分段，因为在所接收的视频中存在附加的运动并且由运动单元使该附加的运动群集。分段单元操作用于首先通过识别呼吸运动并且将集群分段为躯干/胸部区域来定位运动集群中的对象。由于运动集群中存在附加的非呼吸运动，所以分段单元建立了身体掩膜以对身体部分进行分段并且使运动集群与每个身体部分相关联。分段单元通过拟合穿过集群的线来识别身体轴线，该集群表示诸如头部、胸部、和腿部的经分段的身体部分。
[0031]分类单元44基于集群和经分段的身体部分的运动的频率和测量结果(例如，角度、速度、位置、距离、加速度等)来对对象运行进行分类。例如，在身体轴线保持平行于床/地面的情况下，对象的躯干/胸部区域从床移动到地面指示患者从床上跌落。在另一个示例中，对象的躯干/胸部区域从床移动到升高的水平面并且身体轴线从平行于地面变为与地面垂直指示患者下床了。分类单元可以解释身体部分运动的重复性和较高级运动的运动测量结果。例如，可以对指示精神错乱的诸如捏皮肤、抓空气等较高级的运动进行分类。分类单元还可以使所记录的视频去识别化，例如:向视频中插入位于可以识别患者的患者脸部和身体的其它部分之上的覆盖物。
[0032]运动历史记录单元46将每个运动集群记录在运动历史记录数据储存器48中。运动历史记录单元将是否存在覆盖物和其存在的位置记录在覆盖数据储存器49中。运动历史记录单元将经分段的身体部分记录在经分段的身体部分数据储存器50中。运动历史记录单元对与对象相关联的集群进行识别和记录。运动历史记录单元将对象集群储存在对象历史记录数据储存器51中。运动历史记录单元可以识别并记录与第三方相关联的运动集群。运动历史记录单元将第三方集群储存在第三方历史记录数据储存器52中。可以将运动历史记录数据储存器48、覆盖数据储存器49、经分段的身体部分数据储存器50、对象历史记录数据储存器51、以及第三方历史记录数据储存器52组合在单个数据储存器或数据储存器的组合中。
[0033]监测单元54接收并被配置为显示经分类的运动和视频图像的对应的历史记录部分(例如，视频的时间分段)。监测单元可以在显示设备56(例如，工作站32的显示设备)上显示警报或警告，或者将该警报或警告传送至中央监测站。监测单元还可以被配置为显示当前视频图像。经配置的显示内容可以包括不同的照相机角度和/或多个对象的合成显示内容。经配置的显示内容可以包括经分类的运动、警报、警告和/或时间的历史记录视频图像的显示内容。
[0034]工作站32包括电子处理器或电子处理设备30、显示设备56、以及输入医疗保健医生的选择的至少一个输入设备58，显示设备56显示视频图像、分类、警告、警报、菜单、面板、以及用户控制。工作站20可以是台式计算机、膝上型电脑、平板电脑、移动计算设备、智能电话等。输入设备可以是键盘、鼠标、麦克风等。显示设备可以包括计算机显示器、电视机屏幕、触摸屏、触感电子显示器、阴极射线管(CRT)、储存管、平板显示器、发光二极管(LED)显示器、电致发光显示器(ELD)、等离子体显示面板(PDP)、液晶显示器(IXD)、有机发光二极管显示器(0LED)、投影仪、头戴式显示器等。
[0035]各个单元40、42、44、46、和54可以通过以下设备得到适当的体现:诸如工作站32的电子处理器或电子处理设备30的电子数据处理设备;或者通过网络22与工作站32可操作地连接的基于网络的服务器计算机、或者个体电子单元、ASIC、可编程门阵列等。此外，使用非暂态储存介质来适当地实施所公开的集群、分段、分类以及监测技术，该非暂态储存介质储存电子数据处理设备可读的并且电子数据处理设备可执行的指令(例如，软件)以执行所公开的技术。
[0036]参考图2，示出了自动连续患者移动监测的方法的一个实施例的流程图。在步骤60中，连续地接收在正常的条件下和在暗室的条件下的对象的视频图像。可以对图像进行滤波。可以使强度标准化以补偿黑暗场景。在步骤62中识别由于呼吸引起的微量移动的范围，例如构造绝对差值图像。差值图像是当前图像与在时间邻域中所选取的参考图像或先前图像之间的差值。该差值图像可以基于强度和/或诸如颜色、对比度等的其它图像值。差值的范围或区域形成了 2D像素的集群或者3D体素的集群。可以使用诸如提供移动的测量结果的空间特征相关性、质地分析等的其它技术。该技术可以使用整个图像或感兴趣的区域。
[0037]在步骤64中，基于差值图像来识别对象运动的集群。例如，基于集群的大小和运动的随着时间推移的周期性来识别呼吸运动的集群。当不存在胸部的大身体部分运动时(例如，没有翻身)，识别呼吸运动。当存在胸部的大的部分运动时，可以确定无法测量呼吸运动。识别非呼吸运动集群。每个运动集群可以包括大小、形状、方向、距离、相对于胸部或其它所识别的集群的物理位置、和/或速度的属性。这些属性可能与呼吸集群有关，并且可能与对象的身体比例有关。所识别的集群可以包括存在或不存在对象身体部分的覆盖物。
[0038]在步骤66中，对集群进行分配和记录。分配可以包括对象或者一个或多个第三方。例如，紧邻胸部并且具有预定大小和从图像到图像的最小距离变化的集群可以代表对象的头部，并且分配为对象。在另一个示例中，从视频图像的外部边缘出现的或者与呼吸集群相距预定距离的集群可以代表第三方，并且分配为第三方。记录集群位置和移动为集群的每个附加的移动提供了附加的信息。
[0039]在步骤68中，基于所识别的对象运动的集群来对对象的身体部分进行分段。首先，识别呼吸运动的集群，将所述呼吸运动的集群分段成胸部身体部分。由于识别到了附加的非呼吸运动的集群，所以对附加的身体部分进行分段。对与所识别的集群对应的经分段的身体部分进行精细化和追踪。基于身体比例、经分段的躯干/胸部的接近度、和朝向来对身体部分进行分段。
[0040]在步骤70中，对运动集群的移动进行分类。例如，与对象的特定身体部分相对应的各个集群的移动可以表明站立、跌落、步行、端坐、进食等。可归因于第三方的运动可以用于记录治疗或临床医师监测的次数并且在一些情况下记录治疗的管理。移动分析将被分配给对象的运动集群和被分配给任何第三方的运动集群分开。对移动进行分类可以包括基于分类来提供警告和/或警报。
[0041]在步骤72中，重复接收视频、识别、分配、分段、以及分类的过程。这些过程迭代地建立并精细化了对身体部分的分段，对对象和任何第三方的移动进行追踪。
[0042]参考图3，示出了基于差值信号来识别视频馈送中的对象的方法的一个实施例的流程图。在步骤80中，计算当前图像与参考图像之间的绝对差值图像。该差值图像包括对照相机角度、床靠背倾斜度、不同患者躺的位置、以及是否存在身体部分的覆盖物的调节。在决定步骤82中，基于差值图像来确定存在小的重复运动，例如患者静静地躺着呼吸。如果运动集群较小，那么在步骤84中，基于差值图像来计算差值信号，以在时间和空间上识别有规律地跳动的集群。有规律地跳动的运动集群代表呼吸运动。在步骤86中，对胸部/上臂区域或者躯干进行分段。分段可以包括边缘/梯度分析、照度值分析、以及目标检测。
[0043]如果运动集群不小(例如，大的身体移动)，那么在步骤88中产生全身掩膜或剪影。诸如在床上翻身之类的大的身体移动包括逐步的移动。例如，首先是手臂移动，其次是腿部移动，然后是头部移动，再然后是胸部移动