TWI771672B

TWI771672B - 影像監控裝置與方法

Info

Publication number: TWI771672B
Application number: TW109113985A
Authority: TW
Inventors: 鄭憲君; 黃捷; 李家昶
Original assignee: 財團法人工業技術研究院
Priority date: 2020-04-27
Filing date: 2020-04-27
Publication date: 2022-07-21
Also published as: TW202143180A

Abstract

一種影像監控裝置，包括一影像感測模組及一處理器。影像感測模組經配置以取得一目標場景的一非可見光動態影像，且非可見光動態影像包括數個圖像幀。處理器經配置以根據非可見光動態影像的至少一圖像幀執行運算，決定對應於目標場景中至少一活體的狀態為數個狀態類別之一及非可見光動態影像的至少一狀態有效區塊，且依據此至少一活體的狀態類別設定此至少一狀態有效區塊的每一像素的場景為數個場景類別之一。一種影像監控方法亦被提出。

Description

影像監控裝置與方法

本發明是有關於一種監控裝置與方法，且特別是有關於一種影像監控裝置與方法。

隨著醫療技術的進步，人類的平均壽命被延長，因此出現了銀髮健康照護的需求。此外，在銀髮居家的現象中，獨居銀髮族的數量佔有一定的比例，而機構及社區照護人力有限，因此全球均借助科技協助，往居家照顧服務發展。

銀髮族的主要意外動作傷害如臥室離床行為、不良異常動作、地面濕滑等。因此預防發生與即時處理是居家安護的重要需求。舉例而言，銀髮族夜間起床跌倒，到隔天上午才被發現。又例如銀髮族在床上身體不適無法向外求助。因此，動作異常的即時通報是急迫需求。

現有照護系統多以穿戴式感測裝置或是壓力墊為主，然而，感測器需要長時間配戴，長者配戴意願低或是會自行拔除。此外，壓力墊鋪設範圍有限，無法隨時感測異常跌倒事件。另一方面，目前人工智慧（artificial intelligence, AI）辨識技術在動作辨識上已有很高準確率，但卻是採用一般影像來辨識。一般影像是指會看到使用者的臉部特徵、穿著或身體表面等隱私內容，因此被照護者會因為感到隱私被侵犯而使得裝設意願低落。

本發明提供一種影像監控裝置與方法，其能夠利用被照護者的低敏感度影像的情況下提供良好、有效的安全監控。

本發明的一實施例提出一種影像監控裝置，包括一影像感測模組及一處理器。影像感測模組經配置以取得一目標場景的一非可見光動態影像，且非可見光動態影像包括數個圖像幀。處理器經配置以執行：根據非可見光動態影像的至少一圖像幀執行運算，決定對應於目標場景中至少一活體的狀態為數個狀態類別之一及非可見光動態影像的至少一狀態有效區塊，以及依據此至少一活動的狀態類別設定此至少一狀態有效區塊的每一像素的一場景為數個場景類別之一。

本發明的一實施例提出一種影像監控方法，包括：取得一目標場景的一非可見光動態影像；根據非可見光動態影像的至少一圖像幀執行運算，決定對應於目標場景中至少一活體的狀態為數個狀態類別之一及非可見光動態影像的的至少一狀態有效區塊，以及依據此至少一活體的狀態類別設定此至少一狀態有效區塊的每一像素的一場景為數個場景類別之一。

在本發明的實施例的影像監控裝置與方法中，採用非可見光動態影像來辨識出活體、狀態類別及狀態有效區塊，且依據活體的狀態類別設定狀態有效區塊中的像素的場景為數個場景類別之一。因此，在本發明的實施例的影像監控裝置與方法可以利用被照護者的低敏感度影像，執行良好、有效的安全監控，以維護被照護者隱私。

圖1為本發明的一實施例的影像監控裝置的示意圖，而圖2示出圖1之影像監控裝置所取得的非可見光動態影像。請參照圖1與圖2，本實施例的影像監控裝置100包括一影像感測模組110及一處理器120。影像感測模組110經配置以取得一目標場景的一非可見光動態影像，且此非可見光動態影像包括數個圖像幀（圖2示出其中之一圖像幀），也就是所述非可見光動態影像是由分別在不同時間點感測成像的所述數個圖像幀組成。在本實施例中，此非可見光動態影像為熱影像，並且影像感測模組110可為偵測熱影像的熱影像攝影機。然而，在其他實施例中，此非可見光動態影像亦可以是射頻回波影像或超音波影像，並且影像感測模組110可以為超音波收發器或射頻電磁波收發器。

處理器120經配置以執行下列步驟。首先，處理器120根據非可見光動態影像的至少一圖像幀（例如圖2示出之圖像幀）執行運算，決定對應於目標場景中至少一活體60的狀態為數個狀態類別之一及非可見光動態影像的至少一狀態有效區塊A1。接著，依據此至少一活體60的狀態類別設定此至少一狀態有效區塊A1的每一像素的一場景為數個場景類別之一。舉例而言，活體60為人體，而狀態類別包括站、坐、躺、爬及未定義中至少一者，而圖2所示的活體60的狀態類別例如為躺。此外，舉例而言，這些場景類別包括地板52、床舖54、座椅56及未定義類別其中至少一者。

在圖1、2所示之實施例中，在處理器120決定此至少一活體60的狀態類別是站時，處理器120設定此至少一狀態有效區塊A1的每一像素的場景為地板。在處理器120決定此至少一活體60的狀態類別是坐時，處理器120設定此至少一狀態有效區塊A1的每一像素的場景為座椅。在處理器120決定此至少一活體60的狀態類別是躺時，處理器120設定此至少一狀態有效區塊A1的每一像素的場景為床舖。以圖2所示的活體60為例，處理器120判斷其狀態類別為躺，並且對應的場景類別為床舖，因此處理器120進一步將狀態有效區塊A1中的每一像素的場景設定為床舖。

圖3A、圖3B及圖3C為在依序的三個不同時間中對應於目標場景的像素之監控場景的分佈圖，而圖4A、圖4B及圖4C為圖3A、圖3B及圖3C的區域P1中的像素所具有的場景類別的機率分布。請先參照圖3A與圖4A，在本實施例中，非可見光動態影像中的每一像素具有上述這些場景類別的機率分布（如圖4A所示），而處理器120經配置以將每一像素的場景類別的機率分布中機率最高的場景類別設定為此像素的一監控場景。在本實施例中，每一像素所具有的這些場景類別的機率分布所包括的場景類別包括地板（例如4A中的場景類別A）、床舖（如場景類別B）、座椅（如場景類別C）及未定義類別（如場景類別D）。此外，在本實施例中，處理器120經配置以根據上述至少一圖像幀的至少一狀態有效區塊A1及此至少一狀態有效區塊A1的每一像素的場景來更新狀態有效區塊A1中的每一像素的場景類別的機率分布。

舉例而言，當影像監控裝置100安裝完畢後，一開始整個場景的非可見光動態影像的所有像素的監控場景預設為場景類別D（即未定義類別），而場景類別D也是像素的預設類別。此時，安裝人員可在地板52上走動，而處理器120則對多個圖像幀進行運算與判斷，而判斷各圖像幀中活體60（即安裝人員）的狀態類別為站並決定其對應的狀態有效區塊，再依據各圖像幀中活體60的狀態類別，更新各圖像幀中活體60對應的狀態有效區塊（如圖3A中的左右兩側）的像素的場景類別的機率分布。在本實施例中，狀態類別為站是對應場景類別A（即地板52），因此狀態有效區塊（如圖3A中的左右兩側）的像素的場景類別的機率分布中，場景類別A（即地板52）之機率提升，而超過了場景類別B、場景類別C及場景類別D。因此，處理器120將此狀態有效區塊（如圖3A中的左右兩側）中的像素的監控場景設為場景類別A（如圖3A所示）。此外，安裝人員沒有行走與站立的區域，例如目標場景的中央，因此圖3A安裝人員沒有行走與站立的區域(鄰近中央的區域)未新增與累積場景類別的資訊，使其場景類別的機率分布沒有更新與變動，因此監控場景維持為預設類別，即場景類別D。

接著，安裝人員在目標場景的中央區域躺下，並維持躺的狀態一段時間，處理器120則對此段時間的數個圖像幀進行運算與判斷，並判斷各圖像幀中活體60（即安裝人員）的狀態類別為躺並決定其對應的狀態有效區塊，再依據各圖像幀中活體60的狀態類別，更新各圖像幀中活體60對應的狀態有效區塊(也就是在目標場景中鄰近中央的區域)的像素的場景類別的機率分布。在本實施例中，狀態類別為躺是對應場景類別B（即對應於床舖的類別），因此狀態有效區塊(也就是在目標場景中鄰近中央的區域)的像素的場景類別的機率分布中，場景類別B（即對應於床舖的類別）的機率提升。當場景類別B的機率成為場景類別的機率分布中機率最高者時，處理器120設定狀態有效區塊(也就是在目標場景中鄰近中央的區域)的像素的監控場景為場景類別B。

然而，在狀態有效區塊(也就是在目標場景中鄰近中央的區域)與左右兩側區域的邊界處（例如區域P1處），其場景類別的機率分布尚未有明確較高者，即區域P1處內的像素的場景類別的機率分布中，場景類別A機率與場景類別B機率相近的情況下，處理器120未能對區域P1進行場景類別的判斷。此時，安裝人員可以繼續躺著，且也可以移動一下身體，以改變或擴張躺的位置，繼續累積圖像幀供處理器120執行運算及判斷，在經過一定的時間之後，如圖3C與圖4C所示，區域P1內的像素的場景類別的機率分布中場景類別B的機率成為所有場景類別中最大者，此時處理器120決定區域P1內的所有像素的監控場景為場景類別B（即對應於床舖54的類別）。至此，雖然非可見光動態影像（例如熱影像）並未包含人臉、服裝、身體表面及室內擺設物品等較為敏感的細節資訊，但處理器120仍可判斷床舖54的所在範圍即為圖3C中場景類別B所在的範圍，以據此判斷異常。

在本實施例中，影像監控裝置100更包括一儲存器130，電性連接至處理器120，其中處理器120經配置以將非可見光動態影像及各像素對應的場景類別儲存於儲存器130中。舉例而言，處理器120可將如圖3C的場景類別的機率分布的資料儲存於儲存器130中，亦可將非可見光動態影像的各像素的監控場景儲存於儲存器130中，以便作為異常活動判斷的基礎。儲存器130例如為硬式磁碟、快閃記憶體、隨機存取記憶體或其他適當的儲存器。上述實施例是以安裝人員的活動來建構目標場景的非可見光動態影像的各像素的監控場景，然而，在其他實施例中，亦可以是由被照顧者的活動來建構，或者由其他人來建構。

此外，在本實施例中，處理器120經配置以根據非可見光動態影像的另一圖像幀執行運算，決定對應於目標場景中的一監控活體（例如被照顧者）的狀態為上述這些狀態類別之一及對應於此監控活體的至少一偵測有效區塊，依據此監控活體的此至少一偵測有效區塊、此監控活體的狀態及此監控活體的此至少一偵測有效區塊的像素對應的監控場景或場景，判斷監控活體之狀態是否異常，且在判斷此監控活體之狀態異常時輸出警告訊號，例如是透過區域網路將警告訊號傳給區域內（如社區內）的辦公室的電腦或監控系統，或者透過網際網路將警告訊號傳給遠方的監控中心的監控主機或電腦。

舉例而言，當處理器120判斷監控活體的狀態類別為躺，且監控活體的偵測有效區塊之像素為場景類別A（即地板52），且監控活體之狀態維持一預設時間（例如30分鐘）後，該處理器120判斷監控活體(例如被照顧者)躺在地板52時間過長，而有異常狀況，因此處理器120輸出警告訊號，以通知照護或醫療單位人員前來查看，或通知遠方的監控中心的人員通知他人前來查看。或者，當處理器120判斷監控活體(例如被照顧者)的狀態類別為躺，且監控活體的偵測有效區塊之像素為場景類別B（即床舖54），並且監控活體之狀態超過另一預設時間（例如超過12小時）時，處理器120則判斷監控活體狀態異常，例如身體發生狀況而無法起床，並輸出警告訊號。

本實施例取得偵測有效區塊的運算判斷，與前述實施例的狀態有效區塊相同，其中本實施例的偵測有效區塊是依據監控活體(例如被照顧者)的狀態決定，而前述實施例的狀態有效區塊則是依據活體(例如安裝人員)的狀態決定。

在一實施例中，處理器120例如為中央處理單元（central processing unit, CPU)、微處理器（microprocessor）、數位訊號處理器（digital signal processor, DSP）、可程式化控制器、可程式化邏輯裝置（programmable logic device, PLD）或其他類似裝置或這些裝置的組合，本發明並不加以限制。此外，在一實施例中，處理器120的各功能可被實作為多個程式碼。這些程式碼會被儲存在記憶體中，由處理器120來執行這些程式碼。或者，在一實施例中，處理器120的各功能可被實作為一或多個電路。本發明並不限制用軟體或硬體的方式來實作處理器120的各功能。

此外，在另一實施例中，如圖5所繪示，目標場景中活體的數量可以是多個，且其各自所對應的狀態有效區塊的數量亦是多個，本實施例的多個活體以兩個為例（圖5中以第一活體61與第二活體62為例），為了能清楚區隔與說明，以下以第一活體61與其對應的第一狀態有效區塊B1，及第二活體62與其對應的第二狀態有效區塊B2來描述。處理器120經配置以執行下列步驟。首先，處理器120根據非可見光動態影像的至少一圖像幀執行運算，決定對應於目標場景中第一活體61的狀態為數個狀態類別之一、第二活體62的狀態為所述數個狀態類別之一，及決定非可見光動態影像對應第一活體61的狀態的至少一第一狀態有效區塊B1、非可見光動態影像對應第二活體62的狀態的至少一第二狀態有效區塊B2。接著，依據第一活體61的狀態類別設定第一狀態有效區塊B1的每一像素的場景為數個場景類別之一、依據第二活體62的狀態類別設定第二狀態有效區塊B2的每一像素的場景為所述數個場景類別之一。舉例說明，處理器120運算判斷第一活體61的狀態類別為躺，並決定其對應的第一狀態有效區塊B1，同時處理器120判斷第二活體62的狀態類別為站，並決定其對應的第二狀態有效區塊B2。接著，處理器120依據第一活體61的狀態類別，更新第一狀態有效區塊B1的像素的場景類別的機率分布，同時依據第二活體62的狀態類別，更新第二狀態有效區塊B2的像素的場景類別的機率分布。本實施例中，第一狀態有效區塊B1的像素的場景類別的機率分布中，對應於狀態躺的場景類別B（即對應於床舖的類別）的機率提升；此外，第二狀態有效區塊B2的像素的場景類別的機率分布中，對應於狀態站的場景類別A（即地板）的機率提升。處理器120依據各像素的場景類別的機率分布，決定非可見光動態影像各像素的監控場景。

圖6為本發明的一實施例的影像監控方法的流程圖。請參照圖1、圖2及圖6，本實施例的影像監控方法可藉由上述影像監控裝置100來實現。影像監控方法包括下列步驟。首先，執行步驟S210，取得目標場景的非可見光動態影像。接著，執行步驟S220根據非可見光動態影像的至少一圖像幀執行運算，決定對應於目標場景中至少一活體60的狀態為數個狀態類別之一及非可見光動態影像的至少一狀態有效區塊A1。之後，執行步驟S230，依據此至少一活體60的狀態類別設定此至少一狀態有效區塊A1的每一像素的一場景為數個場景類別之一。影像監控方法的部分細節可參照上述影像監控裝置100所執行的事項，在此不再重述。而以下將闡述上述影像監控裝置100所執行的事項及本實施例的影像監控方法的更為細節的步驟，如圖7所示。

請參照圖7，其顯示步驟S220及S230的細節步驟，說明如下。在本實施例中非可見光動態影像是熱影像資料，而在取得非可見光動態影像後，處理器120執行步驟S104，對非可見光動態影像的至少一圖像幀執行色域轉換圖像幀(熱影像資料)由單通道轉換成三通道色彩資訊。處理器120執行步驟S106，對步驟S104中經色域轉換後之輸出執行正規化運算強化影像中不同溫度之對比，舉例而言，可以是依據一溫度範圍內的最高溫來進行正規化，以凸顯影像中在此溫度範圍內的不同溫度的對比。接著，處理器120執行步驟S108，依據步驟S106運算處理後的結果執行機器學習，運算出非可見光動態影像中熱源，也就是活體之狀態類別及區域，也就是藉此判別出非可見光動態影像中的活體。

再執行步驟S110，對步驟S108運算所得的非可見光動態影像之圖像幀及資訊執行運算，決定非可見光動態影像之圖像幀中對應於活體之活體框定區塊，例如在圖8A的非可見光動態影像之圖像幀中，決定對應於活體之活體框定區塊A2，並執行運算以將活體框定區塊A2收縮到活體框定區塊A3，也就是判斷對應於活體之活體框定區塊由包含四肢(活體框定區塊A2)收縮到包含軀幹(活體框定區塊A3)，而步驟S110的細節進一步包括步驟S112與步驟S114。步驟S112中，處理器在活體框定區塊A2內，沿X軸方向（即橫軸方向）逐一運算活體框定區塊A2內Y軸方向（即縱軸方向）的像素總數，並框定出由累加運算後像素數量最大值所對應X軸座標向左右各擴展至最大值之30%處為區塊邊界。步驟S114中，處理器在活體框定區塊A2內，沿Y軸方向（即縱軸方向）逐一運算活體框定區塊A2內X軸方向（即橫軸方向）的像素總數，並框定出由累加運算後像素數量最大值處所對應Y軸座標向上下各擴展至最大值之30%處為區塊邊界。在執行完步驟S110（內含步驟S112與S114）後，由活體框定區塊A2收斂至活體框定區塊A3，亦即決定出活體本身範圍(以軀幹為主的區塊)。

然後，執行步驟S116，處理器120依活體框定區塊A3及狀態類別進行運算以取得狀態有效區塊，而步驟S116的細節進一步包括步驟S118、步驟S120及步骤S122。步驟S118中，處理器120判斷活體的狀態類別為站或躺，或在其他實施例中亦可判斷狀態類別為站、坐或躺。在判斷活體之狀態為站的情況下，執行步驟S120，擷取步驟S112、S114執行後產生之活體框定區塊A3下方高度為50個像素的範圍為狀態有效區塊A4，並設定狀態有效區塊A4之各像素之場景類別為地板52，如圖8A所示。然而，本發明不限定為50個像素的高度範圍，在其他實施例中，亦可以是其他數目的像素的高度。在判斷活體之狀態為躺的情況下，則執行步驟S122，設定步驟S112、S114執行後產生之活體框定區塊為狀態有效區塊A1，並設定其場景類別為床舖54，如圖2所示。

執行了步驟S120或步驟S122後，執行步驟S124，更新狀態有效區塊內像素之場景類別的機率分布，而步驟S124的細節進一步包括步驟S126、步驟S128、步骤S130及步驟S132。步驟S126中，處理器120判斷狀態有效區塊內像素是否已存在場景類別之資訊，即判斷是否存在場景類別D（即未定義類別）以外的類別。若已存在場景類別之資訊，則執行步驟S128，處理器120依狀態有效區塊內像素之場景類別，增減場景類別機率分布。然後，執行步驟S130，判斷各像素之場景類別的機率分布中機率最大的場景類別是否發生改變。若機率最大的場景類別發生改變，則執行步驟S132，更新監控場景，例如區域P1中的監控場景從圖3B的區域P1中像素的場景類別更新為圖3C的區域P1中像素的場景類別。若機率最大的場景類別未發生改變，則重新執行步驟S126。在步驟S126中，若判斷不存在類別定義，則執行步驟S132，更新監控場景。

需要注意的是，本揭露的實施例中，狀態類別包括站、坐、躺、爬及未定義中至少一者，以此為例來說明，在其他實施方式中，可以依監控需求或監控重點，來增減狀態類別；此外，場景類別同樣可以依監控環境、監控需求或重點來增減。在部分實施方式中，場景類別亦可以與狀態類別相同，也就是像素的場景是可供站、走或躺；在另一實施方式中，場景類別還可以包括允許或禁止，也就是設定非可見光動態影像中活體(例如安裝人員)出現過的區塊的像素為允許的場景類別，而非可見光動態影像的像素預設(或未經更新的區塊)為禁止的場景類別，此實施方式則作為防盜或保全之監控，因此本發明不以照護為限。

綜上所述，在本發明的實施例的影像監控裝置與方法中，採用非可見光動態影像來辨識出活體、狀態類別及狀態有效區塊，且依據活體的狀態類別設定狀態有效區塊中的像素的場景為數個場景類別之一。因此，在本發明的實施例的影像監控裝置與方法可以在不侵犯被照護者的隱私的情況下提供良好、有效的安全監控。

52:地板 54:床舖 56:座椅 60:活體 61:第一活體 62:第二活體 100:影像監控裝置 110:影像感測模組 120:處理器 130:儲存器 A、B、C、D:場景類別 A1:狀態有效區塊 A2、A3:活體框定區塊 B1:第一狀態有效區塊 B2:第二狀態有效區塊 P1:區域 S102～S132、S210～S230:步驟

圖1為本發明的一實施例的影像監控裝置的示意圖。圖2示出圖1之影像監控裝置所取得的非可見光動態影像。圖3A、圖3B及圖3C為在依序的三個不同時間中對應於目標場景的像素之監控場景的分佈圖。圖4A、圖4B及圖4C為圖3A、圖3B及圖3C的區域P1中的像素所具有場景類別的機率分布。圖5為本發明的另一實施例的影像監控裝置所取得的非可見光動態影像的示意圖。圖6為本發明的一實施例的影像監控方法的流程圖。圖7為圖6中的步驟S220及S230的細節步驟的流程圖。圖8A為圖7中的步驟S110～S114的活體框定區塊收縮的示意圖。圖8B為圖7中的步驟S120的活體框定區塊下方50個像素高度區域之場景類別為地板的示意圖。

52:地板

54:床舖

56:座椅

100:影像監控裝置

110:影像感測模組

120:處理器

130:儲存器

Claims

一種影像監控裝置，包括：一影像感測模組，經配置以取得一目標場景的一非可見光動態影像，且該非可見光動態影像包括數個圖像幀；以及一處理器，經配置以執行：根據該非可見光動態影像的至少一圖像幀執行運算，決定對應於該目標場景中至少一活體的狀態為數個狀態類別之一及該非可見光動態影像的至少一狀態有效區塊；以及依據該至少一活體的該狀態類別設定該至少一狀態有效區塊的每一像素的一場景為數個場景類別之一。
如請求項1所述的影像監控裝置，其中該非可見光動態影像為熱影像、射頻回波影像或超音波影像。
如請求項1所述的影像監控裝置，其中該至少一活體為人體，而該些狀態類別包括站、坐、躺、爬及未定義中至少一者。
如請求項3所述的影像監控裝置，其中該處理器經配置還執行：在決定的該至少一活體的該狀態類別是站時，設定該至少一狀態有效區塊的每一像素的該場景為地板；在決定該至少一活體的該狀態類別是坐時，設定該至少一狀態有效區塊的每一像素的該場景為座椅；以及在決定該至少一活體的該狀態類別是躺時，設定該至少一狀態有效區塊的每一像素的該場景為床舖。
如請求項1所述的影像監控裝置，其中該非可見光動態影像中的每一像素具有該些場景類別的機率分布，該處理器經配置以將每一像素的該些場景類別的機率分布中機率最高的場景類別設定為該像素的一監控場景。
如請求項5所述的影像監控裝置，其中該處理器經配置以根據該至少一圖像幀的該至少一狀態有效區塊及該至少一狀態有效區塊的每一像素的該場景來更新該狀態有效區塊中的每一像素的該些場景類別的機率分布。
如請求項1或5所述的影像監控裝置，其中該些場景類別包括地板、床舖、座椅及未定義類別其中至少一者。
如請求項1所述的影像監控裝置，更包括電性連接至該處理器的一儲存器，其中該處理器經配置以將該非可見光動態影像及各像素對應的場景類別儲存於該儲存器中。
如請求項1所述的影像監控裝置，其中該處理器經配置以根據該非可見光動態影像的另一圖像幀執行運算，決定對應於該目標場景中的一監控活體的狀態為該些狀態類別之一及對應於該監控活體的至少一偵測有效區塊，依據該監控活體的該至少一偵測有效區塊、該監控活體的狀態及該監控活體的該至少一偵測有效區塊對應的該場景，判斷該監控活體之狀態是否異常，且在判斷該監控活體之狀態異常時輸出警告訊號。
如請求項5所述的影像監控裝置，其中該處理器經配置以根據該非可見光動態影像的另一圖像幀執行運算，決定對應於該目標場景中的一監控活體的的狀態為該些狀態類別之一及對應於該監控活體的至少一偵測有效區塊，依據該監控活體的該至少一偵測有效區塊、該監控活體的狀態，及該監控活體的該至少一偵測有效區塊對應的該監控場景，判斷該監控活體之狀態是否異常，且在判斷該監控活體之狀態異常時輸出警告訊號。
如請求項1所述的影像監控裝置，其中該至少一活體為多個活體，該至少一狀態有效區塊為多個狀態有效區塊，該些活體分別對應於該些狀態有效區塊，且該處理器經配置以執行：根據該非可見光動態影像的至少一圖像幀執行運算，決定對應於該目標場景中該些活體的狀態的每一者為數個狀態類別之一及該非可見光動態影像的該些狀態有效區塊；以及分別依據該些活體的每一者的該狀態類別設定對應的狀態有效區塊的每一像素的場景為數個場景類別之一。
一種影像監控方法，包括：取得一目標場景的一非可見光動態影像；根據該非可見光動態影像的至少一圖像幀執行運算，決定對應於該目標場景中至少一活體的狀態為數個狀態類別之一及該非可見光動態影像的至少一狀態有效區塊；以及依據該至少一活體的該狀態類別設定該至少一狀態有效區塊的每一像素的一場景為數個場景類別之一。
如請求項12所述的影像監控方法，其中該非可見光動態影像為熱影像、射頻回波影像或超音波影像。
如請求項12所述的影像監控方法，其中該至少一活體為人體，而該些狀態類別包括站、坐、躺、爬及未定義中至少一者。
如請求項14所述的影像監控方法，更包括：在決定的該至少一活體的該狀態類別是站時，設定該至少一狀態有效區塊的每一像素的該場景為地板；在決定該至少一活體的該狀態類別是坐時，設定該至少一狀態有效區塊的每一像素的該場景為座椅；以及在決定該至少一活體的該狀態類別是躺時，設定該至少一狀態有效區塊的每一像素的該場景為床舖。
如請求項12所述的影像監控方法，其中該非可見光動態影像中的每一像素具有該些場景類別的機率分布，且該影像監控方法更包括將每一像素的該些場景類別的機率分布中機率最高的場景類別設定為該像素的一監控場景。
如請求項16所述的影像監控方法，更包括根據該至少一圖像幀的該至少一狀態有效區塊及該至少一狀態有效區塊的每一像素的該場景來更新該狀態有效區塊中的每一像素的該些場景類別的機率分布。
如請求項12或16所述的影像監控方法，其中該些場景類別包括地板、床舖、座椅及未定義類別其中至少一者。
如請求項12所述的影像監控方法，更包括將該非可見光動態影像及各像素對應的場景類別儲存於一儲存器中。
如請求項12所述的影像監控方法，更包括根據該非可見光動態影像的另一圖像幀執行運算，決定對應於該目標場景中的一監控活體的狀態為該些狀態類別之一及對應於該監控活體的至少一偵測有效區塊，依據該監控活體的該至少一偵測有效區塊、該監控活體的狀態及該監控活體的該至少一偵測有效區塊對應的該場景，判斷該監控活體之狀態是否異常，且在判斷該監控活體之狀態異常時輸出警告訊號。
如請求項16所述的影像監控方法，更包括根據該非可見光動態影像的另一圖像幀執行運算，決定對應於該目標場景中的一監控活體的的狀態為該些狀態類別之一及對應於該監控活體的至少一偵測有效區塊，依據該監控活體的該至少一偵測有效區塊、該監控活體的狀態及該監控活體的該至少一偵測有效區塊對應的該監控場景，判斷該監控活體之狀態是否異常，且在判斷該監控活體之狀態異常時輸出警告訊號。
如請求項12所述的影像監控方法，其中該至少一活體為多個活體，該至少一狀態有效區塊為多個狀態有效區塊，該些活體分別對應於該些狀態有效區塊，且該影像監控方法包括：根據該非可見光動態影像的至少一圖像幀執行運算，決定對應於該目標場景中該些活體的狀態的每一者為數個狀態類別之一及該非可見光動態影像的該些狀態有效區塊；以及分別依據該些活體的每一者的該狀態類別設定對應的狀態有效區塊的每一像素的場景為數個場景類別之一。