TWI624815B - 行為偵測系統及其方法 - Google Patents

Abstract

本發明為一種行為偵測系統及其方法，此系統所執行的方法包括：預先儲存複數個事件類型、行為模式與日常模式，每一事件類型包含其對應之複數個參考訊號，每一行為模式包含具有特定順序的事件類型，以及日常模式紀錄有每日不同時間區段的複數個歷史時間區段中的行為模式；比對感測訊號與該些事件所對應之參考訊號，並判斷對應該些感測訊號之該些事件；以及根據事件分析模組於目前時間區段中的連續事件及其順序和行為模式，獲得當前行為模式及其一第一機率，將當前行為模式與日常模式比對，以獲得第二機率，並根據第一機率與第二機率判斷是否發出通知。

Description

行為偵測系統及其方法

本發明乃是關於一種行為偵測系統及其方法，特別是指能透過不同類型之感測器獲得感測訊號以偵測一行為的行為偵測系統及其方法。

隨著科技的進步，目前已發展出多種居家/室內照護系統。主要原因在於，在這個慢慢步向高齡化的社會，子女平日均需要外出工作或求學而無法隨時於家中照料年邁的父母。於此種情況下，子女都希望任何時候若家中老年人於活動過程中發生緊急狀況能夠即時得知。

舉例來說，有些居家/室內照護系統會利用攝像鏡頭來觀察老年人於活動過程中是否發生緊急狀況；然而，利用攝像鏡頭觀察老年人於家中之活動的做法存在有隱私疑慮。舉另一例來說，有些居家/室內照護系統會將收音裝置裝設在地板上，根據收音裝置所接收到的音訊來判斷老年人在家中是否發生跌倒的狀況；然而，然而單單憑裝設在地板上之收音裝置所接收到的音訊判斷老年人在家中是否跌倒很容易出現誤判。舉再一例來說，有些居家/室內照護系統是透過讓被照護者配戴行動裝置，藉由此行動裝置所感測到的訊號，如：多軸加速器所接收的訊號，來判斷被照護者是否於行動中發生危險；然而，即便是在洗澡之類的場合被照護者也必須要隨身配戴行動裝置，實有不便。因此，考量到前述 進行居家/室內照護時的需求與不便，目前非常需要不影響隱私權、不需要隨身配戴行動裝置、且誤判率低的行為偵測系統。

本發明提供一種行為偵測系統，透過複數個感測器獲得複數個感測訊號以偵測一行為，並判斷是否發出通知至外部裝置。此系統包括儲存模組、事件分類模組與事件判斷模組。儲存模組預先儲存複數個事件類型、複數個行為模式與一日常模式。每一事件類型包含其對應之複數個參考訊號，每一個行為模式包含複數個具有特定順序的事件類型，日常模式則紀錄有對應每日不同時間區段的複數個歷史時間區段中的複數個行為模式。事件分類模組連接於儲存模組，用以比對該些感測訊號與該些事件類型所對應之該些參考訊號，並據以判斷對應該些感測訊號之事件類型。事件判斷模組連接於儲存模組及事件分類模組。事件判斷模組根據事件分類模組於一目前時間區段中所判斷出連續之該些事件類型及其順序和該些行為模式，以獲得一個當前行為模式及其第一機率。接著，事件判斷模組將所獲得的當前行為模式與儲存模組預先儲存的日常模式比對，以獲得第二機率。最後，事件判斷模組根據第一機率與第二機率判斷是否發出通知至外部裝置。須說明地是，第一機率係為當前行為模式可能發生危險的機率，而第二機率則為當前行為模式與對應於目前時間區段之複數個歷史時間區段中的該些行為模式相符合的機率。

於本發明的一實施例中，行為偵測系統更包括行為模式萃取模組。行為模式萃取模組連接於事件分類模組，用以將事件類型及其發生順序和第一機率，儲存於該儲存模組以作為該些行為模式其中之一。於本發明的另一實施例中，行為偵測系統更包括日常模式訓練模組連接於事件分類模組。日常模式訓練模組根據所判斷出該行為模式發生之時間點，將所判斷出的該行為模式作為 對應每日不同時間區段的歷史時間區段的行為模式，以獲得日常模式並將此日常模式儲存於儲存模組。

此外，於本發明的一實施例中，行為偵測系統係至少透過一紅外線攝像儀與一聲音接收器，來接收至少包括一音訊訊號與一紅外線訊號，用以根據此音訊訊號與紅外線訊號來偵測一行為，並判斷是否發出通知至外部裝置。

本發明亦提供一種行為偵測方法，此行為偵測方法適用於一行為偵測系統，此行為偵測系統主要透過複數個感測器獲得複數個感測訊號以偵測一行為，並判斷是否發出通知至外部裝置。另外，此行為偵測系統包括儲存模組、事件分類模組與事件判斷模組，其中事件分類模組與事件判斷模組連接於儲存模組。本發明所提供之行為偵測方法包括：透過儲存模組，預先儲存複數個事件類型、複數個行為模式與一日常模式，其中每一事件類型包含其對應之複數個參考訊號，每一個行為模式包含複數個具有特定順序的事件類型，以及日常模式紀錄有對應每日不同時間區段的複數個歷史時間區段中的複數個行為模式；透過事件分類模組，比對該些感測訊號與該些事件類型所對應之該些參考訊號，並據以判斷對應該些感測訊號之事件類型；以及透過事件判斷模組，根據事件分析模組於一目前時間區段中所判斷出連續之該些事件類型及其順序和該些行為模式，以獲得一當前行為模式及其第一機率，將所獲得的當前行為模式與日常模式比對，以獲得第二機率，以及根據第一機率與第二機率判斷是否發出通知。須說明地是，第一機率係定義為當前行為模式可能發生危險的機率，而第二機率則係定義為當前行為模式與對應於目前時間區段之複數個該歷史時間區段中的該些行為模式相符合的機率。

於本發明的一實施例中，此行為偵測方法所適用之行為偵測系統更包括連接於事件分類模組之行為模式萃取模組。同時，此行為偵測方法更包括：透過行為模式萃取模組，將該些事件類型 及其發生順序和第一機率，儲存於該儲存模組以作為該些行為模式其中之一。於本發明的另一實施例中，此行為偵測方法所適用之行為偵測系統更包括連接於事件分類模組之日常模式訓練模組。同時，此行為偵測方法更包括：透過日常模式訓練模組，根據所判斷出該行為模式發生之時間點，將所判斷出的該行為模式作為對應每日不同時間區段的歷史時間區段的行為模式，以獲得日常模式並將此日常模式儲存於儲存模組。

綜上所述，本發明所提供之行為偵測系統與行為偵測方法能根據不同類型的感測訊號(如：音訊訊號、紅外線訊號…等)來偵測一行為，並進一步根據行為模式萃取模組所獲得的行為模式以及日常模式訓練模組所獲得的日常模式，來判斷是否須針對此行為對外部裝置發出通知。舉例來說，本發明所提供之行為偵測系統與行為偵測方法能應用於家電設備上，用以判斷家中是否有人發生危險，例如：老人家是否跌倒不起。有別於傳統上僅透過單一類感測訊號偵測並判斷是否須針對所偵測出的行為對外部裝置發出通知的偵測系統，本發明所提供之行為偵測系統與行為偵測方法能夠較準確地判斷出所偵測到的行為是否危險(即，所偵測到的行為會發生危險的可能性)，而大幅降低因誤判而發出錯誤通知的情況。

為使能更進一步瞭解本發明之特徵及技術內容，請參閱以下有關本發明之詳細說明與附圖，但是此等說明與所附圖式僅係用來說明本發明，而非對本發明的權利範圍作任何的限制。

1、2‧‧‧事件偵測響應系統

10‧‧‧儲存模組

12‧‧‧事件分類模組

14‧‧‧行為模式萃取模組

16‧‧‧平時行為訓練模組

18‧‧‧事件判斷模組

19‧‧‧回饋輸入介面

S1、S2‧‧‧感測器

D‧‧‧外部裝置

BM‧‧‧行為模式

500、600‧‧‧事件偵測響應方法

S510、S520、S530‧‧‧步驟

S610、S620、S630、S640、S650、S660、S670‧‧‧步驟

圖1為根據本發明例示性實施例繪示之行為偵測系統之方塊圖。

圖2為根據本發明另一例示性實施例繪示之行為偵測系統之方塊圖。

圖3為說明本發明例示性實施例繪示之行為偵測系統中行為模式萃取模組如何獲得一行為模式之示意圖。

圖4為說明本發明例示性實施例繪示之行為偵測系統中日常模式訓練模組如何獲得一日常行為之示意圖。

圖5為根據本發明例示性實施例繪示之行為偵測方法之流程圖。

圖6為根據本發明另一例示性實施例繪示之行為偵測方法之流程圖。

在下文將參看隨附圖式更充分地描述各種例示性實施例，在隨附圖式中展示一些例示性實施例。然而，本發明概念可能以許多不同形式來體現，且不應解釋為限於本文中所闡述之例示性實施例。確切而言，提供此等例示性實施例使得本發明將為詳盡且完整，且將向熟習此項技術者充分傳達本發明概念的範疇。在諸圖式中，類似數字始終指示類似元件。

以下將以多個實施例說明本發明所提供之行為偵測系統與行為偵測方法，然而，下述實施例並非用以限制本發明。

〔行為偵測系統的一實施例〕

請參照圖1，圖1為根據本發明例示性實施例繪示之行為偵測系統之方塊圖。本實施例所提供之行為偵測系統1可由電腦、本地伺服器、雲端伺服器或其組合之機器實體來實現，且主要包括儲存模組10、事件分類模組12與事件判斷模組18，且如圖1所示，事件分類模組12與事件判斷模組18均連接於儲存模組10。整體而言，本實施例所提供之行為偵測系統1能透過複數個感測器S1、S2獲得複數個感測訊號以偵測一行為，並判斷是否發出通知至外部裝置D。須說明地是，於本實施例中，行為偵測系統1係透過至少兩種不同類型的感測器S1、S2獲得複數個感測訊號以偵測一行 為。舉例來說，行為偵測系統1可透過聲音接收器與紅外線攝像儀，來接收至少一音訊訊號與一紅外線訊號，接著根據這些感測訊號偵測出一行為，並進一步判斷是否針對此行為發出通知至外部裝置D；然而，本發明於此並不限制行為偵測系統1所使用之感測器S1、S2的類型。

接著，將進一步闡述本實施例所提供之行為偵測系統1的工作原理。

於本實施例中，儲存模組10係預先儲複數個事件類型、複數個行為模式與一日常模式。其中，每一個事件類型包含有複數個參考訊號，每一個行為模式包含複數個具有特定順序的事件類型，日常模式則紀錄有對應每日不同時間區段的複數個歷史時間區段中的複數個行為模式。舉例來說，儲存模組10可預先儲存有多個事件類型，如「開廁所門」、「開水龍頭」、「沖馬桶」等事件類型，每個事件類型可能具有不同的參考訊號，例如，「開廁所門」可以是偵測到物體位移(此處指廁所門把)的紅外線訊號，「開水龍頭」的事件可以是流水聲的音訊訊號。此外，事件類型可能也會具有一種以上的感測訊號，例如，「沖馬桶」可以是馬桶按鈕被按壓的訊號並加上大量沖水聲的音訊訊號。再者，行為模式可例如「上廁所」的行為模式，「上廁所」的行為模式包含複數個具有特定順序的事件類型，如：開/關廁所門-沖馬桶-開/關水龍頭-開/關廁所門。

另外，於本實施例中，日常模式係定義為一個行為模式於重疊的多個歷史時間區段中發生的平均機率，其中重疊的多個歷史時間區段定義為彼此相隔二十四小時的多個時間區段。舉例來說，日常模式中可包含發生於2016/11/1，PM 18：00~PM 19：00中之「進家門」的行為模式、發生於2016/11/2，PM 18：00~PM 19：00中之「進家門」的行為模式、發生於2016/11/1，PM 20：00~PM 21：00中之「洗澡」的行為模式與發生於2016/11/2，PM 20：00~PM 21：00中之「洗澡」的行為模式…等。以上述「洗澡」的行為模式來說，日常模式便可顯示出在多個歷史時間區段「2016/11/1，PM 20：00~PM 21：00」、「2016/11/2，PM 20：00~PM 21：00」…中「洗澡」的行為模式發生的平均機率。

事件分類模組12用以比對該些感測訊號與該些事件類型所對應之該些參考訊號，並據以判斷出一事件之事件類型。進一步說明，於本實施例中，事件分類模組12是根據開始與停止獲得該些感側訊號的時間以及該些感側訊號的種類、位置、大小、強弱和頻率等其中之一來判斷對應該些感側訊號之事件類型。舉例來說，感側訊號的種類可為音訊訊號、紅外線訊號、超音波訊號…等，感側訊號的位置則可透過例如地理位置訊號等來取得。

事件判斷模組18則將事件分類模組12於一目前時間區段中所判斷出連續之該些事件類型及其順序，以及儲存模組10預先儲存的該些行為模式中的事件類型及其順序作比對，以獲得一個當前行為模式及其第一機率。舉例來說，事件分類模組12於目前時間區段(如：PM 18：10~PM 18：15)中所判斷出連續之該些事件類型及其順序為：開/關家門-小狗叫-開/關家門，且於儲存模組10預先儲存的該些行為模式中的事件類型及其順序裡頭，「開家門-小狗叫-關家門」為一「進家門」的行為模式，於是事件判斷模組18便會將目前時間區段中所判斷出連續之該些事件類型及其順序進一步判斷為一「進家門」的行為模式。

於本實施例中，第一機率係為當前行為模式可能發生危險的機率。此外須說明地是，於實際操作上，行為偵測系統1在出廠時便會為預先儲存於儲存模組10中的各行為模式預先設定其第一機率。舉例來說，由於浴室係為家中較容易發生危險的場所，因此針對「洗澡」的行為模式，行為偵測系統1將「洗澡」的行為模式之第一機率預先設定地較高(如：高於50%)。

接下來，事件判斷模組18會將所獲得的當前行為模式與儲存模組10預先儲存的日常模式比對，以獲得第二機率。於此須說明地是，於本實施例中，第二機率係為當前行為模式與對應於目前時間區段之複數個歷史時間區段中的該些行為模式符合的機率。舉例來說，假設日常模式包含「進家門」的行為模式(歷史時間區段為：2016/11/1，PM 18：00~PM 19：00)，若事件判斷模組18獲得了一個當前行為模式為「進家門」的行為模式，且獲得此當前行為模式的目前時間區段為2016/11/2，PM 18：10~PM 18：15，於是事件判斷模組18將此當前行為模式與日常模式比對後，便會獲得一個較高的第二機率(如：高於50%)。舉另一例來說，假設日常模式包含「洗澡」的行為模式(歷史時間區段為：2016/11/1，PM 20：00~PM 21：00)，若事件判斷模組18獲得了一個當前行為模式為「洗澡」的行為模式，且獲得此當前行為模式的目前時間區段為2016/11/2，PM 14：10~PM 14：15，於是事件判斷模組18將此當前行為模式與日常模式比對後，便會獲得一個較低的第二機率(如：低於50%)。

最後，事件判斷模組18根據第一機率與第二機率判斷是否發出通知至外部裝置D。舉例來說，假設當前行為模式為一「洗澡」的行為模式，且當前行為模式發生的目前時間區段為PM 20：20~PM 20：50，於是事件判斷模組18便會獲得一個高於50%的第一機率與一個低於50%的第二機率。值得注意的是，於本實施例中，當第一機率高於一第一機率門檻且第二機率低於一第二機率門檻時，事件判斷模組18便會發出通知至外部裝置D。因此，假設第一機率門檻與第二機率門檻均為50%，則於上述舉例中，雖然第一機率高於50%，但由於第二機率也高於50%，事件判斷模組18便不會發出通知至外部裝置D。也就是說，事件判斷模組18將發生於目前時間區段PM 20：20~PM 20：50中的當前行為模式「洗澡」視為不需要警示的狀況。

舉另一例來說，假設針對「開家門-小狗叫-關家門」的「進家門」之行為模式所預設之第一機率為30%，但當前行為模式中的事件類型及其順序為「開家門-小狗叫-關家門-小狗叫」，事件判斷模組18仍會將當前行為模式判斷為「進家門」之行為模式，但由於多了一個「小狗叫」的事件類型，事件判斷模組18便會將預設之第一機率調整(如：60%)。接著，假設當前行為模式發生的目前時間區段為PM 14：10~PM 14：15，但日常模式中所記錄之「進家門」的行為模式(所包含之事件類型及其順序為「開家門-小狗叫-關家門」)及其歷史時間區段為PM 18：00~PM 19：00，於是事件判斷模組18將此當前行為模式與日常模式比對後，便會獲得一個較低的第二機率(如：30%)。因此，假設第一機率門檻與第二機率門檻均為50%，則於上述舉例中，由於第一機率高於50%且第二機率門檻低於50%，事件判斷模組18便會發出通知至外部裝置D。也就是說，事件判斷模組18將發生於目前時間區段PM 14：10~PM 14：15中的當前行為模式「進家門」視為需要警示的狀況。

換句話說，當行為偵測系統1獲得當前行為模式時，若此當前行為模式完全符合預先儲存之行為模式之一，則行為偵測系統1便會獲得為此行為模式預設的第一機率，但若此當前行為模式部分符合預先儲存之行為模式之一，則行為偵測系統1便會調整原先為此行為模式預設的第一機率。接著，行為偵測系統1還會將此當前行為模式與日常模式進行比對來取得第二機率，以了解當前行為模式與日常模式符合的機率。如此一來，根據第一機率(為該行為模式所預設之發生危險的可能性)與第二機率(該行為模式與日常模式符合的機率)，便能較準確地對於需要警示的狀況發出通知。

須說明的是，針對當前行為模式部分符合預先儲存之行為模式之一，使得行為偵測系統1將調整原先為此行為模式預設的第一機率的情況，於一實施例中，若原先為此行為模式預設的第一機率本身即高於第一機率門檻，則行為偵測系統1不對此第一機率作 調整；而若原先為此行為模式預設的第一機率本身低於第一機率門檻，則行為偵測系統1便將此第一機率調整成高於第一機率門檻的數值。然而，此實施例僅為舉例說明行為偵測系統1調整原先為一行為模式預設的第一機率的機制，不用以限制本發明。

最後，於本實施例中，行為偵測系統1所發出的通知可為一警示訊號或一控制訊號，此警示訊號或控制訊號能使一外部裝置D(如：外出工作者的平板電腦)發出警示或能控制一外部裝置D(如：裝設於家中的智慧型家電)之運作。

接下來，為了使本發明所提供之行為偵測系統有效地學習各種行為模式以及有效地累積與更新日常模式，於以下的敘述中將提出另一個實施例來說明本發明所提供之行為偵測系統。

〔行為偵測系統的另一實施例〕

請參照圖2，圖2為根據本發明另一例示性實施例繪示之行為偵測系統之方塊圖。本實施例所提供之行為偵測系統2可由電腦、本地伺服器、雲端伺服器或其組合之機器實體來實現，且本實施例所提供之行為偵測系統2與圖1所示之行為偵測系統1具有類似的模組架構以及工作原理，但差別之一在於行為偵測系統2還包括了圖2中的行為模式萃取模組14和日常模式訓練模組16。如圖2所示，行為模式萃取模組14和日常模式訓練模組16均連接於事件分類模組12。

於以下的敘述中，將進一步闡述本實施例所提供之行為偵測系統2中之行為模式萃取模組14如何有效地學習各種行為模式，以及本實施例所提供之行為偵測系統2中之日常模式訓練模組16如何有效地累積與更新日常模式。

請參照圖3，圖3為說明本發明例示性實施例繪示之行為偵測系統中行為模式萃取模組如何獲得一行為模式之示意圖。

首先，同於前一實施例，事件分類模組12會比對該些感測訊號與該些事件類型所對應之該些參考訊號，並據以判斷出對應該 些該些參考訊號之事件類型。如圖3所示，事件分類模組12於一時間區段中依序地判斷出該些感測訊號為五個事件發生所產生，如：事件1、事件2、事件3、事件4與事件5。接著，事件分類模組12判斷這五個事件的事件類型依序分別為事件類型A、事件類型B、事件類型C、事件類型B、事件類型A。於是，於本實施例中，行為模式萃取模組14便會根據事件1、事件2、事件3、事件4與事件5之事件類型及其發生順序，將事件1、事件2、事件3與事件4之事件類型組合成一個行為模式BM。也就是說，事件分類模組12所學習到的此行為模式BM所包含的事件類型及其順序為「事件類型A-事件類型B-事件類型C-事件類型B-事件類型A」。舉例來說，於目前時間區段2016/11/2，PM 20：20~PM 20：50中，事件分類模組12所學習到的此行為模式BM為所包含的事件類型及其順序為「開/關門-沖水-刷洗-沖水-開關門」。

須說明地是，於本實施例中，一個行為模式BM可依序地包含對應N個事件的N個事件類型，雖然於圖3所示的例子中，N=5，但本發明於此並不限制組成一個行為模式BM之事件類型的個數。

此外，當事件分類模組12學習到一個行為模式BM(包含「開/關門-沖水-刷洗-沖水-開關門」)時，便會接著搜尋預先儲存於儲存模組10中與行為模式BM所包含之事件類型及其發生順序類似的行為模式。當行為模式BM所包含之事件類型及其發生順序與所搜尋到的行為模式包含之事件類型及其發生順序的相似度大於一預設百分比時，事件分類模組12便會將針對此行為模式預設的第一機率設定為新學習到的行為模式BM之第一機率。亦即，承上例，假設所搜尋到的行為模式為一預先儲存於儲存模組10中之「洗澡」的行為模式(包含「開/關門-沖水-無訊號-沖水-開關門」)時，事件分類模組12便會將針對此「洗澡」的行為模式預設的第一機率(如：70%)設定為新學習到的行為模式BM(包含「開/關門-沖水-刷洗-沖水-開/關門」)之第一機率。最後，事件分 類模組12新學習到的行為模式BM所包含之事件類型及其發生順序，以及對應此行為模式BM的第一機率儲存於儲存模組10，以作為預先儲存於儲存模組10中的多個行為模式其中之一。

請參照圖4，圖4為說明本發明例示性實施例繪示之行為偵測系統中日常模式訓練模組如何獲得一日常行為之示意圖。

首先，同於前一實施例，事件分類模組12會比對該些感測訊號與該些事件類型所對應之該些參考訊號，並據以判斷出對應該些該些參考訊號之事件類型。此外，事件判斷模組18會將事件分類模組12於一時間區段中所判斷出連續之該些事件類型及其順序，以及儲存模組10預先儲存的該些行為模式中的事件類型及其順序作比對，以獲得一個當前行為模式及其第一機率。於是，於本實施例中，日常模式訓練模組16會根據事件判斷模組18所判斷出的行為模式發生之一時間點，將事件判斷模組18所判斷出的行為模式作為對應每日不同時間區段的歷史時間區段中之行為模式，以獲得累績並更新日常模式，並將此日常模式儲存於儲存模組10。

於本實施例中，日常模式可以矩陣的形式來記錄。如前述實施例所提及，日常模式係定義為一個行為模式於重疊的多個歷史時間區段中發生的平均機率，其中重疊的多個歷史時間區段定義為彼此相隔二十四小時的多個時間區段。如圖3所示，用以記錄日常模式之矩陣的縱軸係為行為模式且橫軸係為時間。進一步說明，橫軸所代表的時間總長度為二十四小時，縱軸的每一欄代表一種行為模式。舉例來說，根據事件判斷模組18所判斷出的一行為模式發生之時間點，日常模式訓練模組16會於代表該行為模式的那欄中，於對應之橫軸位置打一個點。於是，於代表該行為模式的那欄中便能看出該行為模式於一日內發生的機率分布。若將一日切割成時間長度為一小時的歷史時間區段，則於代表該行為模式的那欄中便能看出該行為模式於多日重疊的相同歷史時間區 段內發生的機率分布；然而，本發明於此並不限制歷史時間區段的長短，前述時間長度為一小時的歷史時間區段僅為對歷史時間區段之舉例說明。

最後，為了使行為偵測系統2判斷是否發出表示警示之通知的依據能夠更符合使用者的生活習慣與模式，本實施例所提供之行為偵測系統2與圖1所示之行為偵測系統1的另一個差別即在於，行為偵測系統2還包括有一回饋輸入介面19。如圖2所示，此回饋輸入介面19係連接於事件判斷模組18。透過回饋輸入介面19，使用者能夠輸入回饋訊息，來至少調整第一機率門檻與第二機率門檻之一。

〔行為偵測方法的一實施例〕

請參照圖5，圖5為根據本發明例示性實施例繪示之行為偵測方法之流程圖。本實施例所述的行為偵測方法500可以於圖1所示的行為偵測系統1執行，因此請一併照圖1以利理解。

行為偵測方法500主要包括以下步驟：預先儲存數數個事件類型、複數個行為模式與一日常模式，其中每一該事件類型包含其對應之複數個參考訊號，每一行為模式包含複數個具有特定順序的事件類型，以及日常模式紀錄有對應每日不同時間區段的複數個歷史時間區段中的複數個行為模式(步驟S510)；比對該些感測訊號與該些事件類型所對應之該些參考訊號，並據以判斷對應該些感測訊號之事件類型(步驟S520)；以及根據事件分類模組於目前時間區段中所判斷出連續之該些事件類型及其順序和該些行為模式，以獲得一當前行為模式及其第一機率，將當前行為模式與日常模式比對，以獲得第二機率，以及根據第一機率與第二機率判斷是否發出通知。

關於適用於行為偵測系統1之行為偵測方法500中各步驟的相關細節在上述圖1所示之實施例已詳細說明，在此恕不贅述。但須 說明的是，本實施例中各步驟僅為方便說明之須要，本實施例中各步驟間的順序並不作為本發明於實施時地限制條件。

〔行為偵測方法的另一實施例〕

請參照圖6，圖6為根據本發明另一例示性實施例繪示之行為偵測方法之流程圖。本實施例所述的裝置位置提示方法600可以於圖2所示的行為偵測系統2執行，因此請一併照圖2以利理解。

行為偵測方法600主要包括以下步驟：預先儲存複數個事件類型、複數個行為模式與一日常模式，其中每一事件類型包含其對應之複數個參考訊號，每一行為模式包含複數個具有特定順序的事件類型，以及日常模式紀錄有對應每日不同時間區段的複數個歷史時間區段中的複數個行為模式(步驟S610)；比對該些感測訊號與該些事件類型所對應之該些參考訊號，並根據開始與停止獲得該些感側訊號的時間以及該些感側訊號的種類、位置、大小、強弱和頻率等其中之一來判斷該些感側訊號之事件類型(步驟S620)；根據事件分類模組於目前時間區段中所判斷出連續之該些事件類型及其順序和該些行為模式，以獲得一當前行為模式及其第一機率，將當前行為模式與日常模式比對，以獲得第二機率，以及當第一機率高於第一機率門檻且第二機率低於第二機率門檻時，發出通知(步驟S630)；根據警示訊號或控制訊號，使外部裝置發出警示或控制外部裝置之運作(步驟S640)；以及輸入回饋訊息，以至少調整第一機率門檻與第二機率門檻之一(步驟S650)。

除此之外，為了建立預先儲存之複數個行為模式與日常模式，行為偵測方法600還包括：將事件類型及其發生順序和第一機率，儲存於儲存模組以作為該些行為模式其中之一(步驟S660)；以及根據所判斷出之行為模式發生地時間點，將所判斷出的行為模式作為對應每日不同時間區段的歷史時間區段的行為模式，以獲得日常模式並將此日常模式儲存(步驟S670)。

關於適用於行為偵測系統2之行為偵測方法600中各步驟的相關細節在上述圖2所示之實施例已詳細說明，在此恕不贅述。但須說明的是，本實施例中各步驟僅為方便說明之須要，本實施例中各步驟間的順序並不作為本發明於實施時地限制條件。

〔實施例的可能功效〕

綜上所述，本發明所提供之行為偵測系統與行為偵測方法能根據不同類型的感測訊號(如：音訊訊號、紅外線訊號…等)來偵測一行為舉例來說，本發明所提供之行為偵測系統與行為偵測方法能應用於家電設備上，用以判斷家中是否有人發生危險，例如：老人家是否跌倒不起。有別於傳統上僅透過單一類感測訊號偵測並判斷是否須針對所偵測出的行為對外部裝置發出通知的偵測系統，本發明所提供之行為偵測系統與行為偵測方法能夠較準確地判斷出所偵測到的行為是否危險(即，所偵測到的行為會發生危險的可能性)。

除此之外，本發明所提供之行為偵測系統與行為偵測方法還會透過行為模式萃取模組來不斷地學習使用者的行為模式，並且透過日常模式訓練模組來累積並更新預先儲存的日常模式，使得本發明所提供之行為偵測系統與方法中判斷是否發出表示警示之通知的依據能夠更符合使用者的生活習慣與模式，如此一來更能大幅降低因誤判而發出錯誤通知的情況。

以上所述僅為本發明之實施例，其並非用以侷限本發明之專利範圍。

Claims (20)

1. 一種行為偵測系統，透過複數個感測器獲得複數個感測訊號以偵測一行為，並判斷是否發出一通知至一外部裝置，該系統包括：一儲存模組，預先儲存複數個事件類型、複數個行為模式與一日常模式，其中每一該事件類型包含其對應之複數個參考訊號，每一該行為模式包含複數個具有一特定順序的事件類型，以及該日常模式紀錄有對應每日不同時間區段的複數個歷史時間區段中的複數個該行為模式；一事件分類模組，連接於該儲存模組，比對該些感測訊號與該些事件類型所對應之該些參考訊號，並據以判斷對應該些感測訊號之該些事件；以及一事件判斷模組，連接於該儲存模組及該事件分類模組，根據該事件分類模組於一目前時間區段中所判斷出連續之該些事件類型及其順序和該些行為模式，以獲得一當前行為模式及其一第一機率，將該當前行為模式與該日常模式比對，以獲得一第二機率，以及根據該第一機率與該第二機率判斷是否發出該通知；其中，該第一機率係為該當前行為模式可能發生危險的機率，該第二機率係為該當前行為模式與對應於該目前時間區段之複數個該歷史時間區段中的該些行為模式相符合的機率。
2. 如請求項1所述之行為偵測系統，更包括：一行為模式萃取模組，連接於該事件分類模組，將該些事件類型及其發生順序和該第一機率，儲存於該儲存模組以作為該些行為模式其中之一。
3. 如請求項1所述之行為偵測系統，更包括：一日常模式訓練模組，連接於該事件分類模組，根據所判 斷出該行為模式發生之一時間點，將所判斷出的該行為模式作為對應每日不同時間區段的該歷史時間區段的行為模式，以獲得該日常模式並儲存於該儲存模組。
4. 如請求項1所述之行為偵測系統，其中該事件分類模組進一步根據開始與停止獲得該些感側訊號的時間以及該些感側訊號的種類、位置、大小、強弱和頻率等其中之一來判斷所對應該些感測訊號該事件類型。
5. 如請求項2所述之行為偵測系統，其中若由該行為模式萃取模組所獲得之該行為模式與預先儲存於該儲存模組之該些行為模式之一的相似度大於一預設百分比，則以該些行為模式之一的該第一機率做為該行為模式萃取模組所獲得之該行為模式的該第一機率。
6. 如請求項1所述之行為偵測系統，其中該日常模式定義為該行為模式於重疊的該些歷史時間區段中發生的平均機率，其中重疊的該些歷史時間區段定義為彼此相隔二十四小時的該些時間區段。
7. 如請求項1所述之行為偵測系統，其中當該第一機率高於一第一機率門檻且該第二機率低於一第二機率門檻時，該事件判斷模組發出該通知。
8. 如請求項1所述之行為偵測系統，其中該通知為一警示訊號或一控制訊號，用以使該外部裝置發出警示或用以控制該外部裝置之運作。
9. 如請求項1所述之行為偵測系統，更包括一回饋輸入介面，用以輸入一回饋訊息，以至少調整該第一機率門檻與該第二機率門檻之一。
10. 如請求項1所述之行為偵測系統，其中該複數個感測器至少包 括一紅外線攝像儀與一聲音接收器，且該複數個感測訊號至少包括一音訊訊號與一紅外線訊號。
11. 一種行為偵測方法，適用於一行為偵測系統，該行為偵測系統透過複數個感測器獲得複數個感測訊號以偵測一行為，並判斷是否發出一通知至一外部裝置，且該行為偵測系統包括一儲存模組、一事件分類模組與一事件判斷模組，其中該事件分類模組與該事件判斷模組連接於該儲存模組，該行為偵測方法包括：透過該儲存模組，預先儲存複數個事件類型、複數個行為模式與一日常模式，其中每一該事件類型包含其對應之複數個參考訊號，每一該行為模式包含複數個具有一特定順序的事件類型，以及該日常模式紀錄有對應每日不同時間區段的複數個歷史時間區段中的複數個該行為模式；透過該事件分類模組，比對該些感測訊號與該些事件類型所對應之該些參考訊號，並據以判斷對應該些感測訊號之該事件類型；以及透過該事件判斷模組，根據該事件分類模組於一目前時間區段中所判斷出連續之該些事件類型及其順序和該些行為模式，以獲得一當前行為模式及其一第一機率，將該當前行為模式與該日常模式比對，以獲得一第二機率，以及根據該第一機率與該第二機率判斷是否發出該通知；其中，該第一機率係定義為該當前行為模式可能發生危險的機率，該第二機率係定義為該當前行為模式與對應於該目前時間區段之複數個該歷史時間區段中的該些行為模式相符合的機率。
12. 如請求項11所述之行為偵測方法，其中該行為偵測系統更包括連接於該事件分類模組之一行為模式萃取模組，且該行為偵 測方法更包括：透過該行為模式萃取模組，將該些事件類型及其發生順序和該第一機率，儲存於該儲存模組以作為該些行為模式其中之一。
13. 如請求項11所述之行為偵測方法，其中該行為偵測系統更包括連接於該事件分類模組之一日常模式訓練模組，且該行為偵測方法更包括：透過該日常模式訓練模組，根據所判斷出該行為模式發生之一時間點，將所判斷出的該行為模式作為對應每日不同時間區段的該歷史時間區段的行為模式，以獲得該日常模式並儲存於該儲存模組。
14. 如請求項11所述之行為偵測方法，其中透過該事件分類模組，比對該些感測訊號與該些事件類型所對應之該些參考訊號，並據以判斷該些事件類型的步驟中更包括：透過該事件分析模組，進一步根據開始與停止獲得該些感側訊號的時間以及該些感側訊號的種類、位置、大小、強弱和頻率等其中之一來判斷對應該些感側訊號之該些事件類型。
15. 如請求項11所述之行為偵測方法，其中若由該行為模式萃取模組所獲得之該行為模式與預先儲存於該儲存模組之該些行為模式之一的相似度大於一預設百分比，則以該些行為模式之一的該第一機率做為該行為模式萃取模組所獲得之該行為模式的該第一機率。
16. 如請求項11所述之行為偵測方法，其中該平時行為定義為該事件類型於重疊的該些歷史時間區段中發生的平均機率，其中重疊的該些歷史時間區段定義為彼此相隔二十四小時的該些時間區段。
17. 如請求項11所述之行為偵測方法，其中透過該事件判斷模組，根據該第一機率與該第二機率判斷是否發出該通知的步驟更包括：當該第一機率高於一第一機率門檻且該第二機率低於一第二機率門檻時，該事件判斷模組發出該通知。
18. 如請求項11所述之行為偵測方法，其中該通知為一警示訊號或一控制訊號，該行為偵測方法更包括：根據該警示訊號或該控制訊號，使該外部裝置發出警示或控制該外部裝置之運作。
19. 如請求項11所述之行為偵測方法，其中該行為偵測系統更包括一回饋輸入介面，且該行為偵測方法更包括：透過該回饋輸入介面，輸入一回饋訊息，以至少調整該第一機率門檻與該第二機率門檻之一。
20. 如請求項11所述之行為偵測方法，其中該複數個感測器至少包括一紅外線攝像儀與一聲音接收器，且該複數個感測訊號至少包括一音訊訊號與一紅外線訊號。