CN110338803B - 物件监控方法及其运算装置 - Google Patents

物件监控方法及其运算装置 Download PDF

Info

Publication number
CN110338803B
CN110338803B CN201810412667.0A CN201810412667A CN110338803B CN 110338803 B CN110338803 B CN 110338803B CN 201810412667 A CN201810412667 A CN 201810412667A CN 110338803 B CN110338803 B CN 110338803B
Authority
CN
China
Prior art keywords
region
interest
moving object
proportion
target object
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.)
Active
Application number
CN201810412667.0A
Other languages
English (en)
Other versions
CN110338803A (zh
Inventor
刘政德
卓卿安
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.)
Wistron Corp
Original Assignee
Wistron Corp
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 Wistron Corp filed Critical Wistron Corp
Publication of CN110338803A publication Critical patent/CN110338803A/zh
Application granted granted Critical
Publication of CN110338803B publication Critical patent/CN110338803B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw 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
    • G06T7/254—Analysis of motion involving subtraction of images
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G06T5/30—Erosion or dilatation, e.g. thinning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • 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
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/255—Detecting or recognising potential candidate objects based on visual cues, e.g. shapes
    • 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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20036—Morphological image processing
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20224—Image subtraction
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07—Target detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Biophysics (AREA)
  • Veterinary Medicine (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Physiology (AREA)
  • Image Analysis (AREA)
  • Pathology (AREA)
  • Signal Processing (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Molecular Biology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Human Computer Interaction (AREA)
  • Surgery (AREA)
  • Closed-Circuit Television Systems (AREA)

Abstract

本发明提供一种物件监控方法及其运算装置，此方法包括下列步骤。接收对于监控区域所拍摄到具有多个输入画面的图像序列。根据图像序列，判断目标物件是否位于监控区域的感兴趣区域。当目标物件不位于感兴趣区域并且检测到第一移动物件时，根据第一移动物件与检测边界的相对位置以及第一移动物件是否于感兴趣区域具有连续动作，判断第一移动物件是否进入感兴趣区域。当目标物件位于感兴趣区域时，根据关联于目标物件的第二移动物件与检测边界的相对位置以及第二移动物件是否于非感兴趣区域具有连续动作，判断目标物件是否离开感兴趣区域。本发明可以以图像检测的方式有效地监控目标物体是否进入或是离开感兴趣区域，从而减少人力监控的成本。

Description

物件监控方法及其运算装置
技术领域
本发明是有关于一种物件监控的技术，特别是有关于监控目标物件是否进入或离开特定感兴趣区域的一种物件监控方法及其运算装置。
背景技术
随着近年来云端、物联网以及大数据的结合发展，在医疗产业中不少厂商也致力于推广各种感测装置，以协助医护人员能够远端掌握病患状况，进而节省护理人力资源。
目前应用于居家照护的感测装置中最常见的为手环，以通过手环所检测到的数据来判断病患是否在床上。然而，若是应用在看护中心，病患掉落或是遗失手环，则将会造成判断上的错误。另外，市面上亦有安装压力感测器的床垫，即可依据压力变化来判断使用者是否在床上，或者是否有下床的动作。然而，压力为间接的信息，并无法完整地表现使用者的动作，亦有可能造成判断上的错误，而增加了护理人员的困扰。
发明内容
有鉴于此，本发明提供一种物件监控方法及其运算装置，其可以图像检测的方式有效地监控目标物体(例如人)是否进入或是离开感兴趣区域(例如床)，从而减少人力监控的成本。
在本发明的一实施例中，上述的方法适用于运算装置并且包括下列步骤。接收关于监控区域的图像序列，其中监控区域定义出包括感兴趣区域以及非感兴趣区域，感兴趣区域与非感兴趣区域之间具有检测边界。根据图像序列，判断目标物件是否位于感兴趣区域。当判定目标物件不位于感兴趣区域并且检测到至少一第一移动物件位于监控区域时，根据第一移动物件与检测边界的相对位置以及第一移动物件是否于感兴趣区域具有连续动作，判断第一移动物件是否进入感兴趣区域而作为目标物件。当目标物件位于感兴趣区域时，根据关联于目标物件的至少一第二移动物件与检测边界的相对位置以及第二移动物件是否于非感兴趣区域具有连续动作，判断目标物件是否离开感兴趣区域。
在本发明的一实施例中，上述的运算装置包括存储器以及处理器，其中处理器耦接于存储器。存储器用以存储图像以及数据。处理器用以执行下列步骤：接收关于监控区域的图像序列，其中监控区域定义出包括感兴趣区域以及非感兴趣区域，感兴趣区域与非感兴趣区域之间具有检测边界；根据图像序列，判断目标物件是否位于感兴趣区域；当判定目标物件不位于感兴趣区域并且检测到至少一第一移动物件位于监控区域时，根据第一移动物件与检测边界的相对位置以及第一移动物件是否于感兴趣区域具有连续动作，判断第一移动物件是否进入感兴趣区域而作为目标物件；以及当目标物件位于感兴趣区域时，根据关联于目标物件的至少一第二移动物件与检测边界的相对位置以及第二移动物件是否于非感兴趣区域具有连续动作，判断目标物件是否离开感兴趣区域。
在本发明的一实施例中，上述的方法适用于运算装置并且包括下列步骤。接收关于监控区域的图像序列，其中监控区域定义出包括感兴趣区域以及非感兴趣区域，感兴趣区域与非感兴趣区域之间具有检测边界。根据图像序列，判断目标物件是否位于感兴趣区域。当判定目标物件不位于感兴趣区域并且检测到至少一第一移动物件位于监控区域时，根据第一移动物件位于感兴趣区域中的比例以及第一移动物件是否于感兴趣区域具有连续动作，判断第一移动物件是否进入感兴趣区域而作为目标物件。当目标物件位于感兴趣区域时，根据关联于目标物件的至少一第二移动物件位于非感兴趣区域中的比例以及第二移动物件是否于非感兴趣区域具有连续动作，判断目标物件是否离开感兴趣区域。
在本发明的一实施例中，上述的运算装置包括存储器以及处理器，其中处理器耦接于存储器。存储器用以存储图像以及数据。处理器用以执行下列步骤：接收关于监控区域的图像序列，其中监控区域定义出包括感兴趣区域以及非感兴趣区域，感兴趣区域与非感兴趣区域之间具有检测边界；根据图像序列，判断目标物件是否位于感兴趣区域；当判定目标物件不位于感兴趣区域并且检测到至少一第一移动物件位于监控区域时，根据第一移动物件位于感兴趣区域中的比例以及第一移动物件是否于感兴趣区域具有连续动作，判断第一移动物件是否进入感兴趣区域而作为目标物件；以及当目标物件位于感兴趣区域时，根据关联于目标物件的至少一第二移动物件位于非感兴趣区域中的比例以及第二移动物件是否于非感兴趣区域具有连续动作，判断目标物件是否离开感兴趣区域。
本发明可以以图像检测的方式有效地监控目标物体(例如人)是否进入或是离开感兴趣区域(例如床)，从而减少人力监控的成本。
为让本发明的上述特征和优点能更明显易懂，下文特举实施例，并配合所附图式作详细说明如下。
附图说明
图1为根据本发明一实施例所绘示的运算装置的方块图。
图2为根据本发明的一实施例所绘示的物件监控方法的流程图。
图3为根据本发明的一实施例所绘示的物件监控方法的应用情境流程图。
图4为根据本发明的一实施例所绘示的图像序列的示意图。
图5为根据本发明的一实施例所绘示产生动作图像的功能流程示意图。
图6为根据本发明的一实施例所绘示的动作图像的示意图。
图7A为根据本发明的一实施例所绘示的动作图像的示意图。
图7B为根据本发明的一实施例所绘示的动作图像的示意图。
图7C为根据本发明的一实施例所绘示的动作图像的示意图。
图8为根据本发明的一实施例所绘示的动作图像的示意图。
图9为根据本发明的一实施例所绘示的时间轴的示意图。
附图标号
100：运算装置
110：存储器
120：处理器
150：图像撷取装置
S202～S208、S302～S320：步骤
S：图像序列
F1～F17、Fx、Fx+8、fx～fx+24：输入画面
ImgGS：灰阶图像
ImgB：二值化图像
ImgM、ImgC、Img71～Img76、Img8、m1～m5：动作图像
A、B、C、
Figure BDA0001648455170000041
B1～B3、C1：移动物件
ROI、RA、RB：区域
具体实施方式
本发明的部分实施例接下来将会配合附图来详细描述，以下的描述所引用的元件符号，当不同附图出现相同的元件符号将视为相同或相似的元件。这些实施例只是本发明的一部分，并未揭示所有本发明的可实施方式。更确切的说，这些实施例只是本发明的权利要求中的方法与运算装置的范例。
图1为根据本发明一实施例所绘示的运算装置的方块图，但此仅是为了方便说明，并不用以限制本发明。首先图1先介绍运算装置中的所有构件以及配置关系，详细功能将配合图2一并揭露。
运算装置100包括存储器110以及处理器120，其中处理器120耦接于存储器110。在一实施例中，运算装置100可以是个人电脑、笔记本电脑、服务器电脑、平板电脑、智能手机、工作站或其它可经由通信接口无线地、有线地连接至图像撷取装置150的电脑***或是平台，其中图像撷取装置可以例如是数字相机、数字摄影机、网络摄影机、监视摄影机，而通信接口可以是支援任何有线连接或是无线通信标准以与其它装置进行数据传输的传输接口。在另一实施例中，运算装置100可以是内建于或内建有图像撷取装置的嵌入式***(embedded system)，本发明不在此设限。
存储器110用以存储图像、程序码等数据，其可以例如是任意型式的固定式或可移动式随机存取存储器(random access memory，RAM)、只读存储器(read-only memory，ROM)、闪存(flash memory)、硬盘或其他类似装置、集成电路及其组合。
处理器120用以控制运算装置100的构件之间的作动，其可以例如是中央处理单元(central processing unit，CPU)、图形处理单元(graphic processing unit，GPU)，或是其他可程序化的一般用途或特殊用途的微处理器(microprocessor)、数字信号处理器(digital signal processor，DSP)、可程序化控制器、特殊应用集成电路(applicationspecific integrated circuits，ASIC)、可程序化逻辑装置(programmable logicdevice，PLD)或其他类似装置、集成电路及其组合。
以下即搭配运算装置100的各元件列举实施例，以说明运算装置100执行其物件监控方法的详细步骤。
图2为根据本发明的一实施例所绘示的物件监控方法的流程图。
请同时参照图1以及图2，首先，运算装置100的处理器120将接收关于监控区域的图像序列(步骤S202)，其中监控区域包括感兴趣区域以及非感兴趣区域，并且感兴趣区域与非感兴趣区域之间具有检测边界。详细来说，在此可于监控区域的上方装设图像撷取装置，以不断地撷取监控区域的连续图像画面，而所撷取到的连续图像画面将构成前述的“图像序列”。在以下的说明当中，假设图像撷取装置的拍摄视角为固定，也就是图像序列中的监控区域为固定。此外。在进行图2的流程前，运算装置100可提供使用者自监控区域中定义出感兴趣区域。举例来说，处理器120可以预先取得关于监控区域的单一图像(在此称为“初始图像”)并且显示于使用者界面来供使用者通过输入装置以框选、角落点选的方式来自初始图像中的监控区域中选取感兴趣区域。处理器120在接收使用者的选取操作后，即可自监控区域定义出感兴趣区域，并且将感兴趣区域以外的区域定义为非感兴趣区域。
接着，处理器120将根据图像序列，判断目标物件是否位于感兴趣区域(步骤S204)。在此，处理器120可以是根据图像序列来判断感兴趣区域中是否检测到任何动作。若是，则将判定目标物件位于感兴趣区域，而若否，则将判定目标物件并不位于感兴趣区域。然而，在本发明其它实施例中，处理器120也可以根据图像序列进行图像辨识来判断感兴趣区域中是否存在人脸或人体特征来判定目标物件是否位于感兴趣区域。在本发明的其它实施例中，处理器120也可以根据利用雷达、红外线等非接触式电磁波检测生命迹象特征(例如呼吸)来判定目标物件是否位于感兴趣区域。
当处理器120判定目标物件不位于感兴趣区域并且检测到至少一第一移动物件位于监控区域时，将根据第一移动物件与检测边界的相对位置以及第一移动物件是否于感兴趣区域具有连续动作，判断第一移动物件是否进入感兴趣区域而作为目标物件(步骤S206)。详细来说，当处理器120判定目标物件不位于感兴趣区域时，将会检测整个监控区域是否存在其它移动物件。若处理器120检测到其它移动物件，会将此些移动物件定义为第一移动物件，并且根据第一移动物件与检测边界之间的位置关系以及第一移动物件是否于感兴趣区域是否具有连续动作，来判断第一移动物件是否进入感兴趣区域。当判定第一移动物件确实进入感兴趣区域时，则处理器120会将第一移动物件设定为目标物件。在另一实施例中，处理器120可以无须根据第一移动物件与检测边界的相对位置，而是根据第一移动物件于感兴趣区域中所占的比例以及第一移动物件是否于感兴趣区域是否具有连续动作，来判断第一移动物件是否进入感兴趣区域。
另一方面，当处理器120判定目标物件位于感兴趣区域时，将根据关联于目标物件的至少一第二移动物件与检测边界的相对位置以及第二移动物件是否于非感兴趣区域具有连续动作，判断目标物件是否离开感兴趣区域(步骤S208)。详细来说，当处理器120判定目标物件位于感兴趣区域时，将会检测关联于目标物件的移动物件设定为第二移动物件，并且根据第二移动物件与检测边界之间的位置关系以及第二移动物件是否于非感兴趣区域是否具有连续动作，来判断第二移动物件是否离开感兴趣区域(即，进入非感兴趣区域)。在另一实施例中，处理器120可以无须根据第一移动物件与检测边界的相对位置，而是根据第二移动物件于非感兴趣区域中所占的比例以及第二移动物件是否于非感兴趣区域是否具有连续动作，来判断目标物件是否离开感兴趣区域。
为了更清楚明了上述流程，以下将以图3根据本发明的一实施例所绘示的物件监控方法的应用情境流程图来针对上述流程的细节加以说明。本实施例的应用情境为护理照护，其中图像撷取装置可以是设置于居家环境、医院、照护中心的床铺上方，以达到对于使用者安全监控的目的。换句话说，在本实施例中，监控区域为床铺及其四周等图像撷取装置的视野范围，目标物件为床铺的使用者。
请同时参照图1以及图3，首先，运算装置100的处理器120将进行初始设定(步骤S302)，以预先自图像撷取装置取得关于监控区域的初始图像并且显示于使用者界面，来供使用者通过输入装置以框选、角落点选的方式来自初始图像中定义出床铺的位置。接着，处理器120会将床铺内设定为感兴趣区域，而床铺外设定为非感兴趣区域，以在后续的步骤中检测使用者上床与下床的动作。之后，处理器120将自图像撷取装置接收关于监控区域的即时图像序列，以作为图像来源(步骤S304)，并且会存储图像序列于存储器110中以供后续处理。
接着，处理器120将针对图像序列进行移动检测(步骤S306)，以从图像序列中撷取出移动物件的动作。在此，处理器120可以是于每隔一预定时间，分别计算图像序列中的当前输入画面与先前输入画面之间的图像差异，据以输出动作图像，而此图像差异即对应于移动物件的动作。必须说明的是，本实施例中的当前输入画面与先前输入画面之间存在至少一其它输入画面，以节省运算量。
以图4根据本发明的一实施例所绘示的图像序列S的示意图为例，处理器120可以是取间隔8个输入画面来计算图像差异，而在此的8个输入画面为经验数值(empiricalvalue)，主要是因为使用者上床与下床的动作并不会很大。若取得太过相邻的两张图像则会因两者差异过小而不易检测到任何动作。此外，处理器120将会每隔4个输入画面才会进行图像处理，而在此的4个输入画面亦为经验数值，主要是因为计算使用上床与下床的动作并没有急迫性，不需要相当密集的检测与计算，以避免间隔太短造成运算量过大，亦可避免间隔太长而导致图像不连贯。惟本发明并不以上述实施例所揭露的画面间隔数为限，端视实际运算需求与效率而可调整变化。
举例来说，假设以目前的时间点而言，当前输入画面为F9，而处理器120将会根据当前输入画面为F9与先前输入画面F1来计算图像差异，并且根据图像差异来输出一张动作图像。接着，在相隔4个输入画面后，以目前的时间点而言，当前输入画面为F13，而处理器120将会根据当前输入画面为F13与先前输入画面F5来计算图像差异，并且根据图像差异来输出另一张动作图像。接着，在相隔4个输入画面后，以目前的时间点而言，当前输入画面为F17，而处理器120将会根据当前输入画面为F17与先前输入画面F9来计算图像差异，并且根据图像差异来输出另一张动作图像，其余则以此类推。
在本实施例中，处理器120计算图像差异而产生动作图像的方式可以是以图5根据本发明的一实施例所绘示产生动作图像的功能流程示意图来执行。图5中是以使用者上床的动作为例作示范性说明。首先，处理器120可以先将当前输入画面Fx+8与先前输入画面Fx进行相减(image subtraction)，以产生灰阶图像ImgGS，其中图像差异越大的像素其数值越高(即，越接近白色)。接着，处理器120将针对灰阶图像ImgGS进行二值化处理(binarization)，藉以滤除图像差异太小的像素，从而产生二值化图像ImgB。之后，处理器120又将针对二值化图像ImgB进行侵蚀处理(erosion)以及膨胀处理(dilation)，藉以删除过于破碎的图像差异，从而产生动作图像ImgM。
请回到图3，处理器120在取得动作图像后，会针对每个动作图像以连通元件标记法(connected component)进行处理(步骤S308)，以自每个动作图像中定义出移动物件。以图6根据本发明的一实施例所绘示的动作图像ImgC的示意图为例，动作图像ImgC的动作相当破碎。处理器120在针对动作图像ImgC以连通元件标记法进行处理后，可以将动作图像ImgC的动作定义成三个物件A、B以及C，也就是说动作图像ImgC有三个移动物件。
请再回到图3，处理器120在动作图像中检测到移动物件的动作时，将会进行移动方向检测(步骤S310)，其是用以触发是否要来执行上床或是下床判断的依据。详细来说，处理器120会先确认当前床铺的状态，并且根据床铺上有使用者或是没有使用者来执行两种不同的流程。处理器120可以是判断移动物件的动作是否位于床铺来进行确认。当移动物件的动作不位于床铺时，即代表状态为床铺上没有使用者，因此处理器120将会进行上床的移动方向检测。另一方面，当移动物件的动作位于床铺时，即代表状态为床铺上有使用者，因此处理器120将会进行下床的移动方向检测。
以上床的移动方向检测来说，其代表使用者并不位于床铺内，而处理器120所检测到的所有移动物件仍未确定是否确实为使用者，因此在此定义为第一移动物件。接着，处理器120将会判断第一移动物件与检测边界的相对位置是否符合第一触发条件。在本实施例中，检测边界为固定的位置，而处理器120会将检测边界定义为上下床的位置，例如床铺的下缘等床铺内外之间的边界。此外，处理器120会更进一步地定义关联于第一移动物件的第一移动边界，而第一移动边界的初始位置位于床铺外以及所检测到的第一移动物件之间，其是为了模拟第一移动物件的动作而定。当存在多个移动物件时，则第一移动边界可以是最接近检测边界的其一移动物件(称为“第一基准移动物件”)的边缘之中最远离检测边界者。在第一移动物件移动的过程中，处理器120将会不断地检测第一移动边界的位置，而当处理器120检测到相邻两张的动作图像的第一移动边界由床铺外移动至床铺内时，处理器120将会判断使用者的动作为“准备上床”，也就符合第一触发条件。
具体来说，以图7A根据本发明的一实施例所绘示的动作图像的示意图为例，假设检测边界L的上方为床铺。处理器120在检测使用者是否上床时，会先在动作图像Img71中取得移动物件A1、A2、A3的最上侧移动物件A1(最接近检测边界L的移动物件)，并且以移动物件A1的下缘的沿线作为移动边界L’。假设处理器120在下一张动作图像Img72中检测到移动边界L’已移动至床铺内(即，检测边界L的上方)，则处理器120将会判定使用者的动作为“准备上床”。
如前述，移动边界L的定义是模拟使用者的动作而定。当使用者要上床时，将会产生多个移动物件，而会有一部分先由床铺外移动到床铺内，例如图7A的移动物件A1。选择移动物件A1的下缘为移动边界L’是为了确定移动物件A1确实进入了床铺内，因此使用者只要是有一部分完全进入床铺内，即判断使用者的动作为“准备上床”。
另一方面，以下床的移动方向检测来说，其代表使用者位于床铺内，而处理器120会将床铺内所检测到的移动物件直接视为使用者，在此定义为第二移动物件。接着，处理器120将会判断第二移动物件与检测边界的相对位置是否符合第二触发条件。在本实施例中，处理器120同样会将检测边界定义为上下床的位置，例如床铺的下缘等床铺内外之间的边界。此外，处理器120会更进一步地定义关联于第二移动物件的第二移动边界，而第二移动边界的初始位置位于床铺内以及所检测到的第二移动物件之间。当存在多个移动物件时，则第二移动边界可以是最接近检测边界的其一移动物件(称为“第二基准移动物件”)的边缘之中最远离检测边界者。处理器120将会检测第二移动边界的位置，而当处理器120检测到相邻两张的动作图像的第二移动边界由床铺内移动至床铺外时，处理器120将会判断使用者的动作为“准备下床”，也就符合第二触发条件。
具体来说，以图7B根据本发明的一实施例所绘示的动作图像的示意图为例，假设检测边界L的上方为床铺。处理器120在检测使用者是否下床时，会先在动作图像Img73中取得移动物件B1、B2、B3的最下侧移动物件B3(最接近检测边界L的移动物件)，并且以移动物件B3的上缘的沿线作为移动边界L’。假设处理器120在下一张动作图像Img74中检测到移动边界L’已移动至床铺外(即，检测边界L的下方)，则处理器120将会判定使用者的动作为“准备下床”。在此选择移动物件B3的上缘为移动边界L’是为了确定移动物件B3确实离开了床铺，因此使用者只要是有一部分完全离开床铺，即判断使用者的动作为“准备下床”。
必须说明的是，图7B适用于一般情况的下床检测。然而，若是使用者滚下床，由于其发生过于瞬间而使得所有的动作会定义成单一物件并且可能仅在滚下床的瞬间所对应的动作图像有移动物件，而下一张动作图像不一定有移动物件。因此，在此特例的情境中，只要处理器120判断出动作图像中的第二移动物件的数量为1并且尺寸大于预定尺寸(例如第二移动物件的宽度大于床的宽度的一半)，便会判断使用者的动作是否为“滚下床”。
以图7C根据本发明的一实施例所绘示的动作图像的示意图为例，假设检测边界L的上方为床铺。处理器120在检测使用者是否滚下床时，会先在动作图像Img75中检测到单一移动物件C1，并且以移动物件C1的中线的延线作为移动边界L’。假设处理器120在下一张动作图像Img76中检测到移动边界L’已移动至床铺外(即，检测边界L的下方)，则处理器120将会判定使用者的动作为“滚下床”。
请回到图3，当处理器120判定符合第一触发条件时，将会开始执行进入床铺检测。处理器120将会进行动作比例(步骤S314A)以及连续动作(步骤S316A)的检测，以判断第一移动物件是否确实进入床铺从而确认第一移动物件为使用者，以输出结果(步骤S320)。详细来说，处理器120可以是判断第一移动物件位于床铺内的比例是否大于其位于床铺外的比例，并且判断第一移动物件是否于床铺内具有连续动作，而在两者皆符合时即判定第一移动物件确实进入床铺并且为使用者。
在本实施例中，为了加速运算，处理器120可以是先以检测边界定义一个区域(以下称为“第一区域”)，其中第一区域将横跨床铺内外两个区域。以图8根据本发明的一实施例所绘示的动作图像Img8的示意图为例，假设区域ROI为床铺。处理器120会在区域ROI的检测边界L定义包括区域RA以及区域RB的上床区间，其中区域RA为床铺内，区域RB为床铺外。在此，床铺ROI的面积为w×h，而区域RA以及RB的面积关系可以如下：wA＝wB＝0.7w；hA＝0.5h；hB＝0.5h’，然而本发明不在此设限。在此定义区域RA以及区域RB的目的是合理地假设使用者是由床铺的检测边界L上床并且上床的动作应该会集中在床铺ROI的中间而设置。接着，处理器120将判断第一移动物件落于区域RA中的一部分的面积是否大于第一移动物件落于区域RB的其它部分的面积。更为严谨地，处理器120可以是假设第一移动物件落于区域RA的一部分的面积必须为第一移动物件落于区域RB的其它部分的面积的2倍以上，也就是大部分的动作都在床铺内，才会判定有可能是上床的动作。接着，处理器120将判断是否有连续多个动作图像(例如连续3个动作图像)皆有第一移动物件存在于区域RA。因为上床的动作是持续的，若是连续预定多个(例如3个)动作图像都有第一移动物件，即代表17个输入画面的时间在区域RA内皆有动作，因此处理器120将会输出使用者为上床的结果。
以逻辑上来说，假设处理器120在上床的位置检测到移动物件，接着在床铺内开始出现较多的移动物件，最后在床铺内的位置持续地有移动物件。上述检测相当于使用者先在床边有动作，接着在床铺内有较多的动作，也就是使用者有部分位于床铺内，之后使用者在床铺内有连续动作，也就是使用者不是经过，而是在床边有一段时间的停留。因此，在此情况下，处理器120将会判断使用者的状态为上床动作。
请回到图3，当处理器120判定符合第二触发条件时，将会开始执行离开床铺检测。与进入床铺检测不同之处在于，处理器120会在判定符合第二触发条件时，另外自图像序列取得当前输入画面，以作为暂存图像。接着，处理器120将会进行动作比例(步骤S314B)以及连续动作(步骤S316B)的检测，再以相似度检测(步骤S318B)作为辅助，以判断对应于第二移动物件的使用者是否确实离开床铺以输出结果(步骤S320)。
在此，步骤S314B以及步骤S316B分别类似于步骤S314A以及步骤S316A，而仅是检测床铺内与床铺外的差异，在此处理器120可以是判断第二移动物件位于床铺外的比例是否大于其位于床铺内的比例，并且判断第二移动物件是否于床铺内具有连续动作，而在两者皆符合时即判定第一移动物件确实进入床铺并且为使用者。本实施例中，为了加速运算，处理器120更可以采用相似于图8的方式来定义下床区间，以提升步骤S314B以及步骤S316B的执行效率，而本领域具通常知识者应可通过图8的相关描述而推导出步骤S314B以及步骤S316B的执行细节，于此不再赘述。
当处理器120判断动作比例以及连续动作皆符合下床动作的可能性时，会再自图像序列取得当前输入画面，以作为当前图像。接着，处理器120会将当前图像与在判定符合第二触发条件时所取得的暂存图像进行相似度比较。当两者相似度低时，处理器120将判定使用者有下床动作，反之当两者相似度高时，处理器120将判定使用者没有下床动作。原因在于，暂存图像所存储的是使用者准备下床的图像，而当前图像则是使用者正在下床或是已下床的图像。若两者的相似度低，即代表使用者确实有下床的动作。若相似度高，即代表使用者一直是躺在床上，而有可能是外人(例如看护、医护人员或家人)误入而导致处理器120依据第二触发条件成功状态误判为准备下床。因此，若在此以相似度辅以判断，则可解决此问题。
为了方便理解，离开床铺检测的方式可以图9根据本发明的一实施例所绘示的时间轴的示意图来进行说明。在本实施例中，假设fx为第一个输入画面，而间隔8个画面的输入画面则为fx+8。输入画面fx与输入画面fx+8的计算将会产生第一张动作图像m1。其它四张动作图像m2～m5可以此类推。假设处理器120在动作图像m1中判定符合第二触发条件(准备下床)，并且将输入画面fx设定为暂存图像。处理器120可以是检测动作图像m1中床边的动作是否在床铺外的区域以及床铺外是否有较多的动作，若是，处理器120将进一步地判断动作图像m2～m4中是否在床铺外是否具有连续动作。若是，则处理器120将再进一步地取得对应于动作图像m4的当前图像fx+20与暂存图像fx进行相似度比较。若当前图像fx+20与暂存图像fx的相似度低，处理器120将输出使用者为下床的结果。
在本实施例中，由于应用情境为护理照护，以达到对于使用者安全监控的目的，因此处理器120在确认使用者上床时，可以输出第一提示信号，而在确认使用者下床或是滚下床时，可以输出第二提示信号。第一提示信号以及第二提示信号的输出方式可以是以通过输出装置而发出声响、灯光、文字、震动等形式来提示护理人员或照顾者。此外，处理器120更可以是通过传输接口而将第一提示信号以及第二提示信号以信息等方式传输至其它电子装置(例如手机、智能手表、智能手环等)，以通知护理人员或照顾者。因此，可协助医护人员或照顾者能够远端掌握病患状况，进而节省护理或照顾人力资源。类似地，在其它应用情境中，当处理器120检测到目标物件进入或是离开感兴趣区域时，亦可输出第一提示信号或是第二提示信号，以达到安全监控的目的。
综上所述，本发明所提出的物件监控方法及其运算装置，其可以图像检测的方式有效地监控目标物体是否进入或是离开感兴趣区域，从而减少人力监控的成本。本发明中所提及的目标物体不限于上述实施例中的人，亦可以是包含动物或任何移动物体；本发明中所提及的感兴趣区域亦不限于上述实施例中的床铺，亦可以是包含任何可以定义边界的物体或区域。
虽然本发明已以实施例揭露如上，然其并非用以限定本发明，任何所属技术领域中相关技术人员，在不脱离本发明的精神和范围内，当可作些许的更动与润饰，故本发明的保护范围当视权利要求所界定者为准。

Claims (30)

1.一种物件监控方法，其特征在于，适用于包括处理器的运算装置，该方法包括下列步骤：
接收关于监控区域的图像序列，其中该监控区域定义出包括感兴趣区域以及非感兴趣区域，该感兴趣区域与该非感兴趣区域之间具有检测边界；
根据该图像序列，由该处理器判断目标物件是否位于该感兴趣区域；
当该处理器判定该目标物件不位于该感兴趣区域并且检测到至少一第一移动物件位于监控区域时，由该处理器根据所述第一移动物件与该检测边界的相对位置、以及所述第一移动物件是否于该感兴趣区域具有连续动作，判断所述第一移动物件是否进入该感兴趣区域而作为该目标物件；以及
当该处理器判定该目标物件位于该感兴趣区域时，由该处理器根据关联于该目标物件的至少一第二移动物件与该检测边界的相对位置、以及所述第二移动物件是否于该非感兴趣区域具有连续动作，判断该目标物件是否离开该感兴趣区域。
2.如权利要求1所述的物件监控方法，其特征在于，在接收关于该监控区域的该图像序列的步骤之前，该方法更包括：
显示关于该监控区域的初始图像于使用者界面；以及
接收使用者通过该使用者界面对于该感兴趣区域的选取操作，以自该监控区域定义出该感兴趣区域。
3.如权利要求1所述的物件监控方法，其特征在于，该图像序列是由多个输入画面所构成，而在接收关于该监控区域的该图像序列的步骤之后，该方法更包括：
每隔一预定时间，计算该图像序列中的当前输入画面与先前输入画面之间的图像差异，以产生动作图像，其中该当前输入画面与该先前输入画面之间存在至少一其它输入画面，该动作图像对应于至少一移动物件的动作。
4.如权利要求3所述的物件监控方法，其特征在于，每隔该预定时间，计算该图像序列中的该当前输入画面与该先前输入画面之间的该图像差异，以产生为该动作图像的步骤包括：
将该当前输入画面与该先前输入画面相减，以产生灰阶图像；
针对该灰阶图像进行二值化处理，以产生二值化图像；以及
针对该二值化图像进行侵蚀处理以及膨胀处理，以产生该动作图像。
5.如权利要求3所述的物件监控方法，其特征在于，在产生所述动作图像的步骤之后，该方法更包括：
针对各所述动作图像以连通元件标记法进行处理，以自所述动作图像中定义出所述移动物件。
6.如权利要求3所述的物件监控方法，其特征在于，根据该图像序列，判断该目标物件是否位于该感兴趣区域的步骤包括：
当自所述动作图像中检测到所述移动物件的所述动作时，判断所述移动物件的所述动作是否位于该感兴趣区域；
若是，判定该目标物件位于该感兴趣区域；以及
若否，判定该目标物件不位于该感兴趣区域。
7.如权利要求3所述的物件监控方法，其特征在于，当判定该目标物件不位于该感兴趣区域并且检测到所述第一移动物件位于该监控区域时，根据所述第一移动物件与该检测边界的该相对位置以及所述第一移动物件是否于该感兴趣区域具有连续动作，判断所述第一移动物件是否进入该感兴趣区域而作为该目标物件的步骤包括：
判断所述第一移动物件与该检测边界的该相对位置是否符合第一触发条件；以及当符合该第一触发条件时，根据所述第一移动物件是否于该感兴趣区域具有连续动作，判断所述第一移动物件是否进入该感兴趣区域而作为该目标物件。
8.如权利要求7所述的物件监控方法，其特征在于，判断所述第一移动物件与该检测边界的该相对位置是否符合该第一触发条件的步骤包括：
定义关联于所述第一移动物件的第一移动边界，其中该第一移动边界的初始位置位于该感兴趣区域外以及所述第一移动物件之间；
检测该第一移动边界的位置；以及
当检测到该第一移动边界移动至该感兴趣区域内时，判定符合该第一触发条件。
9.如权利要求8所述的物件监控方法，其特征在于，该第一移动边界为所述第一移动物件之中最接近该检测边界的第一基准移动物件的第一边缘，该第一边缘为该第一基准移动物件的边缘之中最远离该检测边界者。
10.如权利要求7所述的物件监控方法，其特征在于，根据所述第一移动物件是否于该感兴趣区域具有连续动作，判断所述第一移动物件是否进入该感兴趣区域而作为该目标物件的步骤包括：
判断所述第一移动物件位于该感兴趣区域中的比例是否大于所述第一移动物件位于该非感兴趣区域中的比例并且判断所述第一移动物件是否于该感兴趣区域具有连续动作；以及
当判定所述第一移动物件位于该感兴趣区域中的该比例大于所述第一移动物件位于该非感兴趣区域中的该比例并且判定所述第一移动物件于该感兴趣区域具有连续动作时，判定所述第一移动物件进入该感兴趣区域而作为该目标物件。
11.如权利要求10所述的物件监控方法，其特征在于，所述第一移动物件位于该感兴趣区域中的该比例以及所述第一移动物件位于该非感兴趣区域中的该比例的计算方式包括：
于该检测边界定义第一区域，其中该第一区域包括位于该感兴趣区域的第一感兴趣区域以及位于该非感兴趣区域的第一非感兴趣区域；以及
计算所述第一移动物件位于该第一感兴趣区域以及该第一非感兴趣区域的比例，以分别作为所述第一移动物件位于该感兴趣区域中的该比例以及所述第一移动物件位于该非感兴趣区域中的该比例。
12.如权利要求3所述的物件监控方法，其特征在于，当该目标物件位于该感兴趣区域时，根据关联于该目标物件的所述第二移动物件与该检测边界的该相对位置以及所述第二移动物件是否于该非感兴趣区域具有连续动作，判断该目标物件是否离开该感兴趣区域的步骤包括：
判断所述第二移动物件与该检测边界的该相对位置是否符合第二触发条件；以及当符合该第二触发条件时，根据所述第二移动物件位于该非感兴趣区域中的比例以及所述第二移动物件是否于该非感兴趣区域具有连续动作，判断该目标物件是否离开该感兴趣区域。
13.如权利要求12所述的物件监控方法，其特征在于，判断所述第二移动物件与该检测边界的该相对位置是否符合该第二触发条件的步骤包括：
定义关联于所述第二移动物件的第二移动边界，其中该第二移动边界的初始位置位于该感兴趣区域外以及所述第二移动物件之间；
检测该第二移动边界的位置；以及
当检测到该第二移动边界离开该感兴趣区域时，判定符合该第二触发条件。
14.如权利要求13所述的物件监控方法，其特征在于，该第二移动边界为所述第二移动物件之中最接近该检测边界的第二基准移动物件的第二边缘，该第二边缘为该第二基准移动物件的边缘之中最远离该检测边界者。
15.如权利要求12所述的物件监控方法，其特征在于，所述第二移动物件的数量为1并且尺寸大于预定尺寸，而判断所述第二移动物件与该检测边界的该相对位置是否符合该第二触发条件的步骤包括：
定义关联于所述第二移动物件的第二移动边界，其中该第二移动边界为所述移动物件的中线；
检测该第二移动边界的位置；以及
当检测到该第二移动边界离开该感兴趣区域时，判定该目标物件离开该感兴趣区域。
16.如权利要求12所述的物件监控方法，其特征在于，当符合该第二触发条件时，该方法更包括：
自该图像序列取得当前输入画面，以作为暂存图像。
17.如权利要求16所述的物件监控方法，其特征在于，根据所述第二移动物件位于该非感兴趣区域中的该比例以及所述第二移动物件是否于该非感兴趣区域具有连续动作，判断该目标物件是否离开该感兴趣区域的步骤包括：
判断所述第二移动物件位于该非感兴趣区域中的该比例是否大于所述第二移动物件位于该感兴趣区域中的比例并且判断所述第二移动物件是否于该非感兴趣区域具有连续动作；
当判定所述第二移动物件位于该非感兴趣区域中的该比例大于所述第二移动物件位于该感兴趣区域中的该比例并且判定所述第二移动物件于该非感兴趣区域具有连续动作时，自该图像序列中取得当前输入画面，以作为当前图像；
判断该当前图像与该暂存图像的相似度；以及
当判定该当前图像与该暂存图像的该相似度为低时，判定该目标物件离开该感兴趣区域。
18.如权利要求16所述的物件监控方法，其特征在于，所述第二移动物件位于该感兴趣区域中的该比例以及所述第二移动物件位于该非感兴趣区域中的该比例的计算方式包括：
于该检测边界定义第二区域，其中该第二区域包括位于该感兴趣区域的第二感兴趣区域以及位于该非感兴趣区域的第二非感兴趣区域；以及
计算所述第二移动物件位于该第二感兴趣区域以及该第二非感兴趣区域的比例，以分别作为所述第二移动物件位于该感兴趣区域中的该比例以及所述第二移动物件位于该非感兴趣区域中的该比例。
19.如权利要求1所述的物件监控方法，其特征在于，更包括：
当判定所述第一移动物件进入该感兴趣区域而作为该目标物件时，产生并且输出第一提示信号；以及
当判定该目标物件离开该感兴趣区域时，产生并且输出第二提示信号。
20.如权利要求1所述的物件监控方法，其特征在于，该监控区域为床铺及其四周，该感兴趣区域为该床铺内，该非感兴趣区域为该床铺外，而进入该感兴趣区域为上床动作，离开该感兴趣区域为下床动作。
21.一种运算装置，其特征在于，包括：
存储器，用以存储图像以及数据；
处理器，耦接该存储器并且用以：
接收关于监控区域的图像序列，其中该监控区域定义出包括感兴趣区域以及非感兴趣区域，该感兴趣区域与该非感兴趣区域之间具有检测边界；
根据该图像序列，判断目标物件是否位于该感兴趣区域；
当判定该目标物件不位于该感兴趣区域并且检测到至少一第一移动物件位于监控区域时，根据所述第一移动物件与该检测边界的相对位置以及所述第一移动物件是否于该感兴趣区域具有连续动作，判断所述第一移动物件是否进入该感兴趣区域而作为该目标物件；以及
当该目标物件位于该感兴趣区域时，根据关联于该目标物件的至少一第二移动物件与该检测边界的相对位置以及所述第二移动物件是否于该非感兴趣区域具有连续动作，判断该目标物件是否离开该感兴趣区域。
22.一种物件监控方法，其特征在于，适用于包括处理器的运算装置，该方法包括下列步骤：
接收关于监控区域的图像序列，其中该监控区域定义出包括感兴趣区域以及非感兴趣区域，该感兴趣区域与该非感兴趣区域之间具有检测边界；
根据该图像序列，由该处理器判断目标物件是否位于该感兴趣区域；
当该处理器判定该目标物件不位于该感兴趣区域并且检测到至少一第一移动物件位于监控区域时，由该处理器根据所述第一移动物件位于该感兴趣区域中的比例以及所述第一移动物件是否于该感兴趣区域具有连续动作，判断所述第一移动物件是否进入该感兴趣区域而作为该目标物件；以及
当该处理器判定该目标物件位于该感兴趣区域时，由该处理器根据关联于该目标物件的至少一第二移动物件位于该非感兴趣区域中的比例以及所述第二移动物件是否于该非感兴趣区域具有连续动作，判断该目标物件是否离开该感兴趣区域。
23.如权利要求22所述的物件监控方法，其特征在于，该图像序列是由多个输入画面所构成，而在接收关于该监控区域的该图像序列的步骤之后，该方法更包括：
每隔一预定时间，计算该图像序列中的当前输入画面与先前输入画面之间的图像差异，以产生动作图像，其中该当前输入画面与该先前输入画面之间存在至少一其它输入画面，该动作图像对应于至少一移动物件的动作。
24.如权利要求23所述的物件监控方法，其特征在于，该根据所述第一移动物件位于该感兴趣区域中的该比例以及所述第一移动物件是否于该感兴趣区域具有连续动作，判断所述第一移动物件是否进入该感兴趣区域而作为该目标物件的步骤包括：
判断所述第一移动物件位于该感兴趣区域中的该比例是否大于所述第一移动物件位于该非感兴趣区域中的比例并且判断所述第一移动物件是否于该感兴趣区域具有连续动作；以及
当判定所述第一移动物件位于该感兴趣区域中的该比例大于所述第一移动物件位于该非感兴趣区域中的该比例并且判定所述第一移动物件于该感兴趣区域具有连续动作时，判定所述第一移动物件进入该感兴趣区域而作为该目标物件。
25.如权利要求24所述的物件监控方法，其特征在于，所述第一移动物件位于该感兴趣区域中的该比例以及所述第一移动物件位于该非感兴趣区域中的该比例的计算方式包括：
于该检测边界定义第一区域，其中该第一区域包括位于该感兴趣区域的第一感兴趣区域以及位于该非感兴趣区域的第一非感兴趣区域；以及
计算所述第一移动物件位于该第一感兴趣区域以及该第一非感兴趣区域的比例，以分别作为所述第一移动物件位于该感兴趣区域中的该比例以及所述第一移动物件位于该非感兴趣区域中的该比例。
26.如权利要求23所述的物件监控方法，其特征在于，根据关联于该目标物件的所述第二移动物件位于该非感兴趣区域中的该比例以及所述第二移动物件是否于该非感兴趣区域具有连续动作，判断该目标物件是否离开该感兴趣区域的步骤包括：
判断所述第二移动物件位于该非感兴趣区域中的该比例是否大于所述第二移动物件位于该感兴趣区域中的比例并且判断所述第二移动物件是否于该非感兴趣区域具有连续动作；
当判定所述第二移动物件位于该非感兴趣区域中的该比例大于所述第二移动物件位于该感兴趣区域中的该比例并且判定所述第二移动物件于该非感兴趣区域具有连续动作时，判定该目标物件离开该感兴趣区域。
27.如权利要求26所述的物件监控方法，其特征在于，所述第二移动物件位于该感兴趣区域中的该比例以及所述第二移动物件位于该非感兴趣区域中的该比例的计算方式包括：
于该检测边界定义第二区域，其中该第二区域包括位于该感兴趣区域的第二感兴趣区域以及位于该非感兴趣区域的第二非感兴趣区域；以及
计算所述第二移动物件位于该第二感兴趣区域以及该第二非感兴趣区域的比例，以分别作为所述第二移动物件位于该感兴趣区域中的该比例以及所述第二移动物件位于该非感兴趣区域中的该比例。
28.如权利要求22所述的物件监控方法，其特征在于，更包括：
当判定所述第一移动物件进入该感兴趣区域而作为该目标物件时，产生并且输出第一提示信号；以及
当判定该目标物件离开该感兴趣区域时，产生并且输出第二提示信号。
29.如权利要求22所述的物件监控方法，其特征在于，该监控区域为床铺及其四周，该感兴趣区域为该床铺内，该非感兴趣区域为该床铺外，而进入该感兴趣区域为上床动作，离开该感兴趣区域为下床动作。
30.一种运算装置，其特征在于，包括：
存储器，用以存储图像以及数据；
处理器，耦接该存储器，并且用以：
接收关于监控区域的图像序列，其中该监控区域包括感兴趣区域以及非感兴趣区域，该感兴趣区域与该非感兴趣区域之间具有检测边界；
根据该图像序列，判断目标物件是否位于该感兴趣区域；
当判定该目标物件不位于该感兴趣区域并且检测到至少一第一移动物件位于监控区域时，根据所述第一移动物件位于该感兴趣区域中的比例以及所述第一移动物件是否于该感兴趣区域具有连续动作，判断所述第一移动物件是否进入该感兴趣区域而作为该目标物件；以及
当该目标物件位于该感兴趣区域时，根据关联于该目标物件的至少一第二移动物件位于该非感兴趣区域中的比例以及所述第二移动物件是否于该非感兴趣区域具有连续动作，判断该目标物件是否离开该感兴趣区域。
CN201810412667.0A 2018-04-02 2018-05-03 物件监控方法及其运算装置 Active CN110338803B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
TW107111603 2018-04-02
TW107111603A TWI666933B (zh) 2018-04-02 2018-04-02 物件監控方法及其運算裝置

Publications (2)

Publication Number Publication Date
CN110338803A CN110338803A (zh) 2019-10-18
CN110338803B true CN110338803B (zh) 2021-12-07

Family

ID=68049711

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810412667.0A Active CN110338803B (zh) 2018-04-02 2018-05-03 物件监控方法及其运算装置

Country Status (3)

Country Link
US (1) US10755400B2 (zh)
CN (1) CN110338803B (zh)
TW (1) TWI666933B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI671707B (zh) * 2018-06-15 2019-09-11 緯創資通股份有限公司 影像分析方法、電子系統以及非暫態電腦可讀取記錄媒體
CN110633681A (zh) * 2019-09-19 2019-12-31 天津天地伟业机器人技术有限公司 一种基于视频的离床检测方法
CN111568437B (zh) * 2020-06-01 2021-07-09 浙江大学 一种非接触式离床实时监测方法
CN113438286B (zh) * 2021-06-15 2023-08-01 上海商汤智能科技有限公司 信息推送方法及装置、电子设备和存储介质
CN114140493B (zh) * 2021-12-03 2022-07-19 湖北微模式科技发展有限公司 目标多角度展示动作连续性检测方法
CN114419545A (zh) * 2021-12-30 2022-04-29 上海微创医疗机器人（集团）股份有限公司 安全保护方法、***、计算机设备及存储介质
CN114979567B (zh) * 2022-04-29 2023-03-24 北京容联易通信息技术有限公司 一种应用于视频智能监控的物体与区域交互方法及***

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104021570A (zh) * 2014-06-04 2014-09-03 电子科技大学 一种视频中有方向的越界和拌线检测方法
CN104574359A (zh) * 2014-11-03 2015-04-29 南京邮电大学 一种基于主从摄像机的学生跟踪定位方法
CN105046719A (zh) * 2015-07-03 2015-11-11 苏州科达科技股份有限公司 一种视频监控方法及***
US9538158B1 (en) * 2012-10-16 2017-01-03 Ocuvera LLC Medical environment monitoring system
CN106575464A (zh) * 2014-07-07 2017-04-19 皇家飞利浦有限公司 检测要被监测的对象的运动和/或位置
CN107735813A (zh) * 2015-06-10 2018-02-23 柯尼卡美能达株式会社 图像处理***、图像处理装置、图像处理方法及图像处理程序

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9311540B2 (en) * 2003-12-12 2016-04-12 Careview Communications, Inc. System and method for predicting patient falls
JP5338978B2 (ja) * 2010-05-10 2013-11-13 富士通株式会社 画像処理装置および画像処理プログラム
US10147184B2 (en) * 2016-12-30 2018-12-04 Cerner Innovation, Inc. Seizure detection

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9538158B1 (en) * 2012-10-16 2017-01-03 Ocuvera LLC Medical environment monitoring system
CN104021570A (zh) * 2014-06-04 2014-09-03 电子科技大学 一种视频中有方向的越界和拌线检测方法
CN106575464A (zh) * 2014-07-07 2017-04-19 皇家飞利浦有限公司 检测要被监测的对象的运动和/或位置
CN104574359A (zh) * 2014-11-03 2015-04-29 南京邮电大学 一种基于主从摄像机的学生跟踪定位方法
CN107735813A (zh) * 2015-06-10 2018-02-23 柯尼卡美能达株式会社 图像处理***、图像处理装置、图像处理方法及图像处理程序
CN105046719A (zh) * 2015-07-03 2015-11-11 苏州科达科技股份有限公司 一种视频监控方法及***

Also Published As

Publication number Publication date
US20190304080A1 (en) 2019-10-03
US10755400B2 (en) 2020-08-25
CN110338803A (zh) 2019-10-18
TWI666933B (zh) 2019-07-21
TW201943260A (zh) 2019-11-01

Similar Documents

Publication Publication Date Title
CN110338803B (zh) 物件监控方法及其运算装置
JP6137425B2 (ja) 画像処理システム、画像処理装置、画像処理方法、および画像処理プログラム
JP6650677B2 (ja) 映像処理装置、映像処理方法、およびプログラム
US10786183B2 (en) Monitoring assistance system, control method thereof, and program
JP6547563B2 (ja) 検出プログラム、検出方法及び検出装置
JP2019008638A (ja) 見守り支援システム及びその制御方法
JP2020027405A (ja) 物体検出プログラム、および物体検出装置
JP6822326B2 (ja) 見守り支援システム及びその制御方法
JP6729510B2 (ja) 見守り支援システム及びその制御方法
KR20200080987A (ko) 아기 행동 분석 시스템 및 그 방법
CN113615166B (zh) 事故检测装置及事故检测方法
WO2020008726A1 (ja) 対象物体検出プログラム、および対象物体検出装置
JP7347577B2 (ja) 画像処理システム、画像処理プログラム、および画像処理方法
JP6847690B2 (ja) ベッド識別装置
JP7351339B2 (ja) 画像処理システム、画像処理プログラム、および画像処理方法
JP2020071717A (ja) 情報処理装置、情報処理方法及びプログラム
JP6046559B2 (ja) 特定動作検出装置
WO2020008995A1 (ja) 画像認識プログラム、画像認識装置、学習プログラム、および学習装置
US10842414B2 (en) Information processing device, information processing method, program, and watching system
JP7388440B2 (ja) 画像処理システム、画像処理プログラム、および画像処理方法
WO2021024691A1 (ja) 画像処理システム、画像処理プログラム、および画像処理方法
US20240257498A1 (en) Electronic apparatus for classifying object region and background region and operating method of the electronic apparatus
US20220054046A1 (en) Assessing patient out-of-bed and out-of-chair activities using embedded infrared thermal cameras
JP2023051147A (ja) ナースコールシステム、および状態判断システム
JP6072092B2 (ja) 画像処理装置

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
GR01 Patent grant
GR01 Patent grant