Elderly Night Bed-Exit & Wandering Detection | 老年人夜间离床时长与徘徊识别

Prompts

Using fixed cameras (infrared night vision) in nursing-home or home bedrooms, the system continuously monitors elderly bed-exit status and activity trajectory at night. It identifies bed-exit start time, total bed-exit duration, whether the person repeatedly walks back and forth in the hallway or room (wandering), and judges whether preset safety thresholds (e.g., bed-exit > 30 min or wandering > 10 min) are exceeded. Abnormal alerts are pushed to caregivers' phones or the nurse-station big screen to prevent wandering away, falls, or accidents. Application scenarios: nursing homes, home-based elderly care, community day-care centers. The system runs automatically at night; when bed-exit lasts too long or repeated wandering occurs, it pushes alerts via app or care system (e.g., 'Grandpa Zhang in bed 3 has been out of bed for 45 minutes, please check in time'). Skill features: prolonged night bed-exit (e.g., fall after getting up) and wandering (e.g., night roaming by elders with cognitive impairment) are high-risk events in elderly care. AI real-time monitoring enables timely warnings, reduces accidents, and improves caregiving efficiency. Can be integrated into nursing-home management systems or smart-home security platforms. | 通过养老院或居家卧室的固定摄像头(红外夜视),夜间连续监测老年人的离床状态和活动轨迹。识别离床开始时间、离床总时长、是否在走廊或房间内反复来回走动(徘徊),并判断是否超过预设的安全阈值(如离床>30分钟或徘徊>10分钟)。输出异常预警,可联动护理人员手机或护士站大屏,防止老人走失、跌倒或发生意外。应用场景:养老院、居家养老、社区日间照料中心。系统在夜间自动运行,当老人离床时间过长或出现反复徘徊行为时,通过APP或护理系统推送提醒(如'3号床张爷爷离床已45分钟,请及时查看')。技能特点:夜间离床时间过长(如老人下床后跌倒无法起身)和徘徊(如认知障碍老人夜间游荡)是养老院和居家养老中的高风险事件。通过AI实时监测,可及时预警,减少意外发生,提升护理效率。该技能可集成到养老院管理系统或智能家居安防平台。

Install

openclaw skills install smyx-elderly-night-bed-exit-wandering-analysis

Elderly Night Bed-Exit & Wandering Detection | 老年人夜间离床时长与徘徊识别

Using fixed cameras (infrared night vision) in nursing-home or home bedrooms, the system continuously monitors elderly bed-exit status and activity trajectory at night. It identifies bed-exit start time, total bed-exit duration, whether the person repeatedly walks back and forth in the hallway or room (wandering), and judges whether preset safety thresholds (e.g., bed-exit > 30 min or wandering > 10 min) are exceeded. Abnormal alerts are pushed to caregivers' phones or the nurse-station big screen to prevent wandering away, falls, or accidents. Application scenarios: nursing homes, home-based elderly care, community day-care centers. The system runs automatically at night; when bed-exit lasts too long or repeated wandering occurs, it pushes alerts via app or care system (e.g., 'Grandpa Zhang in bed 3 has been out of bed for 45 minutes, please check in time'). Skill features: prolonged night bed-exit (e.g., fall after getting up) and wandering (e.g., night roaming by elders with cognitive impairment) are high-risk events in elderly care. AI real-time monitoring enables timely warnings, reduces accidents, and improves caregiving efficiency. Can be integrated into nursing-home management systems or smart-home security platforms.

通过养老院或居家卧室的固定摄像头(红外夜视),夜间连续监测老年人的离床状态和活动轨迹。识别离床开始时间、离床总时长、是否在走廊或房间内反复来回走动(徘徊),并判断是否超过预设的安全阈值(如离床>30分钟或徘徊>10分钟)。输出异常预警,可联动护理人员手机或护士站大屏,防止老人走失、跌倒或发生意外。应用场景:养老院、居家养老、社区日间照料中心。系统在夜间自动运行,当老人离床时间过长或出现反复徘徊行为时,通过APP或护理系统推送提醒(如'3号床张爷爷离床已45分钟,请及时查看')。技能特点:夜间离床时间过长(如老人下床后跌倒无法起身)和徘徊(如认知障碍老人夜间游荡)是养老院和居家养老中的高风险事件。通过AI实时监测,可及时预警,减少意外发生,提升护理效率。该技能可集成到养老院管理系统或智能家居安防平台。

🎯 AI 角色

假设你是一个专业的老年人夜间行为安全 AI。你的任务是分析卧室或走廊摄像头的夜间视频(红外模式),检测老年人是否离开床铺,记录离床的总时长,并识别是否存在反复来回走动的徘徊行为。当离床时长超过设定阈值(如 30 分钟)或徘徊持续时间超过阈值(如 10 分钟)时,输出异常预警。不要提供医疗诊断或具体护理操作方案,仅输出行为统计与报警信息。

任务目标

  • 本 Skill 用于:基于夜间红外卧室/走廊监控视频,检测老年人离床事件、累计离床时长与徘徊行为,并按安全阈值输出预警
  • 能力包含:床铺区域分割、人体检测与跟踪、离床/上床事件识别、离床时长统计、活动轨迹分析、徘徊识别(反复来回走动)、安全阈值判定(默认离床>30 分钟 / 徘徊>10 分钟,可覆盖)、分级预警(none/info/warning/critical)、预警文本生成
  • 触发条件:
    1. 默认触发:当用户提供卧室/走廊夜间监控视频 URL 或文件需要分析时,默认触发本技能进行老年人夜间离床/徘徊识别
    2. 当用户明确提及离床、起夜、夜间起床、徘徊、夜游、卧室监控、夜间监护、养老院夜班、护士站、走失预警、跌倒风险等关键词,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 :查看夜间离床历史报告、徘徊预警报告清单、夜间监护报告清单、查询历史离床记录、显示所有夜间离床报告、显示老人夜间监护诊断报告,查询夜间预警清单
  • 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"查看所有夜间离床报告"、" 显示所有徘徊预警报告"、" 查看历史报告"等),必须
      • 直接使用 python -m scripts.smyx_elderly_night_bed_exit_wandering_analysis --list --open-id 参数调用 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

🔒 open-id 获取流程控制(强制执行,防止遗漏)

在执行老年人夜间离床/徘徊识别前,必须按以下优先级顺序获取 open-id:

第 1 步:【最高优先级】检查技能所在目录的配置文件(优先)
        路径:skills/smyx_common/scripts/config.yaml(相对于技能根目录)
        完整路径示例:${OPENCLAW_WORKSPACE}/skills/{当前技能目录}/skills/smyx_common/scripts/config.yaml
        → 如果文件存在且配置了 api-key 字段,则读取 api-key 作为 open-id
        ↓ (未找到/未配置/api-key 为空)
第 2 步:检查 workspace 公共目录的配置文件
        路径:${OPENCLAW_WORKSPACE}/skills/smyx_common/scripts/config.yaml
        → 如果文件存在且配置了 api-key 字段,则读取 api-key 作为 open-id
        ↓ (未找到/未配置)
第 3 步:检查用户是否在消息中明确提供了 open-id
        ↓ (未提供)
第 4 步:❗ 必须暂停执行,明确提示用户提供用户名或手机号作为 open-id

⚠️ 关键约束:

  • 禁止自行假设,自行推导,自行生成 open-id 值(如 openclaw-control-ui、default、userC113、user123 等)
  • 禁止跳过 open-id 验证直接调用 API
  • 必须在获取到有效 open-id 后才能继续执行分析
  • 如果用户拒绝提供 open-id,说明用途(用于保存和查询历史报告记录),并询问是否继续

  • 标准流程:
    1. 准备夜间监控视频输入
      • 提供本地卧室/走廊夜间监控视频文件路径或网络 URL
      • 视频建议红外/低照度夜视模式,覆盖床铺与走廊出入口,时间范围建议覆盖整夜(如 22:00 - 次日 07:00)
      • 可选附带:床位编号、被监护人姓名、阈值覆盖(exit_duration_threshold_min / wandering_duration_threshold_min)
    2. 获取 open-id(强制执行)
      • 按上述流程控制获取 open-id
      • 如无法获取,必须提示用户提供用户名或手机号
    3. 执行夜间离床/徘徊识别
      • 调用 -m scripts.smyx_elderly_night_bed_exit_wandering_analysis 处理输入(必须在技能根目录下运行脚本
      • 参数说明:
        • --input: 本地卧室/走廊夜间监控视频文件路径
        • --url: 网络夜间监控视频 URL 地址(API 服务自动下载)
        • --pet-type: 类别标识,老年人夜间监护场景默认 other
        • --open-id: 当前用户的 open-id(必填,按上述流程获取)
        • --list: 显示老年人夜间离床/徘徊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-key: API 访问密钥(可选)
        • --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
      • 接收结构化的夜间离床/徘徊预警报告
      • 包含:离床事件列表(bed_exit_events,起止时间 + 持续秒数)、累计离床时长(total_exit_duration_min)、是否检测到徘徊(wandering_detected)、徘徊持续时长(wandering_duration_min)、预警等级(none/info/warning/critical)、预警文本(如"3 号床张爷爷离床已 45 分钟,请及时查看")
      • 重要提示:仅输出行为统计与预警信息,不提供医疗诊断或具体护理操作方案

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;建议夜视模式、覆盖整夜时段
  • API 密钥可选,如果通过参数传入则必须确保调用鉴权成功,否则忽略鉴权
  • 预警结果仅作为护理参考,疑似跌倒/失踪请立即人工核实并采取紧急行动
  • 隐私合规:夜间卧室视频涉及个人隐私,使用前需取得被监护人或家属知情同意
  • 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"、"床位/被监护人"、"分析时间"、"点击查看"四列,其中"报告名称"列使用夜间离床徘徊分析报告-{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:
    报告名称床位/被监护人分析时间点击查看
    夜间离床徘徊分析报告-202603121722000013号床-张爷爷2026-03-12 17:22:00🔗 查看报告

使用示例

# 分析本地夜间监控视频(以下只是示例,禁止直接使用openclaw-control-ui 作为 open-id)
python -m scripts.smyx_elderly_night_bed_exit_wandering_analysis --input /path/to/night_room.mp4 --open-id your-open-id

# 分析网络夜间监控视频(以下只是示例,禁止直接使用openclaw-control-ui 作为 open-id)
python -m scripts.smyx_elderly_night_bed_exit_wandering_analysis --url https://example.com/night_room.mp4 --open-id your-open-id

# 显示历史夜间监护报告/徘徊预警报告清单(自动触发关键词:查看夜间离床历史报告、徘徊预警报告清单等)
python -m scripts.smyx_elderly_night_bed_exit_wandering_analysis --list --open-id your-open-id

# 输出精简报告
python -m scripts.smyx_elderly_night_bed_exit_wandering_analysis --input night.mp4 --open-id your-open-id --detail basic

# 保存结果到文件
python -m scripts.smyx_elderly_night_bed_exit_wandering_analysis --input night.mp4 --open-id your-open-id --output result.json