CN110737201B - 一种监护方法、装置、存储介质及空调 - Google Patents
一种监护方法、装置、存储介质及空调 Download PDFInfo
- Publication number
- CN110737201B CN110737201B CN201910962090.5A CN201910962090A CN110737201B CN 110737201 B CN110737201 B CN 110737201B CN 201910962090 A CN201910962090 A CN 201910962090A CN 110737201 B CN110737201 B CN 110737201B
- Authority
- CN
- China
- Prior art keywords
- information
- environment
- channel state
- human body
- wifi module
- 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
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 153
- 238000000034 method Methods 0.000 title claims abstract description 72
- 238000012545 processing Methods 0.000 claims abstract description 77
- 230000000977 initiatory effect Effects 0.000 claims abstract description 16
- 238000012806 monitoring device Methods 0.000 claims abstract description 15
- 230000009471 action Effects 0.000 claims description 104
- 238000007781 pre-processing Methods 0.000 claims description 15
- 230000009467 reduction Effects 0.000 claims description 11
- 238000005070 sampling Methods 0.000 claims description 10
- 239000000284 extract Substances 0.000 claims description 4
- 238000004148 unit process Methods 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 29
- 230000033001 locomotion Effects 0.000 abstract description 14
- 230000000694 effects Effects 0.000 abstract description 5
- 238000005286 illumination Methods 0.000 abstract description 4
- 230000006399 behavior Effects 0.000 description 59
- 238000001514 detection method Methods 0.000 description 25
- 230000006870 function Effects 0.000 description 24
- 238000004422 calculation algorithm Methods 0.000 description 20
- 238000010801 machine learning Methods 0.000 description 20
- 230000008569 process Effects 0.000 description 20
- 230000008859 change Effects 0.000 description 16
- 238000013473 artificial intelligence Methods 0.000 description 14
- 238000003062 neural network model Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 11
- 238000013528 artificial neural network Methods 0.000 description 7
- 238000013135 deep learning Methods 0.000 description 7
- 238000000513 principal component analysis Methods 0.000 description 6
- 230000002159 abnormal effect Effects 0.000 description 5
- 238000001914 filtration Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000013507 mapping Methods 0.000 description 4
- 230000037081 physical activity Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000013136 deep learning model Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 238000004378 air conditioning Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B15/00—Systems controlled by a computer
- G05B15/02—Systems controlled by a computer electric
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/26—Pc applications
- G05B2219/2642—Domotique, domestic, home control, automation, smart house
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Alarm Systems (AREA)
- Selective Calling Equipment (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明公开了一种监护方法、装置、存储介质及空调，该方法包括：获取WIFI模组所属环境中WIFI信号的信道状态信息数据；对所述信道状态信息数据进行处理，以得到所述环境中的人体特征信息；根据所述人体特征信息确定所述环境中是否发生预设监护情况；若所述环境中发生预设监护情况，则发起所述环境中已发生预设监护情况的提醒消息。本发明的方案，可以解决基于摄像机的动作识别技术受限于用户隐私及光照条件，影响智能设备对家庭成员的监控精准性的问题，达到提升监控精准性的效果。
Description
技术领域
本发明属于智能家居技术领域，具体涉及一种监护方法、装置、存储介质及空调，尤其涉及一种基于空调WIFI探测技术检测人的跌倒发送警报***的实现方法、装置、存储介质及空调。
背景技术
近年来，随着人工智能领域的迅速发展以及人们对智能监控、智能家居及新型人机交互的需求日益提升。人体行为识别技术已经成为模式识别、计算机视觉、无线感知等领域的一项热门研究方向。
目前HAR技术被运用到智能家居、智能监控、体感游戏及医疗监护等多种应用中，传统的动作识别主要是通过使用摄像机或者一些可穿戴传感器设备来实现，然而基于摄像机的动作识别技术受限于用户隐私及光照条件。目前老年人口越来越多，年轻人工作压力也越来越大，容易忽视对年长者的照顾，有时候老人摔倒中风、孩子摔倒等突发情况无法知道并酿成不好的后果。
发明内容
本发明的目的在于，针对上述缺陷，提供一种监护方法、装置、存储介质及空调，以解决基于摄像机的动作识别技术受限于用户隐私及光照条件，影响智能设备对家庭成员的监控精准性的问题，达到提升监控精准性的效果。
本发明提供一种监护方法，包括：获取WIFI模组所属环境中WIFI信号的信道状态信息数据；对所述信道状态信息数据进行处理，以得到所述环境中的人体特征信息；根据所述人体特征信息确定所述环境中是否发生预设监护情况；若所述环境中发生预设监护情况，则发起所述环境中已发生预设监护情况的提醒消息。
可选地，其中，所述WIFI模组，设置于家居设备上；和/或，所述WIFI模组，包括：发送端和接收端；所述接收端，用于对WIFI模组所属环境中WIFI信号的信道状态信息数据进行获取；所述发送端，用于对所述接收端获取的所述信道状态信息数据进行上传；和/或，对所述信道状态信息数据进行处理的处理端，包括：设置有所述WIFI模组的家居设备，或由所述WIFI模组发往的云端或服务器；和/或，根据所述人体特征信息确定所述环境中是否发生预设监护情况的确定端，包括：设置有所述WIFI模组的家居设备，或由所述WIFI模组发往的云端或服务器；和/或，发起所述环境中已发生预设监护情况的提醒消息的发起端，包括：设置有所述WIFI模组的家居设备，或由所述WIFI模组发往的客户端；和/或，所述信道状态信息数据，包括：WIFI信道中子载波波形的状态信息数据；和/或，所述预设监护情况，包括：人体摔倒情况。
可选地，对所述信道状态信息数据进行处理，包括：对所述信道状态信息数据进行预处理，得到设定粒度信息；提取所述设定粒度信息中的设定特征值信息，以得到所述信道状态信息数据中的人体信号特征。
可选地，其中，对所述信道状态信息数据进行预处理，包括：对一串所述信道状态信息数据流中的每两两天线间的信道链路中的数据做卷积，进行初步去噪处理；以及，对该串所述信道状态信息数据流进行降维去冗余处理，得到设定粒度信息；和/或，提取所述设定粒度信息中的设定特征值信息，包括：通过离散小波变换将所述预处理后的一段时间内的设定粒度信息进行频率解析，以将设定粒度信息分成设定数量个频段，并将每个频段的小波系数提取出来作为进行识别的特征系数；以及，对每个频段中设定动作的频谱图进行运算，估计出每个采样时刻的设定速度，以作为所述设定粒度信息中的设定特征值信息。
可选地，其中，根据所述人体特征信息确定所述环境中是否发生预设监护情况，包括：根据设定特征信息与设定动作信息之间的对应关系，确定所述对应关系中与所述人体特征信息相同的设定特征信息对应的设定动作信息，为与所述人体特征信息对应的人体动作信息；确定所述人体动作信息是否属于预设监护范围；若所述人体动作信息属于所述预设监护范围，则确定所述环境中发生所述预设监护范围中的预设监护情况；和/或，发起所述环境中已发生预设监护情况的提醒消息，包括：通过设置有所述WIFI模组的家居设备，对所述环境中已发送预设监护情况的提醒消息进行显示和/或播放；和/或，通过所述WIFI模组，将所述环境中已发送预设监护情况的提醒消息发送至客户端，以通过客户端对所述提醒消息进行显示和/或播放。
与上述方法相匹配，本发明另一方面提供一种监护装置，包括：获取单元，用于获取WIFI模组所属环境中WIFI信号的信道状态信息数据；控制单元，用于对所述信道状态信息数据进行处理，以得到所述环境中的人体特征信息；所述控制单元，还用于根据所述人体特征信息确定所述环境中是否发生预设监护情况；所述控制单元，还用于若所述环境中发生预设监护情况，则发起所述环境中已发生预设监护情况的提醒消息。
可选地，其中，所述WIFI模组，设置于家居设备上；和/或，所述WIFI模组，包括：发送端和接收端；所述接收端，用于对WIFI模组所属环境中WIFI信号的信道状态信息数据进行获取；所述发送端，用于对所述接收端获取的所述信道状态信息数据进行上传；和/或，所述控制单元对所述信道状态信息数据进行处理的处理端，包括：设置有所述WIFI模组的家居设备，或由所述WIFI模组发往的云端或服务器；和/或，所述控制单元根据所述人体特征信息确定所述环境中是否发生预设监护情况的确定端，包括：设置有所述WIFI模组的家居设备，或由所述WIFI模组发往的云端或服务器；和/或，所述控制单元发起所述环境中已发生预设监护情况的提醒消息的发起端，包括：设置有所述WIFI模组的家居设备，或由所述WIFI模组发往的客户端；和/或，所述信道状态信息数据，包括：WIFI信道中子载波波形的状态信息数据；和/或，所述预设监护情况，包括：人体摔倒情况。
可选地，所述控制单元对所述信道状态信息数据进行处理，包括：对所述信道状态信息数据进行预处理，得到设定粒度信息；提取所述设定粒度信息中的设定特征值信息，以得到所述信道状态信息数据中的人体信号特征。
可选地，其中，所述控制单元对所述信道状态信息数据进行预处理，包括：对一串所述信道状态信息数据流中的每两两天线间的信道链路中的数据做卷积，进行初步去噪处理；以及，对该串所述信道状态信息数据流进行降维去冗余处理，得到设定粒度信息；和/或，所述控制单元提取所述设定粒度信息中的设定特征值信息，包括：通过离散小波变换将所述预处理后的一段时间内的设定粒度信息进行频率解析，以将设定粒度信息分成设定数量个频段，并将每个频段的小波系数提取出来作为进行识别的特征系数；以及，对每个频段中设定动作的频谱图进行运算，估计出每个采样时刻的设定速度，以作为所述设定粒度信息中的设定特征值信息。
可选地，其中，所述控制单元根据所述人体特征信息确定所述环境中是否发生预设监护情况，包括：根据设定特征信息与设定动作信息之间的对应关系，确定所述对应关系中与所述人体特征信息相同的设定特征信息对应的设定动作信息，为与所述人体特征信息对应的人体动作信息；确定所述人体动作信息是否属于预设监护范围；若所述人体动作信息属于所述预设监护范围，则确定所述环境中发生所述预设监护范围中的预设监护情况；和/或，所述控制单元发起所述环境中已发生预设监护情况的提醒消息，包括：通过设置有所述WIFI模组的家居设备，对所述环境中已发送预设监护情况的提醒消息进行显示和/或播放；和/或，通过所述WIFI模组，将所述环境中已发送预设监护情况的提醒消息发送至客户端，以通过客户端对所述提醒消息进行显示和/或播放。
与上述装置相匹配，本发明再一方面提供一种空调，包括：以上所述的监护装置。
与上述方法相匹配，本发明再一方面提供一种存储介质，包括：所述存储介质中存储有多条指令；所述多条指令，用于由处理器加载并执行以上所述的监护方法。
与上述方法相匹配，本发明再一方面提供一种空调，包括：处理器，用于执行多条指令；存储器，用于存储多条指令；其中，所述多条指令，用于由所述存储器存储，并由所述处理器加载并执行以上所述的监护方法。
本发明的方案，通过使用基于WIFI探测人体行为识别技术实现对老人的摔倒动作检测，在实现监护的同时也保护了用户隐私，且监护的精准性好。
进一步，本发明的方案，通过使用基于WIFI探测人体行为识别技术实现对老人的摔倒动作检测，并将相应警报信息发送给用户的家人，使得监护更加精准且便捷。
进一步，本发明的方案，通过使空调使用基于WIFI探测人体行为识别技术实现对老人的摔倒动作检测，并将相应警报信息发送给用户的家人，使得空调有效地对家中成员进行保护，监护更加可靠且精准。
进一步，本发明的方案，通过使用WIFI探测技术在保护隐私的情况下随时可以实现房间内人员的动作行为检测，提升了监护的精准性和安全性。
进一步，本发明的方案，通过使空调随时能够监护老年人，使得空调有效地对家中成员进行保护，避免事故发生酿成的后果，可靠且安全。
由此，本发明的方案，通过使用基于WIFI探测人体行为识别技术实现对老人的摔倒动作检测，并将相应警报信息发送给用户的家人，解决基于摄像机的动作识别技术受限于用户隐私及光照条件，影响智能设备对家庭成员的监控精准性的问题，提升智能设备对家庭成员的监控精准性。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
图1为本发明的监护方法的一实施例的流程示意图；
图2为本发明的方法中对所述信道状态信息数据进行处理的一实施例的流程示意图；
图3为本发明的方法中对所述信道状态信息数据进行预处理的一实施例的流程示意图；
图4为本发明的方法中提取所述设定粒度信息中的设定特征值信息的一实施例的流程示意图；
图5为本发明的方法中根据所述人体特征信息确定所述环境中是否发生预设监护情况的一实施例的流程示意图；
图6为本发明的监护装置的一实施例的结构示意图；
图7为本发明的空调的一实施例的人体行为识别***的工作流程示意图；
图8为本发明的空调的一实施例的空调检测到有人摔倒流程示意图；
图9为本发明的空调的一实施例的无人时的WIFI波形图像示意图；
图10为本发明的空调的一实施例的有人时的WIFI波形图像示意图；
图11 为本发明的空调的一实施例的WIFI模组识别技术波形数据处理流程示意图。
结合附图，本发明实施例中附图标记如下：
102-获取单元；104-控制单元。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明具体实施例及相应的附图对本发明技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
根据本发明的实施例，提供了一种监护方法，如图1所示本发明的方法的一实施例的流程示意图。该监护方法可以包括：步骤S110至步骤S140。
在步骤S110处，获取WIFI模组所属环境中WIFI信号的信道状态信息数据。
可选地，所述WIFI模组，设置于家居设备上。
由此，通过在家居设备如空调上设置WIFI模组，可以利用WIFI信号实现对家居环境中人体摔倒等情况的监护，且保护了用户隐私，人性化好。
可选地，所述WIFI模组，可以包括：发送端和接收端。所述接收端，可以用于对WIFI模组所属环境中WIFI信号的信道状态信息数据进行获取。所述发送端，可以用于对所述接收端获取的所述信道状态信息数据进行上传。例如：可以上传至云端或服务器等处。
例如：空调上配置双WIFI模块，一个用作发送端，一个用作接收端，在接收端对WIFI信号信道状态信息（CSI）数据进行统计提取。
由此，通过发送端和接收端形成WIFI模组，可以针对不同信息进行发送和接收，有利于提升通信的可靠性和便捷性。
可选地，所述信道状态信息数据，可以包括：WIFI信道中子载波波形的状态信息数据。
例如：通过软件工具提取WIFI信道的状态信息，即提取WIFI信道中子载波波形状态数据信息。
由此，通过多种形式的WIFI信号作为信道状态信息数据，使得对信道状态信息数据的获取和确定更加灵活和便捷。
在步骤S120处，对所述信道状态信息数据进行处理，以得到所述环境中的人体特征信息。
其中，步骤S120中对所述信道状态信息数据进行处理的处理端，可以包括：设置有所述WIFI模组的家居设备，或由所述WIFI模组发往的云端或服务器。
例如：设置在云端对CSI数据进行处理、提取特征值等操作，再在云端应用人工智能机器学习和神经网络算法进行行为动作识别，将识别的信息分别反馈给空调端的WIFI模块，空调端WIFI模块通过串口通讯将信息反馈给空调主控板，主控板根据接收到的信息指令做相应的空调控制指令。当识别到是人的摔倒动作时，空调再将相应的指令信息反馈给WIFI模块，让WIFI模块将信息发送给APP端，APP端接收到信息，向用户推送警报信息“有人摔倒”。
例如：智能语音空调，空调上配置双WIFI模块，一个用作发送端，一个用作接收端，在接收端对WIFI信号信道状态信息（CSI）数据进行统计提取，设置在云端对CSI数据进行处理、提取特征值等操作，再在云端应用人工智能机器学习和神经网络算法进行行为动作识别，将识别的信息分别反馈给空调端的WIFI模块和APP，此时是摔倒，则在APP上推送警报信息“有人摔倒”；而空调端WIFI模块通过串口通讯将信息反馈给空调主控板，主控板根据接收到的信息指令做相应的空调控制指令，控制语音板进行语音重复播报“有人摔倒了，有人摔倒了，有人摔倒了”。
由此，通过多种处理端对信道状态信息数据进行处理，提升了处理的便捷性和灵活性。
可选地，可以结合图2所示本发明的方法中对所述信道状态信息数据进行处理的一实施例流程示意图，进一步说明步骤S120中的对所述信道状态信息数据进行处理的具体过程，可以包括：步骤S210和步骤S220。
步骤S210，对所述信道状态信息数据进行预处理，得到设定粒度信息。所述预处理，可以包括：滤波处理，和/或去除设定异常点处理。
更可选地，可以结合图3所示本发明的方法中对所述信道状态信息数据进行预处理的一实施例流程示意图，进一步说明步骤S210中对所述信道状态信息数据进行预处理的具体过程，可以包括：步骤S310和步骤S320。
步骤S310，对一串所述信道状态信息数据流中的每两两天线间的信道链路中的数据做卷积，进行初步去噪处理。以及，
步骤S320，对该串所述信道状态信息数据流进行降维去冗余处理，得到设定粒度信息。
例如：针对提取到的波形数据进行去冗余等处理操作，如：利用海明窗低通滤波器对一串CSI数据流中的每两两天线间的信道链路中的数据做卷积，进行初步去噪处理，再利用PCA技术对CSI即信道状态信息数据流进行降维去冗余。
由此，通过对信道状态信息数据进行初步去燥和降维去冗余处理，得到设定粒度信息，处理方式简便、且处理结果精准。
步骤S220，提取所述设定粒度信息中的设定特征值信息，以得到所述信道状态信息数据中的人体信号特征。
由此，通过对信道状态信息数据进行预处理和特征值提取后，得到信道状态信息数据中的人体信号特征，精准且可靠。
更可选地，可以结合图4所示本发明的方法中提取所述设定粒度信息中的设定特征值信息的一实施例流程示意图，进一步说明步骤S220中提取所述设定粒度信息中的设定特征值信息的具体过程，可以包括：步骤S410和步骤S420。
步骤S410，通过离散小波变换将所述预处理后的一段时间内的设定粒度信息进行频率解析，以将设定粒度信息分成设定数量个频段，并将每个频段的小波系数提取出来作为进行识别的特征系数。以及，
步骤S420，对每个频段中设定动作的频谱图进行运算，估计出每个采样时刻的设定速度，以作为所述设定粒度信息中的设定特征值信息。
其中，设定粒度信息，可以是具有设定粒度的信息。设定特征值信息，可以是具有设定特征关键词或符合设定特征值的信息。
例如：对处理后的数据提取特征值，如：通过离散小波变换将去噪后的一段时间内的CSI信息进行频率解析，把它分成多个频段，每个频段的小波系数提取出来作为进行识别工作的特征，再运用了Percentiles算法（percentile函数，函数类型之一，用于计算分析数据的K百分比数值点）对指定动作的频谱图进行运算，估计出每个采样时刻的。
由此，通过对设定粒度信息进行频率解析和设定速度的估计，得到设定粒度信息中的设定特征值信息，处理方式可靠、且处理结果精准。
在步骤S130处，根据所述人体特征信息确定所述环境中是否发生预设监护情况。
例如：可以利用空调WIFI监测无线探测识别人体动作行为，保护隐私。使得空调WIFI模组可进行人体行为识别，保护用户隐私，有效监护家中老人。
例如：通过对WIFI信道状态信息（CSI）和WIFI信号强度进行信道的波形变化特征提取并分析处理，通过大数据人工智能分析波形数据特征识别出人体的动作行为。如：可以使用软件工具提取WIFI信道的波形，实时监视分析WIFI信道子载波波形变化，分析波形变化对应识别人体行为动作。
可选地，步骤S130中根据所述人体特征信息确定所述环境中是否发生预设监护情况的确定端，可以包括：设置有所述WIFI模组的家居设备，或由所述WIFI模组发往的云端或服务器。
由此，通过多种确定端根据人体特征信息确定环境中是否发生预设监护情况进行确定，提升了确定的便捷性和灵活性。
可选地，所述预设监护情况，可以包括：人体摔倒情况。
由此，通过多种形式的预设监护情况，可以满足多种需求的监护设置，灵活且可靠。
可选地，可以结合图5所示本发明的方法中根据所述人体特征信息确定所述环境中是否发生预设监护情况的一实施例流程示意图，进一步说明步骤S130中根据所述人体特征信息确定所述环境中是否发生预设监护情况的具体过程，可以包括：步骤S510至步骤S530。
步骤S510，根据设定特征信息与设定动作信息之间的对应关系，确定所述对应关系中与所述人体特征信息相同的设定特征信息对应的设定动作信息，为与所述人体特征信息对应的人体动作信息。所述人体动作信息，可以包括：人体摔倒信息、人体坐姿信息、和/或人体躺窝信息。
步骤S520，确定所述人体动作信息是否属于预设监护范围。
步骤S530，若所述人体动作信息属于所述预设监护范围，则确定所述环境中发生所述预设监护范围中的预设监护情况。
例如：可以通过对WIFI信道状态信息（CSI）和WIFI信号强度进行信道的波形变化特征提取并分析处理，通过大数据人工智能分析波形数据特征识别出人体的动作行为。如：利用算法和模型对筛选出的细粒度信息进行特征值抓取，建立信号特征与人体活动状态的映射，从而实现人体行为状态的识别。
例如：人的摔倒，房间内有人员摔倒，软件工具实时获取WIFI信道状态信息，将数据记录下来并进行一系列的处理等，将数据交给机器学习和深度学习神经网络模型进行动作行为识别。如：将数据通过机器学习的算法模型分析、基于深度学习模型的卷积神经网络进行人体动作行为识别。
例如：此机器学习和深度学习神经网络模型已通过大量的数据样本训练，模型还可以持续不断地学习，学习到越来越智能的模型，能够识别多种人体行为动作，比如摔倒、坐、躺卧等动作。
由此，通过设定特征信息、设定动作信息、预设监护范围之间的对应关系，基于人体特征信息确定环境中是否发生预设监护情况，确定方式简便、且确定结果精准。
在步骤S140处，若所述环境中发生预设监护情况，则发起所述环境中已发生预设监护情况的提醒消息，以及时提醒监护人所述环境中发生预设监护情况。
例如：提出一种基于WIFI对家人有一定监护功能的空调，不管在白天还是在黑夜对家庭人员实行一种很好的监护效果。空调使用基于WIFI探测人体行为识别技术实现对老人的摔倒动作检测，并将相应警报信息发送给用户的家人，使得空调有效地对家中成员进行保护，避免事故发生酿成的后果。这样，空调可在任何条件下监护老人和小孩的摔倒等行为动作，在保护用户隐私的情况下实现了对年长者的监护，有效地避免了因摔倒中风酿成的后果。从而，WIFI探测技术在保护隐私的情况下随时可以实现房间内人员的动作行为检测；空调随时能够监护老年人。
由此，通过对WIFI模组所属环境中WIFI信号的信道状态信息数据进行处理得到人体特征信息，进而根据该人体特征信息确定环境中发生预设监护情况时进行提醒，实现了对环境中待监护对象的监护，精准且可靠。
其中，步骤S140中发起所述环境中已发生预设监护情况的提醒消息的发起端，可以包括：设置有所述WIFI模组的家居设备，或由所述WIFI模组发往的客户端。
由此，通过多种提醒端对环境中已发生预设监护情况的提醒消息进行提醒，提升了提醒的灵活性和可靠性。
可选地，步骤S140中发起所述环境中已发生预设监护情况的提醒消息，可以包括以下一种提醒情形或多种提醒情形。
第一种提醒情形：通过设置有所述WIFI模组的家居设备，对所述环境中已发送预设监护情况的提醒消息进行显示和/或播放。
例如：人的行为动作对空调WIFI模组端的信号传播波形产生一定的干扰，空调端获取到WIFI信道状态信息，并将数据上传至云端服务器进行相应的处理操作（例如：云端对数据进行预处理，进行相应的滤波、去除异常点）；然后通过人工智能机器学习模型对数据进行处理；再通过神经网络模型对动作数据进行识别，识别出人的具体动作行为是不是摔倒，最终将识别的动作反馈给空调端。
第二种提醒情形：通过所述WIFI模组，将所述环境中已发送预设监护情况的提醒消息发送至客户端，以通过客户端对所述提醒消息进行显示和/或播放。
例如：如图8所示，当有人摔倒，空调识别***监测到房间内有人员摔倒，空调主控立即将信息反馈给WIFI通讯模块，WIFI模块与APP通讯并将信息发送给APP端，APP端接收到信息，向用户推送警报信息“有人摔倒”。
由此，通过多种提醒方式对环境中已发生预设监护情况的情况进行提醒，可以满足不同提醒需求的用户，方便且可靠。
经大量的试验验证，采用本实施例的技术方案，通过使用基于WIFI探测人体行为识别技术实现对老人的摔倒动作检测，在实现监护的同时也保护了用户隐私，且监护的精准性好。
根据本发明的实施例，还提供了对应于监护方法的一种监护装置。参见图6所示本发明的装置的一实施例的结构示意图。该监护装置可以包括：获取单元102和控制单元104。
在一个可选例子中，获取单元102，可以用于获取WIFI模组所属环境中WIFI信号的信道状态信息数据。该获取单元102的具体功能及处理参见步骤S110。
可选地，所述WIFI模组，设置于家居设备上。
由此，通过在家居设备如空调上设置WIFI模组，可以利用WIFI信号实现对家居环境中人体摔倒等情况的监护，且保护了用户隐私，人性化好。
可选地，所述WIFI模组，可以包括：发送端和接收端。所述接收端，可以用于对WIFI模组所属环境中WIFI信号的信道状态信息数据进行获取。所述发送端，可以用于对所述接收端获取的所述信道状态信息数据进行上传。例如：可以上传至云端或服务器等处。
例如：空调上配置双WIFI模块，一个用作发送端，一个用作接收端，在接收端对WIFI信号信道状态信息（CSI）数据进行统计提取。
由此，通过发送端和接收端形成WIFI模组，可以针对不同信息进行发送和接收，有利于提升通信的可靠性和便捷性。
可选地，所述信道状态信息数据，可以包括：WIFI信道中子载波波形的状态信息数据。
例如：通过软件工具提取WIFI信道的状态信息，即提取WIFI信道中子载波波形状态数据信息。
由此，通过多种形式的WIFI信号作为信道状态信息数据，使得对信道状态信息数据的获取和确定更加灵活和便捷。
在一个可选例子中，控制单元104，可以用于对所述信道状态信息数据进行处理，以得到所述环境中的人体特征信息。该控制单元104的具体功能及处理参见步骤S120。
其中，控制单元104对所述信道状态信息数据进行处理的处理端，可以包括：设置有所述WIFI模组的家居设备，或由所述WIFI模组发往的云端或服务器。
例如：设置在云端对CSI数据进行处理、提取特征值等操作，再在云端应用人工智能机器学习和神经网络算法进行行为动作识别，将识别的信息分别反馈给空调端的WIFI模块，空调端WIFI模块通过串口通讯将信息反馈给空调主控板，主控板根据接收到的信息指令做相应的空调控制指令。当识别到是人的摔倒动作时，空调再将相应的指令信息反馈给WIFI模块，让WIFI模块将信息发送给APP端，APP端接收到信息，向用户推送警报信息“有人摔倒”。
例如：智能语音空调，空调上配置双WIFI模块，一个用作发送端，一个用作接收端，在接收端对WIFI信号信道状态信息（CSI）数据进行统计提取，设置在云端对CSI数据进行处理、提取特征值等操作，再在云端应用人工智能机器学习和神经网络算法进行行为动作识别，将识别的信息分别反馈给空调端的WIFI模块和APP，此时是摔倒，则在APP上推送警报信息“有人摔倒”；而空调端WIFI模块通过串口通讯将信息反馈给空调主控板，主控板根据接收到的信息指令做相应的空调控制指令，控制语音板进行语音重复播报“有人摔倒了，有人摔倒了，有人摔倒了”。
由此，通过多种处理端对信道状态信息数据进行处理，提升了处理的便捷性和灵活性。
可选地，所述控制单元104对所述信道状态信息数据进行处理，可以包括：
所述控制单元104，具体还可以用于对所述信道状态信息数据进行预处理，得到设定粒度信息。所述预处理，可以包括：滤波处理，和/或去除设定异常点处理。该控制单元104的具体功能及处理还参见步骤S210。
更可选地，所述控制单元104对所述信道状态信息数据进行预处理，可以包括：
所述控制单元104，具体还可以用于对一串所述信道状态信息数据流中的每两两天线间的信道链路中的数据做卷积，进行初步去噪处理。该控制单元104的具体功能及处理还参见步骤S310。以及，
所述控制单元104，具体还可以用于对该串所述信道状态信息数据流进行降维去冗余处理，得到设定粒度信息。该控制单元104的具体功能及处理还参见步骤S320。
例如：针对提取到的波形数据进行去冗余等处理操作，如：利用海明窗低通滤波器对一串CSI数据流中的每两两天线间的信道链路中的数据做卷积，进行初步去噪处理，再利用PCA技术对CSI即信道状态信息数据流进行降维去冗余。
由此，通过对信道状态信息数据进行初步去燥和降维去冗余处理，得到设定粒度信息，处理方式简便、且处理结果精准。
所述控制单元104，具体还可以用于提取所述设定粒度信息中的设定特征值信息，以得到所述信道状态信息数据中的人体信号特征。该控制单元104的具体功能及处理还参见步骤S220。
由此，通过对信道状态信息数据进行预处理和特征值提取后，得到信道状态信息数据中的人体信号特征，精准且可靠。
更可选地，所述控制单元104提取所述设定粒度信息中的设定特征值信息，可以包括：
所述控制单元104，具体还可以用于通过离散小波变换将所述预处理后的一段时间内的设定粒度信息进行频率解析，以将设定粒度信息分成设定数量个频段，并将每个频段的小波系数提取出来作为进行识别的特征系数。该控制单元104的具体功能及处理还参见步骤S410。以及，
所述控制单元104，具体还可以用于对每个频段中设定动作的频谱图进行运算，估计出每个采样时刻的设定速度，以作为所述设定粒度信息中的设定特征值信息。该控制单元104的具体功能及处理还参见步骤S420。
其中，设定粒度信息，可以是具有设定粒度的信息。设定特征值信息，可以是具有设定特征关键词或符合设定特征值的信息。
例如：对处理后的数据提取特征值，如：通过离散小波变换将去噪后的一段时间内的CSI信息进行频率解析，把它分成多个频段，每个频段的小波系数提取出来作为进行识别工作的特征，再运用了Percentiles算法（percentile函数，函数类型之一，用于计算分析数据的K百分比数值点）对指定动作的频谱图进行运算，估计出每个采样时刻的。
由此，通过对设定粒度信息进行频率解析和设定速度的估计，得到设定粒度信息中的设定特征值信息，处理方式可靠、且处理结果精准。
在一个可选例子中，所述控制单元104，还可以用于根据所述人体特征信息确定所述环境中是否发生预设监护情况。该控制单元104的具体功能及处理还参见步骤S130。
例如：可以利用空调WIFI监测无线探测识别人体动作行为，保护隐私。使得空调WIFI模组可进行人体行为识别，保护用户隐私，有效监护家中老人。
例如：通过对WIFI信道状态信息（CSI）和WIFI信号强度进行信道的波形变化特征提取并分析处理，通过大数据人工智能分析波形数据特征识别出人体的动作行为。如：可以使用软件工具提取WIFI信道的波形，实时监视分析WIFI信道子载波波形变化，分析波形变化对应识别人体行为动作。
可选地，控制单元104根据所述人体特征信息确定所述环境中是否发生预设监护情况的确定端，可以包括：设置有所述WIFI模组的家居设备，或由所述WIFI模组发往的云端或服务器。
由此，通过多种确定端根据人体特征信息确定环境中是否发生预设监护情况进行确定，提升了确定的便捷性和灵活性。
可选地，所述预设监护情况，可以包括：人体摔倒情况。
由此，通过多种形式的预设监护情况，可以满足多种需求的监护设置，灵活且可靠。
可选地，所述控制单元104根据所述人体特征信息确定所述环境中是否发生预设监护情况，可以包括：
所述控制单元104，具体还可以用于根据设定特征信息与设定动作信息之间的对应关系，确定所述对应关系中与所述人体特征信息相同的设定特征信息对应的设定动作信息，为与所述人体特征信息对应的人体动作信息。该控制单元104的具体功能及处理还参见步骤S510。所述人体动作信息，可以包括：人体摔倒信息、人体坐姿信息、和/或人体躺窝信息。
所述控制单元104，具体还可以用于确定所述人体动作信息是否属于预设监护范围。该控制单元104的具体功能及处理还参见步骤S520。
所述控制单元104，具体还可以用于若所述人体动作信息属于所述预设监护范围，则确定所述环境中发生所述预设监护范围中的预设监护情况。该控制单元104的具体功能及处理还参见步骤S530。
例如：可以通过对WIFI信道状态信息（CSI）和WIFI信号强度进行信道的波形变化特征提取并分析处理，通过大数据人工智能分析波形数据特征识别出人体的动作行为。如：利用算法和模型对筛选出的细粒度信息进行特征值抓取，建立信号特征与人体活动状态的映射，从而实现人体行为状态的识别。
例如：人的摔倒，房间内有人员摔倒，软件工具实时获取WIFI信道状态信息，将数据记录下来并进行一系列的处理等，将数据交给机器学习和深度学习神经网络模型进行动作行为识别。如：将数据通过机器学习的算法模型分析、基于深度学习模型的卷积神经网络进行人体动作行为识别。
例如：此机器学习和深度学习神经网络模型已通过大量的数据样本训练，模型还可以持续不断地学习，学习到越来越智能的模型，能够识别多种人体行为动作，比如摔倒、坐、躺卧等动作。
由此，通过设定特征信息、设定动作信息、预设监护范围之间的对应关系，基于人体特征信息确定环境中是否发生预设监护情况，确定方式简便、且确定结果精准。
在一个可选例子中，所述控制单元104，还可以用于若所述环境中发生预设监护情况，则发起所述环境中已发生预设监护情况的提醒消息，以及时提醒监护人所述环境中发生预设监护情况。该控制单元104的具体功能及处理还参见步骤S140。
例如：提出一种基于WIFI对家人有一定监护功能的空调，不管在白天还是在黑夜对家庭人员实行一种很好的监护效果。空调使用基于WIFI探测人体行为识别技术实现对老人的摔倒动作检测，并将相应警报信息发送给用户的家人，使得空调有效地对家中成员进行保护，避免事故发生酿成的后果。这样，空调可在任何条件下监护老人和小孩的摔倒等行为动作，在保护用户隐私的情况下实现了对年长者的监护，有效地避免了因摔倒中风酿成的后果。从而，WIFI探测技术在保护隐私的情况下随时可以实现房间内人员的动作行为检测；空调随时能够监护老年人。
由此，通过对WIFI模组所属环境中WIFI信号的信道状态信息数据进行处理得到人体特征信息，进而根据该人体特征信息确定环境中发生预设监护情况时进行提醒，实现了对环境中待监护对象的监护，精准且可靠。
其中，控制单元104发起所述环境中已发生预设监护情况的提醒消息的发起端，可以包括：设置有所述WIFI模组的家居设备，或由所述WIFI模组发往的客户端。
由此，通过多种提醒端对环境中已发生预设监护情况的提醒消息进行提醒，提升了提醒的灵活性和可靠性。
可选地，所述控制单元104发起所述环境中已发生预设监护情况的提醒消息，可以包括以下一种提醒情形或多种提醒情形。
第一种提醒情形：所述控制单元104，具体还可以用于通过设置有所述WIFI模组的家居设备，对所述环境中已发送预设监护情况的提醒消息进行显示和/或播放。
例如：人的行为动作对空调WIFI模组端的信号传播波形产生一定的干扰，空调端获取到WIFI信道状态信息，并将数据上传至云端服务器进行相应的处理操作（例如：云端对数据进行预处理，进行相应的滤波、去除异常点）；然后通过人工智能机器学习模型对数据进行处理；再通过神经网络模型对动作数据进行识别，识别出人的具体动作行为是不是摔倒，最终将识别的动作反馈给空调端。
第二种提醒情形：所述控制单元104，具体还可以用于通过所述WIFI模组，将所述环境中已发送预设监护情况的提醒消息发送至客户端，以通过客户端对所述提醒消息进行显示和/或播放。
例如：如图8所示，当有人摔倒，空调识别***监测到房间内有人员摔倒，空调主控立即将信息反馈给WIFI通讯模块，WIFI模块与APP通讯并将信息发送给APP端，APP端接收到信息，向用户推送警报信息“有人摔倒”。
由此，通过多种提醒方式对环境中已发生预设监护情况的情况进行提醒，可以满足不同提醒需求的用户，方便且可靠。
由于本实施例的装置所实现的处理及功能基本相应于前述图1至图5所示的方法的实施例、原理和实例，故本实施例的描述中未详尽之处，可以参见前述实施例中的相关说明，在此不做赘述。
经大量的试验验证，采用本发明的技术方案，通过使用基于WIFI探测人体行为识别技术实现对老人的摔倒动作检测，并将相应警报信息发送给用户的家人，使得监护更加精准且便捷。
根据本发明的实施例，还提供了对应于监护装置的一种空调。该空调可以包括：以上所述的监护装置。
在一个可选实施方式中，本发明的方案，提出一种基于WIFI对家人有一定监护功能的空调，不管在白天还是在黑夜对家庭人员实行一种很好的监护效果。
在一个可选例子中，本发明的方案中，空调使用基于WIFI探测人体行为识别技术实现对老人的摔倒动作检测，并将相应警报信息发送给用户的家人，使得空调有效地对家中成员进行保护，避免事故发生酿成的后果。
这样，空调可在任何条件下监护老人和小孩的摔倒等行为动作，在保护用户隐私的情况下实现了对年长者的监护，有效地避免了因摔倒中风酿成的后果。从而，WIFI探测技术在保护隐私的情况下随时可以实现房间内人员的动作行为检测；空调随时能够监护老年人。
在一个可选具体实施方式中，可以参见图7至图11所示的例子，对本发明的方案的具体实现过程进行示例性说明。
如图7所示，人的行为动作对空调WIFI模组端的信号传播波形产生一定的干扰，空调端获取到WIFI信道状态信息，并将数据上传至云端服务器进行相应的处理操作（例如：云端对数据进行预处理，进行相应的滤波、去除异常点）；然后通过人工智能机器学习模型对数据进行处理；再通过神经网络模型对动作数据进行识别，识别出人的具体动作行为是不是摔倒，最终将识别的动作反馈给空调端。
例如：通过人工智能机器学习模型对数据进行处理，可以包括：算法模型分析数据，即：通过使用均值、方差、最大值、和最小值的差等4个特征来完成分类和识别；使用分类器KNN、SVM、随机森林、逻辑分析分别在超参数不同采样率、不同窗函数大小、特征筛选组合等不同因子下分析，获取CSI的行为分类对比，并且通过混淆矩阵来区分各个行为的特征。
其中，本发明的方案中，可以利用空调WIFI监测无线探测识别人体动作行为，保护隐私。使得空调WIFI模组可进行人体行为识别，保护用户隐私，有效监护家中老人。
如图8所示，当有人摔倒，空调识别***监测到房间内有人员摔倒，空调主控立即将信息反馈给WIFI通讯模块，WIFI模块与APP通讯并将信息发送给APP端，APP端接收到信息，向用户推送警报信息“有人摔倒”。
在一个可选具体例子中，空调上配置双WIFI模块，一个用作发送端，一个用作接收端，在接收端对WIFI信号信道状态信息（CSI）数据进行统计提取，设置在云端对CSI数据进行处理、提取特征值等操作，再在云端应用人工智能机器学习和神经网络算法进行行为动作识别，将识别的信息分别反馈给空调端的WIFI模块，空调端WIFI模块通过串口通讯将信息反馈给空调主控板，主控板根据接收到的信息指令做相应的空调控制指令。当识别到是人的摔倒动作时，空调再将相应的指令信息反馈给WIFI模块，让WIFI模块将信息发送给APP端，APP端接收到信息，向用户推送警报信息“有人摔倒”。
在一个可选具体例子中，智能语音空调，空调上配置双WIFI模块，一个用作发送端，一个用作接收端，在接收端对WIFI信号信道状态信息（CSI）数据进行统计提取，设置在云端对CSI数据进行处理、提取特征值等操作，再在云端应用人工智能机器学习和神经网络算法进行行为动作识别，将识别的信息分别反馈给空调端的WIFI模块和APP，此时是摔倒，则在APP上推送警报信息“有人摔倒”；而空调端WIFI模块通过串口通讯将信息反馈给空调主控板，主控板根据接收到的信息指令做相应的空调控制指令，控制语音板进行语音重复播报“有人摔倒了，有人摔倒了，有人摔倒了”。
其中，本发明的方案中使用的WIFI技术，通过对WIFI信道状态信息（CSI）和WIFI信号强度进行信道的波形变化特征提取并分析处理，通过大数据人工智能分析波形数据特征识别出人体的动作行为。
可选地，可以使用软件工具提取WIFI信道的波形，实时监视分析WIFI信道子载波波形变化，分析波形变化对应识别人体行为动作。
例如：软件工具，可以包括：Linux CSI Tools，是通过网卡可以采集到传输链路物理层信息的软件。
其中，软件在具有WIFI的设备上运行即可实现WIFI信道状态信息的获取；空间状态静止时，WIFI信号传播无异常，当空间状态出现变化时，会影响到信号传播的波形变化。利用算法和模型对筛选出的细粒度信息进行特征值抓取，建立信号特征与人体活动状态的映射，从而实现人体行为状态的识别。
例如：利用算法和模型对筛选出的细粒度信息进行特征值抓取，可以包括：机器学习的算法模型、基于深度学习的神经网络算法模型。此算法可以是通过程序代码实现，可以是基于开源框架开发。
其中，本发明中使用的WIFI技术，可以通过对WIFI信道状态信息（CSI）和WIFI信号强度进行信道的波形变化特征提取并分析处理，通过大数据人工智能分析波形数据特征识别出人体的动作行为。
例如：利用无线信号在传播过程中通过直射、反射、散射等多路径传播，子载波在多径传播中波形受到一定的波动，在被接收时形成的多路径叠加信号可反映出环境特征信息变化；利用算法和模型对筛选出的细粒度信息进行特征值抓取，建立信号特征与人体活动状态的映射，从而实现人体行为状态的识别。
在一个可选具体例子中，可以使用软件工具提取WIFI信道的波形，实时监视分析WIFI信道子载波波形变化，分析波形变化对应识别人体行为动作。可以参见图9、图10和图11所示的例子。
WIFI设备置于房间内，房间内有人及人员的行为动作对WIFI信号传播都会产生波形变化，首先通过软件工具提取WIFI信道的状态信息，即提取WIFI信道中子载波波形状态数据信息；再针对提取到的波形数据进行去冗余等处理操作（例如：利用海明窗低通滤波器对一串CSI数据流中的每两两天线间的信道链路中的数据做卷积，进行初步去噪处理，再利用PCA技术对CSI即信道状态信息数据流进行降维去冗余）；再对处理后的数据提取特征值（例如：通过离散小波变换将去噪后的一段时间内的CSI信息进行频率解析，把它分成多个频段，每个频段的小波系数提取出来作为进行识别工作的特征，再运用了Percentiles算法（percentile函数，函数类型之一，用于计算分析数据的K百分比数值点）对指定动作的频谱图进行运算，估计出每个采样时刻的速度分量；再将数据通过机器学习的算法模型分析、基于深度学习模型的卷积神经网络进行人体动作行为识别。
比如：人的摔倒，房间内有人员摔倒，软件工具实时获取WIFI信道状态信息，将数据记录下来并进行一系列的处理等，将数据交给机器学习和深度学习神经网络模型进行动作行为识别。
其中，此机器学习和深度学习神经网络模型已通过大量的数据样本训练，模型还可以持续不断地学习，学习到越来越智能的模型，能够识别多种人体行为动作，比如摔倒、坐、躺卧等动作。
可选地，可以使用此技术搭配空调及手机APP组建老人监护***。
由于本实施例的空调所实现的处理及功能基本相应于前述图6所示的装置的实施例、原理和实例，故本实施例的描述中未详尽之处，可以参见前述实施例中的相关说明，在此不做赘述。
经大量的试验验证，采用本发明的技术方案，通过使空调使用基于WIFI探测人体行为识别技术实现对老人的摔倒动作检测，并将相应警报信息发送给用户的家人，使得空调有效地对家中成员进行保护，监护更加可靠且精准。
根据本发明的实施例，还提供了对应于监护方法的一种存储介质。该存储介质，可以包括：所述存储介质中存储有多条指令；所述多条指令，用于由处理器加载并执行以上所述的监护方法。
由于本实施例的存储介质所实现的处理及功能基本相应于前述图1至图5所示的方法的实施例、原理和实例，故本实施例的描述中未详尽之处，可以参见前述实施例中的相关说明，在此不做赘述。
经大量的试验验证，采用本发明的技术方案，通过使用WIFI探测技术在保护隐私的情况下随时可以实现房间内人员的动作行为检测，提升了监护的精准性和安全性。
根据本发明的实施例，还提供了对应于监护方法的一种空调。该空调，可以包括：处理器，用于执行多条指令；存储器，用于存储多条指令；其中，所述多条指令，用于由所述存储器存储，并由所述处理器加载并执行以上所述的监护方法。
由于本实施例的空调所实现的处理及功能基本相应于前述图1至图5所示的方法的实施例、原理和实例，故本实施例的描述中未详尽之处，可以参见前述实施例中的相关说明，在此不做赘述。
经大量的试验验证，采用本发明的技术方案，通过使空调随时能够监护老年人，使得空调有效地对家中成员进行保护，避免事故发生酿成的后果，可靠且安全。
综上，本领域技术人员容易理解的是，在不冲突的前提下，上述各有利方式可以自由地组合、叠加。
以上所述仅为本发明的实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。
Claims (8)
1.一种监护方法，其特征在于，包括：
获取WIFI模组所属环境中WIFI信号的信道状态信息数据；
对所述信道状态信息数据进行处理，以得到所述环境中的人体特征信息；其中，对所述信道状态信息数据进行处理，包括：对所述信道状态信息数据进行预处理，得到设定粒度信息；提取所述设定粒度信息中的设定特征值信息，以得到所述信道状态信息数据中的人体信号特征；其中，对所述信道状态信息数据进行预处理，包括：对一串所述信道状态信息数据流中的每两两天线间的信道链路中的数据做卷积，进行初步去噪处理；以及，对该串所述信道状态信息数据流进行降维去冗余处理，得到设定粒度信息；提取所述设定粒度信息中的设定特征值信息，包括：通过离散小波变换将所述预处理后的一段时间内的设定粒度信息进行频率解析，以将设定粒度信息分成设定数量个频段，并将每个频段的小波系数提取出来作为进行识别的特征系数；以及，对每个频段中设定动作的频谱图进行运算，估计出每个采样时刻的设定速度，以作为所述设定粒度信息中的设定特征值信息；
根据所述人体特征信息确定所述环境中是否发生预设监护情况；
若所述环境中发生预设监护情况，则发起所述环境中已发生预设监护情况的提醒消息。
2.根据权利要求1所述的方法，其特征在于，其中，
所述WIFI模组，设置于家居设备上；
和/或，
所述WIFI模组，包括：发送端和接收端；所述接收端，用于对WIFI模组所属环境中WIFI信号的信道状态信息数据进行获取；所述发送端，用于对所述接收端获取的所述信道状态信息数据进行上传；
和/或，
对所述信道状态信息数据进行处理的处理端，包括：设置有所述WIFI模组的家居设备，或由所述WIFI模组发往的云端或服务器；
和/或，
根据所述人体特征信息确定所述环境中是否发生预设监护情况的确定端，包括：设置有所述WIFI模组的家居设备，或由所述WIFI模组发往的云端或服务器；
和/或，
发起所述环境中已发生预设监护情况的提醒消息的发起端，包括：设置有所述WIFI模组的家居设备，或由所述WIFI模组发往的客户端；
和/或，所述信道状态信息数据，包括：WIFI信道中子载波波形的状态信息数据；
和/或，
所述预设监护情况，包括：人体摔倒情况。
3.根据权利要求1或2所述的方法，其特征在于，其中，
根据所述人体特征信息确定所述环境中是否发生预设监护情况，包括：
根据设定特征信息与设定动作信息之间的对应关系，确定所述对应关系中与所述人体特征信息相同的设定特征信息对应的设定动作信息，为与所述人体特征信息对应的人体动作信息；
确定所述人体动作信息是否属于预设监护范围；
若所述人体动作信息属于所述预设监护范围，则确定所述环境中发生所述预设监护范围中的预设监护情况；
和/或，
发起所述环境中已发生预设监护情况的提醒消息，包括：
通过设置有所述WIFI模组的家居设备，对所述环境中已发送预设监护情况的提醒消息进行显示和/或播放；和/或，
通过所述WIFI模组，将所述环境中已发送预设监护情况的提醒消息发送至客户端，以通过客户端对所述提醒消息进行显示和/或播放。
4.一种监护装置，其特征在于，包括：
获取单元，用于获取WIFI模组所属环境中WIFI信号的信道状态信息数据；
控制单元，用于对所述信道状态信息数据进行处理，以得到所述环境中的人体特征信息；其中，所述控制单元对所述信道状态信息数据进行处理，包括：对所述信道状态信息数据进行预处理，得到设定粒度信息；提取所述设定粒度信息中的设定特征值信息，以得到所述信道状态信息数据中的人体信号特征；其中，所述控制单元对所述信道状态信息数据进行预处理，包括：对一串所述信道状态信息数据流中的每两两天线间的信道链路中的数据做卷积，进行初步去噪处理；以及，对该串所述信道状态信息数据流进行降维去冗余处理，得到设定粒度信息；所述控制单元提取所述设定粒度信息中的设定特征值信息，包括：通过离散小波变换将所述预处理后的一段时间内的设定粒度信息进行频率解析，以将设定粒度信息分成设定数量个频段，并将每个频段的小波系数提取出来作为进行识别的特征系数；以及，对每个频段中设定动作的频谱图进行运算，估计出每个采样时刻的设定速度，以作为所述设定粒度信息中的设定特征值信息；
所述控制单元，还用于根据所述人体特征信息确定所述环境中是否发生预设监护情况；
所述控制单元，还用于若所述环境中发生预设监护情况，则发起所述环境中已发生预设监护情况的提醒消息。
5.根据权利要求4所述的装置，其特征在于，其中，
所述WIFI模组，设置于家居设备上；
和/或，
所述WIFI模组，包括：发送端和接收端；所述接收端，用于对WIFI模组所属环境中WIFI信号的信道状态信息数据进行获取；所述发送端，用于对所述接收端获取的所述信道状态信息数据进行上传；
和/或，
所述控制单元对所述信道状态信息数据进行处理的处理端，包括：设置有所述WIFI模组的家居设备，或由所述WIFI模组发往的云端或服务器；
和/或，
所述控制单元根据所述人体特征信息确定所述环境中是否发生预设监护情况的确定端，包括：设置有所述WIFI模组的家居设备，或由所述WIFI模组发往的云端或服务器；
和/或，
所述控制单元发起所述环境中已发生预设监护情况的提醒消息的发起端，包括：设置有所述WIFI模组的家居设备，或由所述WIFI模组发往的客户端；
和/或，所述信道状态信息数据，包括：WIFI信道中子载波波形的状态信息数据；
和/或，
所述预设监护情况，包括：人体摔倒情况。
6.根据权利要求4或5所述的装置，其特征在于，其中，
所述控制单元根据所述人体特征信息确定所述环境中是否发生预设监护情况，包括：
根据设定特征信息与设定动作信息之间的对应关系，确定所述对应关系中与所述人体特征信息相同的设定特征信息对应的设定动作信息，为与所述人体特征信息对应的人体动作信息；
确定所述人体动作信息是否属于预设监护范围；
若所述人体动作信息属于所述预设监护范围，则确定所述环境中发生所述预设监护范围中的预设监护情况；
和/或，
所述控制单元发起所述环境中已发生预设监护情况的提醒消息，包括：
通过设置有所述WIFI模组的家居设备，对所述环境中已发送预设监护情况的提醒消息进行显示和/或播放；和/或，
通过所述WIFI模组，将所述环境中已发送预设监护情况的提醒消息发送至客户端，以通过客户端对所述提醒消息进行显示和/或播放。
7.一种空调，其特征在于，包括：如权利要求4-6任一所述的监护装置；
或者，
处理器，用于执行多条指令；
存储器，用于存储多条指令；
其中，所述多条指令，用于由所述存储器存储，并由所述处理器加载并执行如权利要求1-3任一所述的监护方法。
8.一种存储介质，其特征在于，所述存储介质中存储有多条指令；所述多条指令，用于由处理器加载并执行如权利要求1-3任一所述的监护方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910962090.5A CN110737201B (zh) | 2019-10-11 | 2019-10-11 | 一种监护方法、装置、存储介质及空调 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910962090.5A CN110737201B (zh) | 2019-10-11 | 2019-10-11 | 一种监护方法、装置、存储介质及空调 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110737201A CN110737201A (zh) | 2020-01-31 |
| CN110737201B true CN110737201B (zh) | 2020-10-09 |
Family
ID=69269896
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910962090.5A Active CN110737201B (zh) | 2019-10-11 | 2019-10-11 | 一种监护方法、装置、存储介质及空调 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110737201B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111444763B (zh) * | 2020-02-24 | 2023-07-18 | 珠海格力电器股份有限公司 | 一种安防控制方法、装置、存储介质及空调 |
| CN111442466B (zh) * | 2020-03-27 | 2021-09-21 | 青岛海尔空调器有限总公司 | 空调器室内机及其控制方法 |
| CN113918012A (zh) * | 2021-09-26 | 2022-01-11 | 珠海格力电器股份有限公司 | 控制界面的切换处理方法、装置、智能设备及终端 |
| CN113949598B (zh) * | 2021-10-25 | 2023-05-12 | 珠海格力电器股份有限公司 | 一种设备的控制方法、装置、设备及存储介质 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104766427A (zh) * | 2015-04-27 | 2015-07-08 | 太原理工大学 | 一种基于Wi-Fi的房屋非法入侵检测方法 |
| CN104951757A (zh) * | 2015-06-10 | 2015-09-30 | 南京大学 | 一种基于无线信号的动作检测和识别的方法 |
| JP2016126775A (ja) * | 2014-12-30 | 2016-07-11 | 三星電子株式会社Ｓａｍｓｕｎｇ Ｅｌｅｃｔｒｏｎｉｃｓ Ｃｏ．，Ｌｔｄ． | 生体信号を利用したユーザ認証方法及び装置 |
| CN105807935A (zh) * | 2016-04-01 | 2016-07-27 | 中国科学技术大学苏州研究院 | 一种基于WiFi的手势控制人机交互*** |
| CN106407905A (zh) * | 2016-08-31 | 2017-02-15 | 电子科技大学 | 基于机器学习的无线感知动作识别方法 |
| CN106658590A (zh) * | 2016-12-28 | 2017-05-10 | 南京航空航天大学 | 基于WiFi信道状态信息多人室内环境状态监控***的设计与实现 |
| WO2017124816A1 (zh) * | 2016-01-20 | 2017-07-27 | 北京大学 | 一种跌倒检测方法和*** |
| CN107633227A (zh) * | 2017-09-15 | 2018-01-26 | 华中科技大学 | 一种基于csi的细粒度手势识别方法和*** |
| CN108988968A (zh) * | 2018-07-27 | 2018-12-11 | 河北工程大学 | 人员行为检测方法、装置和终端设备 |
| CN109635837A (zh) * | 2018-11-10 | 2019-04-16 | 天津大学 | 一种基于商用无线Wi-Fi的场景无忧跌倒检测*** |
| CN110288018A (zh) * | 2019-06-24 | 2019-09-27 | 桂林电子科技大学 | 一种融合深度学习模型的WiFi身份识别方法 |
Family Cites Families (30)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW200933538A (en) * | 2008-01-31 | 2009-08-01 | Univ Nat Chiao Tung | Nursing system |
| US8411766B2 (en) * | 2008-04-09 | 2013-04-02 | Wi-Lan, Inc. | System and method for utilizing spectral resources in wireless communications |
| US20150164377A1 (en) * | 2013-03-13 | 2015-06-18 | Vaidhi Nathan | System and method of body motion analytics recognition and alerting |
| US10588545B2 (en) * | 2014-11-24 | 2020-03-17 | Tarkett Gdl | Monitoring system with pressure sensor in floor covering |
| CN104504855B (zh) * | 2015-01-13 | 2017-11-24 | 广东乐源数字技术有限公司 | 一种智能腰带及智能跌倒应急预警*** |
| CN105232022A (zh) * | 2015-09-17 | 2016-01-13 | 太原理工大学 | 基于WiFi中CSI信号强度的非侵入式呼吸心跳检测实现方法 |
| JP6900390B2 (ja) * | 2016-03-11 | 2021-07-07 | オリジン ワイヤレス， インコーポレイテッドＯｒｉｇｉｎ Ｗｉｒｅｌｅｓｓ， Ｉｎｃ． | バイタルサインを検出及び監視する方法、装置、サーバ及びシステム |
| CN105873212A (zh) * | 2016-05-16 | 2016-08-17 | 南京邮电大学 | 基于信道状态信息的室内环境人员检测方法 |
| US10045717B2 (en) * | 2016-06-10 | 2018-08-14 | The Regents Of The University Of California | WiFi-based person-identification technique for use in smart spaces |
| CN107979402B (zh) * | 2016-10-25 | 2020-09-08 | 华为技术有限公司 | 一种信道状态信息测量方法及装置 |
| KR101908306B1 (ko) * | 2017-01-05 | 2018-10-16 | 엘지전자 주식회사 | 공기조화기 및 그 제어방법 |
| CN106778043A (zh) * | 2017-01-23 | 2017-05-31 | 深圳亲友科技有限公司 | 基于智能家居的老人监护***、家居终端以及云服务平台 |
| CN107067031B (zh) * | 2017-03-29 | 2020-10-23 | 西北大学 | 一种基于Wi-Fi信号的书法姿态自动识别方法 |
| CN107331136A (zh) * | 2017-05-11 | 2017-11-07 | 深圳市斑点猫信息技术有限公司 | 基于WiFi的室内人体活动检测方法和*** |
| CN108042140A (zh) * | 2017-11-02 | 2018-05-18 | 四川建筑职业技术学院 | 一种基于物联网的老年人家庭监护***及摔倒检测方法 |
| CN107968689B (zh) * | 2017-12-06 | 2020-07-31 | 北京邮电大学 | 基于无线通信信号的感知识别方法及装置 |
| CN108614989B (zh) * | 2017-12-20 | 2019-11-26 | 深圳大学 | 一种基于WiFi的老人智能监护方法、***及介质 |
| CN108631890B (zh) * | 2018-02-08 | 2021-04-09 | 中国矿业大学 | 一种基于信道状态信息和随机森林的煤矿井下闯入检测方法 |
| CN108332359B (zh) * | 2018-02-09 | 2020-12-25 | 广东美的制冷设备有限公司 | 调节方法、调节装置、空调器和计算机可读存储介质 |
| CN108960051A (zh) * | 2018-05-28 | 2018-12-07 | 合肥工业大学 | 一种基于频率分析的自适应csi信号辅助滤波方法 |
| CN108901021B (zh) * | 2018-05-31 | 2021-05-11 | 大连理工大学 | 一种基于无线网络信道状态信息的深度学习身份识别***及方法 |
| CN109140715B (zh) * | 2018-07-12 | 2020-10-23 | 四川虹美智能科技有限公司 | 一种智能空调售卖***及方法 |
| KR101974002B1 (ko) * | 2018-11-14 | 2019-04-30 | 국방과학연구소 | 이동단말의 연속적인 고정밀 측위 방법 |
| CN109394229A (zh) * | 2018-11-22 | 2019-03-01 | 九牧厨卫股份有限公司 | 一种跌倒检测方法、装置及*** |
| CN109947238B (zh) * | 2019-01-17 | 2020-07-14 | 电子科技大学 | 一种基于wifi的非合作式手势识别的方法 |
| CN109998549A (zh) * | 2019-03-19 | 2019-07-12 | 浙江工业大学 | 一种基于WiFi信道状态信息的人体呼吸检测方法 |
| CN110059633A (zh) * | 2019-04-19 | 2019-07-26 | 西北工业大学 | 一种基于超声波的人体步态感知及其身份识别方法 |
| CN110119094A (zh) * | 2019-05-14 | 2019-08-13 | 佛山市秦钻智能建材科技有限公司 | 一种基于地面传感控制智能家居*** |
| CN110244570A (zh) * | 2019-05-22 | 2019-09-17 | 安徽三品技术服务有限公司 | 基于姿态感应的语言管家家居*** |
| CN110245588A (zh) * | 2019-05-29 | 2019-09-17 | 西安交通大学 | 一种基于无线射频信号的细粒度人体姿态估计方法 |
-
2019
- 2019-10-11 CN CN201910962090.5A patent/CN110737201B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2016126775A (ja) * | 2014-12-30 | 2016-07-11 | 三星電子株式会社Ｓａｍｓｕｎｇ Ｅｌｅｃｔｒｏｎｉｃｓ Ｃｏ．，Ｌｔｄ． | 生体信号を利用したユーザ認証方法及び装置 |
| CN104766427A (zh) * | 2015-04-27 | 2015-07-08 | 太原理工大学 | 一种基于Wi-Fi的房屋非法入侵检测方法 |
| CN104951757A (zh) * | 2015-06-10 | 2015-09-30 | 南京大学 | 一种基于无线信号的动作检测和识别的方法 |
| WO2017124816A1 (zh) * | 2016-01-20 | 2017-07-27 | 北京大学 | 一种跌倒检测方法和*** |
| CN105807935A (zh) * | 2016-04-01 | 2016-07-27 | 中国科学技术大学苏州研究院 | 一种基于WiFi的手势控制人机交互*** |
| CN106407905A (zh) * | 2016-08-31 | 2017-02-15 | 电子科技大学 | 基于机器学习的无线感知动作识别方法 |
| CN106658590A (zh) * | 2016-12-28 | 2017-05-10 | 南京航空航天大学 | 基于WiFi信道状态信息多人室内环境状态监控***的设计与实现 |
| CN107633227A (zh) * | 2017-09-15 | 2018-01-26 | 华中科技大学 | 一种基于csi的细粒度手势识别方法和*** |
| CN108988968A (zh) * | 2018-07-27 | 2018-12-11 | 河北工程大学 | 人员行为检测方法、装置和终端设备 |
| CN109635837A (zh) * | 2018-11-10 | 2019-04-16 | 天津大学 | 一种基于商用无线Wi-Fi的场景无忧跌倒检测*** |
| CN110288018A (zh) * | 2019-06-24 | 2019-09-27 | 桂林电子科技大学 | 一种融合深度学习模型的WiFi身份识别方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于CSI的室内人体摔倒检测及应用研究;李鑫;《中国优秀硕士学位论文全文数据库 信息科技辑》;20180115;第I140-800页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110737201A (zh) | 2020-01-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110737201B (zh) | 一种监护方法、装置、存储介质及空调 | |
| CN109508688B (zh) | 基于骨架的行为检测方法、终端设备及计算机存储介质 | |
| US9402568B2 (en) | Method and system for detecting a fall based on comparing data to criteria derived from multiple fall data sets | |
| WO2017092224A1 (zh) | 基于rfid的手势识别方法及*** | |
| CN109397703A (zh) | 一种故障检测方法及装置 | |
| CN104361716A (zh) | 实时检测疲劳并提醒的方法 | |
| CN111436944A (zh) | 一种基于智能移动终端的跌倒检测方法 | |
| CN111919242B (zh) | 用于处理多个信号的***和方法 | |
| CN111144321B (zh) | 专注度检测方法、装置、设备和存储介质 | |
| CN104240418B (zh) | 一种信号处理方法及报警设备 | |
| CN114469076A (zh) | 一种融合身份特征的独居老人跌倒识别方法及*** | |
| CN103845038A (zh) | 一种体征信号采集方法和设备 | |
| CN110428579B (zh) | 基于图像识别的室内监控***、方法及装置 | |
| CN113052127A (zh) | 一种行为检测方法、***、计算机设备及机器可读介质 | |
| CN115035686A (zh) | 基于信道状态信息的实时化跌倒检测方法、***及介质 | |
| CN114999643A (zh) | 一种基于WiFi的老人智能监护方法 | |
| CN114465678A (zh) | 一种基于深度学习的复杂活动wifi感知方法 | |
| CN113657201A (zh) | 船员行为监测分析方法、装置、设备及存储介质 | |
| CN113361469A (zh) | 一种覆盖状态识别方法、装置、设备及存储介质 | |
| JP2022003526A (ja) | 情報処理装置、検出システム、情報処理方法、及びプログラム | |
| CN111626273B (zh) | 基于原子性动作时序特性的摔倒行为识别***及方法 | |
| CN112767202A (zh) | 一种远程监测平台及监测方法 | |
| CN109620241B (zh) | 一种可穿戴设备及基于其的动作监测方法 | |
| CN114492656A (zh) | 一种基于计算机视觉和传感器的疲劳度监测*** | |
| CN111178134B (zh) | 一种基于深度学习与网络压缩的摔倒检测方法 |
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 |