[发明专利]一种监控方法、装置、存储介质及家用电器在审

专利信息
申请号: 201910069190.5 申请日: 2019-01-24
公开(公告)号: CN109903522A 公开(公告)日: 2019-06-18
发明(设计)人: 汪进;郑文成;廖湖锋;毛跃辉;李保水;文皓 申请(专利权)人: 珠海格力电器股份有限公司
主分类号: G08B21/04 分类号: G08B21/04
代理公司: 北京煦润律师事务所 11522 代理人: 高莹
地址: 519070 广东省*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 目标用户 跌倒 存储介质 家用电器 图像 卷积神经网络 采集目标 发生危险 提醒信息 用户发送 监控 算法 申请
【说明书】:

本申请提供一种监控方法、装置、存储介质及家用电器,所述方法包括:采集目标用户的第一图像;利用卷积神经网络算法对所述第一图像进行识别,以判断所述目标用户是否跌倒;若判断所述目标用户跌倒,则向相关用户发送相应的第一提醒信息。本申请提供的方案能够在目标用户跌倒后及时通知相关用户,避免目标用户发生危险。

技术领域

本申请涉及监控技术领域,尤其涉及一种监控方法、装置、存储介质及家用电器。

背景技术

目前,很多老年人独自待在老家,这样的情况会引发独居老年人的安全性问题,伴随着我国老年化不断加剧,独居老人越来越多,老年人独居的相应的问题也会让社会所关注,比如说老人容易摔倒,若老人独自在家摔倒后若未被及时发现可能造成生命危险的问题。

发明内容

本申请的主要目的在于克服上述现有技术的缺陷,提供一种监控方法、装置、存储介质及家用电器,以解决现有技术中老人独自在家摔倒后若未被及时发现可能造成生命危险的问题。

本申请一方面提供了一种监控方法,包括:采集目标用户的第一图像;利用卷积神经网络算法对所述第一图像进行识别,以判断所述目标用户是否跌倒;若判断所述目标用户跌倒,则向相关用户发送相应的第一提醒信息。

可选地,利用卷积神经网络算法对所述第一图像进行识别,以判断所述目标用户是否跌倒,包括:通过共享的卷积神经网络提取所述第一图像中的特征信息,以得到第一特征图;通过预设的局部神经网络提取所述第一特征图中的目标检测候选区域,并进行分类得到所述目标用户是否跌倒的第一分类结果。

可选地,利用卷积神经网络算法对所述第一图像进行识别,以判断所述目标用户是否跌倒,还包括:将所述目标检测候选区域和所述第一分类结果导入ROI池化层进行池化处理,得到预设输出尺寸的第二特征图;将所述第二特征图输入全连接层进行分类,以得到所述目标用户是否跌倒的第二分类结果。

可选地,在采集目标用户的第一图像之前,还包括:判断当前所处环境的环境声音的强度是否达到第一预设阈值;当所述环境声音的强度达到第一预设阈值时,采集目标用户的第一图像。

可选地,还包括:若判断所述目标用户跌倒,则采集所述目标用户的第二图像;根据所述第二图像判断所述目标用户跌倒后是否站起来;根据判断所述目标用户跌倒后是否站起来的判断结果向相关用户发送相应的第二提醒信息。

可选地,所述第一提醒信息和/或第二提醒信息,包括:文字提醒信息和/或语音提醒信息。

可选地,还包括:接收所述目标用户发出的求助语音;向相关用户发送所述求助语音;和/或将所述求助语音转换为相应的文本信息,并将所述相应的文本信息发送给相关用户。

可选地,将所述求助语音转换为相应的求助文本信息,包括:对所述求助语音进行语音识别,以得到相应的文字信息;利用长短记忆神经网络对所述文字信息进行语义解析,以得到所述求助文本信息。

本申请另一方面提供了一种监控装置,包括:采集单元,用于采集目标用户的第一图像;第一判断单元,用于利用卷积神经网络算法对所述第一图像进行识别,以判断所述目标用户是否跌倒;提醒单元,用于若所述第一判断单元判断所述目标用户跌倒,则向相关用户发送相应的第一提醒信息。

可选地,所述第一判断单元,包括:特征提取子单元,用于通过共享的卷积神经网络提取所述第一图像中的特征信息,以得到第一特征图;第一分类子单元,用于通过预设的局部神经网络提取所述第一特征图中的目标检测候选区域,并进行分类得到所述目标用户是否跌倒的第一分类结果。

可选地,所述第一判断单元,还包括:池化处理子单元,用于将所述目标检测候选区域和所述第一分类结果导入ROI池化层进行池化处理,得到预设输出尺寸的第二特征图;第二分类子单元,用于将所述第二特征图输入全连接层进行分类,以得到所述目标用户是否跌倒的第二分类结果。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于珠海格力电器股份有限公司,未经珠海格力电器股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910069190.5/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top