自动行为监测单元的制作方法

1.本发明涉及监控行业，更具体地，涉及一种能够在不侵犯人们隐私的情况下自动监控私人场所的系统。


背景技术：

2.监控系统可用于监控公共场所的人或物体的行为。然而，这些系统在私人场所的应用有限，因为它们将摄像机画面传输给第三方。摄像机画面可能会侵犯人们的隐私。摄像机画面可以在网络上传播，这会进一步侵犯人们的隐私。
3.有很多地方对私人场所的人进行监控是有益的，但由于隐私问题，其无法实际实施。这些地方包括私人场所，例如老年护理机构、医院、收容所、学校、公共厕所、监狱房间和私人住宅。
4.老年护理机构目前可能使用摄像系统来观察异常行为，例如跌倒、溢出(spillages)、障碍物或逃跑企图。但是，这要求人类员工观看每个摄像机的画面，并在观察到异常行为时发出警报。此类摄像机系统的安装和在员工工资方面的监控可能很昂贵。由于工资和技术成本，一个人实际上很难或不可能监控有很多房间的老年设施。
5.除非父母在视觉上监控婴儿的摄像机镜头，否则婴儿视频监控系统并非有效。例如，除非父母在意外发生时正在看监视器，否则视频监控无法提醒父母婴儿正脸朝下趴着。
6.需要一种适用于自动监控私人场所但不侵犯人们隐私的系统。
7.本发明的目的是克服或至少基本上改善上述问题。


技术实现要素：

8.根据本发明，提供了一种自动行为监测单元，其包括：(a)一个或多个传感器；(b)在单元中的处理器，其连接到传感器；(c)存储在单元上的对象库；和(d)程序，其适用于:i.通过访问存储在单元上的对象库来识别和分类传感器检测到的对象；ii.跟踪对象相对于彼此的方位；iii.识别物体和人的异常的空间方位；以及iv.向至少一台远程用户设备传递异常状况的细节，其中没有来自传感器的图像从该单元传输到远程用户设备，以保护被监视的人的隐私。
9.该单元优选地能够通过参考对象库使用人工智能识别各种对象。优选地，来自处理器的元数据被传输到远程服务器。更优选地，没有图像从处理器传输到远程用户设备。传感器可以包括红外线传感器或微波传感器。传感器可以是远程控制的可移动的传感器。例如，远程控制的可移动的传感器可以是空中无人机。
10.在本发明的范围内，本文描述的任何特征可以与本文描述的任何一个或多个其他特征组合成任意组合。
附图说明
11.将参照以下附图描述本发明的各种实施例，其中：
12.图1描绘了房间中用于监控物体和人员移动的设备。
13.图2是图1设备的前视图。
14.图3是一个流程图，显示了图1的设备用于监控对象及对象交互的方法。
具体实施方式
15.图1显示了监控房间12的单元10。房间12在监狱里，被监视的人是囚犯14。房间12具有床16、窗户18、一组抽屉20、电视22、水槽24、地板26和屋顶28。
16.如图2所示，单元10具有传感器30、处理器32、存储器34、硬盘驱动器储存器36、网络传输工具38、微波传感器40、收发器42、对象库44、对象关系库46和指示灯48。
17.对象库44具有至少一千个不同对象的数据。对象包括例如各种家具、人物和诸如火之类的现象。数据集不断修订和更新。每个图像由发明人手动输入到对象库中。每个对象的性质在每个图像中都进行了分类。
18.单元10能够通过参考对象库使用人工智能识别各种对象。例如，即使单元10以前没有见过一种特定类型的椅子，但其可以识别这种新形式的椅子，因为该新椅子具有椅子的某些整体特征，例如座椅和靠背。
19.可以为每个单独的场景创建一组自定义对象。例如，一位客户可能希望系统也能识别监狱看守人员的制服以及囚犯的制服。另一个客户可能希望系统识别医务人员的服装以及患者制服。
20.对象库44可以包括声音对象，例如人咳嗽的声音、巨响、窗户砸碎的声音或枪声。对象的范围由传感器30的性质决定。例如，微波传感器40允许单元10将血肉对象与其他无生命物体区分开。例如，微波特别适合穿过包括墙壁在内的固体物体并检测相邻房间中的人。例如，微波传感器40可以监测到一个人跌倒在墙后的套间中。传感器30能够监测到可见光谱和红外光谱。红外光谱对于在夜间监测对象特别有用。
21.处理器32使用传感器40通过在每个对象周围放置边界线来识别对象。处理器32将来自传感器30的视觉数据转换成图像元数据，即坐标，如图1所示。
22.单元10还包括对象关系库46，它告诉处理器任何两个对象应该如何相互交互。这包括交互是正常还是异常。对象库44中的每个对象被手动分类为它与其他对象的交互是正常的还是异常。例如，库44中的每个对象都被分类为与火有异常关系。
23.单元10用图3中所示的算法编程以评估物体及其彼此的相互关系。
24.在算法的步骤1中，处理器32从传感器30接收图像。在步骤2中，处理器32使用第一人工智能程序识别图像中的对象，并使用对象库44对它们进行分类。在步骤3中，处理器32记录每个对象的空间方位。在步骤4中，处理器32运行第二次图像扫描以确认目标对象是否存在。第二次图像扫描由更高精度的人工智能程序执行。更高精度的人工智能程序对资料的处理更精细(resource intensive)，需要更长的运行时间。第一次图像扫描相当于人类
瞥了一眼场景，第二次检查相当于盯着场景进行确认。
25.在步骤5中，处理器32被编程为将分类对象及其空间位置和方位与装置上的预定规则进行比较。例如，处理器32被编程为知道电视22的边界线不应出现在窗口18的边界线上。这将是两个对象之间的异常关系，并且可能表明，例如，囚犯14正试图通过用电视22砸碎窗户18来逃离。
26.作为另一示例，对象库44可以识别绳索50并且对象关系库46可以识别绳索50不应该悬挂在房间12的屋顶30上。此外，对象库44可以识别人员14，对象关系库46可以识别人员14不应该躺在地板26上。这表明自杀未遂。此外，对象关系库46可以识别正常的对象关系，例如躺在床16上的人员14。
27.如果处理器32在算法的步骤6中确定两个对象之间的关系为异常，则处理器在步骤7中运行预定规则。收发器42经由网络传输工具38联系服务器52，该网络传输工具38将关于异常行为的消息发送到预定被任命人的远程用户设备。例如，在图1的背景中，监狱看守员56的移动设备54接收到一条消息，写着：“犯人约翰史密斯正躺在地上。”28.在步骤8中，记录有关每个对象的位置和方位的元数据以供将来比较。处理器32被编程为不存储或传输图像，以保护被监视的人的隐私和尊严。然后对来自传感器30的下一个传入图像重复该过程。结束语
29.在本说明书和权利要求(如果有的话)中，词语“包括(comprising)”及其衍生词包括“包含(comprises)”和“包含(comprise)”包括每个所述整体，但不排除包括一个或多个其余的整体。
30.在整个说明书中对“一个实施例(one embodiment)”或“一个实施例(an embodiment)”的引用意味着结合该实施例描述的特定特征、结构或特性包括在本发明的至少一个实施例中。因此，贯穿本说明书的各个地方出现的短语“在一个实施例中(in one embodiment)”或“在一个实施例中(in an embodiment)”不一定都指同一实施例。此外，特定特征、结构或特性可以以任何合适的方式组合成一种或多种组合。
31.根据法规，本发明已经对结构或方法特征以或多或少具体的语言进行了描述。应当理解，本发明不限于所示出或描述的特定特征，因为这里描述的手段包括使本发明生效的优选形式。因此，本发明要求保护在本领域技术人员适当解释的所附权利要求(如果有的话)的适当范围内的任何形式或修改。