雷达监测模块收集到的生命体征数据,采用工智能算法评估用户健康状态,发现异常时,发出警报并采取相应措施;
所述健康状态判别模块中,评估用户健康状态步骤具体包括:
对雷达传感器收集生命体征数据,包括心率、呼吸率和体温进行预处理;
从预处理的数据中提取特征,特征包括心率变异性、呼吸模式、体温变化;
特征提取过程中,心率变异性计算为:
Hr.v即心率变异性,RRi是相邻两次心跳之间的时间间隔,是这些间隔的平均值,N为样本数;
选用支持向量机和神经网络建立健康模型,将特征与用户的健康状态关联;
基于建立健康模型评估用户的健康状态,将生命体征数据输入模型中,模型输出健康得分,表示用户的健康状态;
安全状态判别模块,内置图像处理单元,基于图像处理结果,判断当前场景是否为危险情况,当判定为危险情况时,触发紧急联系单元,自动联系医护人员和家庭联系人;
紧急联系单元,用于在紧急情况下,自动联系老年人家庭联系人和医护人员;
AI视频跟踪模块,用于提供视频追踪和移动跟踪,所述视频追踪为持续不中断追踪,所述移动跟踪语音切换,移动跟踪具体为保持在用户身边1-2米范围;
语言控制模块,进行文本理解,并基于文本理解生成回应;
所述生命体征雷达监测模块中,生命体征监测雷达采用毫米波雷达传感器;
无接触监测方法包括:
使用雷达传感器收集生命体征数据,包括心率、呼吸率和体温;
对采集到的数据去噪声、信号增强和时间对齐;
通过分析信号的频谱对心率进行计算,基于周期性波动检测呼吸率,基于信号的相位变化计算体温;
将所监测的心率、呼吸率和体温数值与用户当前的健康标准值进行对比,判断是否超出阈值;
峰值频率计算心率公式为:
其中fp为峰值评率;
所述呼吸率检测具体为:
将预处理后的信号进行频谱分析,通常傅里叶变换将信号转换到频域;
信号的频谱计算公式为:
其中Xf就是频谱表示,x(t)是信号,f是频率;
对频谱进行分析识别呼吸率引起的峰值,采用频谱主要峰值计算公式进行确定:
fp.k=argmax(f)其中,fp.k是峰值频率;
用检测到的峰值频率计算呼吸率;
所述体温检测方法为:
基于相位变化和频率对体温进行计算,计算公式为:
其中为相位变化,f为频率,k为是雷达信号传播常数;
所述无接触监测方法还包括:
将监测到的心率、呼吸率和体温与健康标准值进行比较,判断用户的健康状态是否正常;
对比方式采用健康分数进行确定,具体为:
健康分数Hs.e用于衡量用户的整体健康状况,其中HRn.m和RRn.m分别为正常的心率和呼吸率范围,T代表计算体温,Tn.m代表正常体温的范围;
所述评估用户健康状态步骤还包括:
设置异常检测阈值确定具体非正常用户的健康状态被视为异常;
基于标准差进行确定:
To.d=η+k*σ;
其中η即健康状态评分的均值,σ为标准差,k是用于确定异常临界值系数;
评分低于异常检测阈值时触发警报通知医护人员、家人;
所述语言控制模块中:
采用声学模型和语言模型进行语音识别,声学模型将语音信号转换为词汇单位,语言模型确定最可能的词序列;
采用自然语言处理技术对用户的文本输入进行理解,包括分词、词性标注、命名实体识别;
使用情感分析模型来判断用户的文本表达了哪种情感,包括积极、消极和中性;
使用对话管理系统跟踪和维护对话的上下文;
基于大语言模型的文本生成模型生成回应。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311549898.3A CN117260774B (zh) | 2023-11-21 | 2023-11-21 | 一种基于多维度智能交互的老人陪护机器人陪护系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311549898.3A CN117260774B (zh) | 2023-11-21 | 2023-11-21 | 一种基于多维度智能交互的老人陪护机器人陪护系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117260774A CN117260774A (zh) | 2023-12-22 |
CN117260774B true CN117260774B (zh) | 2024-04-30 |
Family
ID=89210857
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311549898.3A Active CN117260774B (zh) | 2023-11-21 | 2023-11-21 | 一种基于多维度智能交互的老人陪护机器人陪护系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117260774B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106625714A (zh) * | 2017-01-17 | 2017-05-10 | 五邑大学 | 一种用于老人身体健康状况检测的监护机器人 |
CN106850824A (zh) * | 2017-02-22 | 2017-06-13 | 北京爱惠家网络有限公司 | 一种智能服务系统以及实现方法 |
CN108717678A (zh) * | 2018-05-25 | 2018-10-30 | 青岛联合创智科技有限公司 | 一种智慧养老系统 |
CN110327051A (zh) * | 2019-06-14 | 2019-10-15 | 上海理工大学 | 一种基于云平台的护理型养老院的智能监护系统 |
CN210575131U (zh) * | 2019-08-06 | 2020-05-19 | 青岛联合创智科技有限公司 | 一种居家养老系统 |
CN111434471A (zh) * | 2019-01-14 | 2020-07-21 | 漫谷科技股份公司 | 一种智能陪护机器人及其应用方法 |
CN113658703A (zh) * | 2021-09-13 | 2021-11-16 | 成都合梦天地信息技术有限公司 | 一种智慧医疗养老系统 |
CN114227712A (zh) * | 2021-12-27 | 2022-03-25 | 广州市甬利格宝信息科技有限责任公司 | 一种基于计算机设备的智慧交互养老陪护机器人 |
CN114366052A (zh) * | 2021-12-21 | 2022-04-19 | 山东师范大学 | 一种基于毫米波雷达的养老院智能监护系统及方法 |
CN116945156A (zh) * | 2023-04-20 | 2023-10-27 | 三峡大学 | 一种基于计算机视觉技术的老年人智能陪护系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20230081472A1 (en) * | 2020-02-13 | 2023-03-16 | Fengyu Wang | Method, apparatus, and system for wireless vital monitoring using high frequency signals |
-
2023
- 2023-11-21 CN CN202311549898.3A patent/CN117260774B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106625714A (zh) * | 2017-01-17 | 2017-05-10 | 五邑大学 | 一种用于老人身体健康状况检测的监护机器人 |
CN106850824A (zh) * | 2017-02-22 | 2017-06-13 | 北京爱惠家网络有限公司 | 一种智能服务系统以及实现方法 |
CN108717678A (zh) * | 2018-05-25 | 2018-10-30 | 青岛联合创智科技有限公司 | 一种智慧养老系统 |
CN111434471A (zh) * | 2019-01-14 | 2020-07-21 | 漫谷科技股份公司 | 一种智能陪护机器人及其应用方法 |
CN110327051A (zh) * | 2019-06-14 | 2019-10-15 | 上海理工大学 | 一种基于云平台的护理型养老院的智能监护系统 |
CN210575131U (zh) * | 2019-08-06 | 2020-05-19 | 青岛联合创智科技有限公司 | 一种居家养老系统 |
CN113658703A (zh) * | 2021-09-13 | 2021-11-16 | 成都合梦天地信息技术有限公司 | 一种智慧医疗养老系统 |
CN114366052A (zh) * | 2021-12-21 | 2022-04-19 | 山东师范大学 | 一种基于毫米波雷达的养老院智能监护系统及方法 |
CN114227712A (zh) * | 2021-12-27 | 2022-03-25 | 广州市甬利格宝信息科技有限责任公司 | 一种基于计算机设备的智慧交互养老陪护机器人 |
CN116945156A (zh) * | 2023-04-20 | 2023-10-27 | 三峡大学 | 一种基于计算机视觉技术的老年人智能陪护系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117260774A (zh) | 2023-12-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2017193497A1 (zh) | 基于融合模型的智能化健康管理服务器、系统及其控制方法 | |
US11688265B1 (en) | System and methods for safety, security, and well-being of individuals | |
CN109009017B (zh) | 一种智能健康监测系统及其数据处理方法 | |
US20180249967A1 (en) | Devices, systems, and associated methods for evaluating a potential stroke condition in a subject | |
JP2021517504A (ja) | 複数の信号を処理するためのシステムおよび方法 | |
CN115089179A (zh) | 一种心理情绪洞察分析方法及系统 | |
JP2019051129A (ja) | 嚥下機能解析システム及びプログラム | |
CN117260774B (zh) | 一种基于多维度智能交互的老人陪护机器人陪护系统 | |
US20210225489A1 (en) | Determining the likelihood of patient self-extubation | |
Tasoulis et al. | Statistical data mining of streaming motion data for fall detection in assistive environments | |
CN116453058A (zh) | 基于深度学习和数字分身的居家老人行为监测方法及系统 | |
Pantelopoulos et al. | Design of the new prognosis wearable system-prototype for health monitoring of people at risk | |
Hussein et al. | Robust recognition of human activities using smartphone sensor data | |
Khawandi et al. | Integrated monitoring system for fall detection in elderly | |
KR102278548B1 (ko) | 제스처 기반의 재난대응 장치 및 방법 | |
KR102200398B1 (ko) | 개인화된 생체신호/주변환경 데이터에 기반한 개인맞춤형 활력징후정보 제공 방법 및 개인맞춤형 생활활력징후 제공 시스템 | |
CN113974998A (zh) | 一种智行助行器、意识状态监测方法及系统 | |
CN113040773A (zh) | 一种数据采集处理方法 | |
CN113273973A (zh) | 一种用于日常健康检测的可穿戴设备及监测方法 | |
TWI438726B (zh) | 評估跌倒風險之系統及其方法 | |
TWI829493B (zh) | 具隱私保護的危安行為與語意之辨識系統與方法 | |
US11922696B2 (en) | Machine learning based dignity preserving transformation of videos for remote monitoring | |
US20230343458A1 (en) | Timely detection and response to context-specific health events | |
CN112971792B (zh) | 一种基于连续生理数据的个体化状态监测分析方法和设备 | |
Khawandi et al. | Applying neural network architecture in a multi-sensor monitoring system for the elderly |
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 | ||
GR01 | Patent grant |