CN107851185A - 占用检测 - Google Patents

占用检测 Download PDF

Info

Publication number
CN107851185A
CN107851185A CN201680046639.0A CN201680046639A CN107851185A CN 107851185 A CN107851185 A CN 107851185A CN 201680046639 A CN201680046639 A CN 201680046639A CN 107851185 A CN107851185 A CN 107851185A
Authority
CN
China
Prior art keywords
utensil
image
edge
feature
camera
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
Application number
CN201680046639.0A
Other languages
English (en)
Inventor
I·O·基伦科
M·J·罗克
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.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips Electronics NV
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 Koninklijke Philips Electronics NV filed Critical Koninklijke Philips Electronics NV
Publication of CN107851185A publication Critical patent/CN107851185A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • A61B5/1113—Local tracking of patients, e.g. in a hospital or private home
    • A61B5/1115—Monitoring leaving of a patient support, e.g. a bed or a wheelchair
    • 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
    • A61B5/1126—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique
    • A61B5/1128—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique using image analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
    • A61B5/6891—Furniture
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • 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
    • G06T7/248—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving reference images or patches
    • 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
    • G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
    • 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
    • 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
    • G06V40/23—Recognition of whole body movements, e.g. for sport training
    • 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

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Public Health (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Multimedia (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Physiology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Human Computer Interaction (AREA)
  • Image Analysis (AREA)
  • Alarm Systems (AREA)
  • Emergency Alarm Devices (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Closed-Circuit Television Systems (AREA)

Abstract

提供了一种用于检测对象何时已经离开一项器具的装置。所述装置包括：相机，其适于当使用时被布置不低于一项器具的底侧，所述项器具具有用于支撑对象的上侧，所述底侧与所述上侧相对；以及处理单元。所述相机采集序列图像，所述序列图像不包括所述项器具的所述上侧，所述图像具有与低于所述项器具所述项器具的所述底侧的区域相对应的前景以及与邻近所述项器具所述项器具的区域相对应的背景。所述处理单元接收来自所述相机的图像；针对每幅图像检测与所述项的边缘相对应的边缘；检测与所述边缘相邻接的特征的出现；监测在一时间段上检测到的特征如何变化；确定针对所述检测到的特征的变化是否满足针对对象离开事件的至少一个预定义准则；并且基于所述确定来输出信号。

Description

占用检测
技术领域
本发明涉及用于检测对象何时已经离开一项器具的装置、***和方法。
背景技术
检测对象的运动和/或位置在若干健康应用中是重要的。例如，常常期望以某些方式使医院床中的患者免于移动。作为用药、记忆力障碍、老年和/或其他能力障碍的结果，尝试在没有援助的情况下离开其床的患者常常自己跌倒并且受伤。患者的未被协助的运动还可以导致附接到该患者的医学设备变得离位并且停止适当地工作。
然而；在没有临床援助的情况下不应当起床的患者的监测可以给予医院人员重大的负担。
针对床位占用检测的许多当前方法利用指向床的相机。在一些范例中，人(例如，医学专业人士)必须时刻地监测来自相机的图像馈送。在其他范例中(诸如在US 2009/0278934中所描述的***)，自动化图像分析被用于检测离开床事件，但是这要求用于检测床边界和分类对象的运动的复杂的算法。这样的算法可以被除对象的运动之外的运动混淆(例如，毯子落下床)，这导致在对象未尝试起床时引起误警报。许多这样的算法还要求显著的计算资源，因为它们连续地估计被监测对象的位置和/或运动。而且，基于自动相机的***要求每次在相机和床的相对位置改变时进行重新校准，并且在不执行这样的重新校准的情况下会变得不可靠。额外的问题是被监测对象的隐私。在监测***要求连续记录对象的图像时难以保证维持隐私。
文献US 2014/240479A1涉及一种信息处理装置，其包括用于采集行为被观看的观看目标人员的图像的相机以及被用作充当对所述观看目标人员的行为的参考的目标物品的床的图像。根据所采集的图像，所述装置检测移动物体区并且基于移动物体区与目标物体之间的位置关系来推测观看目标人员的给定行为。
因此，存在对这样的自动监测***的需要：其可靠、不突兀并且计算高效，并且能够监测占据医院床和/或其他一项器具的对象，以检测对象何时试图离开床或其他一项器具。
发明内容
根据本发明的第一方面，提供了一种用于检测对象何时已经离开一项器具的装置。所述装置包括：相机，其适于在使用时被布置在所述项器具的底侧底下或低于所述底侧。所述项器具具有用于支撑对象的上侧，以及与所述上侧相对的所述底侧。所述相机被布置为采集序列图像，所述序列图像不包括所述项器具的所述上侧，所述图像具有与所述项器具的所述底侧底下或低于所述底侧的区域相对应的前景以及与邻近所述项器具的区域相对应的背景。所述装置还包括处理单元。所述处理单元被布置为：接收来自所述相机的所述图像；针对每幅接收到的图像检测与所述项器具的边缘相对应的边缘；在所述接收到的图像中检测与所述边缘邻接的特征的出现；监测在一时间段上检测到的特征如何变化；确定在所述时间段上所述检测到的特征的变化是否满足针对对象离开事件的至少一个预定义准则；并且基于所述确定来输出信号。
在一些实施例中，所述相机被布置为采集包括所述项器具的所述底侧的至少部分的序列图像。在一些这样的实施例中，与所述项器具的边缘相对应的边缘包括所述项器具的所述底侧的所述至少部分的边缘，使得邻近所述边缘的第一侧的每幅图像的第一部分示出所述项器具的所述底侧，并且邻近所述边缘的第二相对侧的每幅图像的第二部分不示出所述项器具的所述底侧。
在一些实施例中，所述处理单元被布置为检测每幅接收到的图像的边缘中的预定义的一个边缘作为与所述项器具的边缘相对应的边缘。在一些实施例中，所述处理单元被布置为通过将在第一时间采集的第一图像与在稍后的第二时间采集的第二图像进行比较来检测与所述边缘邻接的特征的出现；并且在与所述边缘邻接的特征存在于所述第二图像中但不存在于所述第一图像中的情况下，确定特征已经出现为与所述边缘邻接。
在一些实施例中，所述处理单元被布置为通过以下来监测在一时间段上针对检测到的特征的变化：确定针对在第一时间采集的第一图像中的所述特征的性质的第一值，确定针对在稍后的第二时间采集的第二图像中的所述特征的性质的第二值；并且将所述第二值与所述第一值进行比较。在一些这样的实施例中，所述特征的所述性质是以下中的任一项：所述特征的尺寸、所述特征的形状、所述特征的位置；所述特征垂直于阴影边缘的延伸；所述特征的深度。
在一些实施例中，所述处理单元还被布置为通过以下来监测在一时间段上针对检测到的特征的变化：基于所述第一值、所述第二值、所述第一图像的采集时间以及所述第二图像的采集时间来确定在所述时间段上所述检测到的特征的变化速率。在一些实施例中，所述处理单元还被布置为通过确定在一时间段上检测到的特征的运动的方向来监测在所述时间段上针对所述检测到的特征的变化。
在一些实施例中，针对对象离开事件的所述至少一个预定义准则包括与检测到的特征的运动方向有关的条件。在一些实施例中，针对对象离开事件的所述预定义准则被定义为使得所述处理单元将在所述时间段期间检测到的特征从所述边缘离开的方向上的运动确定为满足所述预定义准则，并且所述处理单元将检测到的特征朝向所述边缘的运动确定为不满足所述预定义准则。在一些实施例中，针对对象离开事件的所述预定义准则被定义为使得在所述时间段期间的检测到的特征在进入所述接收到的图像的平面中的方向上的运动将由所述处理单元确定为满足所述预定义准则，并且检测到的特征离开所述接收到的图像的平面的运动将由所述处理单元确定为不满足所述预定义准则。
在一些实施例中，所述装置额外地用于检测对象何时已经进入一项器具。在一些这样的实施例中，所述处理单元还被布置为确定针对所述检测到的特征在所述时间段上的变化是否满足针对对象进入事件的至少一个预定义准则。在一些实施例中，针对对象进入事件的所述预定义准则被定义为使得在所述时间段期间检测到的特征在离开所述阴影边缘或进入所述接收到的图像的平面中的方向上的运动将由所述处理单元确定为不满足所述预定义准则。
在一些实施例中，所述相机包括深度相机。在一些实施例中，所述相机包括广角相机。
根据本发明的第二方面，还提供了一种用于检测对象何时已经离开一项器具的***。所述***包括一项器具，所述项器具具有用于支撑对象的上侧以及与所述上侧相对的底侧。所述***还包括：相机，其适于在使用时被布置在所述项器具的底侧底下或低于所述底侧。所述相机被布置为采集不包括所述项器具的所述上侧的序列图像，所述图像具有与所述项器具的所述底侧底下或低于所述底侧的区域相对应的前景以及与邻近所述项器具的区域相对应的背景。所述***还包括处理单元。所述处理单元被布置为：接收来自所述相机所述图像；针对每幅接收到的图像检测与所述项器具的边缘相对应的边缘；在所述接收到的图像中检测与所述边缘邻接的特征的出现；监测在一时间段上检测到的特征如何变化；确定在所述时间段上针对所述检测到的特征的变化是否满足针对对象离开事件的至少一个预定义准则；并且基于所述确定来输出信号。
根据本发明的第三方面，还提供了一种用于检测对象何时已经离开一项器具的方法，其中，所述项器具具有用于支撑对象的上侧，以及与所述上侧相对的底侧。所述方法包括：
接收由被布置在所述项器具的所述底侧底下或低于所述底侧的相机所采集的序列图像，所述图像不包括所述项器具的所述上侧并且具有与一项器具的底侧底下或低于所述底侧的区域相对应的前景以及与邻近所述项器具的区域相对应的背景；
针对每幅接收到的图像检测与所述项器具的边缘相对应的边缘；
在所述接收到的图像中检测与所述边缘相邻接的特征的出现；
监测在一时间段上检测到的特征如何变化；
确定在所述时间段上针对所述检测到的特征的变化是否满足针对对象离开事件的至少一个预定义准则；并且
基于所述确定来输出信号。
因此，本发明的实施例有利地提供了这样的***：其能够可靠且不突兀地监测床一项器具的对象的移动，同时使用比常规的基于相机的检测***减少了很多的计算资源。以这种方式，床(或其他器具)离开事件能够被自动检测到，这能够在很大程度上减少医学工作人员的监测负担。
在本发明的背景中，相机处于一项器具的底侧底下或低于所述底侧指的是相机处于或至少部分处于地板上或地面上或一项器具停留在其上的表面上或对象需要在其上行走以走进一项器具或远离一项器具的表面上的一项器具的底侧的投影(优选为正交投影)中。
而且，在本发明的背景中，由相机采集的图像的前景和背景优选被布置为使得沿着垂直于相机的焦平面的方向的前景比背景更接近相机。
附图说明
为了更好地理解本发明并且更清楚地示出如何将本发明付诸实践，现在将仅通过范例的方式参考附图，在附图中：
图1是根据本发明的通用实施例的用于检测对象何时已经离开一项器具的范例装置的图示；
图2a示出了图1的范例装置的相机，所述相机在第一布置中使用时采集包括邻近床的区域的图像；
图2b示出了图1的范例装置的相机，所述相机在第二布置中使用时采集包括邻近床的区域的图像；
图3a示出了根据本发明的实施例的表示对象离开事件的2D图像的范例系列；
图3b示出了根据本发明的实施例的表示对象离开事件的深度图像的范例系列；
图4示出了根据本发明的实施例的包括多个相机的范例装置；
图5示出了在对象离开事件期间使用的图1的范例装置的相机；并且
图6是图示根据本发明的通用实施例的用于检测对象何时已经离开一项器具的方法的流程图。
具体实施方式
图1示出了根据一般实施例的用于检测何时对象已经离开一项器具的装置10。装置包括光源、相机12和处理单元13。
短语“处理单元”在本文中被用于指代用于处理的实体或***，例如，响应于信号或数据处理的实体或***和/或自主地处理的实体或***。处理单元应当被理解为涵盖微处理器、微控制器、可编程数字信号处理器、集成电路、计算机软件、计算机硬件、电路、专用集成电路、可编程逻辑设备、可编程门阵列、可编程阵列逻辑、个人计算机、芯片、以及分立的模拟、数字或可编程部件的任何其他组合、或者能够提供处理功能的其他设备。
相机12被配置为当使用时被布置为低于一项器具的底侧，其中，所述项器具具有用于支撑对象的上侧，以及与所述上侧相对的所述底侧。相机12被布置为采集序列图像，所述序列图像不包括所述项器具的所述上侧，所述图像具有与低于所述项器具的所述底侧的区域相对应的前景以及与邻近所述项器具的区域相对应的背景。在图1中用虚线示出了相机12的视场(FOV)。在一些实施例中，相机12包括深度相机或传感器，例如，飞行时间相机、立体相机、范围相机、使用结构化IR光的深度相机等。在一些实施例中，相机12包括广角相机，例如，包括鱼眼透镜的相机。有利地，例如由鱼眼透镜提供的具有非常宽的FOV的相机能够常常被布置为使得一项器具的底侧的所有边缘在相机的FOV内。这允许使用单个相机监测对象从其离开一项器具的一项器具的所有侧。
在一些实施例中，装置10包括多个相机。在一些这样的实施例中，多个相机中的每个能够被布置为查看邻近一项器具的不同背景区域。例如，在一些实施例中，第一相机能够被布置为查看邻近一项器具的第一侧的背景区域，并且第二相机能够被布置为查看邻近一项器具的第二相对测的背景区域。有利地，这能够使得能够由装置自动同时监测对象能够从其离开一项器具的一项器具的所有侧，而不需要一项器具的对象支撑表面处于所采集的图像中的任一幅内。因此能够维护占用一项器具的对象的隐私。在一些实施例中，多个相机包括不同类型的相机。在一个实施例中，装置10包括2D相机和深度相机，其被布置为查看相同的前景和背景区域。有利地，组合使用2D相机和深度相机能够使得准确地分割所采集的图像中的特征更为容易。
相机12被布置为采集表面的序列图像。在一些实施例中，相机12为2D相机。在一些实施例中，相机12为广角相机。优选地，相机的FOV足够宽以包含对象可以离开/进入该一项器具的一项器具的整个侧面。在一些实施例中，相机12是视频相机，其被布置为采集包括多个相继的视频帧的视频流。在一些实施例中，相机是静止的相机，被布置为采集例如在记录时期期间的静止图像的系列。在一些实施例中，相机12被布置为能被直接附接或经由安装构建附接到一项器具的底侧。在一些这样的实施例中，相机12被布置为能被刚性地附接到一项器具的底侧，使得其与一项器具的底侧的移动一起移动。在一些实施例中，相机12被布置为由其上放有一项器具的表面(例如，地板)所支撑。
在一些实施例中，所述装置还包括光源(未示出)，所述光源被布置为至少照亮邻近一项器具的背景区域。在一些这样的实施例中，所述光源为定向光源。在一些实施例中，所述光源为非定向光源。在一些实施例中，光源被包含在相机12内。在一些实施例中，所述光源被布置为使得由所述光源发出的基本上所有的光都具有预定义范围内的波长。在一些实施例中，所述光源被布置为发出在这样的波长处的光：在要使用所述装置的位置中的其他光源并不发出在该波长处的显著量的光，或者并不发出相对于由该光源所发出的波长处的光的强度而言高强度的该波长处的光。在一些这样的实施例中，所述光源包括光学滤波器，所述光学滤波器被布置为允许具有预定义范围内的波长的光的通路。在一些实施例中，所述光源被布置为发出近红外(IR)光。有利地，使用近IR光的光源能够防止对对象或医院工作人员的视觉干扰。
在装置10包括被布置为使得由光源发出的基本上所有的光都具有在预定义范围内的波长的光源的一些实施例中，相机12被布置为检测与由光源发出的光相同类型的光。例如，在光源被布置为发出近IR光的一些实施例中，相机12被布置为检测近IR光并基于检测到的近IR光生成图像。在光源被布置为使得由光源发出的基本上所有的光都具有预定义范围内的波长(例如，借助于包括光学滤波器的光源)的一些实施例中，相机被布置为检测具有在预定义范围内的波长的光。在一些这样的实施例中，相机12包括被布置为包括这样的光学滤波器：其被布置为允许具有预定义范围内的波长的光的通路并且允许阻挡具有在预定义范围之外的波长的光的路通。
处理单元13被布置为例如经由通信链路15接收来自相机12的图像。通信链路15可以是有线的或无线的。在所述装置包括2D相机和深度相机的装置的实施例中，处理单元13被布置为接收来自2D相机和深度相机两者的图像。在一些这样的实施例中，处理单元13被布置为将从2D相机接收到的每幅图像与在相同的时间从深度相机采集的对应的图像进行组合。在一些实施例中，处理单元13被布置为并行处理2D图像和深度图像。
在所述装置包括2D相机和深度相机/传感器的一些实施例中，处理单元13被布置为接收来自2D相机和深度相机两者的图像。在一些这样的实施例中，所述装置被布置为将从2D相机接收到的每幅图像与在相同的时间从深度相机采集的对应的图像进行组合。
处理单元13还被布置为针对接收到的图像中的每幅来检测与一项器具(即，相机12被布置在其底下的一项器具)的边缘相对应的边缘。在一些实施例(例如，相机被布置为使得没有一项器具的部分被包括在由相机采集的图像中的实施例)中，所述处理单元被布置为通过(例如基于被包括在接收到的图像中的物品或特征的取向和/或被存储在处理单元13的存储器中的预定义规则)确定接收到的图像的哪个边缘最接近一项器具的边缘，并且选择该最接近的边缘作为与一项器具的边缘相对应的边缘来检测与所述项器具的边缘相对应的边缘。在一些实施例中，处理单元13被布置为检测接收到的图像的关于相机12的取向所定义的特定边缘(例如，顶部边缘)，作为与一项器具的边缘相对应的边缘。
图2a示出了通过装置10的相机12被附接到的床20的部分的横截面。床被放在地板22上。由面积阴影灰色示出相机12的FOV。因此，能够看出，由相机12采集的图像将包括前景中的在低于床20的底侧的区域23和在背景中的邻近床20的区域24。由虚线A示出前景区域23与背景区域24之间的边界。相机12为广角相机并且被定位在床20的底下，尤其是低于其，使得床20的底侧的边缘25处于相机12的FOV内。因此，边缘25将被包括在由相机12采集的图像中。
图2b示出了装置10和床20的替代布置。在该范例中，相机12被布置在床20的底下，使得床20的底侧的边缘25并不处于相机12的FOV内。这已经通过减小相机12与床的底侧的边缘25之间的距离来实现。因此，利用图2b的布置，边缘25将不会被包括在由相机12采集的图像中。
在相机12被布置为低于其的一项器具的边缘并不被包括在接收到的图像的(例如在图2b中示出的)实施例中，处理单元被布置为针对每幅接收到的图像检测图像的边缘的一个作为与一项器具的边缘相对应的边缘。本领域已知的任何合适的算法或技术都可以用于实现这样的检测。优选地，处理单元13被布置为检测图像的最接近一项器具的边缘的边缘作为与一项器具的边缘相对应的边缘(例如，如能够从图2b所看到的)，相机低于一项器具，通常每幅接收到的图像的顶部(即，离地面最远)将最接近一项器具的边缘。
在相机12被布置在其下的一项器具的边缘并不被包括在接收到的图像中的(例如在图2a中示出的)实施例中，处理单元13可以被布置为使用本领域已知的(一个或多个)任何合适的边缘检测算法来检测接收到的图像中的一项器具的边缘。在优选实施例中，光源(其不需要形成装置10的部分，相反，其能够包括使用装置10的房间的光源，例如，天花板灯、台灯或窗户)不被定位为低于正被监测的一项器具。这意味着一项器具的边缘将显现为接收到的图像中的剪影。剪影通常是良好定义的、高对比度的对象，并且因此对于使用简单的图像处理技术来进行检测是直截了当的。因此，用于检测一项器具的边缘所要求的计算资源与例如用于检测床上的对象所要求的计算资源相比要小。然而，其他实施例也是可能的，其中，光源被提供在正被监测的一项器具底下(优选为低于)。尤其地，在相机12包括深度相机的实施例中，深度相机可以包括专用光源或者与专用光源相关联。一项器具的边缘不需要在接收到的图像中显现为线性特征，即使在自然世界中其是线性的。例如，在相机包括鱼眼透镜的实施例中，一项器具的直的边缘将在接收到的图像中显现为弯曲的边缘。
处理单元13还被布置为在接收到的图像中检测与检测到的边缘相邻接的特征的出现。特征可以包括例如边缘的局部变形、与边缘接触或交叠的阴影或剪影、与边缘接触或交叠的物品等。将意识到，特征的性质能够取决于用于采集所接收的图像的相机12的类型。例如，在相机12包括深度相机的实施例中，特征能够包括具有到其周围的不同深度的图像的良好定义的区域。特征的性质也能够取决于边缘是图像的边缘还是被包括在所接收的图像中的边缘(即，一项器具的边缘)。例如，将意识到，图像的边缘不能变形，但是与图像的边缘接触或重叠的物品、剪影或阴影可能出现变形。
在一些实施例中，所述处理单元被布置为检测出现在被包括接收到的图像中的边缘的较低(即，最接近一项器具放在其上的表面的)侧面处的特征，并且不被布置为检测(或被布置为不检测)出现在这样的边缘的相对(上)侧处的特征。由于在检测到的边缘上方的图像的区域将仅示出一项器具的底侧，因此出现在该区域中的任何特征被预期为伪影，并且不指示对象正在离开一项器具。因此，将处理单元13布置为使得处理单元13并不监测出现在检测到的边缘的上侧处的特征能够改进装置10的可靠性。
在一些实施例中，处理单元13被布置为通过比较在第一时间采集的第一图像(在一些实施例中，其可以包括视频帧)与在稍后的第二时间采集的第二图像(在一些实施例中，其可以包括视频帧)来检测与检测到的边缘相邻接的特征的出现。第二时间可以紧随第一时间之后(只要关于相机12被布置为多频繁地采集图像/视频帧是可能的)，或者替代地可以是在第一时间之后的预定长度的时间。在一些这样的实施例中，如果与检测到的边缘相邻接的特征存在于第二图像中，但是不存在于第一图像中，则处理单元被布置为确定与边缘相邻接的特征已经出现。在一些实施例中，处理单元13被布置为关于接收到的图像的每个(在时间上)相继的对来执行这样的比较。
处理单元13还被布置为监测检测到的特征(即，已经出现的与检测到的边缘相邻接的特征)在一时间段上如何变化。在一些实施例中，所述处理单元被布置为通过以下操作来监测在一时间段上针对检测到的特征的变化：确定针对在第一时间采集的第一图像中的所述特征的性质的第一值；确定针对在稍后的第二时间采集的第二图像中的所述特征的性质的第二值；并且将所述第二值与所述第一值进行比较。特征的性质能够例如是特征的尺寸、特征的面积、特征的形状、特征的位置；特征垂直于边缘的延伸、特征在图像中的客观深度、特征相对于图像的另一部分的深度等。在一些实施例中，处理单元13被布置为基于第一值、第二值、第一图像的采集时间以及第二图像的采集时间来确定检测到的特征在一时间段上的变化率。在一些实施例中，所述处理单元还被布置为通过确定检测到的特征在一时间段上的运动的方向来监测在所述时间段上针对所述检测到的特征的变化。在相机12包括深度相机的实施例中，检测到的特征的运动方向能够是进入图像的平面或从图像的平面出来，如由连续的图像中的特征的深度的增大或减小所表示的。
图3a示出了由可见光2D相机获得的范例图像集合，表示(如果从左下方图像起沿逆时针方向)床离开事件(或者，如果从左上方图像起沿顺时针方向，则床进入事件)。在第一(即，左下方)图像中，床的底侧的边缘35是可见的，为跨越图像的顶部边缘的黑线。邻近床的背景区域也是可见的，低于边缘35。在该图像中不存在与边缘35相邻接的特征。在下一(下方中间)图像中，对象的腿显现为特征36。在图像中，腿是可见的，为与边缘35相邻接的两个高对比度目标。在后续的图像中，腿特征36相对于边缘35在尺寸和延伸上增大(因为对象朝向地板降低腿)。在装置10的范例实施例中，处理单元被布置为检测边缘35作为与一项器具的边缘相对应的边缘，检测腿作为显现为与检测到的边缘相邻接特征，并且通过确定在每幅连续的图像中的一个腿特征或每个腿特征的延伸并比较相继的图像对之间的延伸值来监测针对检测到的腿特征36的变化。
图3b示出了表示相同的床离开事件(如果从左下方图像起沿逆时针方向)但是由深度相机获得的范例图像集合。能够看出，深度图像中出现的床边缘是良好定义的边缘特征35，这归因于的床边缘距相机的相对小且恒定的深度(与背景相比)。根据下方中间图像，对象的腿显现为从边缘35向下延伸的线性特征36。腿在它们接近床时也显现为良好定义的特征。能够看出，随着对象移动远离床(并因此远离相机)，腿特征36的定义减小。然而，将意识到，针对图3b的深度图像的腿特征的分割比针对图3a的2D图像的腿特征的分割是更简单的任务，这是因为背景目标在深度图像中根本不可见。否则，能够利用深度图像以与2D图像相同的方式来执行对显现为与检测到的边缘相邻接的特征的检测和监测。
在一些实施例中，在处理单元被布置为监测针对检测到的特征的变化的时间段包括特征存在于接收到的图像中的时间段。例如，在图3a和图3b中示出的场景中，该时间段开始于下方中间图像，其是存在腿特征的最早采集的图像。在这样的实施例中，该时间段能够结束于存在腿特征的最晚的图像。在这样的实施例中，处理单元13能够通过将存在特征的最早采集的图像的采集时间与存在特征的最晚采集的图像的采集时间相比较来确定该时间段的持续时间。在一些实施例中，处理单元被布置为监测针对检测到的特征的变化的时间段包括具有固定长度的时间段，其开始于存在检测到的特征的最早采集的图像。
在一些实施例中，处理单元被布置为基于时间系列的值(例如，特征性质值、差值等)来生成变化信号。处理单元13能够被布置为使用任何合适的已知的信号分析和特征提取技术来检测和监测接收到的图像中的特征。
处理单元13还被布置为确定针对检测到的特征的变化是否满足针对对象离开事件的至少一个预定义准则。在一些实施例中，预定义准则包括一个或多个条件的集合。在一些实施例中，针对对象离开事件的至少一个预定义准则包括针对在一时间段上针对检测到的特征的给定性质的变化的阈值(例如，最小阈值)。在一些实施例中，针对对象离开事件的至少一个预定义准则包括指定检测到的特征在一时间段上的变化的方向(例如，增大、减小)的条件。在一些实施例中，针对对象离开事件的至少一个预定义准则包括与检测到的特征的运动的方向有关的条件。在一些实施例中，针对对象离开事件的至少一个预定义准则包括与变化信号的形状有关的条件。涉及变化信号的形状的条件能够包括以下中的任一种或所有：变化信号的变异性的度量、变化信号的变异性超过预定义阈值的时间量、变化信号中的峰值的相对位置、变化信号中的峰值的相对高度、变化信号下方的面积、在变化信号超过预定义阈值时的时段的频率等。
在一些实施例中，针对对象离开事件的预定义准则被定义为使得由所述处理单元将在所述时间段期间检测到的特征从边缘(即，特征显现为与其相邻接的检测到的边缘)离开的方向上的运动确定为满足预定义准则，并且由所述处理单元将检测到的特征朝向边缘的方向上的运动确定为不满足预定义准则。在一些这样的实施例中，处理单元13被布置为在当特征被首次检测到与阴影相邻接之后，特征的给定部分与检测到的边缘之间的距离在一预定义时间段(例如，1分钟)上的平均结果增大的情况下确定检测到的特征的运动的方向为远离检测到的边缘。
在一些实施例中，处理单元13包括存储器或与存储器相通信，所述存储器存储与床离开事件相对应的预定义变化识别标识的集合(例如，从床上掉下，站起并然后从床上起来，将两腿从倾斜位置降低到地板上等)。变化识别征标识可以包括例如上文描述的任何类型的一个或多个变化信号和/或与特征的一个或多个性质的变化有关的条件的集合。在一些这样的实施例中，至少一个准则包括变化识别标识，并且确定针对检测到的特征的变化是否满足至少一个预定义准则包括确定针对检测到的特征所生成的变化信号是否与变化识别标识相匹配。在一些实施例中，处理单元13还被布置为关于针对检测到的特征的变化是否满足针对对象离开事件的至少一个预定义准则的每个确定来计算置信度信息。
在一些实施例中，针对对象离开事件的所述预定义准则被定义为使得针对表示对象之外的人或物品的特征的变化将不满足预定义对象进入准则。例如，要求变化的最小速率的条件能够被包括在预定义准则中以排除与无生命的物体相对应的特征。在相机为深度相机的实施例中，要求特征要比最小深度阈值更近的条件能够被包括在预定义准则中以排除与在被监测的一项器具附近但是从未定位为与一项器具的边缘紧密相邻的人或物品相对应的特征。在一些这样的实施例中，要求特征要持续最小时间量比最小深度阈值更近的条件能够被包括在预定义准则中。在一些实施例中，所述处理单元被提供有与通常由对象之外的人(例如，护理人员、清洁人员、家庭成员)展现的各种不同的移动模式相对应的一组预定义的“其他人”变化识别标志。在一些这样的实施例中，针对对象离开事件的预定义准则被定义为使得针对匹配“其他人”变化识别标志中的一个的检测到的特征所生成的变化信号被确定为不满足预定义准则。
处理单元13还被布置为基于所述确定来输出信号。在一些实施例中，所述信号包括控制信号，例如，针对具有与处理单元13有线或无线通信链路的设备。这样的设备可以是例如通信设备、显示设备、警报设备等。在这样的实施例中，控制信号可以例如被布置为引起以下中的一项或多项：
-警报设备(例如，视觉或音频警报生成设备)生成警报；
-通信设备向护理者生成消息；
-通信设备向对象生成消息；
-通信设备向远程设备(例如，医务人员的寻呼机、PDA或移动电话)发送信号；
-显示设备(例如，监视器或屏幕)显示信息。
在一些实施例中，所述信号包括给护理人员的消息，例如，指示已经检测到床离开事件的消息。在一些实施例中，所述信号包括给对象的消息，例如用于指示他们留在床上直到辅助到来的消息。在一些实施例中，所述处理单元被布置为输出多个信号，例如，到通信设备(例如医学专业人员的移动电话)的通信信号，以及使得警报设备生成警报的到警报设备的控制信号。
在装置10包括多个相机的一些实施例中，多个相机中的每个用于在同一一项器具的底下被使用。然而，多个相机中的每个被布置为指向一项器具的不同边缘的方向，例如，与一项器具的第一侧面相关联的第一边缘，以及与一项器具的不同的第二侧面相关联的第二边缘。因此，每个相机采集邻近一项器具的不同背景区域的图像。在一些实施例中，每个相机查看邻近一项器具的不同侧面的背景区域，从所述不同侧面，对象可能离开一项器具。有利地，利用多个相机查看邻近一项器具的不同侧面的实施例使得能够监测对象可能从其离开一项器具的一项器具的每一个侧面，确保了装置10不会错过离开事件。因此，这样的实施例具有高的检测灵敏度。
例如，图4示出了一个这样的实施例。在该实施例中，第一相机41a被固定到床40的床基座，使得第一相机41a查看邻近床的第一侧面的背景区域，并且第二相机41b被固定到床基座指向与第一相机相反方向，使得第二相机41b查看邻近床40的第二侧面的背景区域。相机41a、41b被布置为使得床40的底侧的边缘45a、45b不被包括在由相机41a、41b采集的图像中。然而，其中包括相机41a、41b的装置的处理单元被布置为检测由第一相机41a采集的图像的顶部边缘作为与第一侧面床边缘45a相对应的第一边缘，并且检测由第二相机41b采集的图像的顶部边缘作为与第二侧面床边缘45b相对应的第二边缘。在一些这样的实施例中，处理单元13被布置为在由第一相机采集的图像中检测与检测到的第一边缘相邻接的特征的出现，并且同时在由第二相机采集的图像中检测与检测到的第二边缘相邻接的特征的出现。然后由处理单元13针对图像的两条边缘以相同的方式分析检测到的特征的移动，并且可以同时监测在图像的每个集合中的一个或多个检测到的特征的运动。
在一些实施例中，装置10额外地用于检测对象何时已经进入一项器具。在这样的实施例中，处理单元13还被布置为确定针对检测到的特征在所述时间段上的变化是否满足针对对象进入事件的至少一个预定义准则。针对对象进入事件的至少一个预定义准则可以具有与以上关于针对对象离开事件的至少一个准则描述的特征中的任一个。然而，将意识到，对象进入事件通常将涉及在针对对象离开事件的相反方向上的变化(例如，特征性质的变化)。例如，在对象离开事件期间(由图3a和图3b所示)，特征区的性质被预期为增大，并且在对象进入事件期间，特征区的性质被预期为减小。
在一些实施例中，针对对象进入事件的所述预定义准则被定义为使得由所述处理单元将在所述时间段期间的检测到的特征在离开所述检测到的边缘的方向上的运动确定为不满足所述预定义准则。在一些实施例中，针对对象进入事件的所述预定义准则被定义为使得针对表示人或物品而不是对象的特征的变化将不满足预定义对象进入准则(这能够以与针对对象离开事件的预定义准则有关的上述讨论的类似方式来实现)。在一些实施例中，处理单元13还被布置为计算关于针对检测到的特征的变化是否满足针对对象进入事件的至少一个预定义准则的每个确定的置信度信息。在用于检测对象进入事件的实施例中，处理单元13还被布置为基于对针对检测到的特征的变化是否满足针对对象进入事件的至少一个预定义准则的确定来输出信号。
图5示出了在对象离开事件中与一项器具50一起使用的图1的装置。在该范例中，一项器具包括被定位为一边靠着墙壁57的医院病床。然而，在其他范例中，一项器具能够包括另一类型的床、椅子、轮椅或能够由对象占用的任何一项器具。
相机12被布置为低于医院病床50，使得床50的底侧的边缘55被包括在由相机12采集的图像中，所述图像为床的底侧底下的前景区域53和邻近床的背景区域54。相机优选被布置为使得对象可以从其离开床50的床的侧的完整长度处于相机12的FOV内，使得离开床50的对象必须进入相机12的FOV。在图5的范例中，相机12例如通过安装支架被附接到床50的基部。在其他实施例中，相机并未被附接到一项器具。相反，相机能够(例如通过立架或三脚架)被支撑在一项器具底下的地板52上。在图5的范例中，使用单个相机，这是因为床50被布置为长侧中的一侧抵靠墙壁57，使得对象56不能在那一侧离开床。然而，将意识到，如果床50被定位为使得对象56能够离开长侧中的任一侧，则将期望提供两个相机，例如在图4中示出的布置中的两个相机。
当利用特定的一项器具设置装置10时，将(例如由安装装置10的工程师)基于该特定一项器具的确切配置来做出各种决定，例如，是否要将相机附接到一项器具，要将相机相对于一项器具的底侧以何种角度定位，要将相机定位在何种高度等。例如，许多现代医院床被支撑在(例如用于抬升和降低和/或改变对象支撑表面的角度的)复杂的机构上，并且当安装装置10以监测这样的医院床时，将有必要确保相机的FOV不会被床支撑机构的任何部分所阻挡。优选地，相机(或多个相机)被定位为使得FOV包含对象可能从其离开一项器具的一项器具的大多数侧面或所有侧面。
当对象56将他们身体的一部分移动在床50的长的边缘中的一个上方并移动到邻近床的地板52上时，例如作为床离开移动的部分，该身体部分将进入相机12的FOV并且将因此出现在由相机12采集的图像中。因此，当对象处于图5中示出的位置中时，由相机12采集的图像将包括从床边缘55向下延伸的两条腿特征。在引起图5中示出的情况的时间段期间(即，在对象的腿朝向地板移动期间)采集的图像中，腿特征将邻近床边缘55出现并且将在该时间段上相对于边缘55在面积和延伸度上增加。例如，在该时间段期间由相机12采集的图像被预期为类似于由图3a(其中相机为2D相机的实施例)或图3b(其中相机为深度相机的实施例)示出的图像。将意识到，在所采集的图像中，床进入事件将如同床离开时间的逆转而出现(即，检测到的与阴影边缘相邻接的一个或多个腿特征将朝向床边缘55收缩并将最终消失)。
在一些实施例中，相机例如通过人激活相机的打开开关来手动激活，并且采集图像直到例如通过人激活关闭开关来手动禁用。在一些实施例中，相机12例如通过来自处理单元13的控制信号来自动激活。优选地，相机12仅在一项器具在用时被激活。为了本发明的目的，一项器具在使用一项器具的对象临时不在期间(例如，去浴室或接受处置)被认为保持“在用”。相比之下，在先前占用一项器具的对象出院与新的对象首次占用该一项器具之间的时间段期间，认为该一项器具未正被使用。
在使用装置10时，以上述方式之一来激活相机12，使得相机12连续采集具有与一项器具50的底侧底下的区域53相对应的前景的序列图像和与邻近一项器具50的区域54相对应的背景。在一些范例(例如，图5的范例)中，相机12采集包括一项器具50的边缘的图像。在一些实施例中，相机12在装置10在用的整个时间期间采集图像，使得记录时段包括装置10在用的时段。在一些实施例中，相机12响应于事件而被激活。在一些这样的实施例中，事件包括通过单独的运动检测器(例如，被附接到一项器具的加速度计或单独的基于相机的运动检测***)来检测对象的运动。在一些实施例中，相机12被布置为在预定义的时间量内采集图像(即，记录时段的持续时间的预定义的)。在一些实施例中，所采集的图像包括视频帧。在一些实施例中，相机采集静止图像的系列。
由相机12所采集的图像被发送到处理单元13。处理单元13基于所采集的图像连续地评估是否正在发生(或者已经发生)对象离开事件，例如通过执行图6中所示的方法。在一些实施例中，处理单元13还基于所采集的图像来连续地评估是否正在发生(或者已经发生)对象进入事件，例如通过执行图6中所示的方法。
图6图示了用于检测对象何时已经离开一项器具的方法。所述项器具具有用于支撑对象的上侧以及与所述上侧相对的底侧。在第一步骤601中，(例如由处理单元13)接收由被布置为低于一项器具的底侧的相机所采集的序列图像。图像中的每幅不包括一项器具的上侧，并且具有与低于一项器具的底侧的区域相对应的前景和与邻近一项器具的区域相对应的背景。在一些实施例中，例如经由有线或无线通信链路从采集图像的相机接收图像。在一些实施例中，例如经由有线或无线通信链路从远程服务器(例如，中心医院服务器)接收图像。在一些实施例中，在机器可读非瞬态存储介质上接收图像。在一些实施例中，实时或接近实时地(即，随着图像被相机采集)接收图像。在一些实施例中，从多个源接收图像，所述多个源例如为被布置为监测第一一项器具的第一相机和被布置为监测第二一项器具的第二相机。
在步骤602中，针对接收到的图像中的每幅，例如通过处理单元13来检测与一项器具的边缘相对应的边缘。在一些实施例中，以与处理单元13的操作有关的上述方式来检测与一项器具的边缘相对应的边缘。在一些实施例中，执行步骤602包括检测接收到的视频流的每个帧中的边缘。在一些实施例中，执行步骤602包括检测接收到的静止图像的系列的每幅图像中的边缘。
在步骤603中，例如通过处理单元13在接收到的图像中检测与边缘相邻接的特征的出现。在一些实施例中，执行步骤603包括以与处理单元13的操作有关的上述方式检测与边缘相邻接的特征的出现。步骤603的结果可能是阳性检测结果(即，检测到特征已经显现为与边缘相邻接)或阴性检测结果(即，检测到没有特征已经显现为与边缘相邻接)。
在步骤604中，例如通过处理单元13来监测显现为与边缘相邻接的特征在一时间段上如何变化。在一些实施例中，执行步骤604包括以如以上关于处理单元13的操作描述的方式来监测显现为与阴影边缘相邻接的特征在一时间段上如何变化。在一些实施例中，响应于步骤603的结果为阳性检测结果而执行步骤604。在一些实施例中，每次接收新的图像时更新对检测到的特征在一时间段上如何变化的监测。
在步骤605中，(例如通过处理单元13)确定针对显现为与阴影边缘相邻接的特征的变化是否满足针对对象离开事件的至少一个准则。在一些实施例中，执行步骤605包括以以上关于处理单元13的操作描述的方式来确定针对显现为与边缘相邻接的特征的变化是否满足针对对象离开事件的至少一个预定义准则。在一些实施例中，连续地执行步骤605，例如在每次更新变化监测时。在一些实施例中，所述时间段包括预定义时间段，例如，以检测到与边缘相邻接的特征的出现开始并且具有预定义长度的时间段。可以关于每幅新接收到的图像(或视频流的每个后续帧)计算由步骤605生成的确定结果。
在步骤606中，(例如通过处理单元13)基于所述确定(即，基于步骤605的结果来输出信号。在一些实施例中，执行步骤606包括以以上关于处理单元13的操作描述的方式来输出信号。可以使用监测设备(例如，监测设备36)的通信功能来输出信号。在一些实施例中，连续地、实时地或接近实时地输出信号。在这样的实施例中，优选图像的接收与信号的输出之间的延迟小于几秒，使得医学工作人员能够对检测到的对象离开事件快速地做出反应。在一些实施例中，信号包含对检测到的变化是否满足针对对象离开事件的至少一个预定义准则的确定的结果(例如，如果满足该准则，则指示可能正在发生/已经发生对象离开事件；如果不满足该准则，则指示对象离开事件可能没有发生/已经发生)。在一些实施例中，信号包含与在步骤605中生成的确定的结果相关联的置信度信息。在一些实施例中，仅在步骤605的结果为满足至少一个准则的情况下执行步骤606。在一些实施例中，信号包含与确定的结果相关联的时间信息，例如，所述确定所基于的(一个或多个)检测到的变化出现时的时间段。在一些实施例中，信号包含关于移动类型的信息。
在优选实施例中，在一时间段(例如，装置10运行的时间段)期间连续地执行图6的方法。在一些实施例中，所述方法包括确定针对检测到的特征的变化是否满足针对对象进入事件的至少一个预定义准则的额外的步骤(未示出)。在一些实施例中，执行该额外的步骤包括用以上关于处理单元13的操作描述的方式确定针对显现为与边缘相邻接的特征的变化是否满足针对对象进入事件的至少一个预定义准则。在一些实施例中，例如每次更新变化监测时连续地执行该额外的步骤。可以关于每幅新接收到的图像(或视频流的每个后续帧)计算由该额外的步骤生成的确定结果。
在所述方法包括确定针对检测到的特征的变化是否满足针对对象进入事件的至少一个预定义准则的额外步骤的一些实施例中，执行步骤606包括基于关于针对特征的变化是否满足针对对象进入事件的至少一个预定义准则的确定来输出信号。在一些这样的实施例中，确定步骤606包括基于关于针对特征的变化是否满足针对对象进入事件的至少一个预定义准则的确定并且基于关于针对特征的变化是否满足针对对象离开事件的至少一个预定义准则的确定来输出信号。
本发明的实施例因此有利地使得能够以非干扰性、可靠且计算高效的方式自动检测到对象从一项器具的离开。
尽管已经在附图和前面的描述中详细图示和描述了本发明，但是这样的图示和描述应当被认为是图示性或示范性的，而非限制性的；本发明不限于所公开的实施例。
本领域技术人员通过研究附图、公开内容以及权利要求，在实践请求保护的发明时能够理解并实现对所公开的实施例的其他变型。在权利要求中，“包括”一词不排除其他元件或步骤，并且词语“一”或“一个”不排除多个。单个处理器或其他单元可以实现在权利要求中记载的若干项的功能。尽管在互不相同的从属权利要求中记载了特定措施，但是这并不指示不能有利地使用这些措施的组合。计算机程序可以被存储/分布在合适的介质上，例如与其他硬件一起或作为其他硬件的部分供应的光学存储介质或固态介质，但是也可以被以其他形式分布，例如经由互联网或其他有线或无线电信***。权利要求中的任何附图标记都不应被解释为对范围的限制。

Claims (15)

1.一种用于检测对象何时离开一项器具的装置，所述装置包括：
相机，其适于在使用时被布置为低于一项器具的底侧，其中，所述项器具具有用于支撑对象的上侧以及与所述上侧相对的所述底侧，并且其中，所述相机被布置为采集序列图像，所述序列图像不包括所述项器具的所述上侧，所述图像具有与低于所述项器具的所述底侧的区域相对应的前景以及与邻近所述项器具的区域相对应的背景；以及
处理单元，其被布置为：
接收来自所述相机的所述图像；
针对每幅接收到的图像检测与所述项器具的边缘相对应的边缘；
在所述接收到的图像中检测与所述边缘相邻接的特征的出现；
监测在一时间段上检测到的特征如何变化；
确定在所述时间段上针对所述检测到的特征的变化是否满足针对对象离开事件的至少一个预定义准则；并且
基于所述确定来输出信号。
2.根据权利要求1所述的装置，其中，所述相机被布置为采集序列图像，所述序列图像包括所述项器具的所述底侧的至少部分，其中，与所述项器具的边缘相对应的所述边缘包括所述项器具的所述底侧的所述至少部分的边缘，使得每幅图像的第一部分示出所述项器具的所述底侧，所述第一部分邻近所述边缘的第一侧，并且每幅图像的第二部分不示出所述项器具的所述底侧，所述第二部分邻近所述边缘的相对的第二侧。
3.根据权利要求1所述的装置，其中，所述处理单元被布置为检测每幅接收到的图像的边缘中的预定义的一个边缘作为与所述项器具的边缘相对应的边缘。
4.根据权利要求1至3中的任一项所述的装置，其中，所述处理单元被布置为通过以下来检测与所述边缘相邻接的特征的出现：
将在第一时间采集的第一图像与在稍后的第二时间采集的第二图像进行比较；并且
如果与所述边缘相邻接的特征存在于所述第二图像中但不存在于所述第一图像中，则确定特征已经出现为与所述边缘相邻接。
5.根据前述权利要求中的任一项所述的装置，其中，所述处理单元被布置为通过以下来监测在一时间段上针对检测到的特征的变化：
确定针对在第一时间采集的第一图像中的所述特征的性质的第一值；
确定针对在稍后的第二时间采集的第二图像中的所述特征的所述性质的第二值；并且
将所述第二值与所述第一值进行比较。
6.根据权利要求5所述的装置，其中，所述特征的所述性质是以下中的任一项：所述特征的尺寸、所述特征的形状、所述特征的位置；所述特征垂直于阴影边缘的延伸；所述特征的深度。
7.根据权利要求5或6所述的装置，其中，所述处理单元被布置为通过以下来监测在一时间段上针对检测到的特征的变化：
基于所述第一值、所述第二值、所述第一图像的采集时间以及所述第二图像的采集时间来确定在所述时间段上针对所述检测到的特征的变化的速率。
8.根据权利要求5至7中的任一项所述的装置，其中，所述处理单元被布置为通过确定在一时间段上检测到的特征的运动的方向来监测在所述时间段上针对所述检测到的特征的变化；并且其中，针对对象离开事件的所述至少一个预定义准则包括与检测到的特征的运动的方向有关的条件。
9.根据权利要求8所述的装置，针对对象离开事件的所述预定义准则被定义为使得在所述时间段期间的检测到的特征在远离所述边缘的方向上的运动将被所述处理单元确定为满足所述预定义准则，并且检测到的特征朝向所述边缘的运动将被所述处理单元确定为不满足所述预定义准则。
10.根据权利要求8所述的装置，其中，针对对象离开事件的所述预定义准则被定义为使得在所述时间段期间的检测到的特征在进入所述接收到的图像的平面中的方向上的运动将被所述处理单元确定为满足所述预定义准则，并且检测到的特征离开所述接收到的图像的所述平面的运动将被所述处理单元确定为不满足所述预定义准则。
11.根据权利要求8至10中的任一项所述的装置，其中，所述装置额外地用于检测对象何时进入一项器具，并且所述处理单元还被布置为确定在所述时间段上针对所述检测到的特征的变化是否满足针对对象进入事件的至少一个预定义准则；并且其中，针对对象进入事件的所述预定义准则被定义为使得在所述时间段期间的检测到的特征在远离阴影边缘的方向上或在进入所述接收到的图像的所述平面中的方向上的运动将被所述处理单元确定为不满足所述预定义准则。
12.根据前述权利要求中的任一项所述的装置，其中，所述相机包括深度相机。
13.根据前述权利要求中的任一项所述的装置，其中，所述相机包括广角相机。
14.一种用于检测对象何时离开一项器具的***，所述***包括：
一项器具，其具有用于支撑对象的上侧以及与所述上侧相对的底侧；
相机，其适于在使用时被布置为低于所述项器具的所述底侧，被布置为适于采集序列图像，所述序列图像不包括所述项器具的所述上侧；所述图像具有与低于所述项器具的所述底侧的区域相对应的前景以及与邻近所述项器具的区域相对应的背景；以及
处理单元，其被布置为：
接收来自所述相机所述图像；
针对每幅接收到的图像检测与所述项器具的边缘相对应的边缘；
在所述接收到的图像中检测与所述边缘相邻接的特征的出现；
监测在一时间段上检测到的特征如何变化；
确定在所述时间段上针对所述检测到的特征的变化是否满足针对对象离开事件的至少一个预定义准则；并且
基于所述确定来输出信号。
15.一种用于检测对象何时离开一项器具的方法，其中，所述项器具具有用于支撑对象的上侧以及与所述上侧相对的底侧，所述方法包括：
接收由被布置为低于所述器具的所述底侧的相机采集的序列图像，所述图像不包括所述项器具的所述上侧，并且具有与低于器具的所述底侧的区域相对应的前景以及与邻近所述项器具的区域相对应的背景；
针对每幅接收到的图像检测与所述项器具的边缘相对应的边缘；
在所述接收到的图像中检测与所述边缘相邻接的特征的出现；
监测在一时间段上检测到的特征如何变化；
确定在所述时间段上针对所述检测到的特征的变化是否满足针对对象离开事件的至少一个预定义准则；并且
基于所述确定来输出信号。
CN201680046639.0A 2015-08-10 2016-08-10 占用检测 Pending CN107851185A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP15180330 2015-08-10
EP15180330.1 2015-08-10
PCT/EP2016/068997 WO2017025546A1 (en) 2015-08-10 2016-08-10 Occupancy detection

Publications (1)

Publication Number Publication Date
CN107851185A true CN107851185A (zh) 2018-03-27

Family

ID=53794100

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201680046639.0A Pending CN107851185A (zh) 2015-08-10 2016-08-10 占用检测

Country Status (5)

Country Link
US (1) US10509967B2 (zh)
EP (1) EP3335151A1 (zh)
JP (1) JP2018533240A (zh)
CN (1) CN107851185A (zh)
WO (1) WO2017025546A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110084183A (zh) * 2019-04-25 2019-08-02 杭州鸿雁电器有限公司 确定人员进出区域的方法和***
CN112912001A (zh) * 2018-10-22 2021-06-04 皇家飞利浦有限公司 用于监测对象的设备、***和方法

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11763935B2 (en) * 2020-01-06 2023-09-19 National Cheng Kung University Care system for predicting bed exit and patient management system including the same
JP6935545B1 (ja) * 2020-06-18 2021-09-15 三菱電機ビルテクノサービス株式会社 人物追跡支援装置および人物追跡支援システム

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101652097A (zh) * 2007-04-12 2010-02-17 皇家飞利浦电子股份有限公司 与生命体征床旁监护仪结合的图像捕获
CN102178514A (zh) * 2011-05-09 2011-09-14 浙江大学 一种基于非线性与复杂性多重指标的昏迷程度评价方法
US20140240479A1 (en) * 2013-02-28 2014-08-28 Nk Works Co., Ltd. Information processing apparatus for watching, information processing method and non-transitory recording medium recorded with program
US20140253710A1 (en) * 2013-03-06 2014-09-11 Nk Works Co., Ltd. Information processing apparatus for watching, information processing method and non-transitory recording medium recorded with program
US20150190085A1 (en) * 2007-05-18 2015-07-09 Smart Monitor Corp. Abnormal motion detector and monitor

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3198412B2 (ja) * 1998-07-27 2001-08-13 株式会社ノア 安全管理システム
US6049281A (en) 1998-09-29 2000-04-11 Osterweil; Josef Method and apparatus for monitoring movements of an individual
US9311540B2 (en) 2003-12-12 2016-04-12 Careview Communications, Inc. System and method for predicting patient falls
US7786874B2 (en) 2005-12-09 2010-08-31 Samarion, Inc. Methods for refining patient, staff and visitor profiles used in monitoring quality and performance at a healthcare facility
WO2007081823A2 (en) 2006-01-07 2007-07-19 Arthur Koblasz Using rfid to prevent or detect falls, wandering, and bed egress and medication errors
JP2008092538A (ja) 2006-10-04 2008-04-17 Ishihara Sangyo:Kk 患者検知システム
US7987069B2 (en) 2007-11-12 2011-07-26 Bee Cave, Llc Monitoring patient support exiting and initiating response
WO2009100203A1 (en) * 2008-02-08 2009-08-13 Emory University Coated quantum dots and methods of making and using thereof
US9866797B2 (en) * 2012-09-28 2018-01-09 Careview Communications, Inc. System and method for monitoring a fall state of a patient while minimizing false alarms
JP5648840B2 (ja) * 2009-09-17 2015-01-07 清水建設株式会社 ベッド上及び室内の見守りシステム
EP2619724A2 (en) 2010-09-23 2013-07-31 Stryker Corporation Video monitoring system
JP5682203B2 (ja) * 2010-09-29 2015-03-11 オムロンヘルスケア株式会社 安全看護システム、および、安全看護システムの制御方法
US9235977B2 (en) 2011-02-22 2016-01-12 Richard Deutsch Systems and methods for monitoring caregiver and patient protocol compliance
CA2770933C (en) 2011-03-11 2021-05-25 Intellacare Inc. A method and system for monitoring the activity of a subject within spatial temporal and/or behavioral parameters
US10307111B2 (en) * 2012-02-09 2019-06-04 Masimo Corporation Patient position detection system
JP6182917B2 (ja) * 2013-03-15 2017-08-23 ノーリツプレシジョン株式会社 監視装置
JP6115335B2 (ja) * 2013-06-10 2017-04-19 ノーリツプレシジョン株式会社 情報処理装置、情報処理方法、及び、プログラム
JP6232166B1 (ja) * 2015-08-10 2017-11-15 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． 占有監視
EP3170125B1 (en) * 2015-08-10 2017-11-22 Koninklijke Philips N.V. Occupancy detection

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101652097A (zh) * 2007-04-12 2010-02-17 皇家飞利浦电子股份有限公司 与生命体征床旁监护仪结合的图像捕获
US20150190085A1 (en) * 2007-05-18 2015-07-09 Smart Monitor Corp. Abnormal motion detector and monitor
CN102178514A (zh) * 2011-05-09 2011-09-14 浙江大学 一种基于非线性与复杂性多重指标的昏迷程度评价方法
US20140240479A1 (en) * 2013-02-28 2014-08-28 Nk Works Co., Ltd. Information processing apparatus for watching, information processing method and non-transitory recording medium recorded with program
US20140253710A1 (en) * 2013-03-06 2014-09-11 Nk Works Co., Ltd. Information processing apparatus for watching, information processing method and non-transitory recording medium recorded with program

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112912001A (zh) * 2018-10-22 2021-06-04 皇家飞利浦有限公司 用于监测对象的设备、***和方法
CN110084183A (zh) * 2019-04-25 2019-08-02 杭州鸿雁电器有限公司 确定人员进出区域的方法和***

Also Published As

Publication number Publication date
JP2018533240A (ja) 2018-11-08
US20190012546A1 (en) 2019-01-10
US10509967B2 (en) 2019-12-17
EP3335151A1 (en) 2018-06-20
WO2017025546A1 (en) 2017-02-16

Similar Documents

Publication Publication Date Title
CN106716447B (zh) 占用检测
US7106885B2 (en) Method and apparatus for subject physical position and security determination
JP4587067B2 (ja) 物体の転倒をモニターする方法および装置
US20150063640A1 (en) Image processing apparatus and image processing method
RU2676147C2 (ru) Непрерывное автоматическое наблюдение за движениями пациента
CN107851185A (zh) 占用检测
JP6232166B1 (ja) 占有監視
KR20120057033A (ko) Ｉｐｔｖ 제어를 위한 원거리 시선 추적 장치 및 방법
US20150248754A1 (en) Method and Device for Monitoring at Least One Interior Space of a Building, and Assistance System for at Least One Interior Space of a Building
US20220044046A1 (en) Device, system and method for object recognition
EP3301657A1 (en) Sensor distinguishing absence from inactivity
TW201946029A (zh) 影像監視裝置及其控制方法與電腦可讀取記錄媒體
JP2024041796A (ja) 情報処理装置
WO2012002904A1 (en) Device and method for detection of abnormal spatial states of a human body
JP6461511B2 (ja) 監視装置及びプログラム
JP6000762B2 (ja) 画像監視装置
JP2023084685A (ja) 対象をモニタリングするための方法及びシステム
KR101441285B1 (ko) 다중 신체 추적 방법 및 이를 지원하는 단말 장치
CN116457882A (zh) 用于控制相机的设备和方法
JP2005004787A (ja) 行動計測装置、電子的装置及び記録媒体
KR20130104018A (ko) 영상분석을 이용한 출입 계수시스템 및 그 방법
US20210358616A1 (en) Device, system and method for monitoring a subject
JP7007323B2 (ja) 監視表示装置
JP2021140422A (ja) 監視システム、監視装置及び監視方法
JP2021087577A5 (zh)

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
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20180327