[发明专利]智能看护方法、装置、电子设备及存储介质有效
申请号: | 201711189283.9 | 申请日: | 2017-11-24 |
公开(公告)号: | CN107958434B | 公开(公告)日: | 2021-11-26 |
发明(设计)人: | 李夫路;周雄志 | 申请(专利权)人: | 泰康保险集团股份有限公司 |
主分类号: | G16H80/00 | 分类号: | G16H80/00;G06N3/04;G06K9/62 |
代理公司: | 隆天知识产权代理有限公司 72003 | 代理人: | 郑特强;李昕巍 |
地址: | 100031 北*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 智能 看护 方法 装置 电子设备 存储 介质 | ||
1.一种智能看护方法,其特征在于,包括:
接收由多个传感器采集并上传的预设场景中多个对象的感知数据;其中,所述多个对象包括目标对象和非目标对象,每个传感器在上传所述感知数据之前通过无线多播的方式向附近传感器发送即将使用某个信道进行传输的消息,所述附近传感器接收到消息后自动协同采用不同的信道进行传输;
对所有所述感知数据进行深度学习,以区分所述目标对象和所述非目标对象,并识别所述目标对象的所述感知数据;
根据所述目标对象的所述感知数据确定所述目标对象在所述预设场景中的活动状态;
其中,所述对所有所述感知数据进行深度学习,以区分所述目标对象和所述非目标对象,并识别所述目标对象的所述感知数据,包括:
通过数字信号和模拟信号两个维度对所述目标对象和所述非目标对象的历史感知数据进行分析,分别获取所述目标对象的特征及所述非目标对象的特征,并确定所述目标对象的特征及所述非目标对象的特征之间的差别,从而识别出所述目标对象的所述感知数据。
2.根据权利要求1所述的智能看护方法,其特征在于,对所有所述感知数据进行深度学习包括:
利用卷积神经网络模型对所有所述感知数据进行学习。
3.根据权利要求1所述的智能看护方法,其特征在于,所述方法还包括:
对所有所述感知数据进行数据融合。
4.根据权利要求3所述的智能看护方法,其特征在于,对所有所述感知数据进行数据融合包括:
采用Delta压缩方法对所述预设场景中的所有所述感知数据进行压缩处理,并推送至终端。
5.根据权利要求1所述的智能看护方法,其特征在于,所述方法还包括:
根据所述预设场景中物体的预设参数建立与所述预设场景对应的虚拟场景,并在所述虚拟场景中构建与目标对象对应的虚拟对象。
6.根据权利要求1所述的智能看护方法,其特征在于,接收由多个传感器采集并上传的预设场景中多个对象的感知数据包括:
接收由多个所述传感器采用不同的传输信道发送的所述感知数据。
7.根据权利要求1所述的智能看护方法,其特征在于,所述方法还包括:
按照时间序列接收并记录所述目标对象在所述预设场景中的所述感知数据。
8.一种智能看护装置,其特征在于,包括:
数据接收模块,用于接收由多个传感器采集并上传的预设场景中多个对象的感知数据;其中,所述多个对象包括目标对象和非目标对象,每个传感器在上传所述感知数据之前通过无线多播的方式向附近传感器发送即将使用某个信道进行传输的消息,所述附近传感器接收到消息后自动协同采用不同的信道进行传输;
深度学习模块,用于对所有所述感知数据进行深度学习,以区分所述目标对象和所述非目标对象,并识别所述目标对象的所述感知数据;
状态确定模块,用于根据所述目标对象的所述感知数据确定所述目标对象在所述预设场景中的活动状态;
其中,所述深度学习模块,被配置为:
通过数字信号和模拟信号两个维度对所述目标对象和所述非目标对象的历史感知数据进行分析,分别获取所述目标对象的特征及所述非目标对象的特征,并确定所述目标对象的特征及所述非目标对象的特征之间的差别,从而识别出所述目标对象的所述感知数据。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1-7中任意一项所述的智能看护方法。
10.一种电子设备,其特征在于,包括:
处理器;以及
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行权利要求1-7中任意一项所述的智能看护方法。
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泰康保险集团股份有限公司,未经泰康保险集团股份有限公司许可,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/201711189283.9/1.html,转载请声明来源钻瓜专利网。