TWI840093B - 新風機之自動啟動裝置 - Google Patents
新風機之自動啟動裝置 Download PDFInfo
- Publication number
- TWI840093B TWI840093B TW112101499A TW112101499A TWI840093B TW I840093 B TWI840093 B TW I840093B TW 112101499 A TW112101499 A TW 112101499A TW 112101499 A TW112101499 A TW 112101499A TW I840093 B TWI840093 B TW I840093B
- Authority
- TW
- Taiwan
- Prior art keywords
- information
- computing unit
- air
- fresh air
- automatic start
- Prior art date
Links
- 238000001514 detection method Methods 0.000 claims abstract description 51
- 230000036760 body temperature Effects 0.000 claims abstract description 30
- 238000004458 analytical method Methods 0.000 claims abstract description 16
- 238000004364 calculation method Methods 0.000 claims abstract description 8
- 238000012544 monitoring process Methods 0.000 claims description 24
- 238000012545 processing Methods 0.000 claims description 14
- 230000001815 facial effect Effects 0.000 claims description 11
- 238000003066 decision tree Methods 0.000 claims description 7
- 238000003384 imaging method Methods 0.000 claims description 7
- 230000000052 comparative effect Effects 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 238000010295 mobile communication Methods 0.000 claims description 2
- 230000003213 activating effect Effects 0.000 claims 1
- 238000004887 air purification Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 8
- 238000007689 inspection Methods 0.000 description 8
- 238000000034 method Methods 0.000 description 6
- 239000000443 aerosol Substances 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 208000025721 COVID-19 Diseases 0.000 description 4
- 241000700605 Viruses Species 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 230000035515 penetration Effects 0.000 description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- 238000003326 Quality management system Methods 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 230000000241 respiratory effect Effects 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 208000031504 Asymptomatic Infections Diseases 0.000 description 1
- 206010011224 Cough Diseases 0.000 description 1
- 206010037660 Pyrexia Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000011534 incubation Methods 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 230000002458 infectious effect Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000005180 public health Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000007634 remodeling Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 206010041232 sneezing Diseases 0.000 description 1
- 238000002945 steepest descent method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000001931 thermography Methods 0.000 description 1
Images
Landscapes
- Structures Of Non-Positive Displacement Pumps (AREA)
- Control Of Positive-Displacement Air Blowers (AREA)
- Cold Air Circulating Systems And Constructional Details In Refrigerators (AREA)
Abstract
本發明為涉及一種新風機之自動啟動裝置，主要包括一空氣系統、至少一新風裝置、至少一空氣清淨裝置、至少一空氣品質偵測元件、至少一體溫偵測元件、一人臉辨識運算單元、一口罩辨識運算單元、至少一社交距離偵測運算單元、一接收元件、一分析元件、一資訊儲存元件、一發送元件、及至少一攝像元件，其中先收集上述空氣品質偵測元件、體溫偵測元件、人臉辨識運算單元及社交距離偵測運算單元所偵測或辨識的資訊傳送給予具整合資訊的分析元件，並利用分析元件進行學習運算，以使本案得以判斷人員是否有配戴口罩及是否有保持社交距離，此外還可將上述偵測或辨識的資訊於分析元件中進行清理、分析及建模等，以提升精準度，而使空氣系統可正確控制。
Description
本發明係涉及一種可判斷人員是否有配戴口罩及是否有保持社交距離，以及可分析資訊後對空氣系統進行正確控制的新風機之自動啟動裝置。
按，世界衛生組織(WHO)報告中指出，新冠肺炎(COVID-19)的潛伏期長達14天，無症狀感染病例具高度傳播風險。而新冠肺炎乃以氣膠或飛沫作為傳播途徑，而飛沫為直徑100微米以上的液滴，主要經由人體咳嗽或打噴嚏所噴出，亦有些人講話時會口沫橫飛，或是唱歌時，也會使其噴出飛沫，又氣膠是100微米以下的微飛沫，但絕大多數為5微米以下，甚至1微米而已，主要由人體呼吸、呼喊或任何呼吸動作時都會釋放很多的呼吸氣膠，感染者的呼吸氣膠中就會帶有具感染力的病毒。研究報告亦統計顯示，約有59%的新冠肺炎是源自於無症狀感染者傳播，僅識別並隔離有症狀的新冠肺炎患者，此舉並不能有效控制傳播，多數無症狀患者仍有可能在不知情的情況下傳播病毒，以至於造成公共衛生風險。
為解決上述問題，亦有廠商研發出可監控空氣品質的系統，如中華民國證書號第I740545號，包括一監測終端裝置以及一空氣品質管理中心，監測終端裝置設置於使用者日常所處的一室內環境，用於通過一感測器模組監測室內環境的多個空氣品質參數，空氣品質管理中心電性連接監測終端裝置，空氣品質管理中心用於根據室內環境當前的多個空氣品質參數做成一室內空氣品質健診報告，其內容包括室內環境的空氣品質狀況。
然上述室內空氣品質的管理系統於使用時，為確實存在下列問題與缺失尚待改進：
雖該專利所敘述的乃屬於空氣品質的監控，然而在監測時，並非全面，例如無法偵測人體體溫，也無法辨識是否有人未配戴口罩，更無法檢測人
與人之間的安全距離。
是以，要如何解決上述習用之問題與缺失，即為本發明之發明人與從事此行業之相關廠商所亟欲研究改善之方向所在者。
本發明之課題主要目的在於提供一種可判斷人員是否有配戴口罩及是否有保持社交距離，以及可分析資訊後對空氣系統進行正確控制。
本發明能夠達成上述目的之主要結構包括一空氣系統，所述空氣系統包含有至少一連通室外區域、及室內區域的新風裝置及至少一供放置於該室內區域的空氣清淨裝置，且還包括一室內監測系統，所述室內監測系統供收集室內區域狀態資訊，且室內監測系統乃包含有至少一設於室內區域的空氣品質偵測元件、及體溫偵測元件，其中所述體溫偵測元件乃供檢測人體體溫，此外，室內監測系統還資訊連結一處理運算裝置，所述處理運算裝置供啟動或關閉該空氣系統，且處理運算裝置乃包括有一可接收來自該室內監測系統之監測資訊的接收元件、一與該接收元件資訊連結並供處理運算該監測資訊以產生一整合資訊的分析元件、一與該分析元件資訊連結並供儲存該整合資訊的資訊儲存元件、一與該資訊儲存元件資訊連結並供發送該整合資訊至該空氣系統，以使該空氣系統呈開啟或關閉狀態的發送元件、及至少一攝像元件，且分析元件包括有一人臉辨識運算單元、一社交距離偵測運算單元、及一對比計算學習模組，所述人臉辨識運算單元乃供辨識人體臉部特徵，所述社交距離偵測運算單元乃供辨識人與人間之距離。
倘若須知道人員是否有配戴口罩及保持社交距離時，首先利用體溫偵測元件所產生的體溫資訊、及利用社交距離偵測運算單元擷取運算來自攝像元件之影像資訊，以產生距離資訊，於此同時也先建立人臉模型與口罩模型，建立方式係將人臉圖像資料及口罩圖像資料利用分析元件中的對比計算學習模組進行訓練，以藉由人臉圖像資料及口罩圖像資料產生一個人臉模型及口罩模型，並儲存於資訊儲存元件內，如此即完成前置作業，然當欲偵測判斷室內區域內的人員是否有配戴口罩及保持社交距離時，利用設於室內區域內的攝像元件對人員及環境進行攝錄以產生影像資訊、以及利用體溫偵測元件偵測人員體溫以產生體溫資訊，再將影像資訊與體溫資訊上傳並由接收元件進行接收，並
由社交距離偵測運算單元運算判斷人員的社交距離，且同時將人臉資訊與口罩資訊來對影像資訊進行運算比對，如此即可得知人員是否有配戴口罩及保持社交距離。
倘若欲自動控制空氣系統時，乃由分析元件將空氣品質資訊、體溫資訊、距離資訊、人臉資訊、及口罩資訊進行整合分析以產生整合資訊，此後即可依據該整合資訊來控制空氣系統的開啟或關閉動作，達到自動控制空氣系統之目的。
藉由上述技術，可針對習用室內空氣品質的管理系統所存在之雖該專利所敘述的乃屬於空氣品質的監控，然而在監測時，並非全面，例如無法偵測人體體溫，也無法辨識是否有人未配戴口罩，更無法檢測人與人之間的安全距離之問題點加以突破，達到本發明如上述優點之實用進步性。
1:空氣系統
11:新風裝置
12:空氣清淨裝置
2:室內監測系統
21:空氣品質偵測元件
211:空氣品質資訊
22:體溫偵測元件
221:體溫資訊
3:處理運算裝置
31:接收元件
32:分析元件
321:人臉辨識運算單元
3211:人臉資訊
322:口罩辨識運算單元
3221:口罩資訊
323:社交距離偵測運算單元
3231:距離資訊
324:對比計算學習模組
325:控制訊號
33:資訊儲存元件
331:人臉模型
332:口罩模型
333:使用者實名制身分資訊
334:使用者外觀資訊
335:資訊安全檢測模組
34:發送元件
4:攝像元件
41:影像資訊
5:確診者
第一圖 為本發明較佳實施例之室內區域示意圖。
第二圖 為本發明較佳實施例之結構方塊圖。
第三圖 為本發明較佳實施例之人員辨識及比對示意圖。
第四圖 為本發明較佳實施例之社交距離示意圖。
第五圖 為本發明較佳實施例之自動控制空氣系統示意圖。
第六圖 為本發明再一較佳實施例之實施示意圖。
請參閱第一圖至第五圖所示，為本發明較佳實施例之室內區域示意圖至自動控制空氣系統示意圖，由圖中可清楚看出本發明係包括：
一空氣系統1，乃包含有至少一連通室外區域、及室內區域的新風裝置11及至少一供放置於該室內區域的空氣清淨裝置12；
一與供收集室內區域狀態資訊的室內監測系統2，乃包含有至少一設於該室內區域的空氣品質偵測元件21、及至少一設於該室內區域並供檢測人體體溫的體溫偵測元件22，該空氣品質偵測元件21乃供產生一空氣品質資訊211，而該體溫偵測元件22則產生出一體溫資訊221；
一與該室內監測系統2及該空氣系統1資訊連結並可供啟動或關閉該空氣系統1之處理運算裝置3，乃包括有一可接收來自該室內監測系統2之監測資訊的接收元件31、一與該接收元件31資訊連結並供處理運算該監測資訊以產生一整合資訊的分析元件32、一與該分析元件32資訊連結並供儲存該整合資訊的資訊儲存元件33、及一與該資訊儲存元件33資訊連結並供發送該整合資訊至該空氣系統1，以使該空氣系統1呈開啟或關閉狀態的發送元件34，且該分析元件32包括有一供判斷人臉外觀的人臉辨識運算單元321、一供偵測口罩外觀的口罩辨識運算單元322、及一供辨識人與人間之社交距離的社交距離偵測運算單元323，且該分析元件32內還具有一對比計算學習模組324；及
至少一與該處理運算裝置3資訊連結並設於該室內區域內的攝像元件4。
其中，新風裝置11可將室外區域的空氣導引至室內區域，並透過空氣清淨裝置12將髒空氣進行過濾，如過濾PM2.5。
其中，空氣品質偵測元件21乃以空氣品質偵測器為例。
其中，體溫偵測元件22乃以紅外線熱成像鏡頭為例。
其中，接收元件31及發送元件34乃為符合第五代行動通訊技術之收發天線。
其中，分析元件32乃以中央處理器為例。
其中，資訊儲存元件33乃以資料庫為例。
其中，人臉辨識運算單元321及口罩辨識運算單元322乃以臉部辨識系統為例。
其中，社交距離偵測運算單元323係以影像辨識技術進行距離偵測判斷。
其中，對比計算學習模組324係以類神經網路運算法、決策樹運算法(XGBoost決策樹)、或推理運算法(OpenVino)其中之一者進行運算，且所述類神經網路運算法在學習中，倒傳遞(Back propagation)是一種廣泛使用於訓練回饋神經網路的算法，利用梯度陡降法(Gradient SteepestDescent Method)逐次調整網路權值，讓輸出的預測值與實際目標值之間的誤差最小化，達到精確學習的目的，將樣本的I/O問題變成一個非線性最佳化的問題，適用於分類與
預測。
另外所述決策樹運算法(XGBoost決策樹)，是一個直覺化的演算法，不需要像機器學習與深度學習去做資料的切割、建立測試與訓練模型，相較於類神經算法，決策樹是個較容易上手的演算法。XGBoost(eXtreme Gradient Boosting)是一個開源軟體庫，提供一個可擴展、可移植和分布式梯度提升框架，支援在分散式架構上運行。
另外推理運算法(OpenVino)是Intel開發的電腦視覺與深度學習應用的開發套件，具有模型優化器和推理引擎，可支援多種作業系統，以及常見的深度學習框架(Caffe Onnx)等所訓練好的模型與參數，在邊緣運算上可以達到不錯的效果。
其中，攝像元件4乃以高畫素攝影鏡頭為例。
本案首先第一階段須先進行資料的蒐集，以便進行人員是否有配戴口罩及社交距離之判斷，係由以下動作進行蒐集：
(A)將攝像元件4、體溫偵測元件22、及空氣品質偵測元件21設於室內區域中，及將空氣系統1的新風裝置11及空氣清淨裝置12設於連通室外區域、及室內區域之位置。
(B)取得人臉圖像資料及口罩圖像資料；
(C)將人臉圖像資料及口罩圖像資料利用分析元件32中的對比計算學習模組324進行訓練，以藉由人臉圖像資料及口罩圖像資料產生一個人臉模型331及口罩模型332，並儲存於資訊儲存元件33內；
(D)利用攝像元件4攝錄進入室內區域的人員以產生一影像資訊41，包含其人臉、或穿著特徵等，而室內監測系統2的體溫偵測元件22則針對進入室內區域的人員進行體溫量測，以產生一體溫資訊221，並利用處理運算裝置3的接收元件31接收影像資訊41與體溫資訊221；
(E)利用社交距離偵測運算單元323運算出各個人員的相關距離及位置，以產生一距離資訊3231，同時也利用人臉辨識運算單元321及口罩辨識運算單元322將上述人臉模型331及口罩模型332去與影像資訊41的人員畫面進行比對，以產生人臉資訊3211及口罩資訊3221；
(F)此時即可判斷出人員是否有配戴口罩及是否有保持安全社交距
離。
此後進行第二階段，以對空氣系統1進行自動化的控制，其步驟如下：
(G)取得體溫資訊221、人臉辨識運算單元321所運算辨識出的人臉資訊3211、口罩辨識運算單元322所運算辨識出的口罩資訊3221、社交距離偵測運算單元323所運算出的距離資訊3231；
(H)空氣品質偵測元件21對室內區域進行空氣品質的偵測，並產生一空氣品質資訊211；
(I)將體溫資訊221、人臉資訊3211、口罩資訊3221、距離資訊3231、及空氣品質資訊211利用分析元件32進行資料整合與統計分析，包括資料清理、資料變數清理、分析問題、資料分割及建模，換言之，對清理後的資料進行特徵變數的分析，結合空氣品質資訊211做為對比計算學習模組324學習的輸入變數(如類神經網路)執行建模及觀察其精準度，修正空氣系統1的預測模型，以產生一控制訊號325；
(J)利用發送元件34將控制訊號325發送給予空氣系統1，以對空氣系統1進行控制，藉此即可達到自動控制空氣系統1。
請參閱第六圖所示，為本發明再一較佳實施例之實施示意圖，由圖中可看出，本實施例與上述實施例不同地方在於，資訊儲存元件33內乃具有數個使用者實名制身分資訊333、數個使用者外觀資訊334、及一資訊安全檢測模組335，本案亦可用於疫情調查方面，以室內區域為捷運站作為舉例，為解決無法識別在室內區域的接觸者，在此情況，本案會於入口處及室內區域環境中架設攝像元件，並同時會請所有人員在進入室內區域時，先登錄實名制而產生使用者實名制身分資訊333，在應用實名制情況下，當人員進入室內區域時，設於入口處的攝像元件會擷取一張照片產生使用者外觀資訊334，並依時間軸存入資訊儲存元件33，再利用照片中的衣服樣式、顏色等特徵作為標籤，若某一位人員為確診者5，此時將會利用室內區域中的攝像元件，將其所攝錄的影像資訊41找尋出與確診者5相同的衣服樣式、顏色，並進行標記，以及同時搭配社交距離偵測運算單元323的距離資訊3231，以標記離確診者5過近的人員當作為接觸者，並進行框列。或是站務人員可在識別到有人員發燒或口罩未配戴確實時，上前進行勸導。並可管理室內區域的空
氣品質及社交距離涵蓋率。如此可降低因氣膠顆粒導致的確診，利用社交距離偵測運算單元323框列潛在無症狀感染者，達到自動控制空氣系統與節能減碳目的。
此外，透過資訊安全檢測模組335，可防止個資外洩，其資訊安全檢測模組335係參照中華資安使用滲透測試對目標系統進行深入的安全強度測試，並利用各種滲透技術、攻擊手法、弱點攻擊程式、網站漏洞等部分來對處理運算裝置3進行遠端滲透測試，也使用弱點掃描利用高效率弱點掃描工具，針對標的進行掃描，評估是否存在已知的弱點，再利用源碼檢測去快速、全面的分析程式碼弱點，找出潛在風險，以讓資安健診提供網路架構檢視、網路惡意活動檢視、使用者端電腦惡意活動檢視、伺服器主機惡意活動檢視、目錄伺服器惡意活動檢視、防火牆連線設定檢視、政府組態基準(GCB)檢視、及資訊儲存元件33安全檢視等八大項資安專業檢測項目，涵蓋網路面、端點面、設定面及資料面等四大面向，以作為資安保護基準。
是以，本發明之新風機之自動啟動裝置為可改善習用之技術關鍵在於：
第一，可依室內區域的狀況來自動控制空氣系統1之運轉，達到節能減碳之目的。
第二，利用分析元件32進行學習運算，以使本案得以判斷人員是否有配戴口罩及是否有保持社交距離。
第三，可將上述偵測或辨識的資訊於分析元件32中進行清理、分析及建模等，以提升精準度，而使空氣系統1可正確控制。
第四，透過使用者實名制身分資訊333、及數個使用者外觀資訊334，可使其應用於捷運站，來進行確診者5的找尋與接觸者的框列動作，安全又迅速。
第五，透過資訊安全檢測模組335，得以達到資安不外洩之安全性。
惟，雖然本文中已顯示並敘明本發明之各種實施例，但僅以舉例方式提供此等實施例，本文中所提供之任何操作理論或益處既定僅作為敘明本發明之一輔助；此等理論及解釋不束縛或限制關於藉由實踐本發明而達成之組織重塑之申請專利範圍。熟習此項技術者現在可不背離本發明之情形下構想出諸
多變化、改變或替代。應瞭解，可在實踐本發明時採用本文中所敘明之發明之實施例的各種替代方案。本發明之範疇、本發明之範疇內的方法及結構既定包括等效形式。
綜上所述，本發明之新風機之自動啟動裝置於使用時，為確實能達到其功效及目的，故本發明誠為一實用性優異之發明，為符合發明專利之申請要件，爰依法提出申請，盼 審委早日賜准本發明，以保障發明人之辛苦發明，倘若 鈞局審委有任何稽疑，請不吝來函指示，發明人定當竭力配合，實感公便。
11:新風裝置
12:空氣清淨裝置
21:空氣品質偵測元件
3:處理運算裝置
4:攝像元件
Claims (7)
- 一種新風機之自動啟動裝置，主要包括：一空氣系統，乃包含有至少一連通室外區域、及室內區域的新風裝置及至少一供放置於該室內區域的空氣清淨裝置；一並供收集室內區域狀態資訊的室內監測系統，乃包含有至少一設於該室內區域的空氣品質偵測元件、及至少一設於該室內區域並供檢測人體體溫的體溫偵測元件，該空氣品質偵測元件乃供產生一空氣品質資訊，而該體溫偵測元件則產生出一體溫資訊；一與該室內監測系統及該空氣系統資訊連結並可供啟動或關閉該空氣系統之處理運算裝置，乃包括有一可接收來自該室內監測系統之監測資訊的接收元件、一與該接收元件資訊連結並供處理運算該監測資訊以產生一整合資訊的分析元件、一與該分析元件資訊連結並供儲存該整合資訊的資訊儲存元件、及一與該資訊儲存元件資訊連結並供發送該整合資訊至該空氣系統，以使該空氣系統呈開啟或關閉狀態的發送元件，且該分析元件包括有一供判斷人臉外觀的人臉辨識運算單元、一供偵測口罩外觀的口罩辨識運算單元、及一供辨識人與人間之社交距離的社交距離偵測運算單元，且該分析元件內具有一對比計算學習模組；及至少一與該處理運算裝置資訊連結並設於該室內區域內的攝像元件。
- 如請求項1所述之新風機之自動啟動裝置，其中該對比計算學習模組係以類神經網路運算法、決策樹運算法(XGBoost決策樹)、或推理運算法(OpenVino)其中之一者進行運算。
- 如請求項1所述之新風機之自動啟動裝置，其中該資訊儲存元件內乃具有數個使用者實名制身分資訊、及數個使用者外觀資訊。
- 如請求項1所述之新風機之自動啟動裝置，其中該資訊儲存元件內乃具有一資訊安全檢測模組。
- 如請求項1所述之新風機之自動啟動裝置，其中該接收元件及該發送元件乃為符合第五代行動通訊技術之收發天線。
- 如請求項1所述之新風機之自動啟動裝置，其中該人臉辨識運算單元乃為臉部辨識系統。
- 如請求項1所述之新風機之自動啟動裝置，其中該社交距離偵測運算單元係 以影像辨識技術進行距離偵測判斷。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW112101499A TWI840093B (zh) | 2023-01-13 | 2023-01-13 | 新風機之自動啟動裝置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW112101499A TWI840093B (zh) | 2023-01-13 | 2023-01-13 | 新風機之自動啟動裝置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| TWI840093B true TWI840093B (zh) | 2024-04-21 |
| TW202429020A TW202429020A (zh) | 2024-07-16 |
Family
ID=91618732
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW112101499A TWI840093B (zh) | 2023-01-13 | 2023-01-13 | 新風機之自動啟動裝置 |
Country Status (1)
| Country | Link |
|---|---|
| TW (1) | TWI840093B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110958891A (zh) * | 2017-06-19 | 2020-04-03 | 丽风有限公司 | 电过滤器装置 |
| CN111742181A (zh) * | 2018-06-14 | 2020-10-02 | 松下知识产权经营株式会社 | 信息处理方法、信息处理程序以及信息处理系统 |
| CN213687164U (zh) * | 2020-09-24 | 2021-07-13 | 广东省建筑科学研究院集团股份有限公司 | 一种具备安防功能的智能防疫通道 |
| TWM646272U (zh) * | 2023-01-13 | 2023-09-21 | 國立臺北科技大學 | 新風機之自動啟動裝置 |
-
2023
- 2023-01-13 TW TW112101499A patent/TWI840093B/zh active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110958891A (zh) * | 2017-06-19 | 2020-04-03 | 丽风有限公司 | 电过滤器装置 |
| CN111742181A (zh) * | 2018-06-14 | 2020-10-02 | 松下知识产权经营株式会社 | 信息处理方法、信息处理程序以及信息处理系统 |
| CN213687164U (zh) * | 2020-09-24 | 2021-07-13 | 广东省建筑科学研究院集团股份有限公司 | 一种具备安防功能的智能防疫通道 |
| TWM646272U (zh) * | 2023-01-13 | 2023-09-21 | 國立臺北科技大學 | 新風機之自動啟動裝置 |
Also Published As
| Publication number | Publication date |
|---|---|
| TW202429020A (zh) | 2024-07-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109726652B (zh) | 一种基于卷积神经网络检测值班人员睡觉行为的方法 | |
| Hailemariam et al. | Real-time occupancy detection using decision trees with multiple sensor types | |
| CN109145789A (zh) | 供电系统安全作业保障方法及系统 | |
| Snyder et al. | Thor: A deep learning approach for face mask detection to prevent the COVID-19 pandemic | |
| CN109887234B (zh) | 一种防儿童走失方法、装置、电子设备及存储介质 | |
| CN117371872A (zh) | 一种智慧建筑智能管理方法及平台 | |
| CN111581417A (zh) | 配电房施工人员的身份识别方法、终端、系统及存储介质 | |
| WO2020167155A1 (ru) | Способ и система выявления тревожных событий при взаимодействии с устройством самообслуживания | |
| TWM646272U (zh) | 新風機之自動啟動裝置 | |
| CN108537920B (zh) | 基于人脸识别的访客监控方法和系统 | |
| CN108776452A (zh) | 一种特种设备现场维保监控方法及系统 | |
| Duth et al. | Smart door system with COVID-19 risk factor evaluation, contactless data acquisition and sanitization | |
| CN111754669A (zh) | 一种基于人脸识别技术的高校学生管理系统 | |
| CN112261384A (zh) | 一种人工智能违章行为识别系统 | |
| CN114005236A (zh) | 基于物联网的森林火灾检测方法、系统和可读存储介质 | |
| TWI840093B (zh) | 新風機之自動啟動裝置 | |
| CN117315528A (zh) | 多维度人员查验方法及系统 | |
| Kolobashkina et al. | A person's face complex image processing in the visible and infrared ranges for current psycho-emotional and functional state monitoring systems | |
| CN115330115A (zh) | 一种封闭场所特殊作业安全检测系统及其检测方法 | |
| CN115601010A (zh) | 一种人工智能消防智慧信息管理平台 | |
| CN116176599A (zh) | 一种基于酒精检测的设备使用权限管理系统 | |
| WO2023082407A1 (zh) | 一种检测抽烟行为的网络模型训练方法及其设备 | |
| CN114429677A (zh) | 一种煤矿场景作业行为安全识别考核方法及系统 | |
| CN113065500A (zh) | 面向一类特殊动作的异常行为管控系统 | |
| CN113076931A (zh) | 一种ai智能化的体训检测系统及检测方法 |