一种智能看护方法、装置、电子设备及存储介质与流程

1.本技术涉及智能物联技术领域，尤其涉及一种智能看护方法、装置、电子设备及存储介质。


背景技术：

2.随着经济的发展，老龄化问题日益严重，空巢老人的出行安全问题也成为社会日益关注的问题。空巢老人由于缺少子女陪伴，在出行或长时间居家过程中极易出现各种问题。当老人出现久居未出和久出未归的问题时，其子女、监护人及朋友往往难以在第一时间发现，从而使老人难以第一时间得到救助与关怀。因此，对老人的出行和居家时间的监控显得尤为重要。现有的智能监护系统通常通过设定固定阈值对老人出行或居家中存在的风险进行预判，并通知至老人亲属或者社区工作人员进行上门排查。由于固定阈值的设定存在着过高或过低的问题，容易导致漏判或误判，看护效果有限。


技术实现要素：

3.本技术实施例提供一种智能看护方法、装置、电子设备及介质，以解决在现有智能看护系统中由于固定阈值设置不合理导致漏判或误判风险的问题。
4.为了解决上述技术问题，本技术是这样实现的：第一方面，本技术实施例提供了一种智能看护方法，该方法包括：获取目标对象处于目标状态的n个第一时长，并获取与所述第一时长相关的环境参数和第一初始时刻，其中，所述目标状态为所述目标对象的离家状态或者居家状态，所述第一初始时刻为所述第一时长的起始时刻，n为大于或者等于1的整数；获取所述环境参数对应的第一修正因子和所述第一初始时刻对应的第二修正因子，并基于所述第一时长、所述第一修正因子和所述第二修正因子，获取第二时长；基于所述第二时长，确定预警时长，其中，所述预警时长用于在所述目标对象处于目标状态的第三时长大于所述预警时长的情况下输出预警信息。
5.可选地，所述获取所述环境参数对应的第一修正因子，包括：在所述环境参数与预设环境参数匹配的情况下，确定所述第一修正因子大于第一阈值；在所述环境参数与所述预设环境参数不匹配的情况下，确定所述第一修正因子小于所述第一阈值。
6.可选地，所述获取所述第一初始时刻对应的第二修正因子，包括：在所述第一初始时刻早于预设时刻的情况下，获取小于第二阈值的所述第二修正因子；在所述第一初始时刻与所述预设时刻一致的情况下，获取等于第二阈值的所述第二修正因子；在所述第一初始时刻晚于所述预设时刻的情况下，获取大于所述第二阈值的所述
第二修正因子。
7.可选地，所述基于所述第二时长，确定预警时长之后，还包括：获取包括所述目标对象的监控画面；获取所述目标对象在所述监控画面中出现的第二初始时刻；基于所述第二初始时刻，获取所述第三时长。
8.可选地，所述基于所述第二初始时刻，获取所述第三时长之后，还包括：在所述目标对象处于目标状态的第三时长大于所述预警时长的情况下，输出预警信息；基于所述预警信息，对所述目标对象的所述目标状态进行核实，以确定所述目标对象是否处于目标状态；在确定所述目标对象不处于所述目标状态的情况下，获取第三修正因子，并基于所述第三修正因子对所述预警时长进行修正。
9.第二方面，本技术实施例还提供了一种智能看护装置，该装置包括：获取模块，用于获取目标对象处于目标状态的n个第一时长，并获取与所述第一时长相关的环境参数和第一初始时刻，其中，所述目标状态为所述目标对象的离家状态或者居家状态，所述第一初始时刻为所述第一时长的起始时刻，n为大于或者等于1的整数；修正模块，用于获取所述环境参数对应的第一修正因子和所述第一初始时刻对应的第二修正因子，并基于所述第一时长、所述第一修正因子和所述第二修正因子，获取第二时长；确定模块，基于所述第二时长，确定预警时长，其中，所述预警时长用于在所述目标对象处于目标状态的第三时长大于所述预警时长的情况下输出预警信息。
10.可选地，所述修正模块用于：在所述环境参数与预设环境参数匹配的情况下，确定所述第一修正因子大于第一阈值；在所述环境参数与所述预设环境参数不匹配的情况下，确定所述第一修正因子小于所述第一阈值。
11.可选地，所述修正模块用于：在所述第一初始时刻早于预设时刻的情况下，获取小于第二阈值的所述第二修正因子；在所述第一初始时刻与所述预设时刻一致的情况下，获取等于第二阈值的所述第二修正因子；在所述第一初始时刻晚于所述预设时刻的情况下，获取大于所述第二阈值的所述第二修正因子。
12.第三方面，本技术实施例还提供了一种电子设备，包括处理器和存储器，所述存储器存储可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现第一方面所述的智能看护方法步骤。
13.第四方面，本技术实施例还提供了一种计算机可读存储介质，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现第一方面所述的智能看护方法步骤。
14.在本技术实施例中，通过确定目标对象处于目标状态的时长，以及与该时长有关
的会影响目标对象处于目标状态的环境参数和该时长的初始时刻，基于前述参数获取对应的修正因子，由此得到能够预警目标对象处于目标状态的预警时长。该预警时长纳入了多种因素的考量，能够应用于处于不同目标状态的不同目标对象，提升了风险识别的准确度，减少风险误判和漏判。
附图说明
15.为了更清楚地说明本技术实施例的技术方案，下面将对本技术实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
16.图1是本技术实施例提供的一种智能看护方法的流程图之一；图2是深度卷积神经网络的映射图；图3是本技术实施例提供的一种智能看护方法的流程图之二；图4是本技术实施例提供的一种智能看护装置的结构示意图；图5是本技术实施例提供的一种电子设备的结构示意图。
具体实施方式
17.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。基于本技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
18.本技术实施例提供一种方法。参见图1，图1是本技术实施例提供的一种智能看护方法的流程图，如图1所示，包括以下步骤：步骤101、获取目标对象处于目标状态的n个第一时长，并获取与所述第一时长相关的环境参数和第一初始时刻，其中，所述目标状态为所述目标对象的离家状态或者居家状态，所述第一初始时刻为所述第一时长的起始时刻，n为大于或者等于1的整数。
19.需要说明的是，上述目标对象可以是老人、孩童、宠物等需要看护的对象，目标状态可以是前述对象离家的状态或者居家的状态，或者，离开某个固定地点以及回到某个固定地点的状态，本技术对此不作过多限制，可根据实际使用情况进行调整。上述第一初始时刻可以是一段时长的初始时刻。而上述环境参数可以是目标对象所处环境的温度、光照度、可见度等。例如，当老人出门离家的天气温度过低或者过热，导致老人的身体状态受到影响，难以按照适宜温度下的运动水平准时回家或者离家。
20.在上述步骤中，首先获取目标对象处于目标状态的n个第一时长，也即获取多个目标对象过往处于目标状态的时长，通过多个具体时长数据能够作为衡量目标对象处于目标状态的基础数据。在第一时长的基础上进行调整以便于获取目标对象处于目标状态的预警时长，基于现有数据调整预警时长，减少风险误判或者漏判发生的可能性。
21.步骤102、获取所述环境参数对应的第一修正因子和所述第一初始时刻对应的第
二修正因子，并基于所述第一时长、所述第一修正因子和所述第二修正因子，获取第二时长。
22.举例而言，由于天气状况的不同，老人出门的时间节点可以不同、老人在相同离家时间的情况下所具有的风险高低也有不同，所以不能仅将老人原有的离家时长作为衡量风险的数值，这样会容易导致风险误判或者漏判。如果风险阈值设定的过低会导致存在过高误判的风险，并导致过多行为被判定为风险，增加了老人亲属及社区工作人员上门排查的成本。而同时过多的预判也会对老人亲属带来困扰，而过高的风险阈值容易将真正具有风险的行为判断为安全行为，导致错失第一时间了解并解决问题的机会。
23.可以理解地，可以将上述环境参数对应的第一修正因子和第一初始时刻对应的第二修正因子作为修正权数被引入，以便于对第一时长进行修正调整。当老人离家时的天气温度较高或者较低，不适宜进行户外活动的情况下，可以将第一修正因子确定为一个具体数值。或者，当老人离家时的天气温度适宜，人体体感舒适时，可以将第一修正因子确定为另一个具体的数值。前后两个数据设置的大小不一，对基于此修正因子确定的预警时长的影响也不同，前一修正因子对预警时长的影响较大，后一修正因子对预警时长的影响较小。
24.同样地，第一初始时刻对应的第二修正因子的具体数据设置可以根据第一初始时刻的早晚确定。例如，当老人离家的第一初始时刻过晚时，可以设置第一修正因子为较大的数值，而当老人离家的第一初始时刻较早时，可以设置第一修正因子为较小的数值。此时，具有较大数值的第二修正因子对第一时长的影响较大，而具有较小数值的第二修正因子对第一时长的影响较小。基于第一修正因子和第二修正因子可以对第一时长进行调整修正，以获取能够较为准确反映目标对象处于目标状态的第二时长，降低对目标对象处于目标状态的风险误判和漏判，提升风险识别准确率。
25.步骤103、基于所述第二时长，确定预警时长，其中，所述预警时长用于在所述目标对象处于目标状态的第三时长大于所述预警时长的情况下输出预警信息。
26.在本技术实施例中，基于第二时长确定的预警时长，可以是多个第二时长的平均值，具体可以通过以下公式获取预警时长：；其中，表示第位目标对象的预警时长；表示目标对象处于目标状态的总次数；表示第二时长。
27.具体地，通过上述公式可以确定目标对象的预警时长，针对目标对象处于目标状态时的环境参数和初始时间修正第一时长以获取第二时长，并基于对第二时长的处理获取预警时长。最后，在目标对象实际处于目标状态时开始计算第三时长，当目标对象处于目标状态的时长大于前述预警时长之后，表明目标对象存在风险的可能性较大，需要及时输出预警信息，便于及时发现风险解决问题。这样，所获取的预警时长可以作为判断目标对象是否处于目标状态的风险预警阈值，能够更加准确灵敏的反映目标对象可能存在的风险。
28.可选地，所述获取所述环境参数对应的第一修正因子，包括：
在所述环境参数与预设环境参数匹配的情况下，确定所述第一修正因子大于第一阈值；在所述环境参数与所述预设环境参数不匹配的情况下，确定所述第一修正因子小于所述第一阈值。
29.可选地，所述获取所述第一初始时刻对应的第二修正因子，包括：在所述第一初始时刻早于预设时刻的情况下，获取小于第二阈值的所述第二修正因子；在所述第一初始时刻与所述预设时刻一致的情况下，获取等于第二阈值的所述第二修正因子；在所述第一初始时刻晚于所述预设时刻的情况下，获取大于所述第二阈值的所述第二修正因子。
30.应理解的是，本技术中可以基于环境参数、第一初始时刻分别获取第一修正因子和第二修正因子，并且基于第一修正因子、第二修正因子和第一时长可以获取第二时长，具体可以通过以下公式获取第二时长：；其中，为第一修正因子；为第二修正因子；为第一时长。
31.在本技术的一个实施例中，可以根据环境参数的不同确定不同数值的第一修正因子，也可以根据第一初始时刻的不同确定不同数值的第二修正因子。在环境参数与预设环境参数匹配时，表明此时目标状态下的环境参数对目标对象的影响较小，因此可以设置第一修正因子具有较小的数值，从而以期对第一时长修正时产生较小的影响。
32.例如，在一天之中的不同时刻具有的光照强度不同，夜晚的光照强度较白天小。而当一位老人在白天出门相较于夜晚出门，白天出门存在的风险相较于夜晚出门存在的风险较低，因此可以设置白天出门的第一修正因子近似为1，而可以设置夜晚出门对应的第一修正因子为大于1的值，从而能够较为准确的引入不同环境参数对目标对象处于目标状态的影响，以修正原有的预警阈值以获取能够反映目标对象所存在风险的预警时长。同样地，当一位老人离家时间过晚，离家过晚相较于较早离家可能具有更多风险，当第二初始时刻过晚时可以设置第二修正因子为大于1的值，当第二初始时刻较早时可以设置第二修正因子为近似为1的值。通过上述公式可以考虑环境参数、第二初始时刻等可能对目标对象所处目标状态产生的影响，从而获取能够较为准确判定风险的第二时长。
33.可选地，所述基于所述第二时长，确定预警时长之后，还包括：获取包括所述目标对象的监控画面；获取所述目标对象在所述监控画面中出现的第二初始时刻；基于所述第二初始时刻，获取所述第三时长。
34.在本技术的一个具体的实施例中，在确定预警时长之后可以通过将该预警时长作为风险阈值判断目标对象是否存在风险，首先可以获取该目标对象开始处于某个目标状态的时刻，并以该时刻为初始时刻计算该目标对象处于目标状态的第三时长。例如，该第三时
长可以是一位老人当日离家的时长，当老人未在预警时长内归家，也即离家的第三时长大于预警时长时，则该老人离家时长过长被判定为具有较高的风险，可以输出预警信息。
35.值得一提的时，前述获取目标对象的监控画面，以此基于此监控画面获取目标对象开始处于目标状态的初始时刻，也即第二初始时刻。获取该监控画面可以是采用人脸识别、特征识别等方式，具体可以对监控画面中的人脸进行跟踪，寻找满足一定大小、清晰度的人脸图像，随后将满足上述条件的静态图像与目标对象的现有照片进行识别，以确定该目标对象在监控中出现的时刻。该监控可以是设置在目标对象所居住小区的出入口、目标对象单元楼道的出入口、家门口、社区街道出入口等位置，以便于方便快捷的获取目标对象开始处于目标状态的时刻。
36.如图2所示，上述人脸识别具体可以通过深度卷积神经网络实现，卷积神经网络中的每层都由多个二维平面组成，每个平面由多个独立的神经元组成，相邻两层的神经元之间相互连接，而处于同一层的神经元之间没有连接。
37.可选地，所述基于所述第二初始时刻，获取所述第三时长之后，还包括：在所述目标对象处于目标状态的第三时长大于所述预警时长的情况下，输出预警信息；基于所述预警信息，对所述目标对象的所述目标状态进行核实，以确定所述目标对象是否处于目标状态；在确定所述目标对象不处于所述目标状态的情况下，获取第三修正因子，并基于所述第三修正因子对所述预警时长进行修正。
38.在本技术的又一个实施例中，在获取了第三时长之后还可以对第三时长是否大于预警时长进行判断。在第三时长超出预警时长表明目标对象处于目标状态的时间过长，可以输出预警信息。随后，目标对象的家属或所在社区的工作人员接收该预警信息，并由该家属或社区工作人员核实该目标对象的实际状态，获取实际的核实结果。若核实无误则维持前述预警时长，直至下一次输出预警信息。若核实发现属于风险误判，则通过引入第三修正因子对该预警时长进行调整修正。这样，可以通过输出预警信息后的实际情况进行核实，基于该核实结果确定第三修正因子，第三修正因子的数值设置具体可以参考前述第一修正因子的数值设置。因此，可以通过该第三修正因子可以对预警时长进行修正调整，提升对目标对象处于目标状态风险识别的准确率。
39.如图3所示，图3是本技术实施例提供的一种智能看护方法的流程图之二，该智能看护方法的具体步骤如下：步骤201、对出现在监控画面中的目标对象进行跟踪，获取清晰、具体的目标对象的监控图像；步骤202、将目标对象的监控图像与目标对象的预设图像通过深度卷积神经网络进行比对；步骤203、在目标对象的监控图像与目标对象的预设图像比对一致的情况下，获取该目标对象在监控图像中出现的时间作为第二初始时刻；步骤204、基于第二初始时刻计算第三时长；步骤205、判断第三时长是否大于预警时长；步骤206、输出预警信息，并基于预警信息，对目标对象的目标状态进行核实，以确
定目标对象是否处于目标状态；步骤207、判断目标对象是否处于目标状态；步骤208、获取第三修正因子，并基于所述第三修正因子对所述预警时长进行修正。
40.以上步骤为对目标对象的看护过程，通过对目标对象过往处于目标状态的时长调整修正，能够获取在不同场景下的目标对象处于目标状态的风险预警阈值，即预警时长。同时，通过基于预警后的核实结果不断调整预警时长，提升了对目标对象处于目标状态的所存在风险进行预警识别的准确度，减少出现风险预判或漏判的可能性。
41.请参考图4，本技术实施例还提供了一种智能看护装置，该智能看护装置300包括：获取模块301，用于获取目标对象处于目标状态的n个第一时长，并获取与所述第一时长相关的环境参数和第一初始时刻，其中，所述目标状态为所述目标对象的离家状态或者居家状态，所述第一初始时刻为所述第一时长的起始时刻，n为大于或者等于1的整数；修正模块302，用于获取所述环境参数对应的第一修正因子和所述第一初始时刻对应的第二修正因子，并基于所述第一时长、所述第一修正因子和所述第二修正因子，获取第二时长；确定模块303，基于所述第二时长，确定预警时长，其中，所述预警时长用于在所述目标对象处于目标状态的第三时长大于所述预警时长的情况下输出预警信息。
42.可选地，所述修正模块302用于：在所述环境参数与预设环境参数匹配的情况下，确定所述第一修正因子大于第一阈值；在所述环境参数与所述预设环境参数不匹配的情况下，确定所述第一修正因子小于所述第一阈值。
43.可选地，所述修正模块302用于：在所述第一初始时刻早于预设时刻的情况下，获取小于第二阈值的所述第二修正因子；在所述第一初始时刻与所述预设时刻一致的情况下，获取等于第二阈值的所述第二修正因子；在所述第一初始时刻晚于所述预设时刻的情况下，获取大于所述第二阈值的所述第二修正因子。
44.可选地，所述确定模块303还用于：获取包括所述目标对象的监控画面；获取所述目标对象在所述监控画面中出现的第二初始时刻；基于所述第二初始时刻，获取所述第三时长。
45.应理解的是，本技术实施例中的一种智能看护装置300运行时能够实现上述一种智能看护方法实施例中的各个过程，且能够达到上述实施例中的有益效果，为避免重复，这里不再赘述。
46.参见图5，本技术实施例还提供一种电子设备400，包括处理器401，存储器402，存储在存储器402上并可在所述处理器401上运行的计算机程序，该计算机程序被处理器401执行时实现上述智能看护方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
47.本技术实施例还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述智能看护方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。其中，所述的计算机可读存储介质，如只读存储器（read-only memory, rom）、随机存取存储器（random access memory，ram）、磁碟或者光盘等。
48.需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
49.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本技术中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本技术的启示下，在不脱离本技术宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本技术的保护之内。

技术特征：
1.一种智能看护方法，其特征在于，包括：获取目标对象处于目标状态的n个第一时长，并获取与所述第一时长相关的环境参数和第一初始时刻，其中，所述目标状态为所述目标对象的离家状态或者居家状态，所述第一初始时刻为所述第一时长的起始时刻，n为大于或者等于1的整数；获取所述环境参数对应的第一修正因子和所述第一初始时刻对应的第二修正因子，并基于所述第一时长、所述第一修正因子和所述第二修正因子，获取第二时长；基于所述第二时长，确定预警时长，其中，所述预警时长用于在所述目标对象处于目标状态的第三时长大于所述预警时长的情况下输出预警信息。2.根据权利要求1所述的方法，其特征在于，所述获取所述环境参数对应的第一修正因子，包括：在所述环境参数与预设环境参数匹配的情况下，确定所述第一修正因子大于第一阈值；在所述环境参数与所述预设环境参数不匹配的情况下，确定所述第一修正因子小于所述第一阈值。3.根据权利要求1所述的方法，其特征在于，所述获取所述第一初始时刻对应的第二修正因子，包括：在所述第一初始时刻早于预设时刻的情况下，获取小于第二阈值的所述第二修正因子；在所述第一初始时刻与所述预设时刻一致的情况下，获取等于第二阈值的所述第二修正因子；在所述第一初始时刻晚于所述预设时刻的情况下，获取大于所述第二阈值的所述第二修正因子。4.根据权利要求1所述的方法，其特征在于，所述基于所述第二时长，确定预警时长之后，还包括：获取包括所述目标对象的监控画面；获取所述目标对象在所述监控画面中出现的第二初始时刻；基于所述第二初始时刻，获取所述第三时长。5.根据权利要求4所述的方法，其特征在于，所述基于所述第二初始时刻，获取所述第三时长之后，还包括：在所述目标对象处于目标状态的第三时长大于所述预警时长的情况下，输出预警信息；基于所述预警信息，对所述目标对象的所述目标状态进行核实，以确定所述目标对象是否处于目标状态；在确定所述目标对象不处于所述目标状态的情况下，获取第三修正因子，并基于所述第三修正因子对所述预警时长进行修正。6.一种智能看护装置，其特征在于，包括：获取模块，用于获取目标对象处于目标状态的n个第一时长，并获取与所述第一时长相关的环境参数和第一初始时刻，其中，所述目标状态为所述目标对象的离家状态或者居家状态，所述第一初始时刻为所述第一时长的起始时刻，n为大于或者等于1的整数；
修正模块，用于获取所述环境参数对应的第一修正因子和所述第一初始时刻对应的第二修正因子，并基于所述第一时长、所述第一修正因子和所述第二修正因子，获取第二时长；确定模块，基于所述第二时长，确定预警时长，其中，所述预警时长用于在所述目标对象处于目标状态的第三时长大于所述预警时长的情况下输出预警信息。7.根据权利要求6所述的装置，其特征在于，所述修正模块用于：在所述环境参数与预设环境参数匹配的情况下，确定所述第一修正因子大于第一阈值；在所述环境参数与所述预设环境参数不匹配的情况下，确定所述第一修正因子小于所述第一阈值。8.根据权利要求6所述的装置，其特征在于，所述修正模块用于：在所述第一初始时刻早于预设时刻的情况下，获取小于第二阈值的所述第二修正因子；在所述第一初始时刻与所述预设时刻一致的情况下，获取等于第二阈值的所述第二修正因子；在所述第一初始时刻晚于所述预设时刻的情况下，获取大于所述第二阈值的所述第二修正因子。9.一种电子设备，其特征在于，包括处理器和存储器，所述存储器存储可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如权利要求1-5中任一项所述的智能看护方法步骤。10.一种计算机可读存储介质，其特征在于，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如权利要求1-5中任一项所述的智能看护方法步骤。

技术总结
本申请提供一种智能看护方法、装置、电子设备及存储介质，涉及智能物联技术领域，该方法包括：获取目标对象处于目标状态的N个第一时长，并获取与所述第一时长相关的环境参数和第一初始时刻，其中，所述目标状态为所述目标对象的离家状态或者居家状态，所述第一初始时刻为所述第一时长的起始时刻，N为大于或者等于1的整数；获取所述环境参数对应的第一修正因子和所述第一初始时刻对应的第二修正因子，并基于所述第一时长、所述第一修正因子和所述第二修正因子，获取第二时长；基于所述第二时长，确定预警时长。本申请技术方案解决了现有智能看护系统中由于固定阈值设置不合理导致漏判或误判风险的问题。漏判或误判风险的问题。漏判或误判风险的问题。


技术研发人员：胡威 何杰 张新 李娟 陈兰文 聂昌 于龙广睿 吴旭东 彭泽洋 杨萌 刘路刚 高峰 郭晓伟 剧梦婕 蒋琦 洪智 宋泽明
受保护的技术使用者：铁塔智联技术有限公司
技术研发日：2023.03.29
技术公布日：2023/5/13