【技术实现步骤摘要】
本公开涉及一种用于监测对象的活动的系统和方法，特别地但不排他地，涉及一种基于计算机视觉的用于监测需要照顾者注意的患者或对象的活动的系统。
技术介绍
1、在医院或安老院中，通常发现大量患者经历了持续时间不等的不同形式的医疗护理和治疗。标记标签可用于识别这些患者。持续跟踪每个患者的情况以确保医院管理机构和医务人员实施正确的医疗护理或提供安全性至关重要。这些标签可具有条形码和文本，从而可通过条形码扫描器读取或扫描标签。随后，这些标签可系于患者的手腕，或者简单地用粘合剂附着于患者。
2、然而，患者佩戴的标记装置仅能够标记患者且仅能够提供患者的位置。对这些患者的活动的监测只能以亲自监测的方式或通过监测摄像机来执行。有时，患者可能并未在房屋内移动位置，但却进行有风险的活动和/或意图。
技术实现思路
1、根据本公开的第一方面，提供了一种用于监测对象的活动的方法，包括以下步骤：提供捕获所述对象和支撑家具物品的至少一部分的深度图像，其中，所述支撑家具物品设置有支撑表面，所述支撑表面用于物理地支撑待设置于其上的所述对象，且所述对象可相对于所述支撑家具物品移动；处理所述深度图像，以确定在所述深度图像中捕获的所述对象和包括所述支撑表面的所述支撑家具物品的活动；以及在确定所述对象的活动被识别为有风险的活动时，生成警报。
2、根据第一方面，所述深度图像由3d空间传感器捕获，所述3d空间传感器包括立体相机、3d固态激光雷达或结构光相机。
3、根据第一方面，所述处理深度图像的步
4、根据第一方面，所述处理深度图像的步骤还包括：识别所述支撑家具物品的位置，包括定位在深度图像中捕获的支撑家具物品的支撑表面。
5、根据该第一方面，所述识别所述支撑家具物品的位置的步骤包括以下步骤中的至少一个：识别一个或多个机器可检测的标记，每个所述标记指示所述支撑家具物品的特征的预设位置；由操作者标注所述支撑家具物品的位置；或通过ai图像识别确定所述支撑家具物品的位置。
6、根据第一方面，所述处理深度图像的步骤还包括：识别可由一个或多个传感器和/或计算机视觉检测的支撑家具物品以及其他家具的状态。
7、根据第一方面，所述处理所述深度图像的步骤还包括：基于训练的ai模型、机器学习和/或所述对象的骨架，识别所述对象的位置和/或姿势。
8、根据第一方面，所述处理深度图像的步骤还包括：参考在单个和/或一系列深度图像序列中捕获的对象的跟踪姿势，和/或所述支撑家具以外的家具的状态，以预测由所述对象执行的有风险活动。
9、根据第一方面，所述处理所述深度图像的步骤还包括：基于表示所述对象停留在所述支撑家具物品的支撑表面上/上方的点云中的点与所述支撑表面外部的点的比率，识别所述对象的在所述支撑表面外部的部分，以确定所述活动是否有风险。
10、根据第一方面，所述对象是患者或需要照顾者和/或其他人注意的对象。
11、根据本公开的第二方面，提供了一种用于监测对象的活动的系统，包括：3d空间传感器，用于提供捕获所述对象和支撑家具物品的至少一部分的深度图像，其中，所述支撑家具物品设置有支撑表面，所述支撑表面用于物理地支撑待设置于其上的所述对象，所述对象可相对于所述支撑家具物品移动；处理模块，用于处理所述深度图像，以确定所述对象和所述支撑家具物品的活动，所述支撑家具物品包括在所述深度图像中捕获的所述支撑表面；以及警告模块，用于在确定所述对象的活动被识别为有风险的活动时，生成警报。
12、根据第二方面，其中，所述深度图像由3d空间传感器捕获，所述3d空间传感器包括立体相机、3d固态激光雷达或结构光相机。
13、根据第二方面，3d空间传感器包括3d激光雷达模块、固态激光雷达模块和ir结构光传感器和/或立体相机中的至少一个。
14、根据第二方面，所述深度图像不包括rgb信息。
15、根据第二方面，所述处理模块用于将所述深度图像转换为点云数据，以用于所述对象和所述支撑家具物品的进一步分析，从而确定所述对象的活动。
16、根据第二方面，所述处理模块包括嵌入式计算机或与嵌入式计算机通信的云服务器。
17、根据第二方面，所述处理模块用于识别所述支撑家具物品的位置，包括定位在所述深度图像中捕获的所述支撑家具物品的支撑表面。
18、根据该第二方面，所述处理模块用于通过执行以下各项中的至少一项来识别所述支撑家具物品的位置：识别一个或多个机器可检测的标记，每个所述标记指示所述支撑家具物品的特征的预设位置；由操作者标注所述支撑家具物品的位置；或通过ai图像识别确定所述支撑家具物品的位置。
19、根据第二方面，所述处理模块用于识别可由一个或多个传感器和/或计算机视觉检测到的所述支撑家具物品以及其他家具的状态。
20、根据第二方面，所述一个或多个传感器包括触摸传感器、运动传感器、惯性测量单元和/或高度传感器以测量家具的状态和信息。
21、根据第二方面，所述处理模块用于基于训练的ai模型、机器学习和/或所述对象的骨架，标识所述对象的位置和/或姿势。
22、根据第二方面，所述处理模块还用于基于对象的头部和/或肩部，识别对象的姿势和/或位置。
23、根据第二方面，所述处理模块用于参考(i)在单个和/或一系列深度图像序列中捕获的对象的跟踪姿势，和/或(ii)所述支撑家具以外的家具的状态，以预测由所述对象执行的有风险活动。
24、根据第二方面，所述处理模块还用于参考对象执行的活动水平，预测对象的意图或趋势。
25、根据第二方面，所述警告模块进一步用于在识别出所述对象倾向于从所述支撑表面落下和/或离开所述支撑表面时，产生所述警报。
26、根据第二方面，所述处理模块用于基于表示所述对象停留在所述支撑家具物品的支撑表面上/上方和所述支撑表面外部的点云中的点的比率，识别所述对象的在所述支撑表面外部的部分，以确定所述活动是否有风险。
27、根据第二方面，当表示所述对象停留在所述支撑家具物品的支撑表面上/上方和所述支撑表面外部的点云中的点的比率超过预设阈值时，确定活动是有风险的。
28、根据第二方面，处理模块还用于存储与预设的风险行为集合相关联的风险概况，所述风险行为集合与对象的姿势和/或行为相关联。
29、根据第二方面，所述对象是患者或需要照顾者和/或其他人注意的对象。
30、根据第二方面，所述警告模块包括客户端设备，用于便于照顾者观察和监测对象的状态。
31、根据第二方面，警告模块用于在检测到由所述对象执行的活动持续预设时间段时，生成所述警报。
32、根据第二方面，所述支撑表面包括床面或椅子表面。
本文档来自技高网...【技术保护点】
1.一种用于监测对象的活动的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，其中，所述深度图像由3D空间传感器捕获，所述3D空间传感器包括立体相机、3D固态激光雷达或结构光相机。
3.根据权利要求2所述的方法，其特征在于，其中，处理所述深度图像的步骤包括：将所述深度图像转换为点云数据以用于对象和支撑家具物品的进一步3D分析，从而确定所述对象的活动。
4.根据权利要求3所述的方法，其特征在于，其中，所述处理深度图像的步骤还包括：识别所述支撑家具物品的位置，包括定位在深度图像中捕获的支撑家具物品的支撑表面。
5.根据权利要求4所述的方法，其特征在于，其中，所述识别所述支撑家具物品的位置的步骤包括以下步骤中的至少一个：
6.根据权利要求4所述的方法，其特征在于，其中，所述处理深度图像的步骤还包括：识别可由一个或多个传感器和/或计算机视觉检测的支撑家具物品以及其他家具的状态。
7.根据权利要求4所述的方法，其特征在于，其中，所述处理所述深度图像的步骤还包括：基于训练的AI模型和/或所述对象
8.根据权利要求7所述的方法，其特征在于，其中，所述处理深度图像的步骤还包括：参考(i)在单个和/或一系列深度图像序列中捕获的对象的跟踪姿势，和/或(ii)所述支撑家具以外的家具的状态，以预测由所述对象执行的有风险活动。
9.根据权利要求8所述的方法，其特征在于，其中，所述处理所述深度图像的步骤还包括：基于表示所述对象停留在所述支撑家具物品的支撑表面上/上方的点云中的点与所述支撑表面外部的点的比率，识别所述对象的在所述支撑表面外部的部分，以确定所述活动是否有风险。
10.根据权利要求1所述的方法，其特征在于，其中，所述对象是患者或需要照顾者和/或其他人注意的对象。
11.一种用于监测对象的活动的系统，其特征在于，包括：
12.如权利要求11所述的系统，其特征在于，其中，所述深度图像由3D空间传感器捕获，所述3D空间传感器包括立体相机、3D固态激光雷达或结构光相机。
13.根据权利要求12所述的系统，其特征在于，其中，所述处理模块用于将所述深度图像转换为点云数据，以用于所述对象和所述支撑家具物品的进一步3D分析，从而确定所述对象的活动。
14.根据权利要求13所述的系统，其特征在于，其中，所述处理模块用于识别所述支撑家具物品的位置，包括定位在所述深度图像中捕获的所述支撑家具物品的支撑表面。
15.权利要求14的系统，其特征在于，其中，所述处理模块用于通过执行以下各项中的至少一项来识别所述支撑家具物品的位置：
16.根据权利要求14所述的系统，其特征在于，其中，所述处理模块用于识别可由一个或多个传感器和/或计算机视觉检测到的所述支撑家具物品以及其他家具的状态。
17.如权利要求14所述的系统，其特征在于，其中，所述处理模块用于基于训练的AI模型和/或所述对象的骨架，标识所述对象的位置和/或姿势。
18.如权利要求17所述的系统，其特征在于，其中，所述处理模块用于参考(i)在单个和/或一系列深度图像序列中捕获的对象的跟踪姿势，和/或(ii)所述支撑家具以外的家具的状态，以预测由所述对象执行的有风险活动。
19.如权利要求18所述的系统，其特征在于，其中，所述处理模块用于基于表示所述对象停留在所述支撑家具物品的支撑表面上/上方和所述支撑表面外部的点云中的点的比率，识别所述对象的在所述支撑表面外部的部分，以确定所述活动是否有风险。
20.如权利要求11所述的系统，其特征在于，其中，所述对象是患者或需要照顾者和/或其他人注意的对象。
...【技术特征摘要】
1.一种用于监测对象的活动的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，其中，所述深度图像由3d空间传感器捕获，所述3d空间传感器包括立体相机、3d固态激光雷达或结构光相机。
3.根据权利要求2所述的方法，其特征在于，其中，处理所述深度图像的步骤包括：将所述深度图像转换为点云数据以用于对象和支撑家具物品的进一步3d分析，从而确定所述对象的活动。
4.根据权利要求3所述的方法，其特征在于，其中，所述处理深度图像的步骤还包括：识别所述支撑家具物品的位置，包括定位在深度图像中捕获的支撑家具物品的支撑表面。
5.根据权利要求4所述的方法，其特征在于，其中，所述识别所述支撑家具物品的位置的步骤包括以下步骤中的至少一个：
6.根据权利要求4所述的方法，其特征在于，其中，所述处理深度图像的步骤还包括：识别可由一个或多个传感器和/或计算机视觉检测的支撑家具物品以及其他家具的状态。
7.根据权利要求4所述的方法，其特征在于，其中，所述处理所述深度图像的步骤还包括：基于训练的ai模型和/或所述对象的骨架，识别所述对象的位置和/或姿势。
8.根据权利要求7所述的方法，其特征在于，其中，所述处理深度图像的步骤还包括：参考(i)在单个和/或一系列深度图像序列中捕获的对象的跟踪姿势，和/或(ii)所述支撑家具以外的家具的状态，以预测由所述对象执行的有风险活动。
9.根据权利要求8所述的方法，其特征在于，其中，所述处理所述深度图像的步骤还包括：基于表示所述对象停留在所述支撑家具物品的支撑表面上/上方的点云中的点与所述支撑表面外部的点的比率，识别所述对象的在所述支撑表面外部的部分，以确定所述活动是否有风险。
10.根据权利要求1所述的方法，其特征在于，其中，所述对象是患者或需要照顾者和/或其...
【专利技术属性】
技术研发人员：李健强，刘家佑，张俊辉，吴道宾，樊家伦，梁俊伟，黄进安，
申请(专利权)人：物流及供应链多元技术研发中心有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。