| 单位名称 | 北京京仪仪器仪表研究总院有限公司 | 大赛年份 | 2024-2025年 | ||||
| 大赛届次 | 第19届 | 奖项 | 优秀奖 | ||||
| 发明人姓名 | 高峰利，王怀喜，龚幼平，李绍，林锥 | ||||||
| 技术领域 | 其他领域, | ||||||
| 应用行业 | 安防，智能家居 | ||||||
| 项目类别 | 专利 | ||||||
| 专利类型 | 发明 | ||||||
| 专利情况 | 申请号 | 申请日期 | |||||
| 专利号 | 授权日期 | ||||||
| 计算机软件著作权证书登记号 | |||||||
| 项目简介 | 1. 发明目的、基本思路、与现有技术对比有什么改进与创新 一、发明项目提出 传统智能家居系统难以精准识别如老人久坐、儿童奔跑等高阶行为，主要因单一传感器或2D视觉技术无法有效捕捉人员动态及体温变化。为此，本发明提出一种基于红外热成像与深度学习融合的固定空间人员活跃度监测方法，突破传统监测局限。 二、发明目的 1. 实现精准行为识别：通过结合移动速度与体温变化，区分静坐、原地运动、剧烈奔跑等行为。 2. 增强面外运动检测：利用红外热成像像素面积变化计算面外速度，弥补普通摄像头无法捕捉垂直方向运动的缺陷。 3. 提升安全预警能力：为老人跌倒、儿童危险行为等场景提供实时监测与预警支持。 三、技术原理及基本思路 1. 数据采集：部署高位红外摄像头，俯拍获取目标人员热成像视频，确保行为捕捉全面性。 2. 目标定位与速度计算：采用自定义深度学习算法实时检测人员位置，结合中心点位移和像素面积变化率计算三方向总速度。 3. 体温动态分析：提取目标区域最高温度，对比日常基准值（预设36.5°C），量化体温变化量ΔT。 4. 活跃度建模：构建公式E=Bv²+ΔT，融合速度平方与体温变化，通过标定因子B统一量纲，输出综合活跃度指标。 |
||||||
| 2. 已取得的社会及经济效益,如:产值、利润、节约能源及改善环境等方面 一、多模态数据融合提升精度 传统方法依赖单一传感器（如普通摄像头或红外传感器），仅能捕捉运动或温度单一维度数据。本发明创新性融合红外热成像（温度）与深度学习（运动速度）双模态数据，通过公式E=Bv²+ΔT量化活跃度，有效区分静坐、原地运动等传统技术难以识别的行为，检测精度大幅提升。 二、面外运动检测突破 传统2D摄像头仅能计算面内移动速度，无法感知垂直摄像头方向的运动（如靠近/远离摄像头）。本发明提出基于像素面积变化的面外速度计算模型（公式v_outer=ΔA·C’/Δt），通过标定参数动态解析空间距离与像素关系，解决了面外运动漏检问题。 三、动态体温辅助行为判定 现有技术多忽略体温与运动状态的关联性。本发明通过红外热成像实时提取目标区域最高温度，对比日常基准值（36.5°C）计算ΔT，结合速度指标，可识别如原地踏步等高体温但低位移行为，误判率大幅降低。 四、总结 本发明通过数据融合、算法创新与工程优化，解决了传统技术维度单一、面外漏检、成本高、部署复杂等痛点，为智能家居行为监测提供了高精度、低成本的标准化解决方案。 |
|||||||
| 项目进展阶段 | 小批量试用 | ||||||
| 备注 | |||||||