即使有人在夜间独自跌倒，
工作人员将在一分钟内知晓。
Whether they collapse at night, or fall in a hallway.
MoniCare发送 数秒内发出警报 以消除延迟发现，同时护理记录 减轻记录响应情况的负担.
夜间，一名护理人员可能需要负责照护超过 20 名住户
多达 71% 的夜班在没有护士的情况下运行。在各类护理机构中，跌倒的住户可能数小时无人发现。
在没有护士的情况下运营
一名夜班护理人员
一次跌倒可能演变成法律纠纷
在致命跌倒案件中，法院已判赔超过2亿韩元。如果没有客观证据证明工作人员立即作出响应，机构可能承担全部责任。
长期护理医院中因跌倒导致的患者安全事件占比
2023 年医疗机构报告的跌倒事件
致命事故中的潜在损失
传感器和人工监控的闭路电视
两者都会错过重要时刻
每种传统方法都存在关键漏洞。MoniCare 利用 AI 弥补这些漏洞。
住户可能拒绝佩戴或遗失它们。它们无法检测从床上跌落或在走廊移动时发生的事故。
它们只能检测安装位置，导致卫生间和走廊成为盲区。
仅在事件发生后才有用。夜班团队没有足够的人员实时查看每个屏幕。
无接触式 AI 全天候监测，一旦检测到有人跌倒，立即提醒工作人员，并自动创建记录。
检测到夜间跌倒 — 02:30
当指定护理人员正在协助另一位住民时，检测到三楼302室有异常活动。
摄像头检测
AI全天候监控房间、走廊和公共区域
T+0 秒AI 分析
采用八种算法进行跌倒分类，并通过第二个 VLM 进行验证
T+3–5 秒工作人员通知
同时发送至手机、电脑、显示板和 LED 屏幕
T+8 秒内现场响应
工作人员到达并开始护理；通知接收时间会自动记录
T+1–3 分钟自动记录
自动存储快照、VLM 分析结果和护理时间线
自动完成移动应用
在设施内移动时接收警报
PC网页控制台
护士站弹窗及声音警报
显示板
走廊和护士站的大屏幕警报
LED指示灯
房间入口处的闪烁灯可立即识别位置
检测到离床和站立姿势不稳
AI analyzes skeletal coordinates to detect unstable standing, compares it with the resident's personal risk baseline, and determines that the risk level has risen.
确认跌倒并立即开始 VLM 分析
初始算法检测到事件后，视觉语言模型会重新检查快照，并生成跌倒概率、严重程度评估和建议措施。
工作人员同时通过四个渠道收到警报
指定护理人员的手机、护士站电脑、走廊显示屏和LED指示灯会同时启动——在检测到事件后的八秒内。
工作人员到岗并开始护理
自动记录到岗和开始治疗的时间，完成从接收警报到现场响应的完整时间线。
自动生成护理记录和响应证据
事件前后的快照、VLM 分析、警报历史记录和护理记录均集中存储在一份审计报告中。
发现延迟——可能长达数小时
The fall may go undiscovered until the next round, increasing the risk of fracture or cerebral hemorrhage. With no record from the time of the incident, the facility cannot demonstrate its response.
检测 → 响应——3分钟内
警报会立即发送，工作人员在三分钟内到达，并且每一步都会自动记录时间戳。
使用 MoniCare 之前
仅在夜间巡视期间发现跌倒
A fall during rounds made every 30 minutes to 1 hour cannot be discovered until the next round
依赖口头和手写交接
交接班时可能遗漏夜间事件，或根据记忆记录
事件发生后手动填写的护理记录
根据记忆重建的记录可能包含不一致的时间和细节，从而削弱对响应过程的证据效力
争议中没有客观证据
在没有立即采取行动的客观证据的情况下，机构可能需要承担责任
使用 MoniCare
全天候 24/7 AI 监控
摄像头开启时，AI 会持续分析，夜间巡查之间不会出现间隔
自动警报 + 实时事件日志
警报发送、接收和确认会自动存储，并带有精确到秒的时间戳
自动护理记录
检测、警报、响应和护理自动关联在同一条记录中
即时响应证据包
将快照、VLM 分析、事件时间线和护理记录导出为一份报告
统一住户档案
302 房间，3 楼 · 3 台已连接摄像头
快照
事件发生前后的图像序列
VLM 分析
用于判断严重程度和建议采取措施的证据
时间线
事件精确记录至秒
MoniCare 会自动整理材料，用于市政检查、家庭纠纷和法律诉讼。快照图像、VLM 分析、逐秒时间线和护理记录将导出为一个 PDF。
双重验证检测准确率
由主 AI 算法和辅助 VLM 检查支持的针对场所的准确率目标
组合检测算法
结合分析姿势、时间序列、床位占用情况和个人基线，以减少误报
单个住户跟踪
识别同一人在不同摄像头中的身份，并追踪其在走廊和其他房间中的风险
发送至外部
设备端AI可防止个人信息发送至外部服务器
现场咨询
评估布局、摄像头位置和实施范围
2–5天摄像头安装
连接现有闭路电视或安装新摄像头
1–2周AI设置与校准
优化现场的个人基线和警报阈值
1–2周员工培训
培训工作人员使用仪表板并掌握警报响应流程
2–3 天运营与维护
定期更新、远程支持和再培训
进行中MoniCare已部署于长期护理医院、养老院、康复中心、日间及夜间护理中心和市政机构。 同时支持本地部署和云端部署，因此每个机构都可以选择符合其安全政策和网络环境的模型。
在现场检查摄像头的分辨率、角度和安装位置后，我们会确认哪些摄像头可以接入。
只有在无法实现集成的情况下，我们才建议使用新摄像头。
双重验证流程将初级 AI 检测与第二个视觉语言模型检查相结合，以最大限度地减少误报。
MoniCare 还会为每位住户建立个人基线，仅对偏离正常状态的动作做出响应。
在部署期间，我们会根据设施的运营条件调整警报阈值。
原始视频绝不会发送至外部云服务器。
快照和记录数据均保留在机构内部，并根据角色在查看者、护士、管理员和超级管理员之间进行分级访问。
指定的护理人员只需接收移动提醒并点击确认即可。
PC 网页控制台在浏览器中运行，无需单独安装。
培训材料和现场手册围绕轮班工作设计。
它可以识别康复中心中的不安全行走姿势，以及日间和夜间护理中心中的徘徊或接近楼梯风险。
检测类别根据各类机构的特点量身定制。
MoniCare的护理记录从一开始就按照审核和响应文档的要求设计。
编辑和取消的不可篡改审计轨迹、精确到秒的时间戳、快照序列以及 VLM 证据可以一起导出，形成一个响应证据包。
还支持符合市政检查要求的定制报告格式。
构建最适合您机构的安全系统。
This product is not a medical device and does not replace medical diagnosis or prescription. Fall-detection accuracy may vary with the environment and installation conditions. Statistics and figures follow the source-attribution standards in the supplied documentation.