王巧真，李新福，田学东

(河北大学 网络空间安全与计算机学院，河北 保定 071002)

0 引 言

随着智能护理床市场化，卧床病人姿态异常情况下进行远程操作的安全问题变的尤为重要。目前对智能护理床安全方面的研究主要集中于精密仪器检测研究，如可穿戴设备跌倒检测[1]、人脸检测技术检测人员是否在床[2]、智能服装安全防护[3]。由于穿戴设备使用不便，还会影响病人身体恢复，而不需要身体接触的检测仪器则对安全问题检测单一，对于隐患的预防效果欠佳。除上述异常检测方式外，视频监控也是一种重要的检测手段，但传统的视频监控需人工监督，耗时耗力且效率低。若将场景安全检测领域中的视频监控异常分析技术引入远程监护异常检测中，将大大降低意外发生的概率。

目前监控视频目标异常检测方式主要包括基于特征分类、轨迹跟踪以及深度学习的方法。基于特征分类方法[4-6]工作量相对较少，这种方法依赖于特征提取，且易受外界因素影响；基于轨迹跟踪方法[7-9]一般用于运动目标异常检测，对相对静止、运动幅度较小的目标检测效果不佳；相较于传统的异常检测方法，深度学习方法[10,11]在特征提取环节不需要预先选定特征，而是通过学习获取目标特征，不易受外界因素干扰，但对于不同场景目标的检测效果大不相同。

以上方法仅适用于特定场景，因此需要具体场景具体分析。通过分析卧床病人与智能护理床的位置……