CN107247945A - 一种基于Kinect设备的病房病患监护***及监护方法 - Google Patents
一种基于Kinect设备的病房病患监护***及监护方法 Download PDFInfo
- Publication number
- CN107247945A CN107247945A CN201710536323.6A CN201710536323A CN107247945A CN 107247945 A CN107247945 A CN 107247945A CN 201710536323 A CN201710536323 A CN 201710536323A CN 107247945 A CN107247945 A CN 107247945A
- Authority
- CN
- China
- Prior art keywords
- data
- patient
- ward
- warning message
- sufferer
- 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.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 63
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000009471 action Effects 0.000 claims abstract description 60
- 238000004891 communication Methods 0.000 claims abstract description 18
- 239000013598 vector Substances 0.000 claims description 60
- 238000012545 processing Methods 0.000 claims description 46
- 239000011159 matrix material Substances 0.000 claims description 40
- 230000009429 distress Effects 0.000 claims description 9
- 230000003993 interaction Effects 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 3
- 206010000117 Abnormal behaviour Diseases 0.000 abstract description 4
- 230000005540 biological transmission Effects 0.000 abstract description 3
- 230000000474 nursing effect Effects 0.000 abstract description 3
- 210000000988 bone and bone Anatomy 0.000 description 21
- 230000008569 process Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 201000010099 disease Diseases 0.000 description 5
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 5
- 210000003423 ankle Anatomy 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 210000003127 knee Anatomy 0.000 description 4
- 210000000707 wrist Anatomy 0.000 description 4
- 241000894007 species Species 0.000 description 3
- 238000013475 authorization Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- NJPPVKZQTLUDBO-UHFFFAOYSA-N novaluron Chemical compound C1=C(Cl)C(OC(F)(F)C(OC(F)(F)F)F)=CC=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F NJPPVKZQTLUDBO-UHFFFAOYSA-N 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- 210000001364 upper extremity Anatomy 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000003557 bones of lower extremity Anatomy 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 208000002173 dizziness Diseases 0.000 description 1
- 210000002683 foot Anatomy 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 210000003141 lower extremity Anatomy 0.000 description 1
- 210000001699 lower leg Anatomy 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- 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
- G06V40/20—Movements or behaviour, e.g. gesture recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
-
- 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
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/26—Speech to text systems
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
- G10L21/0208—Noise filtering
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
- G10L25/66—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination for extracting parameters related to health condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- 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
- G06T2207/10024—Color image
-
- 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
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- 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
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
- G10L2015/223—Execution procedure of a spoken command
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
- G10L21/0208—Noise filtering
- G10L2021/02082—Noise filtering the noise being echo, reverberation of the speech
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Acoustics & Sound (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Business, Economics & Management (AREA)
- Medical Informatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Public Health (AREA)
- Epidemiology (AREA)
- Emergency Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明涉及一种基于Kinect的病房病患监护***及监护方法,监护***包括Kinect设备、病患监护管理设备、报警模块、无线通讯模块以及移动终端。本发明的监护方法通过对病人的动作、语音、位置进行实时监测和分析,实现了对病人的异常行为、活动位置、语音请求的自动判定和报警。在监测的过程中不仅可以对病人的数据进行管理和存储,还可实时将数据和信息传送到医生和患者亲属的移动终端中,方便及时了解病人的状态,并向监护人员及时反馈看护建议。本发明不仅能对病人的活动状态进行实时监控报警,为病人的护理提供较大的便利,而且可以对病人的信息进行有效地管理,方便后续的治疗,具有良好的可靠性和实用性。
Description
技术领域
本发明涉及监护***领域,具体涉及一种基于Kinect的病房病患监护***及监护方法。
背景技术
随着经济的发展和人们生活水平的提高,人们对身体健康的关注也在不断提高,特别是在各国社会老龄化的提前到来,人们对医疗资源的需求量越来越大,对医疗质量和效率要求越来越高,使得健康护理和医疗资源的短缺问题愈加明显。
医院是人们就医的主要场所,在医院接受住院治疗的病人在就医人员占到很大比例。目前,我国绝大多数医院对住院患者所采用的监护方法,都是使用人工监护的传统方法。但是人工监护这种监护方式需要监护人员实时陪护在病人身旁,特别是重病住院患者,需要监护人员全天候陪护,对监护人员来说非常费时费力。同时对于家境困难和需要长期住院的病患人员来说,人工监护的成本较高,难以长期承担,如果由患者家属进行监护工作,由于缺乏专业知识和经验,很难满足病患的要求甚至会存在安全隐患。另外监护人员也不能保证时时刻刻陪护在病患身边,当监护人员临时有事不在身边时,病人的紧急请求和需求不能的得到及时响应和满足,病人在需要活动时不能得到及时陪护,病人在未经医生和护士同意的情况下擅自活动时也无法被提醒和警告,病人发生意外时不能及时对病人进行救护,这些情况都会为病人带来极大的不便和安全隐患。随着人们对医疗资源的需求量越来越大,人工监护的人力资源越来越稀缺,成本越来越高,效率越来越低,人工监护的这种传统的监护方法越来越难以满足病患对医院医疗护理的需求。
针对人工监护存在的问题各大医院和养老中心开始采用智能监护***,但目前的智能监护***没有对病房住院患者的动作、声音、位置等信息同时进行实时监测、识别、预警,并对获取的监测数据进行实时管理和无线远程发送,同时还存在成本高、设备复杂、功能不全、精确度低等缺点。
发明内容
本发明实施例提供一种基于Kinect设备的病房病患监护***及监护方法,通过对病人的动作、语音、位置进行实时监测和分析,实现了对病人的异常行为、活动位置、语音请求的自动判定和报警。
本发明提供一种基于Kinect设备的病房病患监护***,包括:
Kinect设备,用于获取待监护病人的彩色图像数据、深度图像数据、关节点数据以及音频数据;
病患监护管理设备,对Kinect设备获取的彩色图像数据、深度图像数据、关节点数据以及音频数据进行处理和分析,并根据分析结果发送报警信息;
报警模块,根据病患监护管理设备发送的报警信息进行语音报警;
无线通信模块,用于将报警信息发送给使用者,并接收使用者的指导建议;
移动终端,用于将接收到的报警信息进行实时显示,并将使用者提出的指导建议发送回病患监护管理设备,提醒监护人员进行处理。
在本发明的基于Kinect设备的病房病患监护***中,所述病患监护管理设备包括:
数据处理模块,用于对彩色图像数据、深度图像数据、关节点数据以及音频数据进行滤波处理,并构建人体骨骼向量模型,计算人体骨骼特征数据矩阵;
数据库,用于存储经数据处理模块处理和分类的数据;
动作识别及判定模块,根据病人当前动作的人体骨骼特征数据矩阵判断病人动作是否处于危险动作数据的范围内,如果病人动作属于危险动作则发送报警信息;
空间位置判定模块,根据关节点数据计算病人在病房中的坐标,判断病人坐标是否在报警活动区域内,如果病人处于报警活动区域内则发送报警信息;
语音识别模块,用于对音频数据进行语音识别,提醒监护人员及时响应病人的要求;若音频数据中含有紧急呼救的指令时,发送报警信息;
人机互动模块,包括用于显示彩色图像、深度图像以及报警信息内容的显示单元和用于调取数据库中存储的监控数据、病人信息并输入控制指令的指令输入单元。
在本发明的基于Kinect设备的病房病患监护***中,所述数据处理模块包括:
图像处理单元,用于清除彩色图像数据和深度图像数据中的噪点;
语音处理单元,用于滤除音频数据中的噪声数据;
关节点处理单元,用于消除关节点数据的抖动和噪声干扰;
建模单元,根据处理后的关节点数据构建人体骨骼向量模型;
计算单元,根据人体骨骼向量模型计算人体骨骼特征数据矩阵。
在本发明的基于Kinect设备的病房病患监护***中,所述动作识别及判定模块包括:
危险动作数据集,用于存储提前录制的危险动作标准数据,
动作识别单元,用于将病人当前动作的人体骨骼特征数据矩阵与提前录制的危险动作标准数据进行对比,如果病人动作处于危险动作数据的判定范围内,则视为危险动作,并发送报警信息。
在本发明的基于Kinect设备的病房病患监护***中,所述空间位置判定模块包括:
报警活动区域设定单元,根据深度图像数据计算病房中各位置相对于Kinect设备的空间坐标并设定病人的报警活动区域;
坐标计算单元,根据关节点数据中的关节点空间坐标信息计算病人在病房中的坐标;
判定单元,将病人坐标和报警活动区域进行比较,如果病人处于报警活动区域,则发送报警信息。
本发明还提供一种基于Kinect设备的病房病患监护方法,其特征在于,包括如下步骤:
1)获取待监护病人的彩色图像数据、深度图像数据、关节点数据以及音频数据;
2)对获取的彩色图像数据、深度图像数据、关节点数据以及音频数据进行处理和分析,并根据分析结果发送报警信息;
3)根据报警信息进行语音报警;
4)将报警信息发送给使用者,并接收使用者的指导建议;
5)将接收到的报警信息进行实时显示,并发送使用者提出的指导建议回,提醒监护人员进行处理。
在本发明的基于Kinect设备的病房病患监护方法中,步骤2)具体为:
2.1)对彩色图像数据、深度图像数据、关节点数据以及音频数据进行滤波处理,并构建人体骨骼向量模型,计算人体骨骼特征数据矩阵;
2.2)存储经数据处理模块处理和分类的数据;
2.3)根据病人当前动作的人体骨骼特征数据矩阵判断病人动作是否处于危险动作数据的范围内,如果病人动作属于危险动作则发送报警信息;
2.4)根据关节点数据计算病人在病房中的坐标,判断病人坐标是否在报警活动区域内,如果病人处于报警活动区域内则发送报警信息;
2.5)对音频数据进行语音识别,提醒监护人员及时响应病人的要求;若音频数据中含有紧急呼救的指令时,发送报警信息;
2.6)显示彩色图像、深度图像以及报警信息内容,调取数据库中存储的监控数据、病人信息并输入控制指令。
在本发明的基于Kinect设备的病房病患监护方法中,步骤2.1)具体为:
清除彩色图像数据和深度图像数据中的噪点;
滤除音频数据中的噪声数据;
消除关节点数据的抖动和噪声干扰;
根据处理后的关节点数据构建人体骨骼向量模型;
根据人体骨骼向量模型计算人体骨骼特征数据矩阵。
在本发明的基于Kinect设备的病房病患监护方法中,,步骤2.3)具体为:
存储提前录制的危险动作标准数据;
将病人当前动作的人体骨骼特征数据矩阵与提前录制的危险动作标准数据进行对比,如果病人动作处于危险动作数据的判定范围内,则视为危险动作,并发送报警信息。
在本发明的基于Kinect设备的病房病患监护方法中,,步骤2.4)具体为:
根据深度图像数据计算病房中各位置相对于Kinect设备的空间坐标并设定病人的报警活动区域;
根据关节点数据中的关节点空间坐标信息计算病人在病房中的坐标;
将病人坐标和报警活动区域进行比较,如果病人处于报警活动区域,则发送报警信息。
本发明的基于Kinect设备的病房病患监护***及监护方法至少具有以下有益效果:
1)本发明通过对病人的动作、语音、在病房中的位置进行实时监测和分析,实现了对住院病人的异常行为、活动位置、语音请求的自动判定、报警,提醒监护人员及时查看和看护病人,且在监测的过程中不仅可以对病人的数据进行管理和存储,还可以实时将数据和信息通过无线通信模块传送到医护人员、患者亲属的移动终端中,方便及时了解病人的状态,并向监护人员及时提出看护建议。
2)本发明不仅能对病人的活动状态进行实时监控报警,为病人的护理提供较大的便利,而且可以对病人的信息进行有效地管理,方便后续的治疗,具有良好的可靠性和实用性。
3)本发明监护***无需病人穿戴任何硬件设备和传感器,仅通过Kinect设备获取的图像和音频数据就可以对病人进行自动实时看护和报警,提高了病房病人监护的实时性,大大降低了人工监护的成本,提高人工监护的效率,使病人的需求能够得到及时的响应,降低了安全隐患,具有很强的实用性和经济价值。
附图说明
图1是本发明的基于Kinect的病房病患监护***的***框图;
图2是本发明具体实施方式中的Kinect追踪的20个关节点示意图;
图3是本发明具体实施方式中的Kinect建立的三维空间的坐标系示意图;
图4是本发明具体实施方式中的人体骨骼向量模型的示意图;
图5是本发明具体实施方式中的人体骨骼向量的骨骼特征值示意图;
图6是本发明的基于Kinect的病房病患监护方法的流程图;
图7是本发明具体实施方式中的病房病患监护方法的流程图;
图8是本发明具体实施方式中的动作识别及判定过程流程图;
图9是本发明具体实施方式中的空间位置判定过程流程图;
图10是本发明具体实施方式中的语音识别模块的工作流程图。
具体实施方式
下面结合附图对本发明的基于Kinect的病房病患监护***及监护方法进行说明。
如图1所示本发明的监护***包括:Kinect设备1、病患监护管理设备2、报警模块3、无线通信模块4以及移动终端5。其中,Kinect设备1设置于病房内,用于实时获取待监护病人的彩色图像数据、深度图像数据、关节点数据以及音频数据。病患监护管理设备2设置于医院监控中心,用于对Kinect设备1获取的彩色图像数据、深度图像数据、关节点数据以及音频数据进行处理和分析,并根据分析结果发送报警信息。报警模块3根据病患监护管理设备2发送的报警信息进行语音报警,进而提示监护人员。监护人员在查看病房视频图像后可根据情况通过扬声器提醒通知病人。无线通信模块4用于将报警信息发送给移动终端5的使用者,并接收使用者的反馈的指导建议。移动终端5用于将接收到的报警信息进行实时显示,使用者根据报警信息进行判断分析,提出指导建议。并通过移动终端5将指导建议发送回病患监护管理设备2,提醒监护人员进行处理。
Kinect设备1使用微软公司于2014年10月推出的Kinect V2.0,该设备包含以下组成部分:彩色摄像头、深度摄像头、红外线发射器、麦克风阵列、仰角控制马达、基座、USB数据线。彩色摄像头是RGB摄像头,用来获取病房内病人的彩色图像数据,每秒钟最多获取30帧RGB格式图像,分辨率为1920×1080,可以非常清晰且连续地拍摄到病房中的场景。深度摄像头和红外线发射器用于获取病房内病人的深度图像数据,每秒钟可获取30帧的深度图像,深度图像通过图像中每个像素的颜色深度来表示该像素和Kinect设备1之间的实际距离,用来检测病人和Kinect设备1的相对位置,在本发明的监护***中用于测定病人在病房中的实际坐标。麦克风阵列可用于语音识别,获取病房内病人的音频数据,其音频***采用四元线性麦克风阵列技术,排列可呈线形或“L”形,其采用了先进的噪音抑制、回声消除以及用于识别当前声源的波束形成技术等,可有效的消除背景噪音的干扰,提高识别率,即使在吵杂的环境中,也可以清晰地捕获病人的微弱语音。仰角控制马达可以调整Kinect设备1的仰角,从而改变各个摄像头的角度,安装在合适的位置就可以全方位的观察病房中的情形。基座安装在待监护病人病床床头的墙上,安装高度为高于病床床头1米处,水平安装位置为病床的正中间,安装倾角为水平方向向下倾角45°,Kinect设备1的倾角可以通过病患监护管理设备2进行调整。Kinect设备1通过自身的USB数据线连接到医院监控中心的病患监护管理设备2上,用于进行彩色图像数据、深度图像数据、音频数据、关节点数据以及控制指令的数据的双向传输。
病患监护管理设备2包括数据处理模块21、数据库22、动作识别及判定模块23、空间位置判定模块24、语音识别模块25以及人机互动模块26。数据处理模块21用于对彩色图像数据、深度图像数据、关节点数据以及音频数据进行滤波处理,并构建人体骨骼向量模型,计算人体骨骼特征数据矩阵。
数据处理模块21包括:图像处理单元、语音处理单元、关节点处理单元、建模单元以及计算单元。图像处理单元用于清除彩色图像数据和深度图像数据中的噪点。语音处理单元用于滤除音频数据中的噪声数据。关节点处理单元用于对人体骨骼的关节点数据设置关节点数据波动范围,如果数据的波动范围过大,即对数据大小进行限幅,限幅大小为数据波动范围值,并进行多次采集后进行均值滤波,用以消除骨骼的关节点数据的抖动。建模单元根据处理后的关节点数据构建人体骨骼向量模型。计算单元根据人体骨骼向量模型计算人体骨骼特征数据矩阵。
建模单元中人体骨骼向量模型的构建方式如下:
先对Kinect设备1采集到的关节点数据进行限幅和均值滤波处理,处理后的关节点数据包含关节点的种类、关节点的追踪状态、关节点的空间坐标等信息。关节点的种类信息记录的是Kinect设置1总共能采集到的关节点的种类。Kinect设备1并不是采集人体的所有关节点,只是追踪人体的25个能够反映人体姿势特征的关节点,本发明使用其中的20个关节点来构建人体骨骼向量模型,这些关节点分别是:头部、颈部、左肩、右肩、左肘、右肘、左腕、右腕、左手、右手、脊柱中心、骻骨中心、左骻、右骻、左膝、右膝、左脚踝、右脚踝、左脚、右脚,如图2所示。关节点的追踪状态包括三种:Tracked(已追踪到),Untacked(未追踪到),Inferrd(可预测到)。关节点的空间坐标信息采用空间三维坐标系,坐标单位是厘米。从Kinect设置1的视角方向看,X轴的正半轴是向左延伸,与机身平行,X轴即表示三维空间的左右。Y轴的正半轴是向上延伸,与机身垂直,Y轴即表示三维空间的上下。Z轴的正半轴是向前延伸的,与Kinect设备1的三组摄像头的朝向一致,与图像平面相垂直,Z轴即表示三维空间的前后,该坐标系遵守右手螺旋定则,红外线发射器是空间坐标系原点,Kinect设备1获取的人体骨架模型的三维空间的坐标系如图3所示。
人体骨骼向量是将由Kinect设备1所识别出来的20个人体关节点进行相邻关节点相连而得到的。本发明共选取15个骨骼向量,根据所属身体不同部位分为上肢骨骼向量,下肢骨骼向量及躯干骨骼向量,同时采用统一命名的方式来对所有骨骼向量进行命名,即以起点在前终点在后的关节名称联合的方式来命名人体骨骼向量,例如右肘到右手的骨骼向量为右肘-右手向量。若令关节点J1的空间坐标为J1=(x1,y1,z1),同时设关节点J2的空间坐标为J2=(x2,y2,z2),令由J1指向J2的骨骼向量S为S=(x,y,z)。则骨骼向量S和关节点J1和关节点J2的关系如式1所示。
S=J2-J1=(x2-x1,y2-y1,z2-z1) (1)
上肢骨骼向量共有4个,即图4中的a1、a2、a3、a4向量。其对应的骨骼向量分别为:左肩-左肘向量、左肘-左腕向量、右肩-右肘向量、右肘-右腕向量。下肢骨骼向量共有4个,即图4中的b1、b2、b3、b4向量。其对应的骨骼向量分别为:左骻-左膝向量、左膝-左脚踝向量、右骻-右膝向量、右膝-右脚踝向量。躯干骨骼向量共7个,即图4中的c1到c7向量。其对应的骨骼向量分别为颈部-头部向量、颈部-左肩向量、颈部-右肩向量、颈部-脊柱向量、脊柱-骻骨中心向量、骻骨中心-左骻向量、骻骨中心-右骻向量,从而构建完成如图4所示人体骨骼向量模型。
计算单元根据图4所示的人体骨骼向量模型计算人体骨骼特征数据矩阵的过程如下:
将骨骼特征值定义为一个骨骼向量的方向角度值,令关节点1与关节点2的空间三维坐标分别为(x1,y1,z1)和(x2,y2,z2),则关节1到关节2的骨骼向量vr的具体表达式如下:
vr=(x2-x1)i+(y2-y1)j+(z2-z1)k (2)
根据数学上的反三角函数定义可得,骨骼向量的方向角度值α,β,γ的求取公式如下:
则骨骼特征值为
如图5所示为骨骼向量的骨骼特征值。
对于人体骨骼特征数据矩阵P,其表示方法如下:
从而构建出人体骨骼向量模型和人体骨骼特征数据矩阵。
数据库22用于存储经数据处理模块21处理和分类的数据,数据库22使用SQLServer对数据进行存储和管理,数据库22存有彩色图像数据、深度图像数据、音频数据、关节点数据、人体骨骼向量模型以及人体骨骼特征数据矩阵等数据。
动作识别及判定模块23用于根据病人当前动作的人体骨骼特征数据矩阵判断病人动作是否处于危险动作数据的范围内,如果病人动作属于危险动作则发送报警信息。
动作识别及判定模块23包括危险动作数据集和动作识别单元。危险动作数据集用于存储提前录制的危险动作标准数据。危险动作数据集将病人的危险动作收录并存储Kinect设备1不断地进行训练所得到的人体骨骼特征数据矩阵数据。当病人出现类似危险动作时意味着病人目前可能有危险,比如摔倒,磕碰,昏厥等动作。动作识别单元用于将病人当前动作的人体骨骼特征数据矩阵与提前录制的危险动作标准数据进行对比,如果病人动作处于危险动作数据的判定范围内,则视为危险动作,并发送报警信息。发送给报警模块3的信息中包括病人信息、病人位置、病人危险动作类型及危险动作相似度。
危险动作数据集的构建方式如下:采集所有病人的危险动作的样本数据后,获取的所有数据按照骨骼特征提取的步骤,使用关节点数据依次计算人体骨骼向量,计算骨骼特征值,得到人体骨骼特征数据矩阵。假设某危险动作共n个矩阵样本数据,令第i个矩阵数据的矩阵数据为Pi,则
令危险动作S的人体骨骼特征数据矩阵为Ps,则
同时需要根据统计的结果,为矩阵数据中的每个元素设置数据的波动范围,因为每个危险动作的数据并不是绝对的,可以在一定的幅度内变化,表现在数据上就是每个骨骼向量的骨骼特征数据值可以在一定范围内变化。若令数据的最大波动值为r且r>0,则标准姿势骨骼特征矩阵的数据范围是:
Pmin≤Ps≤Pmax (10)
Pmin是数据范围的最小值,Pmax是数据范围的最大值。Pmin和Pmax的计算如下:
动作识别及判定模块23将r的值设置为10。按照相同的方式,计算得到所有标准危险动作的骨骼特征数据矩阵。之后将这些危险动作的矩阵数据分类后进行存储,组建危险动作数据集。如果病人动作的特征数据在Pmin和Pmax之间,则认为是危险动作,发送报警信息给报警模块3。
Kinect设备1在建立人体骨骼模型时,会以自身位置为坐标原点建立空间坐标系。空间位置判定模块24根据关节点数据计算病人在病房中的坐标,判断病人坐标是否在报警活动区域内,如果病人处于报警活动区域内则发送报警信息。空间位置判定模块24包括报警活动区域设定单元、坐标计算单元以及判定单元。报警活动区域设定单元利用深度图像数据可以计算获得病房中各个位置相对于Kinect设备1的空间坐标,由此设定病人的正常活动范围和报警活动区域。坐标计算单元根据关节点数据中的关节点空间坐标信息计算病人在病房中的坐标位置。判定单元将病人坐标和报警活动区域进行比较,当病人在没有医生的允许或没有人帮扶的情况下,擅自离开正常活动区域或进入报警活动区域时,则发送报警信息。报警信息包括病人信息,病人当前坐标位置,病人远离活动区域的距离。
病人可以直接对着Kinect设备1的麦克风阵列说话,发出语音控制指令。语音识别模块25对采集到的音频信息进行语音识别后,提醒监护人员及时响应病人的要求。如若监测到病人的语音要求中含有紧急呼救的语音控制指令时,发送报警信息。语音控制指令可以由医院监护中心自己设定,可以使用人机交互模块26中的指令输入单元的“录制语音指令”选项对语音指令进行录制,同时可以在“查看语音指令”选项中查看当前已有的语音指令,双击语音指令会播放语音指令的内容,同时也可以在“删除语音指令”中删除已有的语音指令。这样可以根据医院的需求,对语音指令库的内容进行自定义修改,增加了语音指令的灵活性。Kinect设备1采用了先进的噪音抑制、回声消除以及用于识别当前声源的波束形成技术等,可有效的消除背景噪音的干扰,提高识别率,即使在吵杂的环境中,Kinect设备1也可以清晰地捕获病人的微弱语音,如若监测到病人的语音要求中含有紧急呼救等异常语音时,如急促的喘息声,紧急的呼救声,或病痛的呻吟声等,语音识别模块25自动发送报警信息给报警模块3,报警信息包括病人信息,病人请求,病人位置,病人音频数据。
人机互动模块26提供监护人员和病患监护管理设备2的交互接口和界面。人机互动模块26包括用于显示彩色图像、深度图像以及报警信息内容的显示单元和用于调取数据库中存储的监控数据、病人信息并输入控制指令的指令输入单元。人体骨骼关节点模型通过3维—2维坐标变换为2维模型后映射到彩色图像和深度图像上。图像窗口大小和比例可以随意调整,2维模型的大小和比例也可以随窗口的变化而自动变化。图像显示可以通过人机交互模块26中的指令输入单元的“开启/关闭彩色图像”、“开启/关闭深度图像”、“开启/关闭骨骼映射”按钮进行控制。监护人员可以在显示单元中查看病房中的视频信息,查看病人当前的活动状态,查看病人的位置,显示危险动作报警内容,显示危险位置报警内容,紧急语音报警内容。可以通过指令输入单元存储和调取病人的信息,存储和调取病人的监护数据,输入控制命令,与移动终端5通信。
报警模块3,接收来自动作识别及判定模块23、空间位置判定模块24、语音识别模块25、无线通信模块4的信息。报警模块3通过语音播报的形式提醒监控中心的监护人员。报警的内容在人机交互模块26的显示单元中进行显示。监护人员在查看病房视频图像后可根据病房内情况通过扬声器6提醒通知病人,扬声器6安装在病人的病房中,安装在Kinect设备1的正上方。同时报警模块3会将信息通过无线通信模块4发送给移动终端5,移动终端5也可将控制指令通过无线通信模块4发送回报警模块3,提醒监护人员或给出看护建议。
无线通信模块4用于实现报警模块3和移动终端5的通信。可以将报警信息传输至移动终端5,同时无线通信模块4将移动终端发送过来的命令发送给报警模块3。无线通信模块4使用为GSM/GPRS通信模块,是一种将GSM射频芯片、基带处理芯片、存储器、功放器件等集成在一块电路板上,具有GSM射频处理、基带处理并提供标准接口的功能模块。无线通信模块的通信芯片使用SIM800C芯片,工作频段可选择在850M/900M/1800M/1900M,该模块通过短信或GPRS通信将信息发送给移动终端。模块输入端通过串口或USB连接到医院监控中心的PC机上,与报警模块3进行数据交换。
移动终端5用于将接收到的报警信息等进行实时显示,使用者通过上述信息进行判断分析,提出指导建议并将信息发送回病患监护管理设备2,提醒监护人员进行处理。本发明中的移动终端5为安装在用户手机上的Andriod APP,可以接收来自无线通信模块4的信息,并将控制指令发送回病患监护管理设备2,内容显示在人机交互模块26的显示单元中。
如图6所示为本发明基于Kinect设备的病房病患监护方法的流程图,包括如下步骤:
1)获取待监护病人的彩色图像数据、深度图像数据、关节点数据以及音频数据;
2)对获取的彩色图像数据、深度图像数据、关节点数据以及音频数据进行处理和分析,并根据分析结果发送报警信息;
3)根据报警信息进行语音报警;
4)将报警信息发送给使用者,并接收使用者的指导建议;
5)将接收到的报警信息进行实时显示,并发送使用者提出的指导建议回,提醒监护人员进行处理。
步骤2)具体为:
2.1)对彩色图像数据、深度图像数据、关节点数据以及音频数据进行滤波处理,并构建人体骨骼向量模型,计算人体骨骼特征数据矩阵;
2.2)存储经数据处理模块处理和分类的数据;
2.3)根据病人当前动作的人体骨骼特征数据矩阵判断病人动作是否处于危险动作数据的范围内,如果病人动作属于危险动作则发送报警信息;
2.4)根据关节点数据计算病人在病房中的坐标,判断病人坐标是否在报警活动区域内,如果病人处于报警活动区域内则发送报警信息;
2.5)对音频数据进行语音识别,提醒监护人员及时响应病人的要求;若音频数据中含有紧急呼救的指令时,发送报警信息;
2.6)显示彩色图像、深度图像以及报警信息内容,调取数据库中存储的监控数据、病人信息并输入控制指令。
步骤2.1)具体为:
清除彩色图像数据和深度图像数据中的噪点;
滤除音频数据中的噪声数据;
消除关节点数据的抖动和噪声干扰;
根据处理后的关节点数据构建人体骨骼向量模型;
根据人体骨骼向量模型计算人体骨骼特征数据矩阵。
步骤2.1)进行数据处理的过程如图7所示,处理过程如下:
对图像数据、关节点数据以及音频数据进行处理;对彩色图像数据、深度图像数据进行滤波处理,去除数据中的噪点后存入数据库22中;滤除音频数据中的噪声数据,并存入数据库22中;对人体骨骼的关节点数据设置关节点数据波动范围,如果数据的波动范围过大于设定的关节点数据波动范围,即对数据大小进行限幅,限幅大小为数据波动范围值,并进行多次采集后进行均值滤波,用以消除骨骼的关节点数据的抖动,再根据处理后的关节点数据构建人体骨骼向量模型,根据人体骨骼向量模型计算人体骨骼特征数据矩阵。
步骤2.3)具体为:
存储提前录制的危险动作标准数据;
将病人当前动作的人体骨骼特征数据矩阵与提前录制的危险动作标准数据进行对比,如果病人动作处于危险动作数据的判定范围内,则视为危险动作,并发送报警信息。
步骤2.3)进行动作识别及判定的过程如图8所示,处理过程如下:
获取当前人体骨骼特征数据矩阵,遍历独臂危险动作数据集,计算所处数据范围,判断病人动作处于危险动作数据的判定范围内,如果是则发送信息给报警模块3并继续获取下一次数据,否则返回获取下一次数据。
步骤2.4)具体为:
根据深度图像数据计算病房中各位置相对于Kinect设备的空间坐标并设定病人的报警活动区域;
根据关节点数据中的关节点空间坐标信息计算病人在病房中的坐标;
将病人坐标和报警活动区域进行比较,如果病人处于报警活动区域,则发送报警信息。
步骤2.4)进行病人空间位置判定的过程如图9所示,处理过程如下:
获取当前病人关节点数据,计算病人坐标空间,将病人坐标和报警活动区域进行比较,判断病人是否在报警活动区域内,如果是则发送信息给报警模块3并继续获取下一次数据,否则返回获取下一次数据。
如图10所示为语音识别模块的工作的流程图,语音识别过程如下:
获取当前病人音频数据,对数据进行处理后判断音频数据是否为语音控制指令,如果是语音控制指令,则向监护人员播放语音,继续获取下一次数据;如果不是语音控制指令则进一步判断是否为紧急呼救语音,如果是紧急呼救语音,则向报警模块3发送报警信息,否则返回获取下一次数据。
本发明的监护方法通过对病人的动作、语音、位置进行实时监测和分析,实现了对病人的异常行为、活动位置、语音请求的自动判定和报警。在监测的过程中不仅可以对病人的数据进行管理和存储,还可实时将数据和信息传送到医生和患者亲属的移动终端中,方便及时了解病人的状态,并向监护人员及时反馈看护建议。本发明不仅能对病人的活动状态进行实时监控报警,为病人的护理提供较大的便利,而且可以对病人的信息进行有效地管理,方便后续的治疗,具有良好的可靠性和实用性。
以上所述仅为本发明的较佳实施实例而已,并不用以限制本发明,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,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于Kinect设备的病房病患监护***,其特征在于,包括:
Kinect设备,用于获取待监护病人的彩色图像数据、深度图像数据、关节点数据以及音频数据;
病患监护管理设备,对Kinect设备获取的彩色图像数据、深度图像数据、关节点数据以及音频数据进行处理和分析,并根据分析结果发送报警信息;
报警模块,根据病患监护管理设备发送的报警信息进行语音报警;
无线通信模块,用于将报警信息发送给使用者,并接收使用者的指导建议;
移动终端,用于将接收到的报警信息进行实时显示,并将使用者提出的指导建议发送回病患监护管理设备,提醒监护人员进行处理。
2.如权利要求1所述的基于Kinect设备的病房病患监护***,其特征在于,所述病患监护管理设备包括:
数据处理模块,用于对彩色图像数据、深度图像数据、关节点数据以及音频数据进行滤波处理,并构建人体骨骼向量模型,计算人体骨骼特征数据矩阵;
数据库,用于存储经数据处理模块处理和分类的数据;
动作识别及判定模块,根据病人当前动作的人体骨骼特征数据矩阵判断病人动作是否处于危险动作数据的范围内,如果病人动作属于危险动作则发送报警信息;
空间位置判定模块,根据关节点数据计算病人在病房中的坐标,判断病人坐标是否在报警活动区域内,如果病人处于报警活动区域内则发送报警信息;
语音识别模块,用于对音频数据进行语音识别,提醒监护人员及时响应病人的要求;若音频数据中含有紧急呼救的指令时,发送报警信息;
人机互动模块,包括用于显示彩色图像、深度图像以及报警信息内容的显示单元和用于调取数据库中存储的监控数据、病人信息并输入控制指令的指令输入单元。
3.如权利要求2所述的基于Kinect设备的病房病患监护***,特征在于,所述数据处理模块包括:
图像处理单元,用于清除彩色图像数据和深度图像数据中的噪点;
语音处理单元,用于滤除音频数据中的噪声数据;
关节点处理单元,用于消除关节点数据的抖动和噪声干扰;
建模单元,根据处理后的关节点数据构建人体骨骼向量模型;
计算单元,根据人体骨骼向量模型计算人体骨骼特征数据矩阵。
4.如权利要求2所述的基于Kinect设备的病房病患监护***,特征在于,所述动作识别及判定模块包括:
危险动作数据集,用于存储提前录制的危险动作标准数据,
动作识别单元,用于将病人当前动作的人体骨骼特征数据矩阵与提前录制的危险动作标准数据进行对比,如果病人动作处于危险动作数据的判定范围内,则视为危险动作,并发送报警信息。
5.如权利要求2所述的基于Kinect设备的病房病患监护***,其特征在于,所述空间位置判定模块包括:
报警活动区域设定单元,根据深度图像数据计算病房中各位置相对于Kinect设备的空间坐标并设定病人的报警活动区域;
坐标计算单元,根据关节点数据中的关节点空间坐标信息计算病人在病房中的坐标;
判定单元,将病人坐标和报警活动区域进行比较,如果病人处于报警活动区域,则发送报警信息。
6.一种基于Kinect设备的病房病患监护方法,其特征在于,包括如下步骤:
1)获取待监护病人的彩色图像数据、深度图像数据、关节点数据以及音频数据;
2)对获取的彩色图像数据、深度图像数据、关节点数据以及音频数据进行处理和分析,并根据分析结果发送报警信息;
3)根据报警信息进行语音报警;
4)将报警信息发送给使用者,并接收使用者的指导建议;
5)将接收到的报警信息进行实时显示,并发送使用者提出的指导建议回,提醒监护人员进行处理。
7.如权利要求6所述的基于Kinect设备的病房病患监护方法,特征在于,步骤2)具体为:
2.1)对彩色图像数据、深度图像数据、关节点数据以及音频数据进行滤波处理,并构建人体骨骼向量模型,计算人体骨骼特征数据矩阵;
2.2)存储经数据处理模块处理和分类的数据;
2.3)根据病人当前动作的人体骨骼特征数据矩阵判断病人动作是否处于危险动作数据的范围内,如果病人动作属于危险动作则发送报警信息;
2.4)根据关节点数据计算病人在病房中的坐标,判断病人坐标是否在报警活动区域内,如果病人处于报警活动区域内则发送报警信息;
2.5)对音频数据进行语音识别,提醒监护人员及时响应病人的要求;若音频数据中含有紧急呼救的指令时,发送报警信息;
2.6)显示彩色图像、深度图像以及报警信息内容,调取数据库中存储的监控数据、病人信息并输入控制指令。
8.如权利要求7所述的基于Kinect设备的病房病患监护方法,特征在于,步骤2.1)具体为:
清除彩色图像数据和深度图像数据中的噪点;
滤除音频数据中的噪声数据;
消除关节点数据的抖动和噪声干扰;
根据处理后的关节点数据构建人体骨骼向量模型;
根据人体骨骼向量模型计算人体骨骼特征数据矩阵。
9.如权利要求7所述的基于Kinect设备的病房病患监护方法,特征在于,步骤2.3)具体为:
存储提前录制的危险动作标准数据;
将病人当前动作的人体骨骼特征数据矩阵与提前录制的危险动作标准数据进行对比,如果病人动作处于危险动作数据的判定范围内,则视为危险动作,并发送报警信息。
10.如权利要求7所述的基于Kinect设备的病房病患监护方法,特征在于,步骤2.4)具体为:
根据深度图像数据计算病房中各位置相对于Kinect设备的空间坐标并设定病人的报警活动区域;
根据关节点数据中的关节点空间坐标信息计算病人在病房中的坐标;
将病人坐标和报警活动区域进行比较,如果病人处于报警活动区域,则发送报警信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710536323.6A CN107247945A (zh) | 2017-07-04 | 2017-07-04 | 一种基于Kinect设备的病房病患监护***及监护方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710536323.6A CN107247945A (zh) | 2017-07-04 | 2017-07-04 | 一种基于Kinect设备的病房病患监护***及监护方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107247945A true CN107247945A (zh) | 2017-10-13 |
Family
ID=60015251
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710536323.6A Pending CN107247945A (zh) | 2017-07-04 | 2017-07-04 | 一种基于Kinect设备的病房病患监护***及监护方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107247945A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109199347A (zh) * | 2018-08-23 | 2019-01-15 | 江苏人先医疗科技有限公司 | 镇痛监护方法、病房终端和计算机可读存储介质 |
CN109285329A (zh) * | 2018-11-19 | 2019-01-29 | 珠海格力电器股份有限公司 | 一种吃药行为检测提醒方法、检测提醒*** |
CN109765539A (zh) * | 2019-01-28 | 2019-05-17 | 珠海格力电器股份有限公司 | 室内用户行为监测方法和装置、电器设备和家居监控*** |
CN110327053A (zh) * | 2019-07-12 | 2019-10-15 | 广东工业大学 | 一种基于电梯空间的人体行为安全监测方法、设备及*** |
CN110415724A (zh) * | 2019-08-08 | 2019-11-05 | 中南大学湘雅二医院 | 报警数据的传输方法、装置、***及计算机可读存储介质 |
CN110491088A (zh) * | 2019-07-26 | 2019-11-22 | 安徽泛米科技有限公司 | 一种区域滞留报警装置 |
EP3671530A1 (en) * | 2018-12-17 | 2020-06-24 | Koninklijke Philips N.V. | Device, system and method for object recognition |
CN111563397A (zh) * | 2019-02-13 | 2020-08-21 | 阿里巴巴集团控股有限公司 | 检测方法、装置、智能设备及计算机存储介质 |
CN112287821A (zh) * | 2020-10-28 | 2021-01-29 | 业成科技(成都)有限公司 | 照护对象行为监测方法、装置、计算机设备和存储介质 |
CN112691271A (zh) * | 2019-10-17 | 2021-04-23 | 翔安生医科技股份有限公司 | 管路异常风险预测方法、装置与*** |
CN113749651A (zh) * | 2021-10-18 | 2021-12-07 | 长春理工大学 | 一种基于人体姿势识别的压力评估方法及压力评估*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104873203A (zh) * | 2015-06-12 | 2015-09-02 | 河海大学常州校区 | 一种基于体感装置病人护理监测***及其工作方法 |
CN106056035A (zh) * | 2016-04-06 | 2016-10-26 | 南京华捷艾米软件科技有限公司 | 一种基于体感技术的幼儿园智能监控方法 |
CN106652346A (zh) * | 2016-12-23 | 2017-05-10 | 平顶山学院 | 一种老年人居家养老监护*** |
-
2017
- 2017-07-04 CN CN201710536323.6A patent/CN107247945A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104873203A (zh) * | 2015-06-12 | 2015-09-02 | 河海大学常州校区 | 一种基于体感装置病人护理监测***及其工作方法 |
CN106056035A (zh) * | 2016-04-06 | 2016-10-26 | 南京华捷艾米软件科技有限公司 | 一种基于体感技术的幼儿园智能监控方法 |
CN106652346A (zh) * | 2016-12-23 | 2017-05-10 | 平顶山学院 | 一种老年人居家养老监护*** |
Non-Patent Citations (2)
Title |
---|
战荫伟 等: "基于Kinect角度测量的姿势识别算法", 《传感器与微***》 * |
朱国刚 等: "基于Kinect传感器骨骼信息的人体动作识别", 《计算机仿真》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109199347A (zh) * | 2018-08-23 | 2019-01-15 | 江苏人先医疗科技有限公司 | 镇痛监护方法、病房终端和计算机可读存储介质 |
CN109285329A (zh) * | 2018-11-19 | 2019-01-29 | 珠海格力电器股份有限公司 | 一种吃药行为检测提醒方法、检测提醒*** |
EP3671530A1 (en) * | 2018-12-17 | 2020-06-24 | Koninklijke Philips N.V. | Device, system and method for object recognition |
WO2020127014A1 (en) * | 2018-12-17 | 2020-06-25 | Koninklijke Philips N.V. | Device, system and method for object recognition |
CN109765539A (zh) * | 2019-01-28 | 2019-05-17 | 珠海格力电器股份有限公司 | 室内用户行为监测方法和装置、电器设备和家居监控*** |
CN111563397A (zh) * | 2019-02-13 | 2020-08-21 | 阿里巴巴集团控股有限公司 | 检测方法、装置、智能设备及计算机存储介质 |
CN110327053A (zh) * | 2019-07-12 | 2019-10-15 | 广东工业大学 | 一种基于电梯空间的人体行为安全监测方法、设备及*** |
CN110491088A (zh) * | 2019-07-26 | 2019-11-22 | 安徽泛米科技有限公司 | 一种区域滞留报警装置 |
CN110415724A (zh) * | 2019-08-08 | 2019-11-05 | 中南大学湘雅二医院 | 报警数据的传输方法、装置、***及计算机可读存储介质 |
CN112691271A (zh) * | 2019-10-17 | 2021-04-23 | 翔安生医科技股份有限公司 | 管路异常风险预测方法、装置与*** |
CN112287821A (zh) * | 2020-10-28 | 2021-01-29 | 业成科技(成都)有限公司 | 照护对象行为监测方法、装置、计算机设备和存储介质 |
CN112287821B (zh) * | 2020-10-28 | 2023-08-11 | 业成科技(成都)有限公司 | 照护对象行为监测方法、装置、计算机设备和存储介质 |
CN113749651A (zh) * | 2021-10-18 | 2021-12-07 | 长春理工大学 | 一种基于人体姿势识别的压力评估方法及压力评估*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107247945A (zh) | 一种基于Kinect设备的病房病患监护***及监护方法 | |
CN106875629B (zh) | 基于体感网的居家养老***及其控制方法 | |
CN106027978B (zh) | 一种智能家居养老的视频监控异常行为方法 | |
CN110477925A (zh) | 一种针对敬老院老人的跌倒检测与预警方法及*** | |
CN102387345B (zh) | 基于全方位视觉的独居老人安全监护*** | |
CN110008822B (zh) | 一种基于红外传感器的姿态识别方法及*** | |
WO2020253162A1 (zh) | 机器人及其控制方法、智能家居控制*** | |
CN108089510A (zh) | 一种施工人员行为智能监管***及方法 | |
CN109035699A (zh) | 基于人工智能的老年人居家全景监控看护***及方法 | |
KR100822476B1 (ko) | 원격 응급상황 모니터링 시스템 및 방법 | |
CN109887238A (zh) | 一种基于视觉和人工智能的跌倒检测***及检测报警方法 | |
CN100464348C (zh) | 视频监视识别智能装置与方法 | |
CN204231553U (zh) | 一种用于高压输电线路的智能视频监控*** | |
CN109360374A (zh) | 一种基于物联网的人体摔倒自动预警*** | |
CN109147277A (zh) | 一种老人看护***及方法 | |
CN107886677A (zh) | 一种基于Kinect的老年人步态家庭监控*** | |
CN113392765A (zh) | 一种基于机器视觉的摔倒检测方法和*** | |
CN107066956A (zh) | 一种基于体域网的多源情感识别机器人 | |
US10475206B1 (en) | Medical environment event parsing system | |
US20230237699A1 (en) | Method and system for itelligently controlling children's usage of screen terminal | |
CN111652192A (zh) | 一种基于kinect传感器的跌倒检测*** | |
CN108986405A (zh) | 一种基于Zigbee网关的多参数控制方法 | |
CN113450534A (zh) | 检测儿童靠近危险品的装置及方法 | |
CN114863489A (zh) | 基于虚拟现实的可移动式智慧工地辅助巡检方法和*** | |
CN113706824A (zh) | 一种基于物联网监控的老人居家看护*** |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171013 |