CN109858322A - 一种人体跌倒检测方法及装置 - Google Patents
一种人体跌倒检测方法及装置 Download PDFInfo
- Publication number
- CN109858322A CN109858322A CN201811475928.XA CN201811475928A CN109858322A CN 109858322 A CN109858322 A CN 109858322A CN 201811475928 A CN201811475928 A CN 201811475928A CN 109858322 A CN109858322 A CN 109858322A
- Authority
- CN
- China
- Prior art keywords
- target
- image
- tumble
- acquisition
- human body
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 41
- 230000001133 acceleration Effects 0.000 claims abstract description 45
- 238000000605 extraction Methods 0.000 claims abstract description 10
- 238000012545 processing Methods 0.000 claims description 12
- 239000000284 extract Substances 0.000 claims description 8
- 238000005286 illumination Methods 0.000 claims description 6
- 230000004927 fusion Effects 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000005530 etching Methods 0.000 claims description 3
- 238000012790 confirmation Methods 0.000 abstract description 4
- 238000000034 method Methods 0.000 description 18
- 238000005259 measurement Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 230000012447 hatching Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 239000000155 melt Substances 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种人体跌倒检测方法及装置，包括：获取目标发生动作的加速度、角速度以及包含目标的图像；根据获取的加速度和角速度判断目标是否发生跌倒动作；若根据获取的加速度和角速度判断出目标发生跌倒动作，则从获取的图像中提取出目标图像；从得到的目标图像中提取特征信息，根据提取的特征信息再次确认目标是否发生跌倒动作。本发明人体跌倒检测方法及装置，首先根据目标的加速度和角速度判断目标是否发生跌倒动作，在初步判断出目标发生跌倒动作后，再根据拍摄的图像确认目标发生跌倒动作是否属实，与现有技术相比，能够降低误判情况，提高检测准确率。
Description
技术领域
本发明涉及智能检测技术领域，特别是涉及一种人体跌倒检测方法及装置。
背景技术
老年人是需要社会关心和爱护的群体之一，基于身体因素在日常生活中他们更容易发生跌倒，因此能自动检测人体是否发生跌倒对保护老年人健康具有重要的价值和意义。
现有技术中，检测人体是否跌倒的方法是通过人身体上佩戴的三轴加速度传感器实时测量人体的加速度和角速度，根据加速度测量值和角速度测量值判断人体是否发生跌倒动作，但是这种方法误判率比较高，比如会将人体躺下状态误判为跌倒。
发明内容
鉴于此，本发明的目的是提供一种人体跌倒检测方法及装置，与现有技术相比能够提高检测准确率。
为实现上述目的，本发明提供如下技术方案：
一种人体跌倒检测方法，包括：
获取目标发生动作的加速度、角速度以及包含目标的图像；
根据获取的所述加速度和所述角速度判断所述目标是否发生跌倒动作；
若根据获取的所述加速度和所述角速度判断出所述目标发生跌倒动作，则从获取的所述图像中提取出目标图像；
从得到的所述目标图像中提取特征信息，根据提取的特征信息再次确认所述目标是否发生跌倒动作。
优选的，根据获取的所述加速度和所述角速度判断所述目标是否发生跌倒动作包括：
判断所述角速度的值是否大于等于第一预设值；
若所述角速度的值大于等于所述第一预设值，则判断是否在预设时间段内所述加速度的峰值大于等于第二预设值且所述加速度的值在第三预设值处波动，若是，则判定所述目标发生跌倒动作。
优选的，从获取的所述图像中提取出目标图像包括：
从获取的图像中提取出包含目标的前景图像，并从获取的图像中识别出阴影区域；
计算所述前景图像和所述阴影区域的相交区域，从所述前景图像中去除所述相交区域而得到目标图像。
优选的，从获取的图像中提取出包含目标的前景图像包括：
分别对获取的图像进行三帧差分处理和进行建立混合高斯模型的操作，并将两处理后的结果图进行加权融合，获得包含目标的前景图像。
优选的，从获取的图像中识别出阴影区域包括：
将图像从RGB空间转换到HSI空间，在转换后的图像中，若像素的色调分量与色调分量阈值的差值小于第四预设值，且饱和度分量与饱和度分量阈值的差值小于第五预设值，且亮度分量与亮度分量阈值的差值大于第六预设值，则将该像素确定为阴影区域内像素。
优选的，在从获取的图像中提取出包含目标的前景图像之前还包括：对获取的图像进行去光照补偿。
优选的，在从获取的图像中提取出包含目标的前景图像之后还包括：对所述前景图像进行开运算、闭运算、腐蚀操作或者膨胀操作的处理，以去除所述前景图像中的噪声。
优选的，从得到的所述目标图像中提取特征信息，根据提取的特征信息再次确认所述目标是否发生跌倒动作包括：
对得到的所述目标图像提取椭圆特征，得到在图像中将目标框出的椭圆并获得椭圆质心和倾斜角，所述倾斜角为由椭圆中心发出的与x轴平行的射线，以顺时针旋转而与椭圆短轴所成的夹角；
判断获得的椭圆质心和倾斜角是否满足预设条件，若是，则确认所述目标发生跌倒动作。
优选的，通过配置在所述目标上的三轴加速度传感器获取所述目标的加速度和角速度。
一种人体跌倒检测装置，用于执行以上所述的人体跌倒检测方法。
由上述技术方案可知，本发明所提供的一种人体跌倒检测方法及装置，首先获取目标发生动作的加速度、角速度以及包含目标的图像，根据获取的加速度和角速度初步判断目标是否发生跌倒动作，若是，则从图像中提取出目标图像，进一步从目标图像中提取特征信息，根据提取的特征信息再次确认目标是否发生跌倒动作。
本发明人体跌倒检测方法及装置，首先根据目标的加速度和角速度判断目标是否发生跌倒动作，在初步判断出目标发生跌倒动作后，再根据拍摄的图像确认目标发生跌倒动作是否属实，与现有技术相比，能够降低误判情况，提高检测准确率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种人体跌倒检测方法的流程图；
图2为本发明实施例中根据目标的加速度和角速度判断目标是否发生跌倒动作的方法流程图；
图3为本发明实施例中从获取的图像中提取目标图像的方法流程图。
具体实施方式
为了使本技术领域的人员更好地理解本发明中的技术方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
请参考图1，图1为本发明实施例提供的一种人体跌倒检测方法的流程图。由图可知，本实施例人体跌倒检测方法包括以下步骤：
S10：获取目标发生动作的加速度、角速度以及包含目标的图像。
在具体实施时，可通过配置在目标上的三轴加速度传感器获取所述目标的加速度和角速度。具体的，三轴加速度传感器会采集人体在三维直角坐标系中x、y、z三个方向的加速度值ax、ay、az及角速度值gx、gy、gz。然后利用三轴加速度传感器的相关参数，根据测量到的三个方向的加速度值计算出目标的实际加速度，根据测量到的三个方向的角速度值计算出目标的实际角速度。可选的，在实际应用中可将三轴加速度传感器设置在人体的腰部。
获取目标的图像可以通过摄像装置拍摄目标的视频，拍摄得到包含目标的视频图像。
S11：根据获取的所述加速度和所述角速度判断所述目标是否发生跌倒动作。
可选的，在具体实施时可通过以下方法根据测量的加速度和角速度判断目标是否发生跌倒动作，请参考图2，具体包括以下步骤：
S110：判断所述角速度的值是否大于等于第一预设值。
若是，则进行步骤S111；若否，则判定目标没有发生跌倒动作。
S111：判断是否在预设时间段内所述加速度的峰值大于等于第二预设值且所述加速度的值在第三预设值处波动。若是，则判定所述目标发生跌倒动作；若否，则判定目标没有发生跌倒动作。
若在包含当前时刻的预设时间段内，目标的加速度的峰值大于等于第二预设值，并且在该预设时间段内加速度的值在第三预设值处波动，则初步判定为目标发生跌倒动作。在实际应用中，根据人体情况第二预设值可以设置为4.5g，第三预设值可设置为1g，g＝9.8m/s2。
S12：若根据获取的所述加速度和所述角速度判断出所述目标发生跌倒动作，则从获取的所述图像中提取出目标图像。
从获取的图像中提取出目标图像是指从图像中提取出对应目标的图像部分。在具体实施时，可通过以下方法从视频图像中提取出目标图像，具体包括：分别对图像进行三帧差分处理和进行建立混合高斯模型的操作，并将两处理后的结果图进行加权融合，获得包含目标的前景图像。三帧差分处理是指从视频图像序列中选取出连续三帧图像，分别计算相邻两帧的差分图像，然后设定适当的阈值对差分图像进行二值化处理，得到二值化图像，再在二值化图像中每一像素进行逻辑与运算以获取共同部分，从而获得运动目标的轮廓信息。三帧差分处理算法能够消除由于运动而显露背景影响，能够提取精确的运动目标轮廓信息。建立混合高斯模型是指使用高斯概率密度函数(正态分布曲线)精确地量化事物，将一个事物分解为若干的基于高斯概率密度函数(正态分布曲线)形成的模型，对图像背景建立高斯模型的原理是：图像灰度直方图反映的是图像中某个灰度值出现的频次，也可以认为是图像灰度概率密度的估计。本方法中对图像进行建立混合高斯模型的操作从图像中识别出背景区域。而后对图像进行三帧差分处理所得的结果图和对图像进行建立混合高斯模型的操作所得结果图进行加权融合，从而从图像中提取出前景目标。
但是在实际应用中由于拍摄的图像受光照影响，拍摄的视频图像会存在阴影区域，而上述提取前景目标的方法不能排除阴影，即会将阴影当作目标保留下来，通过上述方法提取出的前景目标图像会包含阴影区域，因此如果直接根据该获取的前景目标图像进行后续处理，会导致检测结果不准确。针对此，在一种优选实施方式中从获取的图像中提取目标图像采用以下方法，请参考图3，具体包括步骤：
S120：从获取的图像中提取出包含目标的前景图像，并从获取的图像中识别出阴影区域。
具体的，从获取的视频图像中提取出包含目标的前景图像的方法包括：分别对图像进行三帧差分处理和进行建立混合高斯模型的操作，并将两处理后的结果图进行加权融合，获得包含目标的前景图像。具体的处理方法可参考上文所述内容，在此不再赘述。
从图像中识别出阴影区域的方法包括：将图像从RGB空间转换到HSI空间，在转换后的图像中，若像素的色调分量与色调分量阈值的差值小于第四预设值，且饱和度分量与饱和度分量阈值的差值小于第五预设值，且亮度分量与亮度分量阈值的差值大于第六预设值，则将该像素确定为阴影区域内像素。对应图像中阴影区域，在HSI空间中，阴影区域像素的色调信息和饱和度信息变化波动较小，而亮度信息会发生很大的变化，但色调信息和饱和度信息基本上包含了所有的颜色信息。基于此本方法中根据像素的色调分量和饱和度分量变化浮动较小而亮度分量变化幅度较大来判断像素是否是阴影区域内的像素，从而从图像中识别出阴影区域。
另外优选的，在从获取的图像中提取出包含目标的前景图像之前还可先对获取的图像进行去光照补偿。对采集的各帧视频图像进行去光照补偿处理，可以使得因光照导致的对图像的影响减小。
进一步优选的，在从获取的图像中提取出包含目标的前景图像之后还包括：对所述前景图像进行开运算、闭运算、腐蚀操作或者膨胀操作的处理，以去除所述前景图像中的噪声。一些帧图像提取出的前景图像中还存在噪声，本步骤运用形态学处理方法对前景图像进行去噪，能够达到很好的去噪效果。
S121：计算所述前景图像和所述阴影区域的相交区域，从所述前景图像中去除所述相交区域而得到目标图像。
将获得的前景图像和阴影区域进行交运算，计算出前景图像和阴影区域的相交区域，从前景图像中去除相交区域，余下部分为目标图像。
本方法实现了对提取的前景图像去除阴影，得到去阴影效果的目标图像，有助于在后续提取图像特征时能够准确地提取目标的图像特征，能够提高检测准确率。
S13：从得到的所述目标图像中提取特征信息，根据提取的特征信息再次确认所述目标是否发生跌倒动作。
可选的，从得到的目标图像中提取特征信息包括：对得到的所述目标图像提取椭圆特征，得到在图像中将目标框出的椭圆并获得椭圆质心和倾斜角。对得到的目标图像提取椭圆特征处理后，得到的结果图是由椭圆框出的目标图像。提取得到正好将目标框出的椭圆，所述倾斜角为由椭圆中心发出的与x轴平行的射线，以顺时针旋转而与椭圆短轴所成的夹角。在得到的结果图中只存在一个连通域，对此连通域运用几何距算法能够计算出椭圆质心。
进一步根据得到的椭圆质心和倾斜角，判断获得的椭圆质心和倾斜角是否满足预设条件，若是，则确认目标发生跌倒动作；若否，则认为目标没有发生跌倒动作，即前步骤中根据加速度和角速度判定目标发生跌倒动作存在误判。在具体实施时，预设条件可以是椭圆质心高于目标最大宽度的2/3位置，且倾斜角小于50°。目标宽度是指所述椭圆与沿高度方向的一条直线相交的两个点之间的距离。
可以看出，本实施例人体跌倒检测方法，首先根据目标的加速度和角速度判断目标是否发生跌倒动作，在初步判断出目标发生跌倒动作后，再根据拍摄的图像确认目标发生跌倒动作是否属实，与现有技术相比，能够降低误判情况，提高检测准确率。
进一步的，本实施例人体跌倒检测方法，在根据拍摄的图像再次判断目标是否发生跌倒动作时，从图像中提取出前景图像后并进一步对前景图像进行去阴影，使得能够消除因光照产生的阴影对提取图像特征以及检测的影响，能够提高检测准确率。
相应的，本发明实施例还提供一种人体跌倒检测装置，用于执行如上所述的人体跌倒检测方法。
本实施例人体跌倒检测装置，首先获取目标发生动作的加速度、角速度以及包含目标的图像，根据获取的加速度和角速度初步判断目标是否发生跌倒动作，若是，则从图像中提取出目标图像，进一步从目标图像中提取特征信息，根据提取的特征信息再次确认目标是否发生跌倒动作。本实施例人体跌倒检测装置，首先根据目标的加速度和角速度判断目标是否发生跌倒动作，在初步判断出目标发生跌倒动作后，再根据拍摄的图像确认目标发生跌倒动作是否属实，与现有技术相比，能够降低误判情况，提高检测准确率。
以上对本发明所提供的一种人体跌倒检测方法及装置进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (10)
1.一种人体跌倒检测方法，其特征在于，包括：
获取目标发生动作的加速度、角速度以及包含目标的图像；
根据获取的所述加速度和所述角速度判断所述目标是否发生跌倒动作；
若根据获取的所述加速度和所述角速度判断出所述目标发生跌倒动作，则从获取的所述图像中提取出目标图像；
从得到的所述目标图像中提取特征信息，根据提取的特征信息再次确认所述目标是否发生跌倒动作。
2.根据权利要求1所述的人体跌倒检测方法，其特征在于，根据获取的所述加速度和所述角速度判断所述目标是否发生跌倒动作包括：
判断所述角速度的值是否大于等于第一预设值；
若所述角速度的值大于等于所述第一预设值，则判断是否在预设时间段内所述加速度的峰值大于等于第二预设值且所述加速度的值在第三预设值处波动，若是，则判定所述目标发生跌倒动作。
3.根据权利要求1所述的人体跌倒检测方法，其特征在于，从获取的所述图像中提取出目标图像包括：
从获取的图像中提取出包含目标的前景图像，并从获取的图像中识别出阴影区域；
计算所述前景图像和所述阴影区域的相交区域，从所述前景图像中去除所述相交区域而得到目标图像。
4.根据权利要求3所述的人体跌倒检测方法，其特征在于，从获取的图像中提取出包含目标的前景图像包括：
分别对获取的图像进行三帧差分处理和进行建立混合高斯模型的操作，并将两处理后的结果图进行加权融合，获得包含目标的前景图像。
5.根据权利要求3所述的人体跌倒检测方法，其特征在于，从获取的图像中识别出阴影区域包括：
将图像从RGB空间转换到HSI空间，在转换后的图像中，若像素的色调分量与色调分量阈值的差值小于第四预设值，且饱和度分量与饱和度分量阈值的差值小于第五预设值，且亮度分量与亮度分量阈值的差值大于第六预设值，则将该像素确定为阴影区域内像素。
6.根据权利要求3所述的人体跌倒检测方法，其特征在于，在从获取的图像中提取出包含目标的前景图像之前还包括：对获取的图像进行去光照补偿。
7.根据权利要求3所述的人体跌倒检测方法，其特征在于，在从获取的图像中提取出包含目标的前景图像之后还包括：对所述前景图像进行开运算、闭运算、腐蚀操作或者膨胀操作的处理，以去除所述前景图像中的噪声。
8.根据权利要求1-7任一项所述的人体跌倒检测方法，其特征在于，从得到的所述目标图像中提取特征信息，根据提取的特征信息再次确认所述目标是否发生跌倒动作包括：
对得到的所述目标图像提取椭圆特征，得到在图像中将目标框出的椭圆并获得椭圆质心和倾斜角，所述倾斜角为由椭圆中心发出的与x轴平行的射线，以顺时针旋转而与椭圆短轴所成的夹角；
判断获得的椭圆质心和倾斜角是否满足预设条件，若是，则确认所述目标发生跌倒动作。
9.根据权利要求1所述的人体跌倒检测方法，其特征在于，通过配置在所述目标上的三轴加速度传感器获取所述目标的加速度和角速度。
10.一种人体跌倒检测装置，其特征在于，用于执行权利要求1-9任一项所述的人体跌倒检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811475928.XA CN109858322A (zh) | 2018-12-04 | 2018-12-04 | 一种人体跌倒检测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811475928.XA CN109858322A (zh) | 2018-12-04 | 2018-12-04 | 一种人体跌倒检测方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109858322A true CN109858322A (zh) | 2019-06-07 |
Family
ID=66890646
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811475928.XA Pending CN109858322A (zh) | 2018-12-04 | 2018-12-04 | 一种人体跌倒检测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109858322A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110349173A (zh) * | 2019-07-15 | 2019-10-18 | 长光卫星技术有限公司 | 基于高分辨率遥感影像的地物变化监测方法 |
| CN110443315A (zh) * | 2019-08-08 | 2019-11-12 | 吉林大学 | 室内环境下基于加权融合的老人跌倒检测方法 |
| CN110677535A (zh) * | 2019-09-24 | 2020-01-10 | 捷开通讯(深圳)有限公司 | 一种智能应急的方法、装置、存储介质和终端 |
| CN111241913A (zh) * | 2019-12-19 | 2020-06-05 | 北京文安智能技术股份有限公司 | 一种检测人员摔倒的方法、装置及系统 |
| CN114187742A (zh) * | 2021-11-03 | 2022-03-15 | 天地（常州）自动化股份有限公司 | 基于5g的矿井人员跌倒预警方法 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060145874A1 (en) * | 2002-11-21 | 2006-07-06 | Secumanagement B.V. | Method and device for fall prevention and detection |
| CN102136180A (zh) * | 2011-03-11 | 2011-07-27 | 北京航空航天大学 | 人体跌倒检测与报警装置 |
| CN103598888A (zh) * | 2013-10-16 | 2014-02-26 | 东北大学 | 一种穿戴式人体运动状态数据监测系统及方法 |
| CN104408739A (zh) * | 2014-04-02 | 2015-03-11 | 武汉科技大学 | 一种运动目标的检测方法及其监控系统 |
| CN104794463A (zh) * | 2015-05-11 | 2015-07-22 | 华东理工大学 | 基于Kinect实现室内人体跌倒检测的系统及方法 |
| CN105448041A (zh) * | 2016-01-22 | 2016-03-30 | 苏州望湖房地产开发有限公司 | 一种人体摔倒智能控制系统及其方法 |
| CN105528859A (zh) * | 2016-01-29 | 2016-04-27 | 江阴中科今朝科技有限公司 | 基于人体跌倒检测技术的养老智能报警系统 |
| CN106981174A (zh) * | 2017-04-27 | 2017-07-25 | 南京邮电大学 | 一种基于智能手机的老人跌倒检测方法 |
| CN106991789A (zh) * | 2017-05-10 | 2017-07-28 | 杨力 | 跌倒检测装置、腰带及跌倒检测方法 |
| CN108363966A (zh) * | 2018-01-30 | 2018-08-03 | 广东工业大学 | 一种室内跌倒检测方法及系统 |
| CN108447225A (zh) * | 2018-02-07 | 2018-08-24 | 广东中科慈航信息科技有限公司 | 一种人体跌倒检测方法及装置 |
-
2018
- 2018-12-04 CN CN201811475928.XA patent/CN109858322A/zh active Pending
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060145874A1 (en) * | 2002-11-21 | 2006-07-06 | Secumanagement B.V. | Method and device for fall prevention and detection |
| CN102136180A (zh) * | 2011-03-11 | 2011-07-27 | 北京航空航天大学 | 人体跌倒检测与报警装置 |
| CN103598888A (zh) * | 2013-10-16 | 2014-02-26 | 东北大学 | 一种穿戴式人体运动状态数据监测系统及方法 |
| CN104408739A (zh) * | 2014-04-02 | 2015-03-11 | 武汉科技大学 | 一种运动目标的检测方法及其监控系统 |
| CN104794463A (zh) * | 2015-05-11 | 2015-07-22 | 华东理工大学 | 基于Kinect实现室内人体跌倒检测的系统及方法 |
| CN105448041A (zh) * | 2016-01-22 | 2016-03-30 | 苏州望湖房地产开发有限公司 | 一种人体摔倒智能控制系统及其方法 |
| CN105528859A (zh) * | 2016-01-29 | 2016-04-27 | 江阴中科今朝科技有限公司 | 基于人体跌倒检测技术的养老智能报警系统 |
| CN106981174A (zh) * | 2017-04-27 | 2017-07-25 | 南京邮电大学 | 一种基于智能手机的老人跌倒检测方法 |
| CN106991789A (zh) * | 2017-05-10 | 2017-07-28 | 杨力 | 跌倒检测装置、腰带及跌倒检测方法 |
| CN108363966A (zh) * | 2018-01-30 | 2018-08-03 | 广东工业大学 | 一种室内跌倒检测方法及系统 |
| CN108447225A (zh) * | 2018-02-07 | 2018-08-24 | 广东中科慈航信息科技有限公司 | 一种人体跌倒检测方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 王璐等: ""基于三维加速度传感器设计的跌倒检测"", 《中国组织工程研究与临床康复》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110349173A (zh) * | 2019-07-15 | 2019-10-18 | 长光卫星技术有限公司 | 基于高分辨率遥感影像的地物变化监测方法 |
| CN110443315A (zh) * | 2019-08-08 | 2019-11-12 | 吉林大学 | 室内环境下基于加权融合的老人跌倒检测方法 |
| CN110677535A (zh) * | 2019-09-24 | 2020-01-10 | 捷开通讯(深圳)有限公司 | 一种智能应急的方法、装置、存储介质和终端 |
| CN111241913A (zh) * | 2019-12-19 | 2020-06-05 | 北京文安智能技术股份有限公司 | 一种检测人员摔倒的方法、装置及系统 |
| CN114187742A (zh) * | 2021-11-03 | 2022-03-15 | 天地（常州）自动化股份有限公司 | 基于5g的矿井人员跌倒预警方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109858322A (zh) | 一种人体跌倒检测方法及装置 | |
| CN107563347B (zh) | 一种基于tof相机的客流计数方法和装置 | |
| CN104392468B (zh) | 基于改进视觉背景提取的运动目标检测方法 | |
| CN106570486B (zh) | 基于特征融合和贝叶斯分类的核相关滤波目标跟踪方法 | |
| CN107103298B (zh) | 基于图像处理的引体向上计数系统及计数方法 | |
| CN110152273B (zh) | 一种基于智能目标识别的跳绳计数方法 | |
| CN104881642B (zh) | 一种内容推送方法、装置及设备 | |
| CN109522854A (zh) | 一种基于深度学习和多目标跟踪的行人流量统计方法 | |
| CN102985948B (zh) | 眼睑检测装置 | |
| CN109939432B (zh) | 一种智能跳绳计数方法 | |
| CN107346422A (zh) | 一种基于眨眼检测的活体人脸识别方法 | |
| Shi et al. | Moving target detection algorithm in image sequences based on edge detection and frame difference | |
| CN110210360A (zh) | 一种基于视频图像目标识别的跳绳计数方法 | |
| CN106204594A (zh) | 一种基于视频图像的弥散性运动物体的方向检测方法 | |
| CN106228569A (zh) | 一种适用于水质监测的鱼体运动速度检测方法 | |
| CN105205437B (zh) | 基于头部轮廓验证的侧脸检测方法及装置 | |
| CN109086724A (zh) | 一种加速的人脸检测方法及存储介质 | |
| CN114170201B (zh) | 基于边缘光流信息的非接触式呼吸率检测方法及系统 | |
| CN108256567B (zh) | 一种基于深度学习的目标识别方法及系统 | |
| CN106023249A (zh) | 一种基于局部二值相似性模式的运动目标检测方法 | |
| CN110200607A (zh) | 基于光流法与lms算法消除生命体征检测中体动影响的方法 | |
| CN110032932A (zh) | 一种基于视频处理和决策树设定阈值的人体姿态识别方法 | |
| CN106023199A (zh) | 一种基于图像分析技术的烟气黑度智能检测方法 | |
| CN108647693A (zh) | 一种基于二元显著性特征的海面红外目标检测方法 | |
| CN109030854A (zh) | 一种基于rgb图像的步速测量方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190607 |
|
| RJ01 | Rejection of invention patent application after publication |