[发明专利]一种基于视频的离床检测方法在审

专利信息
申请号: 201910887075.9 申请日: 2019-09-19
公开(公告)号: CN110633681A 公开(公告)日: 2019-12-31
发明(设计)人: 陈澎祥;李森;肖萌璐;王健;孙雅彬 申请(专利权)人: 天津天地伟业机器人技术有限公司
主分类号: G06K9/00 分类号: G06K9/00
代理公司: 12226 天津企兴智财知识产权代理有限公司 代理人: 陈雅洁
地址: 300384 天津市滨海新区高新区*** 国省代码: 天津;12
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 预处理 检测 检测区域 报警 视频监控图像 参数设置 监控图像 目标检测 人力成本 设置检测 时间成本 时间统计 无人判断 硬件成本 状态判断 床状态 误警率 准确率 触发 穿出 时长 视频 自动化 场景
【权利要求书】:

1.一种基于视频的离床检测方法,其特征在于,包括以下步骤:

A.参数设置,包括设置检测区域和触发离床报警时长;

B.持续对视频监控图像进行预处理;

C.对预处理后的监控图像进行目标检测;

D.检测区域内有人无人判断;

E.目标穿出检测区域状态判断;

F.离床报警时间统计。

2.根据权利要求1所述的一种基于视频的离床检测方法,其特征在于:所述步骤A中检测区域为监控场景下床位的位置。

3.根据权利要求1所述的一种基于视频的离床检测方法,其特征在于:所述步骤B中运用高斯滤波法对视频监控图像进行平滑去噪预处理。

4.根据权利要求1所述的一种基于视频的离床检测方法,其特征在于:所述步骤C中使用YOLO模型对步骤B中得到的预处理后的图像进行目标检测。

5.根据权利要求4所述的一种基于视频的离床检测方法,其特征在于,所述YOLO模型的训练过程如下:

a.收集样本;

b.数据增强;

c.样本标注;

d.在DarkNet框架下训练模型,得到YOLO模型。

6.根据权利要求4所述的一种基于视频的离床检测方法,其特征在于:所述步骤C中对步骤B得到的图像进行目标检测的过程为:通过YOLO模型在整幅监控图像上检测、记录检测目标的位置,采用逻辑回归sigmoid函数,计算得分,当检测目标得分大于0.8时认为检测目标有效,并对有效检测目标进行跟踪形成运动轨迹。

7.根据权利要求6所述的一种基于视频的离床检测方法,其特征在于,所述步骤D中检测区域内有人无人判断的过程如下:

将有效检测目标位置与检测区域进行对比,判断有效检测目标是否在检测区域内,若检测区域内无有效目标,则认为检测区域内无人,否则认为检测区域内有人。

8.根据权利要求6所述的一种基于视频的离床检测方法,其特征在于,所述步骤E中目标穿出检测区域状态判断的过程如下:

根据有效目标的运动轨迹与检测区域边界交叉情况,判断目标穿出检测区域状态,若有效目标的轨迹与检测区域边界有交叉,并且轨迹末端在检测区域外,则认为目标穿出检测区域;若运动轨迹与检测区域边界无交叉,则认为检测目标未穿出检测区域。

9.根据权利要求1所述的一种基于视频的离床检测方法,其特征在于所述步骤F中离床报警时间统计,包括步骤:

F1.结合步骤D中检测区域内有人无人判断结果和步骤E中目标穿出检测区域状态判断结果,进行无人状态计时或离床报警时间统计;

若步骤D中检测区域内无人,且步骤E中目标穿出检测区域,则开启无人状态计时累加,若连续3帧检测到区域内有人,则停止累加且减少计时;

若步骤D中检测区域内无人,且步骤E中目标未穿出检测区域,则开始离床报警时间计时累加,在离床报警时间计时累加过程中若连续多帧检测到区域内有人,当该帧数达到可判定区域内有人的帧数阈值,则停止累加且清零计时;

F2.当无人状态计时达到无人状态报警阈值或离床报警时间计时达到预设触发离床报警时长,均会输出报警信号。

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天津天地伟业机器人技术有限公司,未经天津天地伟业机器人技术有限公司许可,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/201910887075.9/1.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