[发明专利]智能看护方法、装置、电子设备及存储介质

说明书

本发明实施例提供了一种智能看护方法、装置、电子设备以及计算机可读存储介质，涉及计算机技术领域。该方法包括：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；对所有所述感知数据进行深度学习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。本发明实施例提高了对目标对象进行看护的准确率。

技术领域

本发明实施例涉及计算机技术领域，具体而言，涉及一种智能看护方法、智能看护装置、电子设备以及计算机可读存储介质。

背景技术

随着对养老护理方面的需求日益增加，对老年人在室内的看护质量也越来越受到重视。

目前，为了解决人工看护方式成本太高的问题，多数养老社区大多采用以下几种方式看护老年人的活动状态：例如利用全球定位系统GPS实现对老年人的看护；或者采用室内定位跟踪技术例如蓝牙或者是iBeacon实现室内的连接和定位，从而对老年人进行看护。

上述几种方式在室内存在多个对象时，无法对需要被看护的老人进行准确识别，因此很难实现对老人的有效看护；除此之外，通过上述方式确定被看护老人的活动状态时，效率较差。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本发明实施例的目的在于提供一种智能看护方法、智能看护装置、电子设备以及计算机可读存储介质，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的看护准确率低以及看护效率差的问题。

本发明实施例的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本发明实施例的实践而习得。

根据本发明实施例的一个方面，提供一种智能看护方法，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；

对所有所述感知数据进行深度学习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。

可选地，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。

可选地，对所有所述感知数据进行深度学习包括：

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所述感知数据进行分析，以识别所述目标对象的所述感知数据。

可选地，所述方法还包括：

对所有所述感知数据进行数据融合。

可选地，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。

可选地，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。

可选地，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。

可选地，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。