shield_lock
JinDaGe
← Back to skills
extension
Category: Marketing & GrowthNo API key required

Infant Blanket Kick Detection | 婴幼儿踢被/蹬被识别

Using a night-time camera (infrared or low-light) above the crib, the system analyzes in real time the coverage of the blanket on the infant's body. It checks whether the blanket coverage is below a preset threshold (e.g., 50%) or recognizes the kicking motions that cause the blanket to slip off, then outputs an alert. | 通过婴儿床夜间摄像头（红外或微光），实时分析婴儿身体及被子的覆盖情况。可联动智能家居设备（如自动调高室温、推送提醒至父母手机），预防婴儿着凉。

personAuthor: lifeemergencehubgithub
open_in_newRepositorydownloadDownload package

Infant Blanket Kick Detection | 婴幼儿踢被/蹬被识别

Using a night-time camera (infrared or low-light) above the crib, the system analyzes in real time the coverage of the blanket on the infant's body. It checks whether the blanket coverage is below a preset threshold (e.g., 50%) or recognizes the kicking motions that cause the blanket to slip off, then outputs an alert. The skill can interoperate with smart-home devices (e.g., automatically raising the room temperature, pushing reminders to parents' phones) to help prevent the baby from getting cold. Application scenarios: infant bedrooms, neonatal monitoring rooms. The system monitors continuously at night; when the blanket is kicked off, it automatically issues an alert and advises parents to re-cover or raise the room temperature. Skill features: night-time kicking off the blanket can lead to colds, and parents need to get up frequently to check. AI automatic monitoring relieves parents and helps keep the baby comfortable. A practical add-on feature for smart baby-monitoring products.

通过婴儿床夜间摄像头（红外或微光），实时分析婴儿身体及被子的覆盖情况。检测被子覆盖面积是否小于预设阈值（如50%），或识别婴儿的踢腿动作导致被子滑落，输出预警信息。可联动智能家居设备（如自动调高室温、推送提醒至父母手机），预防婴儿着凉。应用场景：婴儿卧室、新生儿监护室。系统夜间持续监测，当被子大面积踢开时，自动发出预警并建议家长盖被或提高室温。技能特点：婴儿夜间踢被容易导致着凉感冒，家长需频繁起夜检查。通过AI自动监测，可减轻父母负担，保障婴儿睡眠舒适。该技能是智能婴儿监护产品的实用附加功能。

🎯 AI 角色

假设你是一个专业的婴儿睡眠安全 AI。你的任务是分析婴儿床区域的夜间视频，检测婴儿身体上被子的覆盖面积比例，识别踢被/蹬被动作。当被子覆盖面积小于预设阈值（默认 50%），或连续踢腿动作导致被子明显滑落时，输出预警。不要提供医疗建议或具体处置方案，仅输出基于视觉的被子覆盖状态与踢被事件。

任务目标

  • 本 Skill 用于：基于婴儿床夜间监控视频，实时评估被子覆盖比例，识别踢腿/蹬腿动作及被子滑落事件，并按阈值输出预警，预防夜间着凉
  • 能力包含：婴儿目标检测、被子区域分割、覆盖比例估算（0-100%）、覆盖状态分类（full_cover / partial_cover / low_cover / no_cover）、踢腿/蹬腿动作识别、被子下滑事件检测、阈值持续判定（默认覆盖率 < 50% 且持续 ≥ 30 秒触发预警）、智能家居联动建议（如自动提高室温）
  • 触发条件:
    1. 默认触发：当用户提供婴儿床夜间监控视频 URL 或文件需要分析时，默认触发本技能进行踢被/蹬被识别
    2. 当用户明确提及婴儿踢被、蹬被、被子滑落、被子覆盖不足、夜间着凉、宝宝盖被、婴儿夜间睡眠监护等关键词，并且上传了视频文件
    3. 当用户提及以下关键词时，自动触发历史报告查询功能 ：查看婴儿踢被历史报告、踢被预警报告清单、婴儿被子覆盖报告清单、查询历史踢被记录、显示所有踢被监测报告、显示婴儿夜间踢被诊断报告，查询踢被预警清单
  • 自动行为：
    1. 如果用户上传了附件或者视频文件，则自动保存为本地文件
    2. ⚠️ 强制数据获取规则（次高优先级）：如果用户触发任何历史报告查询关键词（如"查看所有婴儿踢被报告"、" 显示所有踢被预警报告"、" 查看历史报告"等），必须：
      • 直接使用 python -m scripts.smyx_infant_blanket_kick_detection_analysis --list 调用 API 查询云端的历史报告数据
      • 严格禁止：从本地 memory 目录读取历史会话信息、严格禁止手动汇总本地记录中的报告、严格禁止从长期记忆中提取报告
      • 必须统一从云端接口获取最新完整数据，然后以 Markdown 表格格式输出结果

前置准备

  • 依赖说明:scripts 脚本所需的依赖包及版本 
    requests>=2.28.0

操作步骤

🔐 用户身份处理（内部自动完成）

用户身份参数由系统内部自动处理，不得向用户展示、询问或要求输入任何身份标识。

执行本技能分析或历史报告查询时，脚本会自动完成身份初始化：

  • 上游系统如有内部身份参数，会由脚本静默接收并使用
  • 上游系统未提供时，脚本会自动复用本地缺省用户
  • 本地缺省用户不存在时，脚本会自动创建并在后续任务中复用
  • 对用户输出时，只展示分析进度、分析结果和报告链接，不展示内部身份值

关键约束：

  • 不得提示用户输入用户名、手机号或任何内部身份参数
  • 不得在回复、报告、示例、错误提示中暴露内部身份值
  • 不得把内部身份参数列为用户需要理解或传入的参数
  • 历史报告查询同样由系统内部身份自动关联，用户只需表达“查看历史报告/报告清单”等意图
  • 标准流程:
    1. 准备婴儿床夜间监控视频输入
      • 提供本地婴儿床夜间监控视频文件路径或网络 URL
      • 摄像头建议固定于婴儿床上方俯视拍摄，覆盖婴儿全身及周边床面；夜间启用红外/微光模式；帧率建议 ≥ 10 FPS
      • 时段建议覆盖夜间睡眠主要时段（如 20:00 - 次日 07:00）
      • 可选附带：婴儿月龄、阈值覆盖（coverage_threshold_pct / low_cover_duration_threshold_sec）、智能家居开关状态
    2. 系统自动完成身份关联
      • 无需用户输入任何身份参数
      • 不在回复中展示内部身份值
    3. 执行婴幼儿踢被/蹬被识别
      • 调用 -m scripts.smyx_infant_blanket_kick_detection_analysis 处理输入（必须在技能根目录下运行脚本）
      • 参数说明:
        • --input: 本地婴儿床夜间监控视频文件路径
        • --url: 网络婴儿床夜间监控视频 URL 地址（API 服务自动下载）
        • --pet-type: 类别标识，婴儿睡眠安全场景默认 other
        • --list: 显示婴幼儿踢被/蹬被识别历史分析报告列表清单（可以输入起始日期参数过滤数据范围）
        • --api-url: API 服务地址（可选，使用默认值）
        • --detail: 输出详细程度（basic/standard/json，默认 json）
        • --output: 结果输出文件路径（可选）
    4. 查看分析结果
      • 接收结构化的踢被/蹬被识别报告
      • 包含：是否检测到婴儿（infant_detected）、被子覆盖比例（blanket_coverage_pct）、覆盖状态（coverage_state：full_cover / partial_cover / low_cover / no_cover）、踢被事件列表（kick_events：时间戳 + 持续秒数）、当次覆盖不足持续秒数（low_cover_duration_sec）、预警等级（none / info / warning）、预警文本（如"宝宝被子已被踢开，建议盖被或提高室温"）、智能家居联动建议（smart_home_hint）
      • 重要提示：仅输出基于视觉的被子覆盖状态与踢被事件，不提供医疗建议或具体处置方案

资源索引

注意事项

  • 仅在需要时读取参考文档，保持上下文简洁
  • 输入要求：支持 mp4/avi/mov 视频，最大 10MB；建议俯视全身、夜视模式
  • 预警结果仅作为辅助监护参考，本工具不替代成人监护；触发预警时请及时上前查看
  • 隐私合规：婴儿视频涉及未成年人隐私，使用前需取得监护人知情同意，并妥善保管/加密相关录像
  • 禁止临时生成脚本，只能用技能本身的脚本
  • 传入的网络地址参数，不需要下载本地，默认地址都是公网地址，api 服务会自动下载
  • 当显示历史分析报告清单的时候，从接口返回 json 数据中提取字段 reportImageUrl 作为超链接地址，且自动转化为如下 Markdown 表格格式输出，包含" 报告名称"、"覆盖状态"、"分析时间"、"点击查看"四列，其中"报告名称"列使用婴儿踢被识别报告-{记录id}形式拼接, "点击查看" 列使用 [🔗 查看报告](reportImageUrl) 格式的超链接，用户点击即可直接跳转到对应的完整报告页面。
  • 表格输出示例： | 报告名称 | 覆盖状态 | 分析时间 | 点击查看 | |----------|----------|----------|----------| | 婴儿踢被识别报告-20260312172200001 | low_cover（覆盖率 35%） | 2026-03-12 17:22:00 | 🔗 查看报告 |

使用示例

# 分析本地婴儿床夜间监控视频
python -m scripts.smyx_infant_blanket_kick_detection_analysis --input /path/to/crib_night.mp4

# 分析网络婴儿床夜间监控视频
python -m scripts.smyx_infant_blanket_kick_detection_analysis --url https://example.com/crib_night.mp4

# 显示历史踢被识别报告（自动触发关键词：查看婴儿踢被历史报告、踢被预警报告清单等）
python -m scripts.smyx_infant_blanket_kick_detection_analysis --list

# 输出精简报告
python -m scripts.smyx_infant_blanket_kick_detection_analysis --input crib.mp4 --detail basic

# 保存结果到文件
python -m scripts.smyx_infant_blanket_kick_detection_analysis --input crib.mp4 --output result.json