[发明专利]一种监护方法、装置、存储介质及计算机设备

权利要求书

1.一种监护方法，其特征在于，所述方法包括：

获取非接触式检测设备采集的被监护人员在监控区域活动时的监控画面以及人体生理特征序列；

将所述人体生理特征序列输入至预先配置的时延神经网络中，得到所述时延神经网络输出的所述被监护人员的身体状态；其中，所述时延神经网络是以训练特征序列为训练样本，以被监护人员的实际身体状态为样本标签训练得到的；

若所述身体状态中包含跌倒状态，则将所述跌倒状态以及所述跌倒状态对应时段的监控画面发送至监护人员进行报警提示。

2.根据权利要求1所述的监护方法，其特征在于，所述人体生理特征序列包括与所述被监护人员的身体状态相关的多个维度的属性特征序列；

所述将所述人体生理特征序列输入至预先配置的时延神经网络中，得到所述时延神经网络输出的所述被监护人员的身体状态，包括：

将与所述被监护人员的身体状态相关的每一维度的属性特征序列分别输入至预先配置的时延神经网络中，以使所述时延神经网络预测每一维度的属性特征序列的分类结果，并根据各个维度的属性特征序列的分类结果综合判断并输出所述被监护人员的身体状态。

3.根据权利要求1所述的监护方法，其特征在于，所述属性特征序列的确定过程，包括：

对所述人体生理特征序列进行分解，得到多个维度的属性特征序列；

对各个维度的属性特征序列分别进行过滤，得到过滤后的属性特征序列，并将所述过滤后的属性特征序列作为所述被监护人员的身体状态相关的多个维度的属性特征序列。

4.根据权利要求3所述的监护方法，其特征在于，所述对所述人体生理特征序列进行分解，得到多个维度的属性特征序列，包括：

对所述人体生理特征序列进行多种形式的傅里叶变换，得到每种形式下的傅里叶变换结果；

将每种形式下的傅里叶变换结果作为每个维度的属性特征序列，得到多个维度的属性特征序列。

5.根据权利要求3所述的监护方法，其特征在于，所述对各个维度的属性特征序列分别进行过滤，得到过滤后的属性特征序列，包括：

对各个维度的属性特征序列分别进行恒虚警率检测，确定每一维度的属性特征序列是否为干扰信号；

将各个维度的属性特征序列中为干扰信号的属性特征序列进行过滤，得到过滤后的属性特征序列。

6.根据权利要求1所述的监护方法，其特征在于，所述时延神经网络的训练过程，包括：

获取非接触式检测设备采集的被监护人员在监控区域活动时的训练特征序列，以及所述被监护人员的实际身体状态；

将所述训练特征序列输入至初始时延神经网络中，得到所述初始时延神经网络输出的所述被监护人员的预测身体状态；

以所述预测身体状态趋近于所述实际身体状态为训练目标，更新所述初始时延神经网络的网络参数；

当所述初始时延神经网络满足预设的训练条件时，则停止更新所述网络参数，得到最终的时延神经网络。

7.根据权利要求1-6中任一项所述的监护方法，其特征在于，所述获取非接触式检测设备采集的被监护人员在监控区域活动时的监控画面以及人体生理特征序列，包括：

获取可见光图像传感器采集的被监护人员在监控区域活动时的监控画面，以及毫米波雷达传感器采集的人体生理特征序列。

8.一种监护装置，其特征在于，包括：

数据获取模块，用于获取非接触式检测设备采集的被监护人员在监控区域活动时的监控画面以及人体生理特征序列；

状态预测模块，用于将所述人体生理特征序列输入至预先配置的时延神经网络中，得到所述时延神经网络输出的所述被监护人员的身体状态；其中，所述时延神经网络是以训练特征序列为训练样本，以被监护人员的实际身体状态为样本标签训练得到的；

监护模块，用于若所述身体状态中包含跌倒状态，则将所述跌倒状态以及所述跌倒状态对应时段的监控画面发送至监护人员进行报警提示。