CN107241243B - 智能家居安全监控*** - Google Patents

智能家居安全监控*** Download PDF

Info

Publication number
CN107241243B
CN107241243B CN201710420949.0A CN201710420949A CN107241243B CN 107241243 B CN107241243 B CN 107241243B CN 201710420949 A CN201710420949 A CN 201710420949A CN 107241243 B CN107241243 B CN 107241243B
Authority
CN
China
Prior art keywords
image
noise
low
coefficient
free
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.)
Expired - Fee Related
Application number
CN201710420949.0A
Other languages
English (en)
Other versions
CN107241243A (zh
Inventor
不公告发明人
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong Liwang Petroleum Technology Co ltd
Original Assignee
Shandong Liwang Petroleum Technology Co Ltd
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 Shandong Liwang Petroleum Technology Co Ltd filed Critical Shandong Liwang Petroleum Technology Co Ltd
Priority to CN201710420949.0A priority Critical patent/CN107241243B/zh
Publication of CN107241243A publication Critical patent/CN107241243A/zh
Application granted granted Critical
Publication of CN107241243B publication Critical patent/CN107241243B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L12/00—Data switching networks
    • H04L12/28—Data switching networks characterised by path configuration, e.g. LAN [Local Area Networks] or WAN [Wide Area Networks]
    • H04L12/2803—Home automation networks
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B19/00—Alarms responsive to two or more different undesired or abnormal conditions, e.g. burglary and fire, abnormal temperature and abnormal rate of flow
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/222—Studio circuitry; Studio devices; Studio equipment
    • H04N5/262—Studio circuits, e.g. for mixing, switching-over, change of character of image, other special effects ; Cameras specially adapted for the electronic generation of special effects
    • H04N5/265—Mixing
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Studio Devices (AREA)
  • Closed-Circuit Television Systems (AREA)
  • Image Processing (AREA)

Abstract

本发明提供了一种智能家居安全监控***，包括摄像头、视频处理器、传感器组、智能识别终端、无线传输网络和客户端；所述摄像头包括高分辨率摄像头和低分辨率摄像头，分别用于采集监控区域内的实时人脸图像和环境图像；所述视频处理器用于对实时人脸图像和环境图像进行合成处理，得到高清晰度监控图像；所述智能识别终端用于对高清晰度监控图像和传感器组采集到的信息中的异常信息进行识别，并通过所述无线传输网络向客户端发送预警信号；所述无线传输网络用于将高清晰度监控图像和传感器组采集到的信息无线传输到客户端。本发明可实时监控家居环境内的多种信息，功能全面，能够为用户提供舒适、智能、安全的家居生活。

Description

智能家居安全监控***
技术领域
本发明涉及智能家居领域，具体涉及一种智能家居安全监控***。
背景技术
现有技术中的家居监控***，在防盗方面通常采用红外探头在夜间进行监控，还有采用摄像头进行室内监控，当发生失窃或其他情况时，为事主提供事后证据，但都是在险情发生后的事后补救，有时无法为事主挽回损失，需要一种智能家居安全监控***能够在事故发生前就发出预警，阻止险情的发生。
发明内容
针对上述问题，本发明旨在提供一种智能家居安全监控***。
本发明的目的采用以下技术方案来实现：
一种智能家居安全监控***，包括摄像头、视频处理器、传感器组、智能识别终端、无线传输网络和客户端；所述摄像头包括高分辨率摄像头与低分辨率摄像头，分别用于采集监控区域内的实时人脸图像和环境图像，摄像头与所述视频处理器有线连接，安装在家居环境内；所述视频处理器用于对实时人脸图像和环境图像进行合成处理，得到高清晰度监控图像；所述智能识别终端与所述视频处理器和传感器组有线连接，用于对高清晰度监控图像和传感器组采集到的信息中的异常信息进行识别，并通过所述无线传输网络向客户端发送预警信号；所述无线传输网络用于将高清晰度监控图像和传感器组采集到的信息无线传输到客户端。
本发明的有益效果为：本发明可实时监控家居环境内的多种信息，功能全面，能够为用户提供舒适、智能、安全的居家生活。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1是本发明的框架结构图；
图2时本发明的视频处理器的框架结构图；
图3是本发明的传感器组的框架结构图。
附图标记：
摄像头1、视频处理器2、传感器组3、智能识别终端4、无线传输网络5、客户端6、高分辨率摄像头10、低分辨率摄像头11、监控图像去噪模块201、监控图像分解模块202、监控图像合成模块203、一氧化碳传感器301、二氧化碳传感器302、温度传感器303、湿度传感器304、粉尘传感器305、烟雾传感器306和振动传感器307。
具体实施方式
结合以下应用场景对本发明作进一步描述。
参见图1，包括摄像头1、视频处理器2、传感器组3、智能识别终端4、无线传输网络5和客户端6；所述摄像头1包括高分辨率摄像头10与低分辨率摄像头11，分别用于采集监控区域内的实时人脸图像和环境图像，摄像头1与所述视频处理器2有线连接，安装在家居环境内；所述视频处理器2用于对实时人脸图像和环境图像进行合成处理，得到高清晰度监控图像；所述智能识别终端4与所述视频处理器2和传感器组3有线连接，用于对高清晰度监控图像和传感器组采集到的信息中的异常信息进行识别，并通过所述无线传输网络5向客户端6发送预警信号；所述无线传输网络5用于将高清晰度监控图像和传感器组3采集到的信息无线传输到客户端。
优选地，如图2所示，所述传感器组包括一氧化碳传感器、二氧化碳传感器、温度传感器、湿度传感器、粉尘传感器、烟雾传感器和振动传感器，分别用于采集家居环境内的一氧化碳浓度、二氧化碳浓度、温度、湿度、粉尘浓度、烟雾浓度和振动强度信息。
优选地，所述高清晰度监控图像和传感器组采集到的信息中的异常信息包括陌生人闯入、一氧化碳泄漏、二氧化碳浓度过高、室温过高或过低、湿度过高或过低、粉尘浓度过高和5级以上地震。
本发明上述实施例，本发明可实时监控家居环境内的多种信息，功能全面，能够为用户提供舒适、智能、安全的家居生活。
优选地，如图3所示，所述视频处理器包括监控图像去噪模块、监控图像分解模块和监控图像合成模块；
所述监控图像去噪模块将带噪声的人脸图像和环境图像进行小波变换处理，得到相应的小波系数，此时得到的小波系数包括无噪声小波系数以及噪声小波系数，然后采用改进的阈值函数将得到的小波系数进行阈值化处理，以滤除噪声小波系数，得到无噪声小波系数，最后，利用阈值化处理后得到无噪声小波系数进行对人脸图像和环境图像进行重构，得到无噪声人脸图像和无噪声环境图像，其中采用的改进的阈值函数为：
Figure BDA0001314909440000031
Figure BDA0001314909440000032
式中，
Figure BDA0001314909440000033
表示无噪声小波系数，f为带噪声的人脸图像和环境图像进行小波变换处理后得到的小波系数，sgn(·)为符号函数，x为符号函数的变量，j和k为可调参数，μ为小波系数阈值，δ为噪声标准差，P和Q为带噪声的人脸图像和环境图像的宽度和高度；
当j＝0或k＝∞时，此改进的阈值函数为硬阈值函数，当j＝1且k＝1时，此改进的阈值函数为软阈值函数。
本发明上述实施例，通过改进的阈值函数对噪声小波系数进行滤除，保留无噪声小波系数，有利于在对人脸图像和环境图像进行重构时得到无噪声人脸图像和环境图像，同时可通过调节参数j和k，可以使改进的阈值函数介于软、硬阈值函数之间，克服了硬阈值函数处理得到的小波系数不连续以及软阈值函数对小波系数的计算偏差缺点，因此有利于提高对人脸图像和环境图像去噪处理时的效率与精确度。
优选地，所述监控图像分解模块包括：
(1)对无噪声人脸图像和无噪声环境图像采用非下采样Contourlet变换(NSCT)分别进行分解处理，得到各自的一个低频子带系数T1 Low(p,q)和T2 Low(p,q)，以及各自的一系列的高频子带系数
Figure BDA0001314909440000034
和
Figure BDA0001314909440000035
其中1≤a≤A，1≤b≤ba；
T1 Low(p,q)和T2 Low(p,q)分别表示无噪声人脸图像T1和无噪声环境图像T2在像素点(p,q)处的低频子带系数，
Figure BDA0001314909440000036
和
Figure BDA0001314909440000037
表示无噪声人脸图像T1和无噪声环境图像T2在像素点(p,q)处的第a个尺度的第b个方向的高频子带系数，A为尺度数，a表示第a个尺度，b为第b个方向，ba为第a个尺度下的方向数；
(2)利用(p,q)处像素点经过NSCT进行分解处理后得到的子带系数与周围4个像素点的子带系数值进行比较，用自定义活跃度计算公式逐点计算两幅无噪声图像像素点的活跃度，利用无噪声人脸图像T1和无噪声环境图像T2的高频子带系数进行活跃度计算，得到像素点(p,q)的高频子带的活跃度，自定义活跃度计算公式为：
Figure BDA0001314909440000041
Figure BDA0001314909440000042
式中，
Figure BDA0001314909440000043
和
Figure BDA0001314909440000044
分别表示无噪声人脸图像T1和无噪声环境图像T2中(,q)处像素点第a个尺度的第b个方向的高频子带活跃度，
Figure BDA0001314909440000045
和
Figure BDA0001314909440000046
表示无噪声人脸图像T1和无噪声环境图像T2在(p,q)处的第a个尺度第b个方向的高频子带系数；
(3)同样地，利用自定义活跃度计算公式，将高频子带系数换成低频子带系数，对两幅无噪声图像的低频子带的活跃度进行计算，得到无噪声人脸图像T1和无噪声环境图像T2在(p,q)处像素点的低频子带的活跃度R1 Low(p,q)和R2 Low(p,q)。
本发明上述实施例，通过逐点计算无噪声人脸图像和无噪声环境图像像素点的活跃度，由于人脸图像为高分辨率摄像头拍摄所得，自然地，人脸部分图像的像素点活跃度会比较高，其余部分的采用低分辨率摄像拍摄的图像，这样组合有利于降低监控图像的空间占存，而且在智能识别终端对人脸进行识别时速度更快，同时确保识别的准确度。
优选地，所述监控图像合成模块包括：
(1)对无噪声人脸图像T1和无噪声环境图像T2在点(p,q)处的活跃度进行比较，得到相应的活跃度比较结果，根据活跃度比较结果，对子带系数进行重新取值，得到新的高频子带系数与新的低频子带系数，并将新的子带系数作为合成后的高清晰度监控图像的子带系数，具体为：
Figure BDA0001314909440000051
式中，T(p,q)为合成后的高清晰度监控图像在点(p,q)处重新取值后的子带系数，R1(p,q)和R2(p,q)分别为无噪声人脸图像T1和无噪声环境图像T2中(p,q)处像素点的活跃度，R1(p,q)包括R1 Low(p,q)和
Figure BDA0001314909440000052
包括R2 Low(p,q)和
Figure BDA0001314909440000053
和T2(p,q)分别为无噪声人脸图像T1和无噪声环境图像T2在点(p,q)处的子带系数，T1(p,q)包括T1 Low(p,q)和
Figure BDA0001314909440000054
T2(p,q)包括T2 Low(p,q)和
Figure BDA0001314909440000055
T1 Low(p,q)和T2 Low(p,q)分别表示无噪声人脸图像T1和无噪声环境图像T2在像素点(p,q)处的低频子带系数，
Figure BDA0001314909440000056
和
Figure BDA0001314909440000057
表示无噪声人脸图像T1和无噪声环境图像T2在像素点(p,q)处的第a个尺度的第b个方向的高频子带系数，P和Q分别表示两幅无噪声图像的宽度和高度，β为调整阈值，β设定为0.5；
当R1(p,q)＝R1 Low(p,q)时，R2(p,q)＝R2 Low(p,q)，T1(p,q)＝T1 Low(p,q)，T2(p,q)＝T2 Low(p,q)，当
Figure BDA0001314909440000058
时，
Figure BDA0001314909440000059
Figure BDA00013149094400000510
(2)将得到的新的高频子带系数和新的低频子带系数作为合成图像的高频子带系数和低频子带系数，通过NSCT逆变换重构图像，得到合成后的高清晰度监控图像。
本发明上述实施例，将高分辨率的人脸图像与环境图像进行合成，合成的高清晰度监控图像，能够突出人脸，无论是在智能识别终端对人脸的识别还是在用户翻看监控图像时对人物的辨认都十分有利，而且除了人脸图像，其余图像皆采用低分辨率的环境图像，降低了无关因素的干扰。
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 (2)

1.一种智能家居安全监控***，其特征是，包括摄像头、视频处理器、传感器组、智能识别终端、无线传输网络和客户端；所述摄像头包括高分辨率摄像头和低分辨率摄像头，分别用于采集监控区域内的实时人脸图像和环境图像，摄像头与所述视频处理器有线连接；所述视频处理器用于对实时人脸图像和环境图像进行合成处理，得到高清晰度监控图像；所述智能识别终端与所述视频处理器和传感器组有线连接，用于对高清晰度监控图像和传感器组采集到的信息中的异常信息进行识别，并通过所述无线传输网络向客户端发送预警信号；所述无线传输网络用于将高清晰度监控图像和传感器组采集到的信息无线传输到客户端；
所述传感器组包括一氧化碳传感器、二氧化碳传感器、温度传感器、湿度传感器、粉尘传感器、烟雾传感器和振动传感器，分别用于采集家居环境内的一氧化碳浓度、二氧化碳浓度、温度、湿度、粉尘浓度、烟雾浓度和振动强度信息；
所述高清晰度监控图像和传感器组采集到的信息中的异常信息包括陌生人闯入、一氧化碳泄漏、二氧化碳浓度过高、室温过高或过低、湿度过高或过低、粉尘浓度过高和5级以上地震；
所述视频处理器包括监控图像去噪模块、监控图像分解模块和监控图像合成模块；
所述监控图像去噪模块将带噪声的人脸图像和环境图像进行小波变换处理，得到相应的小波系数，此时得到的小波系数包括无噪声小波系数以及噪声小波系数，然后采用改进的阈值函数将得到的小波系数进行阈值化处理，以滤除噪声小波系数，得到无噪声小波系数，最后，利用阈值化处理后得到的无噪声小波系数对人脸图像和环境图像进行重构，得到无噪声人脸图像和无噪声环境图像，其中采用的改进的阈值函数为：
Figure FDA0002610001370000011
Figure FDA0002610001370000012
式中，
Figure FDA0002610001370000013
表示无噪声小波系数，f为带噪声的人脸图像和环境图像进行小波变换处理后得到的小波系数，sgn(·)为符号函数，x为符号函数的变量，j和k为可调参数，μ为小波系数阈值，δ为噪声标准差，P和Q为带噪声的人脸图像和环境图像的宽度和高度；
所述监控图像分解模块包括：
(1)对无噪声人脸图像和无噪声环境图像采用非下采样Contourlet变换(NSCT)分别进行分解处理，得到各自的一个低频子带系数T1 Low(p,q)和T2 Low(p,q)，以及各自的一系列的高频子带系数
Figure FDA0002610001370000021
和
Figure FDA0002610001370000022
其中1≤a≤A，1≤b≤ba；
其中，T1 Low(p,q)和T2 Low(p,q)分别表示无噪声人脸图像T1和无噪声环境图像T2在像素点(p,q)处的低频子带系数，
Figure FDA0002610001370000023
和
Figure FDA0002610001370000024
表示无噪声人脸图像T1和无噪声环境图像T2在像素点(p,q)处的第a个尺度的第b个方向的高频子带系数，A为尺度数，a表示第a个尺度，b为第b个方向，ba为第a个尺度下的方向数；
(2)利用(p,q)处像素点经过NSCT进行分解处理后得到的子带系数与周围4个像素点的子带系数值进行比较，用自定义活跃度计算公式逐点计算两幅无噪声图像像素点的活跃度，利用无噪声人脸图像T1和无噪声环境图像T2的高频子带系数进行活跃度计算，得到像素点(p,q)的高频子带的活跃度，自定义活跃度计算公式为：
Figure FDA0002610001370000025
Figure FDA0002610001370000031
式中，
Figure FDA0002610001370000032
和
Figure FDA0002610001370000033
分别表示无噪声人脸图像T1和无噪声环境图像T2中(p,q)处像素点第a个尺度的第b个方向的高频子带活跃度，
Figure FDA0002610001370000034
和
Figure FDA0002610001370000035
表示无噪声人脸图像T1和无噪声环境图像T2在(p,q)处的第a个尺度第b个方向的高频子带系数；
(3)同样地，利用自定义活跃度计算公式，将高频子带系数换成低频子带系数，对两幅无噪声图像的低频子带的活跃度进行计算，得到无噪声人脸图像T1和无噪声环境图像T2在(p,q)处像素点的低频子带的活跃度R1 Low(p,q)和R2 Low(p,q)。
2.根据权利要求1所述的一种智能家居安全监控***，其特征是，所述监控图像合成模块包括：
(1)对无噪声人脸图像T1和无噪声环境图像T2在点(p,q)处的活跃度进行比较，得到相应的活跃度比较结果，根据活跃度比较结果，对子带系数进行重新取值，得到新的高频子带系数与新的低频子带系数，并将新的子带系数作为合成后的高清晰度监控图像的子带系数，具体为：
Figure FDA0002610001370000036
式中，T(p,q)为合成后的高清晰度监控图像在点(p,q)处重新取值后的子带系数，R1(p,q)和R2(p,q)分别为无噪声人脸图像T1和无噪声环境图像T2中(p,q)处像素点的活跃度，R1(p,q)包括R1 Low(p,q)和
Figure FDA0002610001370000041
R2(p,q)包括R2 Low(p,q)和
Figure FDA0002610001370000042
T1(p,q)和T2(p,q)分别为无噪声人脸图像T1和无噪声环境图像T2在点(p,q)处的子带系数，T1(p,q)包括T1 Low(p,q)和
Figure FDA0002610001370000043
T2(p,q)包括T2 Low(p,q)和
Figure FDA0002610001370000044
T1 Low(p,q)和T2 Low(p,q)分别表示无噪声人脸图像T1和无噪声环境图像T2在像素点(p,q)处的低频子带系数，
Figure FDA0002610001370000045
和
Figure FDA0002610001370000046
表示无噪声人脸图像T1和无噪声环境图像T2在像素点(p,q)处的第a个尺度的第b个方向的高频子带系数，P和Q分别表示两幅无噪声图像的宽度和高度，β为调整阈值，β<1；
当R1(p,q)＝R1 Low(p,q)时，R2(p,q)＝R2 Low(p,q)，T1(p,q)＝T1 Low(p,q)，T2(p,q)＝T2 Low(p,q)，当
Figure FDA0002610001370000047
时，
Figure FDA0002610001370000048
Figure FDA0002610001370000049
(2)将得到的新的高频子带系数和新的低频子带系数作为合成图像的高频子带系数和低频子带系数，通过NSCT逆变换重构图像，得到合成后的高清晰度监控图像。
CN201710420949.0A 2017-06-07 2017-06-07 智能家居安全监控*** Expired - Fee Related CN107241243B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710420949.0A CN107241243B (zh) 2017-06-07 2017-06-07 智能家居安全监控***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710420949.0A CN107241243B (zh) 2017-06-07 2017-06-07 智能家居安全监控***

Publications (2)

Publication Number Publication Date
CN107241243A CN107241243A (zh) 2017-10-10
CN107241243B true CN107241243B (zh) 2020-10-30

Family

ID=59986070

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710420949.0A Expired - Fee Related CN107241243B (zh) 2017-06-07 2017-06-07 智能家居安全监控***

Country Status (1)

Country Link
CN (1) CN107241243B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108769586A (zh) * 2018-05-30 2018-11-06 深圳汇通智能化科技有限公司 一种监控准确的监控***
CN109712078A (zh) * 2018-07-23 2019-05-03 永康市巴九灵科技有限公司 橱柜安防控制平台
CN109239554A (zh) * 2018-09-28 2019-01-18 山东康威通信技术股份有限公司 一种电力电缆局部放电信号去噪及有效信号提取方法及***

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103338362A (zh) * 2013-07-26 2013-10-02 深圳市融创天下科技股份有限公司 一种基于视频监控***的事件处理方法及***

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7260272B2 (en) * 2003-07-10 2007-08-21 Samsung Electronics Co.. Ltd. Method and apparatus for noise reduction using discrete wavelet transform

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103338362A (zh) * 2013-07-26 2013-10-02 深圳市融创天下科技股份有限公司 一种基于视频监控***的事件处理方法及***

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
物联网下的嵌入式家居安全监控***设计与实现;陈德裕等;《传感器与微***》;20121231;第31卷(第9期);105-108页 *

Also Published As

Publication number Publication date
CN107241243A (zh) 2017-10-10

Similar Documents

Publication Publication Date Title
CN107241243B (zh) 智能家居安全监控***
CN103839373B (zh) 一种突发异常事件智能识别报警装置及报警***
RU2018121883A (ru) Обнаружение наступления сонливости
CN110012114B (zh) 一种基于物联网的环境安全预警***
CN105096527A (zh) 一种基于儿童睡眠状态的监控提醒方法及***
CN105282490A (zh) 一种新型空巢老人的智能家庭交互***及方法
JP2013510462A (ja) メディアデータ及びメタデータの組み合わせを供給する方法及びシステム
US9737219B2 (en) Method and associated controller for life sign monitoring
US10709354B2 (en) Generating a breathing alert
US20190139389A1 (en) System and Method for Monitoring Life Signs of a Person
CN114926957B (zh) 基于智能家居的婴幼儿监护***及监护方法
CN105405244A (zh) 一种用于森林防火的干扰源屏蔽方法
Alinovi et al. Spatio-temporal video processing for respiratory rate estimation
JP2017509965A5 (zh)
CN111523344A (zh) 人体活体检测***及方法
Nisar et al. Contactless heart rate monitor for multiple persons in a video
WO2020227433A1 (en) A wearable system for behind-the-ear sensing and stimulation
Wan et al. Cooperative task-oriented communication for multi-modal data with transmission control
CN116386278B (zh) 基于婴幼儿睡姿的智能识别提醒方法、装置及设备
CN110490819A (zh) 基于nsst和nlm滤波及硬阈值技术的图像去噪方法
CN113693573B (zh) 一种基于视频的非接触式多生理参数监测的***及方法
Dimoulas et al. Joint wavelet video denoising and motion activity detection in multimodal human activity analysis: application to video-assisted bioacoustic/psychophysiological monitoring
CN115103159A (zh) 一种利用摄像头进行监控的方法、装置、***及相关设备
Al-Shayea et al. A novel gaussian in denoising medical images with different wavelets for internet of things devices
CN114305370A (zh) 针对rPPG信号中运动干扰的自适应滤波方法及***

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20200930

Address after: Room 312, Chuangye Valley, Dongying hi tech Zone, No.23 Xianhe Road, Dongying District, Dongying City, Shandong Province

Applicant after: Shandong Liwang Petroleum Technology Co.,Ltd.

Address before: 543000 the Guangxi Zhuang Autonomous Region Wuzhou City Longwei District Long Wei Zhen Longquan Ludongli two No. 68 unit 2, room 1204

Applicant before: WUZHOU XINGNENG AGRICULTURAL TECHNOLOGY Co.,Ltd.

GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20201030