AI-sCare+ 介护看护系统

AI-sCare+ 是结合AI图像解析、IoT传感器与 WebRTC 实时影像，支持养老设施的看护、减轻夜间巡检负担、异常检测以及介护记录联动的AI看护系统。

在养老看护现场，存在夜间巡检、及早发现跌倒/身体状况骤变、记录工作、兼顾隐私的影像应用等诸多课题。AI-sCare+ 通过将摄像头、传感器、AI、影像分发、录像、通知相结合，辅助工作人员的确认工作，旨在实现更稳定的看护运营。

目前，AI-sCare+ 相关系统已在 8家设施、700个房间 部署。

本文档可了解的内容

本页面汇总了 AI-sCare+ 介护看护系统的基本架构、使用场景、技术要素以及导入时的确认要点。

介护看护系统的整体架构
AI图像解析与IoT传感器的作用
WebRTC实时影像与录像功能
减轻夜间巡检负担的思路
介护记录联动的思路
兼顾隐私的影像应用
PoC验证/导入前应确认的要点

养老现场的主要课题

在养老设施中，容易产生以下课题。

夜间巡检负担较大
希望及早发现跌倒或身体状况骤变
工作人员经验差异导致确认质量参差不齐
若误检较多，反而增加现场负担
介护记录的录入与确认工作耗时费力
希望使用影像，但需兼顾隐私保护
摄像头、传感器、记录系统容易分散

AI-sCare+ 针对这些课题，结合AI图像解析、IoT传感器、影像确认、录像、通知、记录联动予以应对。

系统概要

AI-sCare+ 是基于房间内摄像头影像及各类IoT传感器信息，确认使用者状态，并根据需要向工作人员和管理者发送通知的系统。

主要构成要素如下。

构成要素	作用
AI摄像头 / 摄像头模块	获取房间或目标区域的影像
AI图像解析	识别姿势、动作、异常状态等
IoT传感器	获取温湿度、卫生间人体检测、生命体征信息等辅助数据
生命体征传感器	把握在床/离床、呼吸、心率等状态
WebRTC实时影像	通过 iPad / PC 等低延迟确认影像
本地录像	用于状况确认、回顾、AI改善数据等用途
云端 / 服务器	状态判断、通知、记录联动的基础平台
客户端画面	面向工作人员和管理者的确认画面

看护流程

AI-sCare+ 的基本看护流程如下。

摄像头和传感器获取房间内状态
通过AI图像解析和传感器数据判定状态
根据需要将结果发送至云端或服务器端
向 iPad / PC 等客户端终端发送通知
工作人员确认影像、录像、记录信息
实施必要的护理和应对

通过此流程，并非完全依赖人工巡检来进行所有确认，而是构建起运用AI和传感器进行辅助性看护的体系。

主要功能

AI自动巡检

通过AI图像解析自动确认房间内状态。
并非完全替代夜间的定期巡检，而是通过更易于掌握需要确认的场景，辅助减轻工作人员负担。

异常检测

结合AI识别处理，检测跌倒、长时间不自然姿势、动作变化等养老现场需注意的状态。

检测对象和判定条件可根据设施运营和摄像头安装环境进行调整。

降低误检

不同房间、使用者、照明条件、床位位置差异，可能导致单纯图像识别的误检增加。
AI-sCare+ 致力于在运用现场数据的同时改善识别精度，实现不增加多余确认工作的运营。

WebRTC实时影像

利用 WebRTC，可从 iPad 或 PC 低延迟确认影像。
适用于希望在现场前往前把握状况，或收到异常通知后进行确认的场景。

本地录像/视频检索

将影像本地录像存储，可检索必要的时间段进行确认。
可用于异常发生时的状况确认、工作人员间共享、AI识别改善的数据确认。

介护记录联动

将检测事件和确认结果与介护记录系统联动，减轻手工作业记录负担。
可根据运营需求设计记录项目、通知内容及联动方式。

隐私保护

在养老现场使用影像时，隐私保护措施至关重要。
AI-sCare+ 可结合模糊处理、本地录像、访问控制、最小必要影像确认等方式，根据设施方针进行设计考量。

技术架构

AI图像解析

结合人物检测、姿势估计、动作识别、异常状态检测等AI识别算法。

可根据用途考量以下识别处理。

人物检测
姿势/状态识别
跌倒检测
离床/在床状态把握
长时间静止或异常姿势检测
符合设施运营需求的自定义识别

IoT传感器联动

不仅依靠影像，还结合传感器信息，实现更稳定的状态判断。

联动示例：

温湿度传感器
卫生间人体检测传感器
生命体征传感器
在床/离床传感器
呼吸/心率信息
房间环境数据

WebRTC / 录像SDK

结合 WebRTC 低延迟实时影像、本地录像、视频下载、面向 PC / iPad 的画面等功能。

主要用途：

远程影像确认
异常通知后的影像确认
录像检索
面向工作人员/管理者的确认画面
与云端/服务器的影像联动

边缘AI与云端联动

AI处理可根据系统架构分配至摄像头本体、边缘AI处理基板、AI引擎、云端侧处理等。

如需在现场侧处理，可利用边缘AI基板。
在考虑多设施或大规模运营的情况下，也可结合云端侧的管理、通知、分析功能。

导入可期待的效果

通过导入 AI-sCare+，可期待以下效果。

减轻夜间巡检负担
提早发现异常
提高工作人员确认效率
节省记录作业人力
结合影像与传感器的状况确认
兼顾隐私的影像应用
构建符合设施运营需求的看护系统

PoC验证/导入前的确认要点

在导入前，建议确认以下项目。

安装环境

房间面积
床位位置
摄像头安装位置
照明条件
夜间亮度
Wi-Fi / 有线LAN 环境
电源位置

需检测的状态

跌倒
离床
长时间静止
不自然姿势
如厕情况
呼吸、心率等生命体征信息
需要通知工作人员的状态

运营规则

通知给谁
使用什么终端确认
录像保存多久
如何与介护记录联动
如何管理影像确认权限
如何制定隐私方针

常见问题

可以在现有设施中导入吗？

可以。也可考虑在现有设施中追加导入。
但需事先确认摄像头安装位置、网络、电源、隐私方针以及与现有记录系统的联动条件。

仅PoC验证也可以咨询吗？

可以。从PoC验证阶段即可咨询。
建议首先梳理目标房间、需检测的状态、使用的摄像头和传感器、通知对象、录像方针，从小规模验证开始。

可以对摄像头影像进行隐私保护吗？

可以。可根据设施运营方针，设计模糊处理、录像范围、保存期限、访问权限、本地录像等措施。

AI识别算法可以定制吗？

可以。可根据设施和用途，考量检测对象和判定条件的定制。
在确认摄像头影像、传感器信息、运营条件的基础上，设计所需的AI识别处理。

联系我们

关于 AI-sCare+ 介护看护系统的导入、PoC验证、定制、技术资料，请与我们联系。

面向养老设施的看护系统导入咨询
AI图像解析的PoC验证咨询
WebRTC影像确认/录像SDK咨询
介护记录系统联动咨询
摄像头/传感器配置咨询