CN115914583A - 基于视觉识别的老人监控设备及监控方法 - Google Patents
基于视觉识别的老人监控设备及监控方法 Download PDFInfo
- Publication number
- CN115914583A CN115914583A CN202310171499.1A CN202310171499A CN115914583A CN 115914583 A CN115914583 A CN 115914583A CN 202310171499 A CN202310171499 A CN 202310171499A CN 115914583 A CN115914583 A CN 115914583A
- Authority
- CN
- China
- Prior art keywords
- human body
- image
- face
- monitoring
- body image
- 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.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 51
- 230000000007 visual effect Effects 0.000 title claims abstract description 32
- 238000000034 method Methods 0.000 title claims abstract description 28
- 230000007246 mechanism Effects 0.000 claims abstract description 37
- 238000005259 measurement Methods 0.000 claims abstract description 25
- 238000013500 data storage Methods 0.000 claims abstract description 13
- 230000001815 facial effect Effects 0.000 claims abstract description 10
- 238000012545 processing Methods 0.000 claims abstract description 10
- 230000005484 gravity Effects 0.000 claims description 27
- 238000012806 monitoring device Methods 0.000 claims description 18
- 230000003993 interaction Effects 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000009434 installation Methods 0.000 claims description 8
- 230000006855 networking Effects 0.000 claims description 8
- 210000004394 hip joint Anatomy 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 2
- 210000000988 bone and bone Anatomy 0.000 claims 1
- 239000000284 extract Substances 0.000 description 4
- 238000000691 measurement method Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 206010016173 Fall Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000009532 heart rate measurement Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 230000036387 respiratory rate Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明提供一种基于视觉识别的老人监控设备及监控方法,属于视频监控技术领域,其中的监控设备包括大视场摄像头用于监测采集视场范围内老人的人体图像;小视场摄像头固定在转动机构上,用于在转动机构的带动下监测采集老人的面部图像;图像缓存模块,用于缓存人体图像与面部图像;图像处理模块用于从图像缓存模块获取人体图像与面部图像、对人体图像采用视觉识别算法判断老人是否跌倒、对面部图像采用生理信号测量算法采集老人的生理信号信息;数据存储模块用于存储跌倒判断结果和生理信号信息。本发明通过无接触方式实现对老人是否跌倒的监控以及生理信号的测量,降低误判率并提高用户体验。
Description
技术领域
本发明涉及视频监控技术领域,特别涉及一种基于视觉识别的老人监控设备及监控方法。
背景技术
在直接导致老年人受到伤害或死亡的各种诱因中,跌倒是最大诱因。当老年人发生跌倒时,如果不能及时发现并采取救治措施,极易导致老年人受到重大伤害或死亡。
目前主要的老人跌倒监测设备为接触式穿戴设备,该类设备利用加速度计判断使用者是否跌倒,但该类设备存在两大缺点,一是穿戴设备会引起老人身体不舒适,穿戴也较为麻烦;二是具有较高的误判率。例如,当老人在做剧烈运动时,把非跌倒动作检测为发生跌倒,从而发生误判。因此,现有的老人跌倒监测设备的体验不佳,给老人造成诸多不便。
发明内容
本发明的目的是为了克服已有技术的缺陷,提出一种基于视觉识别的老人监控设备及监控方法,利用大视场摄像头捕捉老人的跌倒状态,利用小视场摄像头捕捉老人的生理信号信息,采用非接触方式实现对老人是否跌倒的监控以及生理信号的测量。
为实现上述目的,本发明采用以下具体技术方案:
本发明提供的基于视觉识别的老人监控设备,包括:
大视场摄像头,其位置固定,用于监测采集视场范围内老人的人体图像;
小视场摄像头,其固定在转动机构上,用于在转动机构的带动下监测采集老人的面部图像;
图像缓存模块,其用于缓存人体图像与面部图像;
图像处理模块,其包括数据获取单元、跌倒判断单元、生理信号测量单元,数据获取单元用于从图像缓存模块获取人体图像与面部图像;跌倒判断单元用于对人体图像采用视觉识别算法判断老人是否跌倒,生理信号测量单元用于对面部图像采用生理信号测量算法采集老人的生理信号信息;
数据存储模块,其用于存储跌倒判断单元的判断结果和生理信号测量单元计算出的生理信号信息。
优选地,跌倒判断单元识别人体骨骼节点在人体图像中的位置,将人体骨骼节点中两个髋关节节点连线的中点定义为人体重心,判断前一帧人体图像的人体重心位置与当前帧人体图像的人体重心位置的差值是否大于重心差阈值,如果大于,则判断老人跌倒。
优选地,图像处理模块还包括转动角度计算单元,转动角度计算单元采用面部识别算法识别面部在人体图像中的位置(x,y),计算面部占整个人体图像的像素比r,根据预先标定的像素比r和面部在物理空间与监控设备安装面的垂直距离h的关系来计算面部在物理空间与监控设备安装面的垂直距离h,从而计算转动机构围绕水平方向的转动角度,以及转动机构围绕竖直方向的转动角度。
优选地,老人监控设备还包括语音交互模块,用于询问老人是否需要报警,如需要则发出报警信号,以及在收集到老人的语音信息时,播放生理信号测量单元采集到的生理信号信息。
优选地,老人监控设备还包括联网模块,用于通过网络发出报警信号。
本发明提供的老人监控方法,基于上述的老人监控设备实现,包括如下步骤:
通过大视场摄像头监测采集视场范围内老人的人体图像,跌倒判断单元对人体图像采用视觉识别算法判断老人是否跌倒,并将判断结果存储至数据存储模块;
基于人体图像计算转动机构的转动角度,通过转动机构将小视场摄像头转动至老人的面部位置,监测采集老人的面部图像,生理信号测量单元对面部图像采用生理信号测量算法采集老人的生理信号信息,并将判断结果存储至数据存储模块。
优选地,在跌倒判断单元对人体图像采用视觉识别算法判断老人是否跌倒的过程中,包括如下步骤:
识别人体骨骼节点在人体图像中的位置;
将人体骨骼节点中两个髋关节节点连线的中点定义为人体重心;
判断前一帧人体图像的人体重心位置与当前帧人体图像的人体重心位置的差值是否大于重心差阈值,如果大于,则判断老人跌倒。
优选地,重心差阈值随人体在人体图像中的占比变化而改变。
优选地,在基于人体图像计算转动机构的转动角度的过程中,包括如下步骤:
采用面部识别算法识别面部在人体图像中的位置(x,y),并计算面部占整个人体图像的像素比r;
根据预先标定的像素比r和面部在物理空间与监控设备安装面的垂直距离h的关系来计算面部在物理空间与监控设备安装面的垂直距离h;
基于面部在人体图像中的位置和面部在物理空间与监控设备安装面的垂直距离h计算转动机构围绕水平方向的转动角度及转动机构围绕竖直方向的转动角度。
优选地,在判断老人跌倒后,还包括如下步骤:
通过语音交互模块询问老人是否需要报警,如需要则通过联网模块发出报警信号。
本发明能够取得如下技术效果:
1、本发明通过无接触方式实现对老人是否跌倒的监控以及生理信号的测量,降低误判率并提高用户体验。
2、在人脸发生晃动时,转动机构能够实时调整小视场摄像头的位置,使人脸位于面部图像的中心,提高人脸在面部图像中的占比,从而提升人体生理信号的测量精度。
3、重心差阈值会根据人体在人体图像中的占比而实时动态变化,提高判断老人是否跌倒的准确率。
附图说明
图1是根据本发明实施例提供的基于视觉识别的老人监控设备的结构示意图;
图2示出了根据本发明实施例提供的图像处理模块的结构示意图。
其中的附图标记包括:大视场摄像头1、小视场摄像头2、转动机构3、图像缓存模块4、图像处理模块5、数据获取单元51、跌倒判断单元52、生理信号测量单元53、转动角度计算单元54、数据存储模块6、语音交互模块7和联网模块8。
具体实施方式
在下文中,将参考附图描述本发明的实施例。在下面的描述中,相同的模块使用相同的附图标记表示。在相同的附图标记的情况下,它们的名称和功能也相同。因此,将不重复其详细描述。
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及具体实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,而不构成对本发明的限制。
图1示出了根据本发明实施例提供的基于视觉识别的老人监控设备的结构。
如图1所示,本发明实施例提供的基于视觉识别的老人监控设备,包括大视场摄像头1、小视场摄像头2、转动机构3、图像缓存模块4、图像处理模块5和数据存储模块6;其中,
大视场摄像头1的位置固定不动,大视场摄像头1具有较大的视场范围,能够监控老人的活动轨迹,实时采集视场范围内老人的人体图像,判断老人是否跌倒。人体图像是指能够覆盖老人全身的图像。
小视场摄像头2固定在转动机构3上,转动机构3带动小视场摄像头2转动,使小视场摄像头2正对老人的面部,通过小视场摄像头2采集老人的面部图像,测量生理信号信息,生理信号信息包括但不限于心率、血氧饱和度、心率变异性信息、呼吸频率和呼吸深度,生理信号信息的测量方法与转动机构3的具体结构均属于现有技术,故在此不再赘述。
图像缓存模块4对大视场摄像头1采集的人体图像和小视场摄像头2采集的面部图像进行缓存,便于图像处理模块5进行提取。
图像处理模块5的结构如图2所示,包括数据获取单元51、跌倒判断单元52、生理信号测量单元53和转动角度计算单元54,数据获取单元51从图像缓存模块4中提取人体图像发送至跌倒判断单元52和转动角度计算单元54以及从图像缓存模块4中提取面部图像发送至生理信号测量单元53。
跌倒判断单元52首先计算人体图像的特征向量,将特征向量与预存数据集进行对比得到人体骨骼节点在人体图像中的位置,然后将人体骨骼节点中两个髋关节节点连线的中点定义为人体重心,最后判断前一帧人体图像的人体重心位置与当前帧人体图像的人体重心位置的差值是否大于重心差阈值,如果大于重心差阈值,则判断老人跌倒。
生理信号测量单元53的测量方法均为现有技术,故在此不再赘述。
转动角度计算单元54用于基于面部图像计算小视场摄像头2转动到正对老人面部的旋转角度,也就是转动机构3的旋转角度。转动角度计算单元54首先采用面部识别算法识别面部在人体图像中的位置(x,y),然后计算面部占整个人体图像的像素比r,根据像素比r和面部在物理空间与监控设备安装面的垂直距离h的关系来计算面部在物理空间与监控设备安装面的垂直距离h,从而计算出转动机构3围绕水平方向的转动角度,以及转动机构3围绕竖直方向的转动角度。
数据存储模块6用于存储跌倒判断单元52的判断结果和生理信号测量单元53计算出的生理信号信息。
老人监控设备还包括语音交互模块7用于与老人进行语音交互,在老人跌倒后询问老人是否需要报警,如需要报警则发出报警信号,当语音交互模块7收集到老人的语音信息时,唤醒生理信号测量单元53测量老人的生理信号信息,以对生理信号测量单元53采集到的生理信号信息进行播放。例如老人发出 “心率测量”语音信息时,生理信号测量单元53测量老人的心率。
老人监控设备进一步包括联网模块,联网模块用于通过网络与社区、家属和医疗机构进行网络通信,将报警信号发给社区、家属和医疗机构。
上述内容详细说明了本发明实施例提供的基于视觉识别的老人监控设备的具体结构,与该监控设备相对应,本发明还提供一种利用该监控设备实现的老人监控方法。
本发明实施例提供的老人监控方法,包括如下两个步骤:
通过大视场摄像头监测采集视场范围内老人的人体图像,跌倒判断单元对人体图像采用视觉识别算法判断老人是否跌倒,并将判断结果存储至数据存储模块。
基于人体图像计算转动机构的转动角度,通过转动机构将小视场摄像头转动至老人的面部位置,监测采集老人的面部图像,生理信号测量单元对面部图像采用生理信号测量算法采集老人的生理信号信息,并将判断结果存储至数据存储模块。
判断老人是否跌倒与采集老人的生理信号信息是两个独立的动作,本发明不仅可以在老人跌倒的情况下采集生理信号信息,还可以在老人未跌倒的情况下采集生理信号信息,是否采集生理信息的动作由语音交互模块来判断,在语音交互模块接收到老人的语音信息时,唤醒生理信号测量单元,采集老人的生理信号信息。
在跌倒判断单元对人体图像采用视觉识别算法判断老人是否跌倒的过程中,包括如下步骤:
识别人体骨骼节点在人体图像中的位置;
将人体骨骼节点中两个髋关节节点连线的中点定义为人体重心;
判断前一帧人体图像的人体重心位置与当前帧人体图像的人体重心位置的差值是否大于重心差阈值,如果大于,则判断老人跌倒。
重心差阈值随人体在人体图像中的占比变化而改变,从而提高判断的准确率。
在基于人体图像计算转动机构的转动角度的过程中,包括如下步骤:
采用面部识别算法识别面部在人体图像中的位置(x,y),并计算面部占整个人体图像的像素比r;
根据像素比r和面部在物理空间与监控设备安装面的垂直距离h的关系来计算面部在物理空间与监控设备安装面的垂直距离h;
基于面部在人体图像中的位置和面部在物理空间与监控设备安装面的垂直距离h计算转动机构围绕水平方向的转动角度及转动机构围绕竖直方向的转动角度。
面部占整个人体图像的像素比r和面部在物理空间与设备安装面垂直距离h的关系h=f(r)的预先标定方法为:人分别站在与设备安装面垂直距离为若干值的位置,每站在一个位置大视场摄像头拍摄一幅图像,同时计算面部占整个图像的像素之比。
表格表示可以用拟合的方式提取函数关系,利用数值拟合方法得到面部占整个图像像素之比r和面部在物理空间与设备安装面垂直距离h的关系。
在计算出转动机构的转动角度后,转动机构带动小视场摄像头转动对准老人的面部进行面部图像采集。在人脸发生晃动时,转动机构能够实时调整小视场摄像头的位置,使人脸位于面部图像的中心,提高人脸在面部图像中的占比,从而提升人体生理信号的测量精度。
在判断老人跌倒后,可以通过语音交互模块询问老人是否需要报警,如需要报警,则通过联网模块发出向社区、家属、医疗机构等报警信号。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
以上本发明的具体实施方式,并不构成对本发明保护范围的限定。任何根据本发明的技术构思所作出的各种其他相应的改变与变形,均应包含在本发明权利要求的保护范围内。
Claims (10)
1.一种基于视觉识别的老人监控设备,其特征在于,包括:
大视场摄像头,其位置固定,用于监测采集视场范围内老人的人体图像;
小视场摄像头,其固定在转动机构上,用于在所述转动机构的带动下监测采集老人的面部图像;
图像缓存模块,其用于缓存所述人体图像与所述面部图像;
图像处理模块,其包括数据获取单元、跌倒判断单元、生理信号测量单元,所述数据获取单元用于从所述图像缓存模块获取所述人体图像与所述面部图像;所述跌倒判断单元用于对所述人体图像采用视觉识别算法判断老人是否跌倒,所述生理信号测量单元用于对所述面部图像采用生理信号测量算法采集老人的生理信号信息;
数据存储模块,其用于存储所述跌倒判断单元的判断结果和所述生理信号测量单元计算出的生理信号信息。
2.如权利要求1所述的基于视觉识别的老人监控设备,其特征在于,所述跌倒判断单元识别人体骨骼节点在所述人体图像中的位置,将所述人体骨骼节点中两个髋关节节点连线的中点定义为人体重心,判断前一帧人体图像的人体重心位置与当前帧人体图像的人体重心位置的差值是否大于重心差阈值,如果大于,则判断老人跌倒。
3.如权利要求1所述的基于视觉识别的老人监控设备,其特征在于,所述图像处理模块还包括转动角度计算单元,所述转动角度计算单元采用面部识别算法识别面部在所述人体图像中的位置(x,y),计算面部占整个人体图像的像素比r,根据预先标定的像素比r和面部在物理空间与监控设备安装面的垂直距离h的关系 来计算面部在物理空间与监控设备安装面的垂直距离h,从而计算所述转动机构围绕水平方向的转动角度,以及所述转动机构围绕竖直方向的转动角度。
4.如权利要求1所述的基于视觉识别的老人监控设备,其特征在于,还包括语音交互模块,用于询问老人是否需要报警,如需要则发出报警信号,以及在收集到老人的语音信息时,播放所述生理信号测量单元采集到的生理信号信息。
5.如权利要求4所述的基于视觉识别的老人监控设备,其特征在于,还包括联网模块,用于通过网络发出所述报警信号。
6.一种利用权利要求1所述的基于视觉识别的老人监控设备实现的老人监控方法,其特征在于,包括如下步骤:
通过大视场摄像头监测采集视场范围内老人的人体图像,跌倒判断单元对所述人体图像采用视觉识别算法判断老人是否跌倒,并将判断结果存储至数据存储模块;
基于所述人体图像计算转动机构的转动角度,通过所述转动机构将小视场摄像头转动至老人的面部位置,监测采集老人的面部图像,生理信号测量单元对所述面部图像采用生理信号测量算法采集老人的生理信号信息,并将判断结果存储至数据存储模块。
7.如权利要求6所述的基于视觉识别的老人监控设备实现的老人监控方法,其特征在于,在跌倒判断单元对所述人体图像采用视觉识别算法判断老人是否跌倒的过程中,包括如下步骤:
识别人体骨骼节点在所述人体图像中的位置;
将所述人体骨骼节点中两个髋关节节点连线的中点定义为人体重心;
判断前一帧人体图像的人体重心位置与当前帧人体图像的人体重心位置的差值是否大于重心差阈值,如果大于,则判断老人跌倒。
8.如权利要求7所述的基于视觉识别的老人监控设备实现的老人监控方法,其特征在于,所述重心差阈值随人体在所述人体图像中的占比变化而改变。
9.如权利要求6所述的基于视觉识别的老人监控设备实现的老人监控方法,其特征在于,在基于所述人体图像计算转动机构的转动角度的过程中,包括如下步骤:
采用面部识别算法识别面部在所述人体图像中的位置(x,y),并计算面部占整个人体图像的像素比r;
根据预先标定的像素比r和面部在物理空间与监控设备安装面的垂直距离h的关系来计算面部在物理空间与监控设备安装面的垂直距离h;
基于面部在所述人体图像中的位置和面部在物理空间与监控设备安装面的垂直距离h计算所述转动机构围绕水平方向的转动角度及所述转动机构围绕竖直方向的转动角度。
10.如权利要求6所述的基于视觉识别的老人监控设备实现的老人监控方法,其特征在于,在判断老人跌倒后,还包括如下步骤:
通过语音交互模块询问老人是否需要报警,如需要则通过联网模块发出报警信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310171499.1A CN115914583B (zh) | 2023-02-28 | 2023-02-28 | 基于视觉识别的老人监控设备及监控方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310171499.1A CN115914583B (zh) | 2023-02-28 | 2023-02-28 | 基于视觉识别的老人监控设备及监控方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115914583A true CN115914583A (zh) | 2023-04-04 |
CN115914583B CN115914583B (zh) | 2023-06-02 |
Family
ID=86491732
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310171499.1A Active CN115914583B (zh) | 2023-02-28 | 2023-02-28 | 基于视觉识别的老人监控设备及监控方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115914583B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117576857A (zh) * | 2024-01-16 | 2024-02-20 | 四川并济科技有限公司 | 基于神经网络模型的智慧安全监测***及方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006040151A (ja) * | 2004-07-29 | 2006-02-09 | Toshiba Corp | 顔認証装置、顔認証方法および通行制御装置 |
JP2008210239A (ja) * | 2007-02-27 | 2008-09-11 | Nissan Motor Co Ltd | 視線推定装置 |
CN105979220A (zh) * | 2016-06-21 | 2016-09-28 | 南京工业大学 | 一种家居养老监控智能移动小车、监控***及其监控方法 |
CN106027978A (zh) * | 2016-06-21 | 2016-10-12 | 南京工业大学 | 一种智能家居养老的视频监控异常行为***及方法 |
CN109887238A (zh) * | 2019-03-12 | 2019-06-14 | 朱利 | 一种基于视觉和人工智能的跌倒检测***及检测报警方法 |
CN112839165A (zh) * | 2020-11-27 | 2021-05-25 | 深圳市捷视飞通科技股份有限公司 | 人脸跟踪摄像的实现方法、装置、计算机设备和存储介质 |
CN112890792A (zh) * | 2020-11-25 | 2021-06-04 | 合肥工业大学 | 一种基于网络摄像头的云计算心血管健康监护***及方法 |
KR20210158466A (ko) * | 2020-06-23 | 2021-12-31 | (주)엔에스데블 | 음성인식을 사용한 부정행위를 방지하는 안면윤곽선 인식 인공지능을 사용한 온라인 시험 시스템 및 그 방법 |
US20220138970A1 (en) * | 2020-11-05 | 2022-05-05 | Zhejiang University | Structural vibration monitoring method based on computer vision and motion compensation |
WO2023019699A1 (zh) * | 2021-08-16 | 2023-02-23 | 武汉大学 | 一种基于3d人脸模型的俯角人脸识别方法及*** |
-
2023
- 2023-02-28 CN CN202310171499.1A patent/CN115914583B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006040151A (ja) * | 2004-07-29 | 2006-02-09 | Toshiba Corp | 顔認証装置、顔認証方法および通行制御装置 |
JP2008210239A (ja) * | 2007-02-27 | 2008-09-11 | Nissan Motor Co Ltd | 視線推定装置 |
CN105979220A (zh) * | 2016-06-21 | 2016-09-28 | 南京工业大学 | 一种家居养老监控智能移动小车、监控***及其监控方法 |
CN106027978A (zh) * | 2016-06-21 | 2016-10-12 | 南京工业大学 | 一种智能家居养老的视频监控异常行为***及方法 |
CN109887238A (zh) * | 2019-03-12 | 2019-06-14 | 朱利 | 一种基于视觉和人工智能的跌倒检测***及检测报警方法 |
KR20210158466A (ko) * | 2020-06-23 | 2021-12-31 | (주)엔에스데블 | 음성인식을 사용한 부정행위를 방지하는 안면윤곽선 인식 인공지능을 사용한 온라인 시험 시스템 및 그 방법 |
US20220138970A1 (en) * | 2020-11-05 | 2022-05-05 | Zhejiang University | Structural vibration monitoring method based on computer vision and motion compensation |
CN112890792A (zh) * | 2020-11-25 | 2021-06-04 | 合肥工业大学 | 一种基于网络摄像头的云计算心血管健康监护***及方法 |
CN112839165A (zh) * | 2020-11-27 | 2021-05-25 | 深圳市捷视飞通科技股份有限公司 | 人脸跟踪摄像的实现方法、装置、计算机设备和存储介质 |
WO2023019699A1 (zh) * | 2021-08-16 | 2023-02-23 | 武汉大学 | 一种基于3d人脸模型的俯角人脸识别方法及*** |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117576857A (zh) * | 2024-01-16 | 2024-02-20 | 四川并济科技有限公司 | 基于神经网络模型的智慧安全监测***及方法 |
CN117576857B (zh) * | 2024-01-16 | 2024-04-02 | 四川并济科技有限公司 | 基于神经网络模型的智慧安全监测***及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115914583B (zh) | 2023-06-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111166342B (zh) | 一种毫米波雷达和摄像头融合跌倒检测装置及其检测方法 | |
US20170109990A1 (en) | Method and system for fall detection | |
EP3563764B1 (en) | Determining body postures and activities | |
CN109887238B (zh) | 一种基于视觉和人工智能的跌倒检测***及检测报警方法 | |
JP5674766B2 (ja) | 着用位置を検出するためのセンシングデバイス | |
US20060270949A1 (en) | Monitoring apparatus for ambulatory subject and a method for monitoring the same | |
CN109919132A (zh) | 一种基于骨架检测的行人跌倒识别方法 | |
CN111166357A (zh) | 多传感器融合的疲劳监测装置***及其监测方法 | |
US20070112287A1 (en) | System and method for detecting deviations in nominal gait patterns | |
CN114895301B (zh) | 一种毫米波雷达和视频辅助的室内跌倒检测方法及装置 | |
CN115914583A (zh) | 基于视觉识别的老人监控设备及监控方法 | |
CN105708470A (zh) | 基于多普勒探测器与传感器联合的跌倒检测***和方法 | |
CN109171734A (zh) | 基于多传感器数据融合的人体行为分析云管理*** | |
CN114446026B (zh) | 一种物品遗忘提醒方法、相应的电子设备及装置 | |
CN110675596A (zh) | 应用于可穿戴终端的跌倒检测方法 | |
CN106781276A (zh) | 一种老人异常行为监测*** | |
CN109348190A (zh) | 基于视频监控的摔倒监控***及方法 | |
CN112017395A (zh) | 一种卫生间跌倒监测方法及监测装置 | |
CN116189383A (zh) | 一种基于惯性传感的跌倒及其相似动作预警方法 | |
Xie et al. | ART: adaptive and real-time fall detection using COTS smart watch | |
CN105741483B (zh) | 一种用于监所民警的安全警戒装置 | |
CN211155811U (zh) | 一种包含姿态识别的监测手环设备 | |
CN106875631A (zh) | 一种摔倒检测报警方法及*** | |
CN110675595B (zh) | 一种基于视觉和人工智能的跌倒检测*** | |
CN208225261U (zh) | 一种腰带式人体意外跌倒检测定位装置 |
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 |