TWI711012B - 姿態監控方法及其運算裝置與系統 - Google Patents

姿態監控方法及其運算裝置與系統 Download PDF

Info

Publication number
TWI711012B
TWI711012B TW108110000A TW108110000A TWI711012B TW I711012 B TWI711012 B TW I711012B TW 108110000 A TW108110000 A TW 108110000A TW 108110000 A TW108110000 A TW 108110000A TW I711012 B TWI711012 B TW I711012B
Authority
TW
Taiwan
Prior art keywords
value
monitored object
steady state
steady
stage
Prior art date
Application number
TW108110000A
Other languages
English (en)
Other versions
TW202036489A (zh
Inventor
朱庭鋒
余湛玄
呂幗閒
Original Assignee
緯創資通股份有限公司
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 緯創資通股份有限公司 filed Critical 緯創資通股份有限公司
Priority to TW108110000A priority Critical patent/TWI711012B/zh
Priority to CN201910348565.1A priority patent/CN111723629B/zh
Priority to US16/508,331 priority patent/US11182923B2/en
Publication of TW202036489A publication Critical patent/TW202036489A/zh
Application granted granted Critical
Publication of TWI711012B publication Critical patent/TWI711012B/zh

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • 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
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G06T7/251—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving models
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
    • A61B5/002—Monitoring the patient using a local or closed circuit, e.g. in a room or building
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
    • A61B5/0022—Monitoring a patient using a global network, e.g. telephone networks, internet
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0077—Devices for viewing the surface of the body, e.g. camera, magnifying lens
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1116—Determining posture transitions
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/44—Detecting, measuring or recording for evaluating the integumentary system, e.g. skin, hair or nails
    • A61B5/441—Skin evaluation, e.g. for skin disorder diagnosis
    • A61B5/445—Evaluating skin irritation or skin trauma, e.g. rash, eczema, wound, bed sore
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4842—Monitoring progression or stage of a disease
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • A61B5/7207—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts
    • A61B5/7214—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts using signal cancellation, e.g. based on input of two identical physiological sensors spaced apart, or based on two signals derived from the same sensor, for different optical wavelengths
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7278—Artificial waveform generation or derivation, e.g. synthesising signals from measured signals
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/7465—Arrangements for interactive communication between patient and care services, e.g. by using a telephone network
    • A61B5/747—Arrangements for interactive communication between patient and care services, e.g. by using a telephone network in case of emergency, i.e. alerting emergency services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G06T7/75—Determining position or orientation of objects or cameras using feature-based methods involving models
    • 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
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30232—Surveillance
    • 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
    • G08B21/0438—Sensor means for detecting
    • G08B21/0446—Sensor means for detecting worn on the body to detect changes of posture, e.g. a fall, inclination, acceleration, gait

Abstract

一種姿態監控方法及其運算裝置與系統，此方法包括下列步驟。接收關於監控區域的影像序列，其中監控區域包括監控對象。偵測監控對象於第一階段穩態所對應的第一穩態值，其中第一穩態值關聯於監控對象的姿態於第一預設時間內連續保持穩定狀態所對應的位置。偵測監控對象於第二階段穩態所對應的第二穩態值，其中第二穩態值關聯於監控對象的姿態於第二預設時間內連續保持穩定狀態所對應的位置。比較第一穩態值與第二穩態值，據以判斷監控對象是否改變姿態。

Description

姿態監控方法及其運算裝置與系統
本發明是有關於一種監控技術，且特別是有關於一種姿態監控方法及其運算裝置與系統。
褥瘡（pressure ulcers），又稱壓力性潰傷，是因人體皮膚組織長期受壓迫導致缺血壞死、潰爛，常見於植物人、久病臥床以及脊髓損傷患者等本身缺乏自主性翻身能力的人。因此，護理人員需至少每隔兩小時適時地協助病患翻身，以預防褥瘡的產生。然而，緊湊而繁雜的工作細項往往有可能會導致護理人員百忙中遺忘。
有鑑於此，本發明提供一種姿態監控方法及其運算裝置與系統，其可以藉由影像偵測的方式有效地判斷監控對象的姿態是否改變，從而減少人力監控的成本與負擔。
在本發明的一實施例中，上述的方法適用於運算裝置，並且包括下列步驟。接收關於監控區域的影像序列，其中監控區域包括監控對象。偵測監控對象於第一階段穩態所對應的第一穩態值，其中第一穩態值關聯於監控對象的姿態於第一預設時間內連續保持穩定狀態所對應的位置。偵測監控對象於第二階段穩態所對應的第二穩態值，其中第二穩態值關聯於監控對象的姿態於第二預設時間內連續保持穩定狀態所對應的位置。比較第一穩態值與第二穩態值，據以判斷監控對象是否改變姿態。
在本發明的一實施例中，上述的運算裝置包括記憶體以及處理器，其中處理器耦接記憶體。記憶體用以儲存影像以及資料。處理器用以接收關於包括監控對象的監控區域的影像序列，偵測監控對象於第一階段穩態所對應的第一穩態值，偵測監控對象於第二階段穩態所對應的第二穩態值，以及比較第一穩態值與第二穩態值，據以判斷監控對象是否改變姿態，其中第一穩態值關聯於監控對象的姿態於第一預設時間內連續保持穩定狀態所對應的位置，第二穩態值關聯於監控對象的姿態於第二預設時間內連續保持穩定狀態所對應的位置。
在本發明的一實施例中，上述的系統包括影像擷取裝置以及運算裝置。影像擷取裝置用以擷取關於包括監控對象的監控區域的影像序列。運算裝置用以自影像擷取裝置接收影像序列，偵測監控對象於第一階段穩態所對應的第一穩態值，偵測監控對象於第二階段穩態所對應的第二穩態值，以及比較第一穩態值與第二穩態值，據以判斷監控對象是否改變姿態，其中第一穩態值關聯於監控對象的姿態於第一預設時間內連續保持穩定狀態所對應的位置，第二穩態值關聯於監控對象的姿態於第二預設時間內連續保持穩定狀態所對應的位置。
為讓本發明的上述特徵和優點能更明顯易懂，下文特舉實施例，並配合所附圖式作詳細說明如下。
本發明的部份實施例接下來將會配合附圖來詳細描述，以下的描述所引用的元件符號，當不同附圖出現相同的元件符號將視為相同或相似的元件。這些實施例只是本發明的一部份，並未揭示所有本發明的可實施方式。更確切的說，這些實施例只是本發明的專利申請範圍中的方法、運算裝置與系統的範例。
圖1為根據本發明一實施例所繪示的姿態監控系統的方塊圖，但此僅是為了方便說明，並不用以限制本發明。首先圖1先介紹系統中的所有構件以及配置關係，詳細功能將配合圖2一併揭露。
在本實施例中，姿態監控系統1000包括運算裝置100以及影像擷取裝置150。運算裝置100可以是個人電腦、筆記型電腦、伺服器電腦、平板電腦、智慧型手機、工作站或其它可經由通訊介面無線地、有線地連接至影像擷取裝置150的電腦系統或是平台，其中影像擷取裝置150可以例如是數位相機、數位攝影機、網路攝影機、監視攝影機，而通訊介面可以是支援任何有線連接或是無線通訊標準以與其它裝置進行資料傳輸的傳輸介面。在另一實施例中，運算裝置100可以是內建於或內建有影像擷取裝置150的嵌入式系統（embedded system），本發明不在此設限。
記憶體110用以儲存影像、程式碼等資料，其可以例如是任意型式的固定式或可移動式隨機存取記憶體（random access memory，RAM）、唯讀記憶體（read-only memory，ROM）、快閃記憶體（flash memory）、硬碟或其他類似裝置、積體電路及其組合。
處理器120用以控制運算裝置100的構件之間的作動，其可以例如是中央處理單元（central processing unit，CPU）、圖形處理單元（graphic processing unit，GPU），或是其他可程式化之一般用途或特殊用途的微處理器（microprocessor）、數位訊號處理器（digital signal processor，DSP）、可程式化控制器、特殊應用積體電路（application specific integrated circuits，ASIC）、可程式化邏輯裝置（programmable logic device，PLD）或其他類似裝置、積體電路及其組合。
以下即搭配系統1000的各元件列舉實施例，以說明系統1000中的運算裝置100執行其姿態監控方法的詳細步驟。
圖2為根據本發明一實施例所繪示的姿態監控方法的流程圖。
請同時參照圖1以及圖2，首先，運算裝置100的處理器120將接收關於監控區域的影像序列，其中監控區域包括監控對象（步驟S202）。詳細來說，在此可於監控區域的上方裝設影像擷取裝置150，以不斷地擷取監控區域的連續輸入畫面，而所擷取到的連續輸入畫面將構成前述的「影像序列」。在以下的說明當中，假設影像擷取裝置150的拍攝視角為固定。然而，在其它實施例中，影像擷取裝置150亦可以是可移動式，或者是其拍攝視角可隨時間或者是其它不同需求而有不同變化，本發明不在此設限。本實施例的應用情境為護理照護，其中影像擷取裝置150可以是設置於居家環境、醫院、照護中心的床鋪上方，以對於病患達到安全或健康狀況監控的目的。在本實施例中，監控區域為影像擷取裝置150的視野範圍中的一部分，為床鋪及其四周。在一實施例中，監控區域的設定方式可以是以預先自影像擷取裝置150取得所拍攝到的初始影像並且顯示於使用者介面，來供使用者透過輸入裝置以框選、角落點選的方式來自初始影像中定義出床鋪或者是床鋪及其四周的位置，以設定為監控區域。在另一實施例中，監控區域亦可以是影像擷取裝置150的所有視野範圍，本發明不在此設限。在本實施例中，監控對象為床鋪上的病患。然而，此應用情境僅為舉例說明之用，並不用以限制本發明。
接著，處理器120將偵測監控對象於第一階段穩態所對應的第一穩態值（步驟S204）。在此的第一階段穩態可以是指監控對象的姿態於一個預設時間內（以下稱為「第一預設時間」）連續保持穩定狀態，而第一穩態值可以是指監控對象於第一預設時間內所對應的位置。換句話說，第一穩態值關聯於監控對象的姿態於第一預設時間內連續保持穩定狀態所對應的位置。
處理器120在監控對象達到第一階段穩態後，將偵測監控對象於第二階段穩態所對應的第二穩態值（步驟S206）。類似地，在此的第二階段穩態可以是指監控對象的姿態於另一個預設時間內（以下稱為「第二預設時間」）連續保持穩定狀態，而第二穩態值可以是指監控對象於第二預設時間內所對應的位置。換句話說，第二穩態值關聯於監控對象的姿態於第二預設時間內連續保持穩定狀態所對應的位置。
之後，處理器120將會比較第一階段穩態所對應的第一穩態值與第二階段穩態所對應的第二穩態值，據以判斷監控對象是否改變姿態（步驟S208）。也就是說，處理器120可藉由比較監控對象的姿態分別於兩個預設時間內保持穩定狀態所分別對應的位置，來判斷監控對象是否改變姿態。當第一穩態值與第二穩態值之間的差異較大時，即代表監控對象有明顯的移動，因此可推定監控對象的姿態有改變。當第一穩態值與第二穩態值之間的差異較小時，即代表監控對象的姿態沒有改變。
為了更清楚明瞭上述流程，以下將以圖3根據本發明一實施例所繪示的姿態監控方法的應用情境流程圖來針對上述流程的細節加以說明。在本實施例中，將以無法自主性翻身的病患來做為監控對象，並且藉由其護理人士協助翻身而改變姿態。在此情境下，處理器120可藉由病患於兩個時間內的狀態變化來判別護理人士是否確實對病患執行翻身動作。
請同時參照圖1以及圖3，首先，運算裝置100的處理器120將定位監控對象的參考點（步驟S302）。在本實施例中，參考點是代表監控對象的目前位置，後續將藉由監控參考點的位置來執行本實施例中的姿態監控方法。處理器120在定位監控對象的參考點後，將計算參考點於目前時間間隔的目前位置標準值（步驟S304）。在此，處理器120可先自影像序列中定位出監控對象的參考點，並且計算參考點於目前正在處理的時間間隔內的位置統計值以做為目前位置標準值，來做為後續步驟的使用。在此的位置統計值可以是位置平均值、位置中位數等，本發明不在此設限。
詳細來說，在本實施例中，參考點可以是位於監控對象的胸口，原因在於胸口位置是人體軀幹核心，具有較穩定、不易受到周邊物品影響而產生位移、較不易受到護理人員動作影響、較不易被遮蔽等特點，受環境因素的影響最低，故最能突顯出姿態變動的趨勢。然而，在其它實施例中亦可以監控對象的其它部位來做為參考點，本發明不在此設限。在本實施例中，處理器220可先利用基於深度學習所訓練出的OpenPose函式庫（library），無論是監控對象以側躺或是仰躺的姿態，皆可針對影像序列中的輸入畫面進行骨架偵測，以在每張輸入畫面標示出人體的多個骨架座標，而其中將包括胸口的位置座標。在本實施例中，藉由利用OpenPose函式庫獲得監控對象的胸口的位置座標，即可以定位出監控對象的參考點。然而，在其它實施例中亦可以其它演算方式來定位出監控對象的參考點，本發明不在此設限。
在本實施例中，X、Y方向分別是影像擷取裝置150的拍攝視野的水平與垂直方向，假設床鋪與影像擷取裝置150的拍攝視野的水平方向（即X方向）較接近垂直關係，而翻身動作主要是相對於水平方向的位移，因此在本實施例中的處理器120可以僅利用胸口位置的X座標來進行運算。附帶說明的是，在其它實施例中，假設床鋪與影像擷取裝置150的拍攝視野的水平方向（即X方向）較接近水平關係，而翻身動作主要是相對於垂直方向的位移，處理器120則將僅利用胸口位置的Y座標來進行運算。在本實施例中，由於骨架偵測的結果所得到的座標可能會因監控對象正常抖動或呼吸韻律等而有跳動的情況，因此處理器120將利用一個時間間隔所對應的輸入畫面來計算參考點的X座標平均值。在此的時間間隔可以是取經驗值（empirical value），即30個輸入畫面。以30fps所錄製的影像序列的觀點而言，此時間間隔則為1秒。
具體來說，圖4為根據本發明一實施例所繪示的參考點的位置統計值的計算方式的示意圖。為了簡易說明，以下將以5個輸入畫面來取代30個輸入畫面進行示意說明。
請參照圖4，在此將以滑動窗口（sliding window）的概念來取得5個輸入畫面。在此，當處理器120取得到輸入畫面F5時，處理器120會以滑動窗口SW5中的輸入畫面F5連同其先前四個輸入畫面F1～F4，來計算胸口位置的目前位置標準值CurrtA（即，參考點於輸入畫面F1～F5的X座標平均值）；當處理器120取得到輸入畫面F6時，處理器120會以滑動窗口SW6中的輸入畫面F6連同其先前四個輸入畫面F2～F5，來計算胸口位置的目前位置標準值CurrtA（即，參考點於輸入畫面F2～F6的X座標平均值）；滑動窗口SW7中的輸入畫面F3～F7以及滑動窗口SW8中的輸入畫面F4～F8可以此類推。
請再回到圖3，處理器120將判斷監控對象是否已達到第一階段穩態（步驟S306）。若否，處理器120將偵測監控對象的第一階段穩態（步驟S308）。在此，第一階段穩態代表監控對象的姿態於第一預設時間內連續保持穩定狀態，而處理器120將會記錄穩定狀態的數值，包含第一穩態值ST1。步驟S306以及步驟S308的細節可由圖5根據本發明之一實施例所繪示的第一階段穩態的偵測方法的流程圖來加以說明。
請參照圖5，當處理器120開始偵測監控對象的第一階段穩態時，會先判斷目前位置標準值CurrtA與參考點的目前位置CurrtX之間的差值是否小於第一閥值Th1（步驟S502）， 其中第一閥值Th1可以例如是水平方向的30個像素。以圖4為例，當處理器120取得到輸入畫面F5時，將會判斷參考點於輸入畫面F5的目前位置CurrtX 5與輸入畫面F1～F5的目前位置標準值CurrtA 1-5之間的差值是否小於第一閥值Th1。當處理器120取得到輸入畫面F6時，將會判斷參考點於輸入畫面F6的目前位置CurrtX 6與目前位置標準值CurrtA 2-6之間的差值是否小於第一閥值Th1。附帶說明的是，以另一觀點來看，第一閥值Th1是取目前位置標準值CurrtA正負各30個像素差，因此處理器120亦可判斷參考點的目前位置CurrtX是否位於容許範圍(CurrtA-30)與(CurrtA+30)之間，以利用第一閥值Th1來避免正常抖動或呼吸韻律被誤判為不穩定狀態。此外，第一閥值Th1亦可以是依照影像擷取裝置150的規格以及架設條件來適應性地調整，本發明不在此設限。
當處理器120判定目前位置標準值CurrtA與參考點的目前位置CurrtX之間的差值小於第一閥值Th1時，代表目前參考點位置保持穩定，因此將會累加第一計數值Counter1++（步驟S504）。當累計穩定的次數足夠時，即第一計數值Counter1大於第二閥值Th2（步驟S506），代表參考點位置已在一段時間（在此即為第一預設時間）內連續保持穩定，也意味著監控對象已達到第一階段穩態，在此的第二閥值Th2可以是30次。換句話說，假設一般影像播放速度為30fps，當監控對象移動量於1秒內保持在第一閥值Th1以內，則達到第一階段穩態。附帶說明的是，第二閥值Th2亦可以是依照護理人士協助翻身的速度而適應性地調整，本發明不在此設限。接著，處理器120可將判定到第一計數值Counter1大於第二閥值Th2時所對應到的目前位置標準值CurrtA儲存為第一穩態值ST1（步驟S508），並且結束第一階段穩態的偵測。另一方面，當在累計次數的過程當中，只要處理器120判定到目前位置標準值CurrtA與參考點的目前位置CurrtX之間的差值大於第一閥值Th1時，代表參考點的目前位置CurrtX與目前位置標準值CurrtA的差值過大，即代表參考點位置不夠穩定，因此第一計數值將會歸零Counter1=0（步驟S510），並且結束第一階段穩態的偵測。
請再回到圖3，處理器120會在結束第一階段穩態的偵測時，再次判斷監控對象是否已達到第一階段穩態（步驟S310）。若否，即代表偵測第一階段穩態時的第一計數值已歸零或者是尚未到達第二閥值，處理器120將會回到步驟S302處理下一個輸入畫面，以重新定位出監控對象的參考點。
另一方面，當處理器120於步驟S306或是步驟S310判定監控對象已達到第一階段穩態時，將會偵測監控對象的第二階段穩態（步驟S312）。在此，第二階段穩態代表監控對象的姿態於第二預設時間內連續保持穩定狀態，而處理器120將會記錄穩定狀態的數值，包含第二穩態值ST2。步驟S312與步驟S308類似，其細節可由圖6根據本發明之一實施例所繪示的第二階段穩態的偵測方法的流程圖來加以說明。
請參照圖6，當處理器120開始偵測監控對象的第二階段穩態時，會先判斷目前位置標準值CurrtA與參考點的目前位置CurrtX之間的差值是否小於第一閥值Th1（步驟S602），其中第一閥值Th1同樣可以例如是水平方向的30個像素。當處理器120判定目前位置標準值CurrtA與參考點的目前位置CurrtX之間的差值小於第一閥值Th1時，將會累加第二計數值Counter2++（步驟S604）。當累計穩定的次數足夠時，即第二計數值Counter2大於第二閥值Th2（步驟S606），代表參考點位置已在一段時間內（在此即為第二預設時間）連續保持穩定，也意味著監控對象已達到第二階段穩態，在此的第二閥值Th2同樣可以是30次。在此，處理器120可將判定到第二計數值Counter2大於第二閥值Th2時所對應到的目前位置標準值CurrtA儲存為第二穩態值ST2（步驟S608），並且結束第二階段穩態的偵測。另一方面，當在累計次數的過程當中，只要處理器120判定到目前位置標準值CurrtA與參考點的目前位置CurrtX之間的差值大於第一閥值Th1時，代表參考點的目前位置CurrtX與目前位置標準值CurrtA的差值過大，即代表參考點位置不夠穩定，因此第二計數值將會歸零Counter2=0（步驟S610），並且結束第二階段穩態的偵測。
請再回到圖3，處理器120會在結束第二階段穩態的偵測時，判斷監控對象是否已達到第二階段穩態（步驟S314）。若否，即代表偵測第二階段穩態時的第二計數值已歸零或者是尚未到達第二閥值Th2，處理器120將會回到步驟S302處理下一個輸入畫面，以重新定位出監控對象的參考點。
另一方面，當處理器120判定監控對象已達到第二階段穩態時，即代表此時處理器120已取得到對應於第一階段穩態的第一穩態值以及對應於第二階段穩態的第二穩態值，因此將會判斷監控對象是否有改變姿態（步驟S316），而無論監控對象的姿態是否改變，處理器120將會回到步驟S302以持續地對監控對象進行姿態監控。步驟S316的說明可由圖7根據本發明一實施例所繪示的姿態改變的偵測方法的流程圖來加以說明。
請參照圖7，當處理器120會判斷對應於第一階段穩態的第一穩態值ST1與對應於第二階段穩態的第二穩態值ST2之間的差值是否大於第三閥值Th3（步驟S702），其中第三閥值Th3需大於用於避免正常抖動或呼吸韻律被誤判的第一閥值Th1，以避免監控對象正常抖動或呼吸韻律所造成的位置移動被誤判為監控對象的姿態改變。舉例來說，第三閥值Th3可以是水平方向的50個像素。詳細來說，第一穩態值ST1以及第二穩態值ST2分別為不同時間間隔內的參考點平均位置。當兩者的差異過大，代表參考點位置已有相當明顯的移動，即代表監控對象的姿態已改變。特別是在本實施例中的使用情境為以無法自主性翻身的病患來做為監控對象，因此在參考點位於胸口的設定下，胸口位置的移動將會是護理人士協助翻身所造成。此外，第三閥值Th3亦可以視護理人士協助翻身的幅度來自行設定。
當處理器120判定第一穩態值ST1與第二穩態值ST2之間的差值大於第三閥值Th3時，將會判定並且回報監控對象有改變姿態，並且重置第一穩態值ST1以及第二穩態值ST2（步驟S704）。當處理器120判定第一穩態值ST1與第二穩態值ST2之間的差值不大於第三閥值Th3時，將會判定並且回報監控對象沒有改變姿態，並且僅重置第二穩態值ST2，而第一穩態值ST1將維持不變（步驟S706）。
在本實施例中，處理器120可以是將監控對象是否有改變姿態的判定結果回報做為記錄追蹤使用。當處理器120於一段時間內（稱為「第三預設時間」，例如2小時）尚未接收到監控對象有改變姿態的回報時，則處理器120可以是發送警示訊號至護理人員所在的位置的相關系統裝置或者是穿戴裝置來進行提醒，以避免護理人員因忙碌而疏於對病患適時地進行翻身。
為了更清楚明瞭，圖8為根據本發明一實施例所繪示於各個時點的胸口位置的水平座標的示意圖。
請同時參照圖3、圖5以及圖8，處理器120將會在時點t1時達到第一階段穩態，而得到第一穩態值ST1。時點t1與時點t2之間的胸口位置的X座標將會產生劇烈變動，其中時點t2為翻身時點。然而，以處理器120的觀點來說，其事實上是在時點t3時達到第二階段穩態，而得到第二穩態值ST2之後，藉由判定出第一穩態值ST1與第二穩態值ST2之間的差值大於50個像素而得出病患確實翻身的結果。
綜上所述，本發明所提出的姿態監控方法及其運算裝置與系統，其可藉由影像偵測的方式比較監控對象分別於兩個預設時間內保持穩定狀態所分別對應的位置，進而有效地判斷監控對象的姿態是否改變，從而減少人力監控的成本與負擔。
雖然本發明已以實施例揭露如上，然其並非用以限定本發明，任何所屬技術領域中具有通常知識者，在不脫離本發明的精神和範圍內，當可作些許的更動與潤飾，故本發明的保護範圍當視後附的申請專利範圍所界定者為準。
1000：系統 100：運算裝置 110：記憶體 120：處理器 S202～S208、S302～S316、S502～S510、S602～S610、 S702～S706：步驟 F1～F8：輸入畫面 SW5～SW8：滑動窗口 ST1：第一穩態值 ST2：第二穩態值 t1～t3：時點
圖1為根據本發明一實施例所繪示的姿態監控系統的方塊圖。 圖2為根據本發明一實施例所繪示的姿態監控方法的流程圖。 圖3為根據本發明一實施例所繪示的姿態監控方法的流程圖。 圖4為根據本發明一實施例所繪示的參考點的位置統計值的計算方式的示意圖。 圖5為根據本發明一實施例所繪示的第一階段穩態的偵測方法的流程圖。 圖6為根據本發明一實施例所繪示的第二階段穩態的偵測方法的流程圖。 圖7為根據本發明一實施例所繪示的姿態改變的偵測方法的流程圖。 圖8為根據本發明一實施例所繪示於各個時點的胸口位置的水平座標的示意圖。
S202～S208：步驟

Claims (20)

  1. 一種姿態監控方法，適用於運算裝置，該方法包括下列步驟：接收關於監控區域的影像序列，其中該監控區域包括監控對象；取得該監控對象於第一階段穩態所對應的第一穩態值，其中該第一穩態值關聯於該監控對象的姿態於第一預設時間內連續保持穩定狀態所對應的位置；取得該監控對象於第二階段穩態所對應的第二穩態值，其中該第二穩態值關聯於該監控對象的姿態於第二預設時間內連續保持穩定狀態所對應的位置；以及比較該第一穩態值與該第二穩態值，據以判斷該監控對象是否改變姿態。
  2. 如申請專利範圍第1項所述的方法，其中在取得該監控對象於該第一階段穩態所對應的該第一穩態值的步驟之前，該方法更包括：自該影像序列中，定位該監控對象的參考點；計算該參考點於目前時間間隔的目前位置標準值，其中該目前位置標準值為該參考點於該目前時間間隔內的位置統計值。
  3. 如申請專利範圍第2項所述的方法，其中該參考點位於該監控對象的胸口。
  4. 如申請專利範圍第2項所述的方法，其中在計算該參考點於該目前時間間隔的該標準值的步驟之後，該方法更包括：判斷該監控對象是否已達到該第一階段穩態；當判定該監控對象未達到該第一階段穩態，偵測該監控對象的該第一階段穩態；以及當判定該監控對象已達到該第一階段穩態，偵測該監控對象的該第二階段穩態。
  5. 如申請專利範圍第4項所述的方法，其中偵測該監控對象的該第一階段穩態的步驟包括：判斷該目前位置標準值與該參考點的目前位置之間的差值是否小於第一閥值；當該目前位置標準值與該參考點的該目前位置之間的該差值小於該第一閥值時，累加第一計數值，並且判斷該第一計數值是否大於第二閥值；以及當該第一計數值大於該第二閥值時，判定該監控對象已達到該第一階段穩態。
  6. 如申請專利範圍第5項所述的方法，其中當判定該監控對象已達到該第一階段穩態時，該方法更包括：設定該第一計數值大於該第二閥值時所對應的該目前位置標準值為該第一穩態值。
  7. 如申請專利範圍第5項所述的方法，更包括： 當該目前位置標準值與該參考點的該目前位置之間的該差值不小於該第一閥值時，歸零該第一計數值，並且判定該監控對象尚未達到該第一階段穩態；以及當該第一計數值不大於該第二閥值時，判定該監控對象尚未達到該第一階段穩態。
  8. 如申請專利範圍第4項所述的方法，其中偵測該監控對象的該第二階段穩態的步驟包括：判斷該目前位置標準值與該參考點的目前位置之間的差值是否小於第一閥值；當該目前位置標準值與該參考點的該目前位置之間的該差值小於該第一閥值時，累加第二計數值，並且判斷該第二計數值是否大於第二閥值；以及當該第二計數值大於該第二閥值時，判定該監控對象已達到該第二階段穩態。
  9. 如申請專利範圍第8項所述的方法，其中當判定該監控對象已達到該第二階段穩態時，該方法更包括：設定該第二計數值大於該第二閥值時所對應的該目前位置標準值為該第二穩態值。
  10. 如申請專利範圍第8項所述的方法，更包括：當該目前位置標準值與該參考點的該目前位置之間的該差值不小於該第一閥值時，歸零該第二計數值，並且判定該監控對象尚未達到該第二階段穩態；以及 當該第二計數值不大於該第二閥值時，判定該監控對象尚未達到該第二階段穩態。
  11. 如申請專利範圍第1項所述的方法，比較該第一穩態值與該第二穩態值，據以判斷該監控對象是否改變姿態的步驟包括：判斷該第一穩態值與該第二穩態值之間的差值是否大於第三閥值；當判定該第一穩態值與該第二穩態值之間的該差值大於該第三閥值時，判定並且回報該監控對象有改變姿態；以及當判定該第一穩態值與該第二穩態值之間的該差值不大於該第三閥值時，判定並且回報該監控對象未改變姿態。
  12. 如申請專利範圍第11項所述的方法，更包括：當判定該第一穩態值與該第二穩態值之間的該差值大於該第三閥值時，重置該第一穩態值與該第二穩態值；當判定該第一穩態值與該第二穩態值之間的該差值不大於該第三閥值時，重置該第二穩態值；以及當於第三預設時間內未回報該監控對象有改變姿態時，發送警示訊號。
  13. 一種運算裝置，包括：記憶體，用以儲存影像以及資料；處理器，耦接該記憶體，用以：接收關於監控區域的影像序列，其中該監控區域包括監控對象； 取得該監控對象於第一階段穩態所對應的第一穩態值，其中該第一穩態值關聯於該監控對象的姿態於第一預設時間內連續保持穩定狀態所對應的位置；取得該監控對象於第二階段穩態所對應的第二穩態值，其中該第二穩態值關聯於該監控對象的姿態於第二預設時間內連續保持穩定狀態所對應的位置；以及比較該第一穩態值與該第二穩態值，據以判斷該監控對象是否改變姿態。
  14. 如申請專利範圍第13項所述的運算裝置，其中該處理器更用以：自該影像序列中，定位該監控對象的參考點；以及計算該參考點於目前時間間隔的目前位置標準值，其中該目前位置標準值為該參考點於該目前時間間隔內的位置統計值。
  15. 如申請專利範圍第14項所述的運算裝置，其中該參考點位於該監控對象的胸口。
  16. 如申請專利範圍第14項所述的運算裝置，其中該處理器更用以：判斷該監控對象是否已達到該第一階段穩態；當判定該監控對象未達到該第一階段穩態，偵測該監控對象的該第一階段穩態；以及當判定該監控對象已達到該第一階段穩態，偵測該監控對象的該第二階段穩態。
  17. 一種姿態監控系統，包括：影像擷取裝置，用以擷取關於監控區域的影像序列，其中該監控區域包括監控對象；運算裝置，用以：自該影像擷取裝置接收該影像序列；取得該監控對象於第一階段穩態所對應的第一穩態值，其中該第一穩態值關聯於該監控對象的姿態於第一預設時間內連續保持穩定狀態所對應的位置；取得該監控對象於第二階段穩態所對應的第二穩態值，其中該第二穩態值關聯於該監控對象的姿態於第二預設時間內連續保持穩定狀態所對應的位置；以及比較該第一穩態值與該第二穩態值，據以判斷該監控對象是否改變姿態。
  18. 如申請專利範圍第17項所述的姿態監控系統，其中該運算裝置更用以：自該影像序列中，定位該監控對象的參考點；以及計算該參考點於目前時間間隔的目前位置標準值，其中該目前位置標準值為該參考點於該目前時間間隔內的位置統計值。
  19. 如申請專利範圍第18項所述的姿態監控系統，其中該參考點位於該監控對象的胸口。
  20. 如申請專利範圍第18項所述的姿態監控系統，其中該運算裝置更用以： 判斷該監控對象是否已達到該第一階段穩態；當判定該監控對象未達到該第一階段穩態，偵測該監控對象的該第一階段穩態；以及當判定該監控對象已達到該第一階段穩態，偵測該監控對象的該第二階段穩態。
TW108110000A 2019-03-22 2019-03-22 姿態監控方法及其運算裝置與系統 TWI711012B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
TW108110000A TWI711012B (zh) 2019-03-22 2019-03-22 姿態監控方法及其運算裝置與系統
CN201910348565.1A CN111723629B (zh) 2019-03-22 2019-04-28 姿态监控方法及其计算装置与系统
US16/508,331 US11182923B2 (en) 2019-03-22 2019-07-11 Method, computing device, and system for monitoring postures

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW108110000A TWI711012B (zh) 2019-03-22 2019-03-22 姿態監控方法及其運算裝置與系統

Publications (2)

Publication Number Publication Date
TW202036489A TW202036489A (zh) 2020-10-01
TWI711012B true TWI711012B (zh) 2020-11-21

Family

ID=72515534

Family Applications (1)

Application Number Title Priority Date Filing Date
TW108110000A TWI711012B (zh) 2019-03-22 2019-03-22 姿態監控方法及其運算裝置與系統

Country Status (3)

Country Link
US (1) US11182923B2 (zh)
CN (1) CN111723629B (zh)
TW (1) TWI711012B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040046668A1 (en) * 2000-06-09 2004-03-11 Bed-Check Corporation Apparatus and method for reducing the risk of decubitus ulcers
WO2011113070A1 (en) * 2010-03-07 2011-09-15 Centauri Medical, INC. Systems, devices and methods for preventing, detecting, and treating pressure-induced ischemia, pressure ulcers, and other conditions
TWM480134U (zh) * 2013-12-26 2014-06-11 Hwa Hsia Inst Of Technology 基於影像辨識的監控裝置
CN205251509U (zh) * 2015-10-16 2016-05-25 温州芳植生物科技有限公司 一种防褥疮信息采集交流系统
TWM549406U (zh) * 2017-05-18 2017-09-21 正修學校財團法人正修科技大學 褥瘡預防警示裝置
TWM555719U (zh) * 2017-09-22 2018-02-21 Yan jia hong 翻身監測裝置
CN207898612U (zh) * 2017-06-23 2018-09-25 武汉云球科技有限公司 一种防止褥疮发生的检测装置

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2013158143A (ru) * 2011-05-30 2015-07-10 Конинклейке Филипс Н.В. Способ и устройство определения положения тела во время сна
CN104378576B (zh) * 2013-08-15 2019-12-24 联想(北京)有限公司 一种信息处理方法及电子设备
CN104545933A (zh) * 2014-12-19 2015-04-29 深圳市前海安测信息技术有限公司 基于o2o的失能和半失能人群的健康管理系统和方法
CN104666008B (zh) * 2015-02-09 2017-06-16 江苏怡龙医疗科技有限公司 一种能自动翻身的护理床
US10342478B2 (en) * 2015-05-07 2019-07-09 Cerner Innovation, Inc. Method and system for determining whether a caretaker takes appropriate measures to prevent patient bedsores
US10600204B1 (en) * 2016-12-28 2020-03-24 Ocuvera Medical environment bedsore detection and prevention system
TWI637354B (zh) 2017-10-23 2018-10-01 緯創資通股份有限公司 判斷使用者之姿勢之影像偵測方法以及影像偵測裝置
CN108629300B (zh) 2018-04-24 2022-01-28 北京科技大学 一种跌倒检测方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040046668A1 (en) * 2000-06-09 2004-03-11 Bed-Check Corporation Apparatus and method for reducing the risk of decubitus ulcers
WO2011113070A1 (en) * 2010-03-07 2011-09-15 Centauri Medical, INC. Systems, devices and methods for preventing, detecting, and treating pressure-induced ischemia, pressure ulcers, and other conditions
TWM480134U (zh) * 2013-12-26 2014-06-11 Hwa Hsia Inst Of Technology 基於影像辨識的監控裝置
CN205251509U (zh) * 2015-10-16 2016-05-25 温州芳植生物科技有限公司 一种防褥疮信息采集交流系统
TWM549406U (zh) * 2017-05-18 2017-09-21 正修學校財團法人正修科技大學 褥瘡預防警示裝置
CN207898612U (zh) * 2017-06-23 2018-09-25 武汉云球科技有限公司 一种防止褥疮发生的检测装置
TWM555719U (zh) * 2017-09-22 2018-02-21 Yan jia hong 翻身監測裝置

Also Published As

Publication number Publication date
US20200302635A1 (en) 2020-09-24
TW202036489A (zh) 2020-10-01
CN111723629B (zh) 2023-06-30
CN111723629A (zh) 2020-09-29
US11182923B2 (en) 2021-11-23

Similar Documents

Publication Publication Date Title
US10973441B2 (en) Display control device, display control system, display control method, display control program, and recording medium
JP6137425B2 (ja) 画像処理システム、画像処理装置、画像処理方法、および画像処理プログラム
US10786183B2 (en) Monitoring assistance system, control method thereof, and program
CN111212220B9 (zh) 保存有图像处理程序的记录介质以及图像处理装置
JP6720909B2 (ja) 行動検知装置、該方法および該プログラム、ならびに、被監視者監視装置
EP2763116B1 (en) Fall detection system and method for detecting a fall of a monitored person
Li et al. Detection of patient's bed statuses in 3D using a Microsoft Kinect
JP6086468B2 (ja) 被写体見守りシステム
JP6822328B2 (ja) 見守り支援システム及びその制御方法
TWI711012B (zh) 姿態監控方法及其運算裝置與系統
JP6791731B2 (ja) 姿勢判定装置及び通報システム
JP7243725B2 (ja) 対象物体検出プログラム、および対象物体検出装置
US20230412919A1 (en) Device and method for controlling a camera
TWM625774U (zh) 基於深度影像的被照護者行為分析的照護檢測系統
JP2020052808A (ja) 見守り装置、見守りシステム、見守りプログラム、および見守り方法
WO2019163561A1 (ja) 情報処理装置
WO2021033597A1 (ja) 画像処理システム、画像処理プログラム、および画像処理方法
JP2023051147A (ja) ナースコールシステム、および状態判断システム
JP2020081473A (ja) 情報処理システム、位置特定方法及びプログラム
JP2021065617A (ja) 画像処理装置および画像処理プログラム
JP2020014738A (ja) 情報処理装置