[发明专利]基于视频分析的病房异常监测方法及系统

权利要求书

1.基于视频分析的病房异常监测系统，其特征在于，包括：

视频监控系统，其安装在病房内，用于采集视频信息；

主机服务器，其通过网络设备与所述视频监控系统相连，用于接收视频信息并进行视频识别；

中心服务器，其通过网络设备与所述主机服务器连接，用于接收所述主机服务器发送的信息，并形成分析报告；

客户端，其通过网络设备与所述中心服务器相连，并通过互联网或者局域网与所述中心服务器实现交互；

其中，所述客户端用于录入病患信息和医护人员信息；以及获取所述分析报告。

2.根据权利要求1所述的基于视频分析的病房异常监测系统，其特征在于，所述主机服务器还用于接收所述中心服务器的控制信息，并且根据所述控制信息控制所述视频监控系统。

3.根据权利要求2所述的基于视频分析的病房异常监测系统，其特征在于，所述视频监控系统包括：

全景摄像头，其固定安装在所述病房内；以及

多个可变焦摄像头，其分别通过云台安装在病房内的不同区域。

4.基于视频分析的病房异常监测方法，其特征在于，包括如下步骤：

步骤一、客户端录入病患信息和医护人员信息；

步骤二、通过视频采集视频病房内的视频信息；

步骤三、主机服务器接收所述病房内的视频信息，并且识别得到当前病房内人员的动作和面部图像信息；

步骤四、中心服务器接收所述病房内人员的动作和面部图像信息，并与服务器中储存的面部信息进行匹配，筛选出病患的动作和面部表情状态信息，并且得到病患的分析报告；

步骤五、客户端获取并且显示所述病患的分析报告。

5.根据权利要求4所述的基于视频分析的病房异常监测方法，其特征在于，在所述步骤三中，得到面部图像信息包括如下步骤：

步骤1、检测病房内人员的面部矩形框；

步骤2、计算视频信息中每一帧的面部矩形框的IoU分数，并根据如下公式确定边框ID；

ID＝argmax_jIoU({x_i，y_i，h_i，w_i}，{x_j，y_j，h_j，w_j})；

其中，{x_i，y_i，h_i，w_i}为当前帧边框，{x_j，y_j，h_j，w_j}为与当前帧相邻帧的边框。

6.根据权利要求5所述的基于视频分析的病房异常监测方法，其特征在于，在所述步骤四中，得到所述病患的分析报告，包括如下步骤：

将病患的面部表情图像作为情绪识别网络输入参数；通过如下公式进行表情分类；

S_emotion＝F_{情绪识别网络}(I_face)

其中，I_face表示为病人面部图像，S_emotion为各类表情分数；F_{情绪识别网络}为情绪识别网络；所述面部表情分类包括：痛苦表情、正常表情和无意识表情；

将病患动作图像作为动作检测网络输入参数；利用如下公式进行进行病患动作分类：

s_a＝F_{动作检测网络}(V)；

其中，V表示病患动作图像，s_a为各类动作分数；F_{动作检测网络}为动作识别网络；所述动作分类包括：举手动作和抽搐动作。

7.根据权利要求6所述的基于视频分析的病房异常监测方法，其特征在于，还包括：

中心服务器接收所述病房内人员的动作和面部图像信息后，筛选出医护人员的动作图像，并且判断医护人员的动作是否异常。

8.根据权利要求7所述的基于视频分析的病房异常监测方法，其特征在于，将获取的医护人员的动作图像作为异常检测网络输入参数，通过如下判断医护人员的动作是否异常：

s＝F_异常检测(V_y)；

其中，V_y表示医护人员的动作图像，s为异常分数；F_异常检测为异常检测网络；当异常分数超过预先设定的阈值，则判断为存在异常行为。