CN110379131B - 一种跌倒风险预测方法、系统及装置 - Google Patents
一种跌倒风险预测方法、系统及装置 Download PDFInfo
- Publication number
- CN110379131B CN110379131B CN201910683013.6A CN201910683013A CN110379131B CN 110379131 B CN110379131 B CN 110379131B CN 201910683013 A CN201910683013 A CN 201910683013A CN 110379131 B CN110379131 B CN 110379131B
- Authority
- CN
- China
- Prior art keywords
- path information
- current
- walking
- risk value
- current constant
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
- G08B21/0407—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis
- G08B21/043—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis detecting an emergency event, e.g. a fall
Landscapes
- Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Psychology (AREA)
- Social Psychology (AREA)
- General Health & Medical Sciences (AREA)
- Gerontology & Geriatric Medicine (AREA)
- Psychiatry (AREA)
- Emergency Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
- Alarm Systems (AREA)
- Emergency Alarm Devices (AREA)
- Navigation (AREA)
Abstract
本发明实施例公开一种跌倒风险预测方法、系统及装置,该方法包括:获得移动人员在目标场景中移动形成的备用移动路径信息;若判断当前获得的备用移动路径信息的数量超过预设阈值,利用预设聚类算法,对当前获得的备用移动路径信息进行聚类,确定当前的常走路径信息;获得目标场景中当前存在的第一物体的第一位置信息;针对每一当前的常走路径信息,利用当前的常走路径信息及所获得的第一位置信息,确定当前的常走路径信息对应的跌倒风险值;利用每一当前的常走路径信息对应的跌倒风险值,对目标场景对应的用户进行跌倒风险预警推送,实现对人员的跌倒的可能性的预测并进行更有效的预警,以便在一定程度上预防人员跌倒状况的出现。
Description
技术领域
本发明涉及图像识别技术领域,具体而言,涉及一种跌倒风险预测方法、系统及装置。
背景技术
目前,特定场景(如家庭室内环境)中人员跌倒的情况时有发生,相关技术中一般都是对特定场景中人员出现的跌倒状况进行检测,进而采取相应的措施,以帮助该出现跌倒状况的人员。可见,相关技术是对已发生的跌倒的状况进行检测,其无法防止跌倒事件的出现,其对人员的安全保护力度不够。
为了在一定程度实现对人员安全的更好的保护,当前还出现了实时对跌倒风险预警的方法,具体流程为:通过三维建模系统实时获取监控空间中三维模型数据,监控空间中包括活动目标和危险区域,危险区域为高度超过预设阈值的物体所在的区域;根据实时获取的三维模型数据,判断活动目标是否处于危险区域的预设边缘区域范围内;若判断出活动目标处于危险区域的预设边缘区域范围内,发出预警信息。
在上述跌倒预测过程中,可能出现预警没有效果的情况,例如:该活动目标为正在奔跑的儿童或老人,此时,可能出现发出预警信息后,儿童或老人由于反应不及时或较慢,而出现跌倒的情况。
发明内容
本发明提供了一种跌倒风险预测方法、系统及装置,实现对人员的跌倒的可能性的预测并进行更有效的预警,以便在一定程度上预防人员跌倒状况的出现。具体的技术方案如下:
第一方面,本发明实施例提供了一种跌倒风险预测方法,包括:
获得移动人员在目标场景中移动形成的移动路径信息,作为备用移动路径信息,其中,所述移动路径信息为:通过对图像采集设备监控所述移动人员的移动过程时拍摄的图像,进行检测所得到的信息;
若判断当前获得的备用移动路径信息的数量超过预设阈值,利用预设聚类算法,对所述当前获得的备用移动路径信息进行聚类,确定出当前的常走路径信息;
获得所述目标场景中当前存在的第一物体所在位置的第一位置信息;
针对每一当前的常走路径信息,利用该当前的常走路径信息以及所获得的第一位置信息,确定该当前的常走路径信息对应的跌倒风险值;
利用每一当前的常走路径信息对应的跌倒风险值,对所述目标场景对应的用户进行跌倒风险预警推送。
可选的,所述当前获得的备用移动路径信息为:以上一次确定出常走路径信息的时刻到当前时刻之间所获得的移动路径信息;
所述利用预设聚类算法,对所述当前获得的备用移动路径信息进行聚类,确定出当前的常走路径信息的步骤,包括:
利用预设聚类算法,对所述当前获得的备用移动路径信息以及历史移动路径信息进行聚类,确定出当前的常走路径信息,其中,所述历史移动路径信息为:上一次确定出常走路径信息的时刻及其之前的时刻所获得的移动路径信息。
可选的,每一当前的常走路径信息包括n个参考点的点位置信息,n为大于1的正整数;
所述利用该当前的常走路径信息以及所获得的第一位置信息,确定该当前的常走路径信息对应的跌倒风险值的步骤,包括:
利用预设的曲线拟合算法以及该当前的常走路径信息中n个参考点的点位置信息,拟合出该当前的常走路径信息对应的常走路径轨迹,作为当前的常走路径轨迹;
利用所获得的第一位置信息以及该当前的常走路径轨迹,确定出每一第一物体与该当前的常走路径轨迹之间的第一距离;
针对每一与该当前的常走路径轨迹之间的第一距离不大于预设距离阈值的第一物体,基于该第一物体与该当前的常走路径轨迹之间的第一距离、该当前的常走路径轨迹对应的行走频数以及预设跌倒风险值计算公式,确定该当前的常走路径信息对应的跌倒风险值,其中,所述该当前的常走路径轨迹对应的行走频数为:聚类得到该当前的常走路径信息的所述备用移动路径信息的数量。
可选的,所述预设跌倒风险值计算公式,表示为:
其中,所述P表示该当前的常走路径信息对应的跌倒风险值;所述f表示该当前的常走路径轨迹对应的行走频数;所述d表示该第一物体与该当前的常走路径轨迹之间的第一距离;所述k为预设权重,用于调节f与d对该当前的常走路径信息对应的跌倒风险值的影响,所述e表示自然常数。
可选的,在所述利用预设聚类算法,对所述当前获得的备用移动路径信息进行聚类,确定出当前的常走路径信息步骤之后,所述方法还包括:
在确定常走路径信息存储区域已存储有常走路径信息的情况下,利用所确定的当前的常走路径信息,更新所述常走路径信息存储区域已存储的常走路径信息。
可选的,在所述利用该当前的常走路径信息以及所获得的第一位置信息,确定该当前的常走路径信息对应的跌倒风险值的步骤之后,所述方法还包括:
将每一当前的常走路径信息对应的跌倒风险值,存储于跌倒风险值存储区域;
在所述利用每一当前的常走路径信息对应的跌倒风险值,对所述目标场景对应的用户进行跌倒风险预警推送步骤之后,所述方法还包括:
更新跌倒风险值存储区域所存储的每一当前的常走路径信息对应的跌倒风险值的过程,其中,所述过程包括:
若确定出所述目标场景中物体发生变化,获得所述目标场景在物体发生变化后所存在第二物体所在位置的第二位置信息;
针对每一当前的常走路径信息,利用该当前的常走路径信息以及所检测的第二位置信息,确定每一当前的常走路径信息对应的新的跌倒风险值;
利用所确定的每一当前的常走路径信息对应的新的跌倒风险值,更新所述跌倒风险值存储区域所存储的每一当前的常走路径信息对应的跌倒风险值。
可选的,所述利用每一当前的常走路径信息对应的跌倒风险值,对所述目标场景对应的用户进行跌倒风险预警推送的步骤,通过如下三种实现方式中的任一种实现方式实现:
第一种实现方式:
将每一当前的常走路径信息对应的跌倒风险值,发送至所述目标场景对应的用户的注册账户,以使所述目标场景对应的用户查看每一当前的常走路径信息对应的跌倒风险值;
第二种实现方式:
将每一当前的常走路径信息对应的跌倒风险值,发送至预设存储区域;
在接收到所述目标场景对应的用户的跌倒风险值查看指令之后,将每一当前的常走路径信息对应的跌倒风险值发送至所述目标场景对应的用户的注册账户,以使所述目标场景对应的用户查看每一当前的常走路径信息对应的跌倒风险值;
第三种实现方式:
在确定出用户在所述目标场景移动的情况下,获得所存在用户在所述目标场景移动过程中形成的当前移动路径信息;
基于所述当前移动路径信息,从每一当前的常走路径信息中,确定出与所述当前移动路径信息匹配的当前的常走路径信息;
将跌倒风险值存储区域所存储的每一当前的常走路径信息对应的跌倒风险值中,与所述当前移动路径信息匹配的当前的常走路径信息对应的跌倒风险值,确定为所述当前运动轨迹对应的目标跌倒风险值;
基于用户在所述目标场景中的位置信息以及所述目标跌倒风险值,对所述目标场景对应的用户进行跌倒风险预警推送。
可选的,所述基于所述当前移动路径信息,从每一当前的常走路径信息中,确定出与所述当前移动路径信息匹配的当前的常走路径信息的步骤,包括:
针对每一当前的常走路径信息,基于预设相似度计算方式以及所述当前移动路径信息,确定所述当前移动路径信息与该当前的常走路径信息之间的相似度值;
将与所述当前移动路径信息相似度值最大的当前的常走路径信息,确定为与所述当前移动路径信息匹配的当前的常走路径信息。
第二方面,本发明实施例提供了一种跌倒风险预测系统,包括:图像采集设备、图像处理器以及中央处理器数据处理器;
所述图像采集设备,被配置为对目标场景进行监控,并将监控过程中拍摄的图像发送至所述图像处理器;
所述图像处理器,被配置为获得所述图像采集设备监控目标场景中的移动人员的移动过程时拍摄的图像,并对所获得的图像进行检测,确定出所述移动人员在目标场景中移动形成的移动路径信息,并将所述移动路径信息发送至所述数据处理器;
所述数据处理器,被配置为获得所述移动路径信息,作为备用移动路径信息;若判断当前获得的备用移动路径信息的数量超过预设阈值,利用预设聚类算法,对所述当前获得的备用移动路径信息进行聚类,确定出当前的常走路径信息;获得所述目标场景中当前存在的第一物体所在位置的第一位置信息;针对每一当前的常走路径信息,利用该当前的常走路径信息以及所获得的第一位置信息,确定该当前的常走路径信息对应的跌倒风险值;利用每一当前的常走路径信息对应的跌倒风险值,对所述目标场景对应的用户进行跌倒风险预警推送。
可选的,所述当前获得的备用移动路径信息为:以上一次确定出常走路径信息的时刻到当前时刻之间所获得的移动路径信息;
数据处理器,被具体配置为利用预设聚类算法,对所述当前获得的备用移动路径信息以及历史移动路径信息进行聚类,确定出当前的常走路径信息,其中,所述历史移动路径信息为:上一次确定出常走路径信息的时刻及其之前的时刻所获得的移动路径信息。
可选的,每一当前的常走路径信息包括n个参考点的点位置信息,n为大于1的正整数;数据处理器,被具体配置为利用预设的曲线拟合算法以及该当前的常走路径信息中n个参考点的点位置信息,拟合出该当前的常走路径信息对应的常走路径轨迹,作为当前的常走路径轨迹;
利用所获得的第一位置信息以及该当前的常走路径轨迹,确定出每一第一物体与该当前的常走路径轨迹之间的第一距离;
针对每一与该当前的常走路径轨迹之间的第一距离不大于预设距离阈值的第一物体,基于该第一物体与该当前的常走路径轨迹之间的第一距离、该当前的常走路径轨迹对应的行走频数以及预设跌倒风险值计算公式,确定该当前的常走路径信息对应的跌倒风险值,其中,所述该当前的常走路径轨迹对应的行走频数为:聚类得到该当前的常走路径信息的所述备用移动路径信息的数量。
可选的,所述预设跌倒风险值计算公式,表示为:
其中,所述P表示该当前的常走路径信息对应的跌倒风险值;所述f表示该当前的常走路径轨迹对应的行走频数;所述d表示该第一物体与该当前的常走路径轨迹之间的第一距离;所述k为预设权重,用于调节f与d对该当前的常走路径信息对应的跌倒风险值的影响,所述e表示自然常数。
可选的,数据处理器,还被配置为在所述利用预设聚类算法,对所述当前获得的备用移动路径信息进行聚类,确定出当前的常走路径信息之后,在确定常走路径信息存储区域已存储有常走路径信息的情况下,利用所确定的当前的常走路径信息,更新所述常走路径信息存储区域已存储的常走路径信息。
可选的,数据处理器,还被配置为在所述利用该当前的常走路径信息以及所获得的第一位置信息,确定该当前的常走路径信息对应的跌倒风险值之后,将每一当前的常走路径信息对应的跌倒风险值,存储于跌倒风险值存储区域;并在所述利用每一当前的常走路径信息对应的跌倒风险值,对所述目标场景对应的用户进行跌倒风险预警推送之后,更新跌倒风险值存储区域所存储的每一当前的常走路径信息对应的跌倒风险值的过程,其中,所述过程包括:
若确定出所述目标场景中物体发生变化,获得所述目标场景在物体发生变化后所存在第二物体所在位置的第二位置信息;
针对每一当前的常走路径信息,利用该当前的常走路径信息以及所检测的第二位置信息,确定每一当前的常走路径信息对应的新的跌倒风险值;
利用所确定的每一当前的常走路径信息对应的新的跌倒风险值,更新所述跌倒风险值存储区域所存储的每一当前的常走路径信息对应的跌倒风险值。
可选的,数据处理器,被具体配置为:
第一种实现方式:将每一当前的常走路径信息对应的跌倒风险值,发送至所述目标场景对应的用户的注册账户,以使所述目标场景对应的用户查看每一当前的常走路径信息对应的跌倒风险值;
第二种实现方式:将每一当前的常走路径信息对应的跌倒风险值,发送至预设存储区域;在接收到所述目标场景对应的用户的跌倒风险值查看指令之后,将每一当前的常走路径信息对应的跌倒风险值发送至所述目标场景对应的用户的注册账户,以使所述目标场景对应的用户查看每一当前的常走路径信息对应的跌倒风险值;
第三种实现方式:在确定出用户在所述目标场景移动的情况下,获得所存在用户在所述目标场景移动过程中形成的当前移动路径信息;
基于所述当前移动路径信息,从每一当前的常走路径信息中,确定出与所述当前移动路径信息匹配的当前的常走路径信息;
将跌倒风险值存储区域所存储的每一当前的常走路径信息对应的跌倒风险值中,与所述当前移动路径信息匹配的当前的常走路径信息对应的跌倒风险值,确定为所述当前运动轨迹对应的目标跌倒风险值;
基于用户在所述目标场景中的位置信息以及所述目标跌倒风险值,对所述目标场景对应的用户进行跌倒风险预警推送。
可选的,数据处理器,被具体配置为:针对每一当前的常走路径信息,基于预设相似度计算方式以及所述当前移动路径信息,确定所述当前移动路径信息与该当前的常走路径信息之间的相似度值;
将与所述当前移动路径信息相似度值最大的当前的常走路径信息,确定为与所述当前移动路径信息匹配的当前的常走路径信息。
第三方面,本发明实施例提供了一种跌倒风险预测系统,包括:图像采集设备、服务器以及客户端;
所述图像采集设备,被配置为对目标场景进行监控,并将监控过程中拍摄的图像发送至所述服务器;
所述服务器,被配置为获得所述图像采集设备监控目标场景中的移动人员的移动过程时拍摄的图像,并对所获得的图像进行检测,确定出所述移动人员在目标场景中移动形成的移动路径信息,作为备用移动路径信息;若判断当前获得的备用移动路径信息的数量超过预设阈值,利用预设聚类算法,对所述当前获得的备用移动路径信息进行聚类,确定出当前的常走路径信息;获得所述目标场景中当前存在的第一物体所在位置的第一位置信息;针对每一当前的常走路径信息,利用该当前的常走路径信息以及所获得的第一位置信息,确定该当前的常走路径信息对应的跌倒风险值;利用每一当前的常走路径信息对应的跌倒风险值,对所述目标场景对应的客户端进行跌倒风险预警推送;
所述客户端,被配置为响应于所述服务器推送的跌倒风险预警,显示每一当前的常走路径信息对应的跌倒风险值。
可选的,所述当前获得的备用移动路径信息为:以上一次确定出常走路径信息的时刻到当前时刻之间所获得的移动路径信息;
所述服务器,被具体配置为利用预设聚类算法,对所述当前获得的备用移动路径信息以及历史移动路径信息进行聚类,确定出当前的常走路径信息,其中,所述历史移动路径信息为:上一次确定出常走路径信息的时刻及其之前的时刻所获得的移动路径信息。
可选的,每一当前的常走路径信息包括n个参考点的点位置信息,n为大于1的正整数;所述服务器,被具体配置为利用预设的曲线拟合算法以及该当前的常走路径信息中n个参考点的点位置信息,拟合出该当前的常走路径信息对应的常走路径轨迹,作为当前的常走路径轨迹;
利用所获得的第一位置信息以及该当前的常走路径轨迹,确定出每一第一物体与该当前的常走路径轨迹之间的第一距离;
针对每一与该当前的常走路径轨迹之间的第一距离不大于预设距离阈值的第一物体,基于该第一物体与该当前的常走路径轨迹之间的第一距离、该当前的常走路径轨迹对应的行走频数以及预设跌倒风险值计算公式,确定该当前的常走路径信息对应的跌倒风险值,其中,所述该当前的常走路径轨迹对应的行走频数为:聚类得到该当前的常走路径信息的所述备用移动路径信息的数量。
可选的,所述预设跌倒风险值计算公式,表示为:
其中,所述P表示该当前的常走路径信息对应的跌倒风险值;所述f表示该当前的常走路径轨迹对应的行走频数;所述d表示该第一物体与该当前的常走路径轨迹之间的第一距离;所述k为预设权重,用于调节f与d对该当前的常走路径信息对应的跌倒风险值的影响,所述e表示自然常数。
可选的,所述服务器,还被配置为在所述利用预设聚类算法,对所述当前获得的备用移动路径信息进行聚类,确定出当前的常走路径信息之后,在确定常走路径信息存储区域已存储有常走路径信息的情况下,利用所确定的当前的常走路径信息,更新所述常走路径信息存储区域已存储的常走路径信息。
可选的,所述服务器,还被配置为在所述利用该当前的常走路径信息以及所获得的第一位置信息,确定该当前的常走路径信息对应的跌倒风险值之后,将每一当前的常走路径信息对应的跌倒风险值,存储于跌倒风险值存储区域;并在所述利用每一当前的常走路径信息对应的跌倒风险值,对所述目标场景对应的用户进行跌倒风险预警推送之后,更新跌倒风险值存储区域所存储的每一当前的常走路径信息对应的跌倒风险值的过程,其中,所述过程包括:
若确定出所述目标场景中物体发生变化,获得所述目标场景在物体发生变化后所存在第二物体所在位置的第二位置信息;
针对每一当前的常走路径信息,利用该当前的常走路径信息以及所检测的第二位置信息,确定每一当前的常走路径信息对应的新的跌倒风险值;
利用所确定的每一当前的常走路径信息对应的新的跌倒风险值,更新所述跌倒风险值存储区域所存储的每一当前的常走路径信息对应的跌倒风险值。
可选的,第一种实现方式:
所述服务器,被具体配置为:将每一当前的常走路径信息对应的跌倒风险值,发送至所述目标场景对应的客户端;
第二种实现方式:所述服务器,被具体配置为:将每一当前的常走路径信息对应的跌倒风险值,发送至预设存储区域;
所述客户端,还被配置为向所述服务器发送跌倒风险值查看指令;
所述服务器,还被配置为:在接收到所述目标场景对应的用户的跌倒风险值查看指令之后,将每一当前的常走路径信息对应的跌倒风险值发送至所述目标场景对应的所述客户端;
第三种实现方式:所述服务器,被具体配置为:在确定出用户在所述目标场景移动的情况下,获得所存在用户在所述目标场景移动过程中形成的当前移动路径信息;
基于所述当前移动路径信息,从每一当前的常走路径信息中,确定出与所述当前移动路径信息匹配的当前的常走路径信息;
将跌倒风险值存储区域所存储的每一当前的常走路径信息对应的跌倒风险值中,与所述当前移动路径信息匹配的当前的常走路径信息对应的跌倒风险值,确定为所述当前运动轨迹对应的目标跌倒风险值;
基于用户在所述目标场景中的位置信息以及所述目标跌倒风险值,对所述目标场景对应的客户端进行跌倒风险预警推送。
可选的,所述服务器,被具体配置为:针对每一当前的常走路径信息,基于预设相似度计算方式以及所述当前移动路径信息,确定所述当前移动路径信息与该当前的常走路径信息之间的相似度值;
将与所述当前移动路径信息相似度值最大的当前的常走路径信息,确定为与所述当前移动路径信息匹配的当前的常走路径信息。
第四方面,本发明实施例提供了一种跌倒风险预测装置,包括:
第一获得模块,被配置为获得移动人员在目标场景中移动形成的移动路径信息,作为备用移动路径信息,其中,所述移动路径信息为:通过对图像采集设备监控所述移动人员的移动过程时拍摄的图像,进行检测所得到的信息;
聚类模块,被配置为若判断当前获得的备用移动路径信息的数量超过预设阈值,利用预设聚类算法,对所述当前获得的备用移动路径信息进行聚类,确定出当前的常走路径信息;
第二获得模块,被配置为获得所述目标场景中当前存在的第一物体所在位置的第一位置信息;
第一确定模块,被配置为针对每一当前的常走路径信息,利用该当前的常走路径信息以及所获得的第一位置信息,确定该当前的常走路径信息对应的跌倒风险值;
推送模块,被配置为利用每一当前的常走路径信息对应的跌倒风险值,对所述目标场景对应的用户进行跌倒风险预警推送。
可选的,所述当前获得的备用移动路径信息为:以上一次确定出常走路径信息的时刻到当前时刻之间所获得的移动路径信息;
所述聚类模块,被具体配置为利用预设聚类算法,对所述当前获得的备用移动路径信息以及历史移动路径信息进行聚类,确定出当前的常走路径信息,其中,所述历史移动路径信息为:上一次确定出常走路径信息的时刻及其之前的时刻所获得的移动路径信息。
可选的,每一当前的常走路径信息包括n个参考点的点位置信息,n为大于1的正整数;
所述第一确定模块,被具体配置为利用预设的曲线拟合算法以及该当前的常走路径信息中n个参考点的点位置信息,拟合出该当前的常走路径信息对应的常走路径轨迹,作为当前的常走路径轨迹;
利用所获得的第一位置信息以及该当前的常走路径轨迹,确定出每一第一物体与该当前的常走路径轨迹之间的第一距离;
针对每一与该当前的常走路径轨迹之间的第一距离不大于预设距离阈值的第一物体,基于该第一物体与该当前的常走路径轨迹之间的第一距离、该当前的常走路径轨迹对应的行走频数以及预设跌倒风险值计算公式,确定该当前的常走路径信息对应的跌倒风险值,其中,所述该当前的常走路径轨迹对应的行走频数为:聚类得到该当前的常走路径信息的所述备用移动路径信息的数量。
可选的,所述预设跌倒风险值计算公式,表示为:
其中,所述P表示该当前的常走路径信息对应的跌倒风险值;所述f表示该当前的常走路径轨迹对应的行走频数;所述d表示该第一物体与该当前的常走路径轨迹之间的第一距离;所述k为预设权重,用于调节f与d对该当前的常走路径信息对应的跌倒风险值的影响,所述e表示自然常数。
可选的,所述装置还包括:
第一更新模块,被配置为在所述利用预设聚类算法,对所述当前获得的备用移动路径信息进行聚类,确定出当前的常走路径信息之后,在确定常走路径信息存储区域已存储有常走路径信息的情况下,利用所确定的当前的常走路径信息,更新所述常走路径信息存储区域已存储的常走路径信息。
可选的,所述装置还包括:
存储模块,被配置为在所述利用该当前的常走路径信息以及所获得的第一位置信息,确定该当前的常走路径信息对应的跌倒风险值的之后,将每一当前的常走路径信息对应的跌倒风险值,存储于跌倒风险值存储区域;
第二更新模块,被配置为在所述利用每一当前的常走路径信息对应的跌倒风险值,对所述目标场景对应的用户进行跌倒风险预警推送之后,更新跌倒风险值存储区域所存储的每一当前的常走路径信息对应的跌倒风险值的过程,其中,所述过程包括:
若确定出所述目标场景中物体发生变化,获得所述目标场景在物体发生变化后所存在第二物体所在位置的第二位置信息;
针对每一当前的常走路径信息,利用该当前的常走路径信息以及所检测的第二位置信息,确定每一当前的常走路径信息对应的新的跌倒风险值;
利用所确定的每一当前的常走路径信息对应的新的跌倒风险值,更新所述跌倒风险值存储区域所存储的每一当前的常走路径信息对应的跌倒风险值。
可选的,所述推送模块,包括:
第一发送单元,被配置为将每一当前的常走路径信息对应的跌倒风险值,发送至所述目标场景对应的用户的注册账户,以使所述目标场景对应的用户查看每一当前的常走路径信息对应的跌倒风险值;
或,包括:第二发送单元,被配置为将每一当前的常走路径信息对应的跌倒风险值,发送至预设存储区域;
第三发送单元,被配置为在接收到所述目标场景对应的用户的跌倒风险值查看指令之后,将每一当前的常走路径信息对应的跌倒风险值发送至所述目标场景对应的用户的注册账户,以使所述目标场景对应的用户查看每一当前的常走路径信息对应的跌倒风险值;
或,包括:获得单元,被配置为在确定出用户在所述目标场景移动的情况下,获得所存在用户在所述目标场景移动过程中形成的当前移动路径信息;
第一确定单元,被配置为基于所述当前移动路径信息,从每一当前的常走路径信息中,确定出与所述当前移动路径信息匹配的当前的常走路径信息;
第二确定单元,被配置为将跌倒风险值存储区域所存储的每一当前的常走路径信息对应的跌倒风险值中,与所述当前移动路径信息匹配的当前的常走路径信息对应的跌倒风险值,确定为所述当前运动轨迹对应的目标跌倒风险值;
输出单元,被配置为基于用户在所述目标场景中的位置信息以及所述目标跌倒风险值,对所述目标场景对应的用户进行跌倒风险预警推送。
可选的,所述第一确定单元,被具体配置为针对每一当前的常走路径信息,基于预设相似度计算方式以及所述当前移动路径信息,确定所述当前移动路径信息与该当前的常走路径信息之间的相似度值;
将与所述当前移动路径信息相似度值最大的当前的常走路径信息,确定为与所述当前移动路径信息匹配的当前的常走路径信息。
由上述内容可知,本发明实施例提供的一种跌倒风险预测方法、系统及装置,可以获得移动人员在目标场景中移动形成的移动路径信息,作为备用移动路径信息,其中,移动路径信息为:通过对图像采集设备监控移动人员的移动过程时拍摄的图像,进行检测所得到的信息;若判断当前获得的备用移动路径信息的数量超过预设阈值,利用预设聚类算法,对当前获得的备用移动路径信息进行聚类,确定出当前的常走路径信息;获得目标场景中当前存在的第一物体所在位置的第一位置信息;针对每一当前的常走路径信息,利用该当前的常走路径信息以及所获得的第一位置信息,确定该当前的常走路径信息对应的跌倒风险值;利用每一当前的常走路径信息对应的跌倒风险值,对目标场景对应的用户进行跌倒风险预警推送。
应用本发明实施例,可以实时利用预设聚类算法,对当前获得的超过预设阈值的备用移动路径信息进行聚类,确定出当前的常走路径信息,进而基于目标场景中当前存在的第一物体所在位置的第一位置信息,确定每一当前的常走路径信息对应的跌倒风险值,进而对目标场景对应的用户进行跌倒风险预警推送。以警示该目标场景对应的用户,该目标场景中其当前的常走路径信息对应的跌倒风险,在推送时可以直接推送或用户存在需求时推送,使得用户可以针对每一当前的常走路径信息对应的路径上的第一物体,即障碍物进行位置调整或对第一物体进行安全设置,以避免在实际行走过程中,出现跌倒风险,实现对人员的跌倒的可能性的预测并进行更有效的预警,以便在一定程度上预防人员跌倒状况的出现。当然,实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
本发明实施例的创新点包括:
1、可以实时利用预设聚类算法,对当前获得的超过预设阈值的备用移动路径信息进行聚类,确定出当前的常走路径信息,进而基于目标场景中当前存在的第一物体所在位置的第一位置信息,确定每一当前的常走路径信息对应的跌倒风险值,进而对目标场景对应的用户进行跌倒风险预警推送。以警示该目标场景对应的用户,该目标场景中其当前的常走路径信息对应的跌倒风险,在推送时可以直接推送或用户存在需求时推送,使得用户可以针对每一当前的常走路径信息对应的路径上的第一物体,即障碍物进行位置调整或对第一物体进行安全设置,以避免在实际行走过程中,出现跌倒风险,实现对人员的跌倒的可能性的预测并进行更有效的预警,以便在一定程度上预防人员跌倒状况的出现。
2、首先针对每一当前的常走路径信息,拟合出其对应的当前的常走路径轨迹,针对每一与当前的常走路径轨迹之间的第一距离不大于预设距离阈值的第一物体,基于该第一物体与该当前的常走路径轨迹之间的第一距离、该当前的常走路径轨迹对应的行走频数以及预设跌倒风险值计算公式,确定该当前的常走路径信息对应的跌倒风险值,以得到较符合实际用户需求的当前的常走路径信息对应的跌倒风险值,即行走频数越多、与第一物体即障碍物之间的距离越小,该当前的常走路径信息对应的跌倒风险值反应的跌倒风险越大。
3、若当前的常走路径信息发生变化和/或目标场景中物体发生变化,则重新更新跌倒风险值存储区域存储的跌倒风险值,以实现得到完全符合目标场景的当前情况的各当前的常走路径信息对应的跌倒风险值,更好的预防人员跌倒情况的发生。
4、提供多种对目标场景对应的用户进行跌倒风险预警推送的方式,以更好的满足用户需求。一种确定出每一当前的常走路径信息对应的跌倒风险值直接推送至相应用户,使得用户更好的关注目标场景中各当前的常走路径信息对应的跌倒风险值,预防人员跌倒情况的发生;一种在接收到目标场景对应的用户的跌倒风险值查看指令后,即确定相应用户存在查看跌倒风险的需求后,将每一当前的常走路径信息对应的跌倒风险值推送给相应用户,以避免在用户不想被打扰时向用户推送,降低用户体验的情况。另一种在检测到目标场景中存在人员移动的情况下,实时监控所存在人员的当前移动路径信息,进而将与当前移动路径信息匹配的当前常走路径信息对应的跌倒风险值,确定为当前运动轨迹对应的目标跌倒风险值,进而基于用户在目标场景中的位置信息以及目标跌倒风险值,输出警示信息,以及时向用户进行跌倒风险预警,预防用户跌倒情况的发生。
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跌倒风险预测方法的一种流程示意图;
图2为本发明实施例提供的跌倒风险预测系统的一种结构示意图;
图3为本发明实施例提供的跌倒风险预测系统的一种信息交互流程的示意图;
图4为本发明实施例提供的另一跌倒风险预测系统的一种结构示意图;
图5为本发明实施例提供的跌倒风险预测装置的一种结构示意图。
具体实施方式
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、完整的描述。显然,所描述的实施例仅仅是本发明的一部分实施例,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付出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,本发明实施例及附图中的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。例如包含的一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
本发明提供了一种跌倒风险预测方法、系统及装置,实现对人员的跌倒的可能性的预测并进行警示,以便在一定程度上预防人员跌倒状况的出现。下面对本发明实施例进行详细说明。
图1为本发明实施例提供的跌倒风险预测方法的一种流程示意图。该方法可以包括以下步骤:
S101:获得移动人员在目标场景中移动形成的移动路径信息,作为备用移动路径信息。
其中,移动路径信息为:通过对图像采集设备监控移动人员的移动过程时拍摄的图像,进行检测所得到的信息。
本发明实施例中,该方法可以应用于任一类型的具有计算能力的电子设备,其中,该电子设备可以为服务器或者终端设备。该电子设备可以为设置有处理器的图像采集设备,也可以为非图像采集设备,此时,该电子设备可以与至少一个图像采集设备连接。其中,该电子设备所设置的处理器可以至少包括数据处理器,该数据处理器可以为CPU(CentralProcessing Unit/Processor,中央处理器),还可以包括图像处理器,该图像处理器可以为GPU(Graphics Processing Unit,图像处理器)。一种情况,该电子设备为服务器时,该电子设备可以为单机形式的服务器,也可以是集群形式的服务器,例如:可以为多台设置有数据处理器的服务器节点,该服务器节点中还可以设置有图像处理器。其中,该图像采集设备可以为摄像头,其中,该图像采集设备可以是固定式的图像采集设备,也可以是可移动式的图像采集设备,这都是可以的。
以下以电子设备为非图像采集设备为例进行说明,电子设备可以与至少一个图像采集设备进行连接,图像采集设备可以实时针对其对应的目标场景进行拍摄,并采集图像,在图像采集设备检测到其所采集的图像中存在移动人员时,针对该存在移动人员在目标场景中的移动过程进行监控,并获得一系列图像。一种情况,将该存在移动人员的一系列图像发送至电子设备,电子设备获得该存在移动人员的一系列图像之后,可以利用预设的目标跟踪技术,对每一图像进行目标检测,确定出每一图像中所存在的移动人员的位置,得到该移动人员在目标场景中移动形成的移动路径信息,作为备用移动路径信息。
另一种情况,图像采集设备利用预设的目标跟踪技术,对每一图像进行目标检测,确定出每一图像中所存在的移动人员的位置,得到该移动人员在目标场景中移动形成的移动路径信息,并将该移动路径信息发送至该电子设备,电子设备获得该移动人员在目标场景中移动形成的移动路径信息,作为备用移动路径信息。
其中,可以利用所存在移动人员的某一指定部位的位置作为移动人员的位置,例如左脚或右脚或腰部或躯干等。该备用移动路径信息可以包括多个参考点的位置信息,该参考点可以至少包括:移动人员在目标场景中移动的起点、拐点以及终点等,该起点可以指:从图像采集设备采集的包含该人员的第一帧图像或第m帧图像确定出的该移动人员的位置信息,该m可以为大于1且小于等于10的正整数;该拐点可以指:图像采集设备采集的与前一帧图像的位置信息差异较大的图像中人员的位置信息,该差异较大可以指移动人员的朝向变化量超过预设角度阈值;该终点可以指从图像采集设备采集的包含该移动人员的最后一帧图像或最后第t帧图像确定出的该移动人员的位置信息,该t可以为大于1且小于等于10的正整数。
上述预设的目标跟踪技术可以为:基于光流法的目标跟踪技术、基于特征点的目标跟踪技术以及基于主动轮廓的目标跟踪技术等,相关技术中任一种可实现目标跟踪的技术,在此不再赘述。
S102:若判断当前获得的备用移动路径信息的数量超过预设阈值,利用预设聚类算法,对当前获得的备用移动路径信息进行聚类,确定出当前的常走路径信息。
一种实现方式中,电子设备每获得一条备用移动路径信息,即统计一次其当前获得的备用移动路径信息的数量,并判断该当前获得的备用移动路径信息的数据是否超过预设阈值;若判断当前获得的备用移动路径信息的数据超过预设阈值,则利用预设聚类算法,对当前获得的备用移动路径信息进行聚类,确定出至少一条当前的常走路径信息。其中,该预设聚类算法可以为k-means(k均值)聚类算法以及k-means++聚类算法等相关技术中任一种可实现对当前获得的备用移动路径信息进行聚类的技术,在此不再赘述。
本发明实施例中,可以通过设置上述k的值来控制电子设备所能聚类出的当前的常走路径信息的条数。
其中,上述当前获得的备用移动路径信息可以为:以电子设备上一次确定出常走路径信息的时刻到当前时刻之间所获得的移动路径信息,也可以指当前获得的所有的移动路径信息。若上述当前获得的备用移动路径信息可以为:以电子设备上一次确定出常走路径信息的时刻到当前时刻之间所获得的移动路径信息,上述当前时刻可以指触发本发明实施例所提供的跌倒风险预测流程,即获得移动人员在目标场景中移动形成的移动路径信息的时刻。当不存在上一次确定出常走路径信息的时刻时,该当前获得的备用移动路径信息可以为:电子设备所获得的所有备用移动路径信息。
在本发明的一种实现方式中,为了在一定程度上保证所聚类出的当前的常走路径信息的准确性,还可以结合 历史移动路径信息以及当前获得的备用移动路径信息,确定出当前的常走路径信息。具体的,该当前获得的备用移动路径信息为:以上一次确定出常走路径信息的时刻到当前时刻之间所获得的移动路径信息;S102,可以包括:
利用预设聚类算法,对当前获得的备用移动路径信息以及历史移动路径信息进行聚类,确定出当前的常走路径信息,其中,历史移动路径信息为:上一次确定出常走路径信息的时刻及其之前的时刻所获得的移动路径信息。
S103:获得目标场景中当前存在的第一物体所在位置的第一位置信息。
电子设备在确定出当前的常走路径信息之后,可以立即获得目标场景中当前存在的第一物体所在位置的位置信息,作为第一位置信息,该目标场景中当前存在的第一物体可以是电子设备在确定出当前的常走路径信息之后,立即获得图像采集设备所采集的最新的图像,并从该最新的图像中,检测出目标场景中当前存在的第一物体所在位置的第一位置信息;也可以是:从图像采集设备所采集的该备用移动路径信息对应的系列图像中最后一帧图像中,检测出目标场景中当前存在的第一物体所在位置的第一位置信息,这都是可以的。或者,也可以是图像采集设备从其所采集上述最新的图像中检测出第一物体所在位置的第一位置信息,并发送至电子设备,以使电子设备获得目标场景中当前存在的第一物体所在位置的第一位置信息,等等。
其中,上述第一物体所在位置的第一位置信息可以指:所检测出的目标场景中当前存在的第一物体对应的检测框的位置信息。
S104:针对每一当前的常走路径信息,利用该当前的常走路径信息以及所获得的第一位置信息,确定该当前的常走路径信息对应的跌倒风险值。
一种实现方式中,电子设备本地或所连接的存储设备中可以预存有不同距离与跌倒风险值的第一对应关系;电子设备获得目标场景中当前存在的第一物体所在位置的第一位置信息之后,针对每一当前的常走路径信息,利用该当前的常走路径信息以及所获得的第一位置信息,确定每一第一物体与该当前的常走路径信息之间的距离,进而,针对每一当前的常走路径信息,基于每一第一物体与该当前的常走路径信息之间的距离,从第一物体中,确定出与该当前的常走路径信息之间的距离不大于预设距离阈值的第一物体,作为第一目标物体,进而针对每一当前的常走路径信息,基于每一第一目标物体与该当前的常走路径信息之间的距离,以及上述的第一对应关系,确定出该当前的常走路径信息对应的跌倒风险值。其中,该当前的常走路径信息对应的跌倒风险值的数量,与该当前的常走路径信息对应的第一目标物体的数量相等,且每一第一目标物体对应一当前的常走路径信息对应的跌倒风险值。
一种情况中,每一当前的常走路径信息包括n个参考点的点位置信息,n为大于1的正整数,相应的,上述利用该当前的常走路径信息以及所获得的第一位置信息,确定每一第一物体与该当前的常走路径信息之间的距离的过程,可以是:利用预设的曲线拟合算法以及该当前的常走路径信息中n个参考点的点位置信息,拟合出该当前的常走路径信息对应的常走路径轨迹,作为当前的常走路径轨迹;利用所获得的第一位置信息以及该当前的常走路径轨迹,确定出每一第一物体与该当前的常走路径轨迹之间的距离。其中,该预设的曲线拟合算法可以是:三次Beizer曲线拟合算法以及三次样条曲线拟合算法等相关技术中任一类型的曲线拟合算法。
另一种实现方式中,还可以结结合每一当前的常走路径信息与第一物体之间的距离以及每一当前的常走路径信息对应的行走频数,确定每一当前的常走路径信息对应的跌倒风险值,其中,该行走频数可以指:聚类得到该当前的常走路径信息的备用移动路径信息的数量,或指:聚类得到该当前的常走路径信息的当前获得的备用移动路径信息和历史移动路径信息的数量;每一当前的常走路径信息包括n个参考点的点位置信息,n为大于1的正整数;
S104,可以包括:
利用预设的曲线拟合算法以及该当前的常走路径信息中n个参考点的点位置信息,拟合出该当前的常走路径信息对应的常走路径轨迹,作为当前的常走路径轨迹;
利用所获得的第一位置信息以及该当前的常走路径轨迹,确定出每一第一物体与该当前的常走路径轨迹之间的第一距离;
针对每一与该当前的常走路径轨迹之间的第一距离不大于预设距离阈值的第一物体,基于该第一物体与该当前的常走路径轨迹之间的第一距离、该当前的常走路径轨迹对应的行走频数以及预设跌倒风险值计算公式,确定该当前的常走路径信息对应的跌倒风险值,其中,该当前的常走路径轨迹对应的行走频数为:聚类得到该当前的常走路径信息的备用移动路径信息的数量。
本发明实施例中,该n个参考点可以至少包括:移动人员在目标场景中移动的起点、拐点以及终点等,该起点可以指:从图像采集设备采集的包含该人员的第一帧图像或第m 帧图像确定出的该移动人员的位置信息,该m可以为大于1且小于等于10的正整数;该拐点可以指:图像采集设备采集的与前一帧图像的位置信息差异较大的图像中人员的位置信息,该差异较大可以指移动人员的朝向变化量超过预设角度阈值;该终点可以指从图像采集设备采集的包含该移动人员的最后一帧图像或最后第t帧图像确定出的该移动人员的位置信息,该t可以为大于1且小于等于10的正整数。
利用预设的曲线拟合算法以及该当前的常走路径信息中n个参考点的点位置信息,可以拟合出该当前的常走路径信息对应的当前的常走路径轨迹,进而,可以利用每一第一位置信息,确定出每一第一物体与当前的常走路径轨迹之间距离,作为第一距离;可以理解的是,若第一物体与当前的常走路径轨迹之间的距离越大,人员在目标场景中沿着该当前的常走路径轨迹移动时,被第一物体绊倒的可能性越小,后续的,电子设备可以基于每一第一物体与当前的常走路径轨迹之间的第一距离,从第一物体中筛选出与该当前的常走路径轨迹之间的第一距离不大于预设距离阈值的第一物体;进而,基于每一筛选出的第一物体,基于该第一物体与该当前的常走路径轨迹之间的第一距离、该当前的常走路径轨迹对应的行走频数以及预设跌倒风险值计算公式,确定该当前的常走路径信息对应的跌倒风险值,其中,该当前的常走路径轨迹对应的行走频数为:聚类得到该当前的常走路径信息的备用移动路径信息的数量。
若确定当前的常走路径信息时,是结合当前获得的备用移动路径信息和历史移动路径信息确定的,则上述当前的常走路径轨迹对应的行走频数为:聚类得到该当前的常走路径信息的当前获得的备用移动路径信息和历史移动路径信息的数量。
在一种实现方式中,该预设跌倒风险值计算公式,表示为:
其中,P表示该当前的常走路径信息对应的跌倒风险值;f表示该当前的常走路径轨迹对应的行走频数;d表示该第一物体与该当前的常走路径轨迹之间的第一距离;k为预设权重,用于调节f与d对该当前的常走路径信息对应的跌倒风险值的影响,e表示自然常数。其中,该e也可以称为欧拉数。
在一种情况中,公式中的系数2也可以换成其他数值,这也是可以的。
S105:利用每一当前的常走路径信息对应的跌倒风险值,对目标场景对应的用户进行跌倒风险预警推送。
本发明实施例中,电子设备确定出每一当前的常走路径信息对应的跌倒风险值之后,为了在一定程度上防止人员跌倒的情况的发生,可以利用每一当前的常走路径信息对应的跌倒风险值,对目标场景对应的用户进行跌倒风险预警推送。
为了更好的满足用户的各种需求,本发明实施例提供了多种对目标场景对应的用户进行跌倒风险预警推送的方式。在本发明的另一实施例中,S105,通过如下三种实现方式中的任一种实现方式实现:
第一种实现方式:
将每一当前的常走路径信息对应的跌倒风险值,发送至目标场景对应的用户的注册账户,以使目标场景对应的用户查看每一当前的常走路径信息对应的跌倒风险值;
第二种实现方式:
将每一当前的常走路径信息对应的跌倒风险值,发送至预设存储区域;
在接收到目标场景对应的用户的跌倒风险值查看指令之后,将每一当前的常走路径信息对应的跌倒风险值发送至目标场景对应的用户的注册账户,以使目标场景对应的用户查看每一当前的常走路径信息对应的跌倒风险值;
第三种实现方式:
在确定出用户在目标场景移动的情况下,获得所存在用户在目标场景移动过程中形成的当前移动路径信息;
基于当前移动路径信息,从每一当前的常走路径信息中,确定出与当前移动路径信息匹配的当前的常走路径信息;
将跌倒风险值存储区域所存储的每一当前的常走路径信息对应的跌倒风险值中,与当前移动路径信息匹配的当前的常走路径信息对应的跌倒风险值,确定为当前运动轨迹对应的目标跌倒风险值;
基于用户在目标场景中的位置信息以及目标跌倒风险值,对目标场景对应的用户进行跌倒风险预警推送。
电子设备可以根据不同用户的不同设置需求,来确定不同的跌倒风险预警推送。在第一种实现方式中,电子设备确定出每一当前的常走路径信息对应的跌倒风险值之后,可以立即或到达设置周期后,将每一当前的常走路径信息对应的跌倒风险值,发送至目标场景对应的用户的注册账户,即发送至登录该注册账户的客户端;后续的,登录该注册账户的客户端,可以显示该每一当前的常走路径信息及其对应的跌倒风险值,以使目标场景对应的用户查看每一当前的常走路径信息对应的跌倒风险值。本实现方式中,确定出每一当前的常走路径信息对应的跌倒风险值直接推送至相应用户,使得用户更好的关注目标场景中各当前的常走路径信息对应的跌倒风险值,可以针对每一当前的常走路径信息对应的路径上的第一物体,即障碍物进行位置调整或对第一物体进行安全设置,以避免在实际行走过程中,出现跌倒风险,预防人员跌倒情况的发生。
第二种实现方式,电子设备确定出每一当前的常走路径信息对应的跌倒风险值之后,将每一当前的常走路径信息对应的跌倒风险值发送至预设存储区域,进行存储;在接收到所述目标场景对应的用户的跌倒风险值查看指令之后,则认为用户存在查看跌倒风险的需求,相应地,将每一当前的常走路径信息对应的跌倒风险值发送至目标场景对应的用户的注册账户,即发送至登录该注册账户的客户端;后续的,登录该注册账户的客户端,可以显示该每一当前的常走路径信息及其对应的跌倒风险值,以使目标场景对应的用户查看每一当前的常走路径信息对应的跌倒风险值。本实现方式中,在接收到目标场景对应的用户的跌倒风险值查看指令后,即确定相应用户存在查看跌倒风险的需求后,将每一当前的常走路径信息对应的跌倒风险值推送给相应用户,以避免在用户不想被打扰时向用户推送,降低用户体验的情况。并使得用户可以预先针对每一当前的常走路径信息对应的路径上的第一物体,即障碍物进行位置调整或对第一物体进行安全设置,以避免在实际行走过程中,出现跌倒风险,预防人员跌倒情况的发生。
第三种实现方式,在检测到用户在目标场景移动的情况下,可以实时对用户的移动情况进行监控,并实时获得用户在目标场景移动过程中形成的当前移动路径信息,基于该当前移动路径信息,从每一当前的常走路径信息中,确定出与当前移动路径信息匹配的当前的常走路径信息,进而,将跌倒风险值存储区域所存储的每一当前的常走路径信息对应的跌倒风险值中,与当前移动路径信息匹配的当前的常走路径信息对应的跌倒风险值,确定为当前运动轨迹对应的目标跌倒风险值。进而,基于用户在目标场景中的位置信息以及目标跌倒风险值,对目标场景对应的用户进行跌倒风险预警推送。例如:当用户在目标场景中的位置信息,表征目标在目标场景中的位置与一目标物体之间的距离小于第一距离阈值时,则可以对目标场景对应的用户进行跌倒风险预警推送,例如,可以输出警示信息。该目标物体可以指:目标场景中与该当前移动路径信息匹配的当前常走路径信息之间的距离不大于预设距离阈值的物体。该跌倒风险值存储区域为用于存储的每一当前的常走路径信息对应的跌倒风险值的区域。又例如:可以在确定出当前运动轨迹对应的目标跌倒风险值之后,基于用户在目标场景中的位置信息,确定出用户还未经过的与当前移动路径信息匹配的当前的常走路径信息中的待经过路径信息,进而,从目标跌倒风险值中,确定出该待经过路径信息对应的跌倒风险值,将该待经过路径信息对应的跌倒风险值发送至目标场景对应的用户的注册账户,即发送至登录该注册账户的客户端;后续的,登录该注册账户的客户端,可以显示该每一当前的常走路径信息及其对应的跌倒风险值,以使目标场景对应的用户查看每一当前的常走路径信息对应的跌倒风险值。
其中,上述警示信息可以是音频形式的警示信息,以通过音频提示用户其所处位置的跌倒风险,以预防用户出现跌倒的情况;也可以是文字形式的警示信息,以通过文字提示用户其所处位置的跌倒风险,以预防用户出现跌倒的情况等。本实施例中,该警示信息可以是任一可以引起用户注意的展示形式的警示信息,本发明实施例并不对警示信息的具体展示形式进行限定。
本实现方式中,在检测到目标场景中存在人员移动的情况下,实时监控所存在人员的当前移动路径信息,进而将与当前移动路径信息匹配的当前常走路径信息对应的跌倒风险值,确定为当前运动轨迹对应的目标跌倒风险值,进而基于用户在目标场景中的位置信息以及目标跌倒风险值,输出警示信息,以及时向用户进行跌倒风险预警,预防用户跌倒情况的发生。
其中,上述用户的注册账户可以是用户的手机号、邮箱或用户所注册的实现该跌倒风险预测流程的应用程序对应的客户端账号等等,这都是可以的。
在一种实现方式中,所述基于当前移动路径信息,从每一当前的常走路径信息中,确定出与当前移动路径信息匹配的当前的常走路径信息的步骤,可以包括:
针对每一当前的常走路径信息,基于预设相似度计算方式以及当前移动路径信息,,确定当前移动路径信息与该当前的常走路径信息之间的相似度值;
将与当前移动路径信息相似度值最大的当前的常走路径信息,确定为与当前移动路径信息匹配的当前的常走路径信息。
本实现方式中,电子设备可以基于预设相似度计算方式,计算每一当前的常走路径信息与该当前移动路径信息之间的相似度值,具体的,可以是针对每一当前的常走路径信息,计算该当前的常走路径信息对应的当前常走路径轨迹,与该当前移动路径信息对应的当前移动路径轨迹之间的距离,当前移动路径轨迹与该当前常走路径轨迹之间的距离越小,则表征当前移动路径轨迹与该当前常走路径轨迹越相似,相应地,当前移动路径轨迹与该当前常走路径轨迹之间相似度值越大。后续的,可以将当前移动路径信息相似度值最大的当前的常走路径信息,确定为与当前移动路径信息匹配的当前的常走路径信息。
其中,该当前移动路径信息对应的当前移动路径轨迹为:基于该当前移动路径信息中包括的参考点的位置信息以及预设的曲线拟合算法拟合得到的轨迹。
应用本发明实施例,可以实时利用预设聚类算法,对当前获得的超过预设阈值的备用移动路径信息进行聚类,确定出当前的常走路径信息,进而基于目标场景中当前存在的第一物体所在位置的第一位置信息,确定每一当前的常走路径信息对应的跌倒风险值,进而对目标场景对应的用户进行跌倒风险预警推送。以警示该目标场景对应的用户,该目标场景中其当前的常走路径信息对应的跌倒风险,在推送时可以直接推送或用户存在需求时推送,使得用户可以针对每一当前的常走路径信息对应的路径上的第一物体,即障碍物进行位置调整或对第一物体进行安全设置,以避免在实际行走过程中,出现跌倒风险,实现对人员的跌倒的可能性的预测并进行更有效的预警,以便在一定程度上预防人员跌倒状况的出现。
在本发明的另一实施例中,在S102之后,所述方法还可以包括:
在确定常走路径信息存储区域已存储有常走路径信息的情况下,利用所确定的当前的常走路径信息,更新常走路径信息存储区域已存储的常走路径信息。
在一种情况中,本次所确定出的当前的常走路径信息,为非首次确定的当前的常走路径信息,即确定常走路径信息存储区域已存储有常走路径信息,在该类情况下,在确定出当前的常走路径信息之后,利用所确定的当前的常走路径信息,更新常走路径信息存储区域已存储的常走路径信息。例如:可以是:删除常走路径信息存储区域已存储的常走路径信息,并在常走路径信息存储区域中存储该当前的常走路径信息。
其中,该常走路径信息存储区域可以与上述的跌倒风险值存储区域为同一存储区域,也可以是不同的存储区域,这都是可以的。
本实施例中,可以采用数据库的形式存储上述的当前的常走路径信息以及每一当前的常走路径信息对应的跌倒风险值,其中,该数据库可以为mysql关系型数据库、文件存储服务等,只要具有存储功能的服务的数据库均可应用于本发明实施例中,该常走路径信息存储区域与跌倒风险值存储区域,可以设置于电子设备上,也可以不设置于电子设备上,这都是可以的。
在本发明的另一实施例中,在S104之后,所述方法还可以包括:
将每一当前的常走路径信息对应的跌倒风险值,存储于跌倒风险值存储区域;
在S105之后,所述方法还可以包括:
更新跌倒风险值存储区域所存储的每一当前的常走路径信息对应的跌倒风险值的过程,其中,所述过程可以包括:
若确定出目标场景中物体发生变化,获得目标场景在物体发生变化后所存在第二物体所在位置的第二位置信息;
针对每一当前的常走路径信息,利用该当前的常走路径信息以及所检测的第二位置信息,确定每一当前的常走路径信息对应的新的跌倒风险值;
利用所确定的每一当前的常走路径信息对应的新的跌倒风险值,更新跌倒风险值存储区域所存储的每一当前的常走路径信息对应的跌倒风险值。
本实施例中,电子设备确定出每一当前的常走路径信息对应的跌倒风险值后,可以将每一当前的常走路径信息对应的跌倒风险值,存储于跌倒风险值存储区域中。一种情况,当当前的常走路径信息发生变化,和/或目标场景中物体发生变化时,需要更新跌倒风险值存储区域中存储的每一当前的常走路径信息对应的跌倒风险值。其中,在当前的常走路径信息发生变化时,会同时更新常走路径信息存储区域内存储的常走路径信息存储区域。且重新识别目标场景中存在的各物体及其所在位置,并重新基于目标场景中存在的各物体及其所在位置,计算更新后的当前的常走路径信息对应的跌到风险值,进而更新跌倒风险值存储区域中的每一当前的常走路径信息对应的跌倒风险值。
另一种情况,电子设备在确定出目标场景中物体发生变化,例如:物体的位置发送变化,或物体的类型发生变化,获得目标场景在物体发生变化后所存在第二物体所在位置的第二位置信息,并针对每一当前的常走路径信息,利用该当前的常走路径信息以及所检测的第二位置信息,确定每一当前的常走路径信息对应的新的跌倒风险值,进而更新跌倒风险值存储区域所存储的每一当前的常走路径信息对应的跌倒风险值。具体的,可以是:删除跌倒风险值存储区域所存储的每一当前的常走路径信息对应的跌倒风险值,并将跌倒风险值存储区域所存储的每一当前的常走路径信息对应的跌倒风险值,存储于跌倒风险值存储区域中。
其中,上述针对每一当前的常走路径信息,利用该当前的常走路径信息以及所检测的第二位置信息,确定每一当前的常走路径信息对应的新的跌倒风险值的过程,可以参见上述利用该当前的常走路径信息以及所获得的第一位置信息,确定该当前的常走路径信息对应的跌倒风险值的过程,在此不再赘述。
相应于上述方法实施例,本发明实施例提供了一种跌倒风险预测系统,如图2所示,可以包括:图像采集设备210、图像处理器220以及中央处理器数据处理器230;
图像采集设备210,被配置为对目标场景进行监控,并将监控过程中拍摄的图像发送至图像处理器220;
图像处理器220,被配置为获得图像采集设备监控目标场景中的移动人员的移动过程时拍摄的图像,并对所获得的图像进行检测,确定出移动人员在目标场景中移动形成的移动路径信息,并将移动路径信息发送至数据处理器230;
数据处理器230,被配置为获得移动路径信息,作为备用移动路径信息;若判断当前获得的备用移动路径信息的数量超过预设阈值,利用预设聚类算法,对当前获得的备用移动路径信息进行聚类,确定出当前的常走路径信息;获得目标场景中当前存在的第一物体所在位置的第一位置信息;针对每一当前的常走路径信息,利用该当前的常走路径信息以及所获得的第一位置信息,确定该当前的常走路径信息对应的跌倒风险值;利用每一当前的常走路径信息对应的跌倒风险值,对目标场景对应的用户进行跌倒风险预警推送。
如图3所示,图3提供了一种跌倒风险预测系统中图像采集设备210、图像处理器220 以及中央处理器数据处理器230之间的信息交互流程的示意图。
应用本发明实施例,可以实时利用预设聚类算法,对当前获得的超过预设阈值的备用移动路径信息进行聚类,确定出当前的常走路径信息,进而基于目标场景中当前存在的第一物体所在位置的第一位置信息,确定每一当前的常走路径信息对应的跌倒风险值,进而对目标场景对应的用户进行跌倒风险预警推送。以警示该目标场景对应的用户,该目标场景中其当前的常走路径信息对应的跌倒风险,在推送时可以直接推送或用户存在需求时推送,使得用户可以针对每一当前的常走路径信息对应的路径上的第一物体,即障碍物进行位置调整或对第一物体进行安全设置,以避免在实际行走过程中,出现跌倒风险,实现对人员的跌倒的可能性的预测并进行更有效的预警,以便在一定程度上预防人员跌倒状况的出现。
其中,上述图像处理器220和数据处理器230也可以集成一既可以执行图像处理器的动作又可以执行数据处理器的动作的处理器,这也是可以的。
在本发明的另一实施例中,所述当前获得的备用移动路径信息为:以上一次确定出常走路径信息的时刻到当前时刻之间所获得的移动路径信息;
数据处理器230,被具体配置为利用预设聚类算法,对所述当前获得的备用移动路径信息以及历史移动路径信息进行聚类,确定出当前的常走路径信息,其中,所述历史移动路径信息为:上一次确定出常走路径信息的时刻及其之前的时刻所获得的移动路径信息。
在本发明的另一实施例中,每一当前的常走路径信息包括n个参考点的点位置信息, n为大于1的正整数;数据处理器230,被具体配置为利用预设的曲线拟合算法以及该当前的常走路径信息中n个参考点的点位置信息,拟合出该当前的常走路径信息对应的常走路径轨迹,作为当前的常走路径轨迹;
利用所获得的第一位置信息以及该当前的常走路径轨迹,确定出每一第一物体与该当前的常走路径轨迹之间的第一距离;
针对每一与该当前的常走路径轨迹之间的第一距离不大于预设距离阈值的第一物体,基于该第一物体与该当前的常走路径轨迹之间的第一距离、该当前的常走路径轨迹对应的行走频数以及预设跌倒风险值计算公式,确定该当前的常走路径信息对应的跌倒风险值,其中,所述该当前的常走路径轨迹对应的行走频数为:聚类得到该当前的常走路径信息的所述备用移动路径信息的数量。
在本发明的另一实施例中,所述预设跌倒风险值计算公式,表示为:
其中,所述P表示该当前的常走路径信息对应的跌倒风险值;所述f表示该当前的常走路径轨迹对应的行走频数;所述d表示该第一物体与该当前的常走路径轨迹之间的第一距离;所述k为预设权重,用于调节f与d对该当前的常走路径信息对应的跌倒风险值的影响,所述e表示自然常数。
在本发明的另一实施例中,数据处理器230,还被配置为在所述利用预设聚类算法,对所述当前获得的备用移动路径信息进行聚类,确定出当前的常走路径信息之后,在确定常走路径信息存储区域已存储有常走路径信息的情况下,利用所确定的当前的常走路径信息,更新所述常走路径信息存储区域已存储的常走路径信息。
在本发明的另一实施例中,数据处理器230,还被配置为在所述利用该当前的常走路径信息以及所获得的第一位置信息,确定该当前的常走路径信息对应的跌倒风险值之后,将每一当前的常走路径信息对应的跌倒风险值,存储于跌倒风险值存储区域;并在所述利用每一当前的常走路径信息对应的跌倒风险值,对所述目标场景对应的用户进行跌倒风险预警推送之后,更新跌倒风险值存储区域所存储的每一当前的常走路径信息对应的跌倒风险值的过程,其中,所述过程包括:
若确定出所述目标场景中物体发生变化,获得所述目标场景在物体发生变化后所存在第二物体所在位置的第二位置信息;
针对每一当前的常走路径信息,利用该当前的常走路径信息以及所检测的第二位置信息,确定每一当前的常走路径信息对应的新的跌倒风险值;
利用所确定的每一当前的常走路径信息对应的新的跌倒风险值,更新所述跌倒风险值存储区域所存储的每一当前的常走路径信息对应的跌倒风险值。
在本发明的另一实施例中,数据处理器230,被具体配置为:
第一种实现方式:将每一当前的常走路径信息对应的跌倒风险值,发送至所述目标场景对应的用户的注册账户,以使所述目标场景对应的用户查看每一当前的常走路径信息对应的跌倒风险值;
第二种实现方式:将每一当前的常走路径信息对应的跌倒风险值,发送至预设存储区域;在接收到所述目标场景对应的用户的跌倒风险值查看指令之后,将每一当前的常走路径信息对应的跌倒风险值发送至所述目标场景对应的用户的注册账户,以使所述目标场景对应的用户查看每一当前的常走路径信息对应的跌倒风险值;
第三种实现方式:在确定出用户在所述目标场景移动的情况下,获得所存在用户在所述目标场景移动过程中形成的当前移动路径信息;
基于所述当前移动路径信息,从每一当前的常走路径信息中,确定出与所述当前移动路径信息匹配的当前的常走路径信息;
将跌倒风险值存储区域所存储的每一当前的常走路径信息对应的跌倒风险值中,与所述当前移动路径信息匹配的当前的常走路径信息对应的跌倒风险值,确定为所述当前运动轨迹对应的目标跌倒风险值;
基于用户在所述目标场景中的位置信息以及所述目标跌倒风险值,对所述目标场景对应的用户进行跌倒风险预警推送。
在本发明的另一实施例中,数据处理器230,被具体配置为:针对每一当前的常走路径信息,基于预设相似度计算方式以及所述当前移动路径信息,确定所述当前移动路径信息与该当前的常走路径信息之间的相似度值;
将与所述当前移动路径信息相似度值最大的当前的常走路径信息,确定为与所述当前移动路径信息匹配的当前的常走路径信息。
相应于上述方法实施例,本发明实施例提供了一种跌倒风险预测系统,如图4所示,包括:图像采集设备410、服务器420以及客户端430;
所述图像采集设备410,被配置为对目标场景进行监控,并将监控过程中拍摄的图像发送至所述服务器420;
所述服务器420,被配置为获得所述图像采集设备410监控目标场景中的移动人员的移动过程时拍摄的图像,并对所获得的图像进行检测,确定出所述移动人员在目标场景中移动形成的移动路径信息,作为备用移动路径信息;若判断当前获得的备用移动路径信息的数量超过预设阈值,利用预设聚类算法,对所述当前获得的备用移动路径信息进行聚类,确定出当前的常走路径信息;获得所述目标场景中当前存在的第一物体所在位置的第一位置信息;针对每一当前的常走路径信息,利用该当前的常走路径信息以及所获得的第一位置信息,确定该当前的常走路径信息对应的跌倒风险值;利用每一当前的常走路径信息对应的跌倒风险值,对所述目标场景对应的客户端430进行跌倒风险预警推送;
所述客户端430,被配置为响应于所述服务器推送的跌倒风险预警,显示每一当前的常走路径信息对应的跌倒风险值。
可选的,所述当前获得的备用移动路径信息为:以上一次确定出常走路径信息的时刻到当前时刻之间所获得的移动路径信息;
所述服务器420,被具体配置为利用预设聚类算法,对所述当前获得的备用移动路径信息以及历史移动路径信息进行聚类,确定出当前的常走路径信息,其中,所述历史移动路径信息为:上一次确定出常走路径信息的时刻及其之前的时刻所获得的移动路径信息。
可选的,每一当前的常走路径信息包括n个参考点的点位置信息,n为大于1的正整数;所述服务器420,被具体配置为利用预设的曲线拟合算法以及该当前的常走路径信息中n个参考点的点位置信息,拟合出该当前的常走路径信息对应的常走路径轨迹,作为当前的常走路径轨迹;
利用所获得的第一位置信息以及该当前的常走路径轨迹,确定出每一第一物体与该当前的常走路径轨迹之间的第一距离;
针对每一与该当前的常走路径轨迹之间的第一距离不大于预设距离阈值的第一物体,基于该第一物体与该当前的常走路径轨迹之间的第一距离、该当前的常走路径轨迹对应的行走频数以及预设跌倒风险值计算公式,确定该当前的常走路径信息对应的跌倒风险值,其中,所述该当前的常走路径轨迹对应的行走频数为:聚类得到该当前的常走路径信息的所述备用移动路径信息的数量。
可选的,所述预设跌倒风险值计算公式,表示为:
其中,所述P表示该当前的常走路径信息对应的跌倒风险值;所述f表示该当前的常走路径轨迹对应的行走频数;所述d表示该第一物体与该当前的常走路径轨迹之间的第一距离;所述k为预设权重,用于调节f与d对该当前的常走路径信息对应的跌倒风险值的影响,所述e表示自然常数。
可选的,所述服务器420,还被配置为在所述利用预设聚类算法,对所述当前获得的备用移动路径信息进行聚类,确定出当前的常走路径信息之后,在确定常走路径信息存储区域已存储有常走路径信息的情况下,利用所确定的当前的常走路径信息,更新所述常走路径信息存储区域已存储的常走路径信息。
可选的,所述服务器420,还被配置为在所述利用该当前的常走路径信息以及所获得的第一位置信息,确定该当前的常走路径信息对应的跌倒风险值之后,将每一当前的常走路径信息对应的跌倒风险值,存储于跌倒风险值存储区域;并在所述利用每一当前的常走路径信息对应的跌倒风险值,对所述目标场景对应的用户进行跌倒风险预警推送之后,更新跌倒风险值存储区域所存储的每一当前的常走路径信息对应的跌倒风险值的过程,其中,所述过程包括:
若确定出所述目标场景中物体发生变化,获得所述目标场景在物体发生变化后所存在第二物体所在位置的第二位置信息;
针对每一当前的常走路径信息,利用该当前的常走路径信息以及所检测的第二位置信息,确定每一当前的常走路径信息对应的新的跌倒风险值;
利用所确定的每一当前的常走路径信息对应的新的跌倒风险值,更新所述跌倒风险值存储区域所存储的每一当前的常走路径信息对应的跌倒风险值。
可选的,第一种实现方式:
所述服务器420,被具体配置为:将每一当前的常走路径信息对应的跌倒风险值,发送至所述目标场景对应的客户端;
第二种实现方式:所述服务器420,被具体配置为:将每一当前的常走路径信息对应的跌倒风险值,发送至预设存储区域;
所述客户端430,还被配置为向所述服务器420发送跌倒风险值查看指令;
所述服务器20,还被配置为:在接收到所述目标场景对应的用户的跌倒风险值查看指令之后,将每一当前的常走路径信息对应的跌倒风险值发送至所述目标场景对应的所述客户端430;
第三种实现方式:所述服务器420,被具体配置为:在确定出用户在所述目标场景移动的情况下,获得所存在用户在所述目标场景移动过程中形成的当前移动路径信息;
基于所述当前移动路径信息,从每一当前的常走路径信息中,确定出与所述当前移动路径信息匹配的当前的常走路径信息;
将跌倒风险值存储区域所存储的每一当前的常走路径信息对应的跌倒风险值中,与所述当前移动路径信息匹配的当前的常走路径信息对应的跌倒风险值,确定为所述当前运动轨迹对应的目标跌倒风险值;
基于用户在所述目标场景中的位置信息以及所述目标跌倒风险值,对所述目标场景对应的客户端进行跌倒风险预警推送。
可选的,所述服务器420,被具体配置为:针对每一当前的常走路径信息,基于预设相似度计算方式以及所述当前移动路径信息,确定所述当前移动路径信息与该当前的常走路径信息之间的相似度值;
将与所述当前移动路径信息相似度值最大的当前的常走路径信息,确定为与所述当前移动路径信息匹配的当前的常走路径信息。
相应于上述方法实施例,本发明实施例提供了一种跌倒风险预测装置,如图5所示,可以包括:
第一获得模块510,被配置为获得移动人员在目标场景中移动形成的移动路径信息,作为备用移动路径信息,其中,所述移动路径信息为:通过对图像采集设备监控所述移动人员的移动过程时拍摄的图像,进行检测所得到的信息;
聚类模块520,被配置为若判断当前获得的备用移动路径信息的数量超过预设阈值,利用预设聚类算法,对所述当前获得的备用移动路径信息进行聚类,确定出当前的常走路径信息;
第二获得模块530,被配置为获得所述目标场景中当前存在的第一物体所在位置的第一位置信息;
第一确定模块540,被配置为针对每一当前的常走路径信息,利用该当前的常走路径信息以及所获得的第一位置信息,确定该当前的常走路径信息对应的跌倒风险值;
推送模块550,被配置为利用每一当前的常走路径信息对应的跌倒风险值,对所述目标场景对应的用户进行跌倒风险预警推送。
应用本发明实施例,可以实时利用预设聚类算法,对当前获得的超过预设阈值的备用移动路径信息进行聚类,确定出当前的常走路径信息,进而基于目标场景中当前存在的第一物体所在位置的第一位置信息,确定每一当前的常走路径信息对应的跌倒风险值,进而对目标场景对应的用户进行跌倒风险预警推送。以警示该目标场景对应的用户,该目标场景中其当前的常走路径信息对应的跌倒风险,在推送时可以直接推送或用户存在需求时推送,使得用户可以针对每一当前的常走路径信息对应的路径上的第一物体,即障碍物进行位置调整或对第一物体进行安全设置,以避免在实际行走过程中,出现跌倒风险,实现对人员的跌倒的可能性的预测并进行更有效的预警,以便在一定程度上预防人员跌倒状况的出现。
在本发明的另一实施例中,所述当前获得的备用移动路径信息为:以上一次确定出常走路径信息的时刻到当前时刻之间所获得的移动路径信息;
所述聚类模块520,被具体配置为利用预设聚类算法,对所述当前获得的备用移动路径信息以及历史移动路径信息进行聚类,确定出当前的常走路径信息,其中,所述历史移动路径信息为:上一次确定出常走路径信息的时刻及其之前的时刻所获得的移动路径信息。
在本发明的另一实施例中,每一当前的常走路径信息包括n个参考点的点位置信息, n为大于1的正整数;
所述第一确定模块540,被具体配置为利用预设的曲线拟合算法以及该当前的常走路径信息中n个参考点的点位置信息,拟合出该当前的常走路径信息对应的常走路径轨迹,作为当前的常走路径轨迹;
利用所获得的第一位置信息以及该当前的常走路径轨迹,确定出每一第一物体与该当前的常走路径轨迹之间的第一距离;
针对每一与该当前的常走路径轨迹之间的第一距离不大于预设距离阈值的第一物体,基于该第一物体与该当前的常走路径轨迹之间的第一距离、该当前的常走路径轨迹对应的行走频数以及预设跌倒风险值计算公式,确定该当前的常走路径信息对应的跌倒风险值,其中,所述该当前的常走路径轨迹对应的行走频数为:聚类得到该当前的常走路径信息的所述备用移动路径信息的数量。
在本发明的另一实施例中,所述预设跌倒风险值计算公式,表示为:
其中,所述P表示该当前的常走路径信息对应的跌倒风险值;所述f表示该当前的常走路径轨迹对应的行走频数;所述d表示该第一物体与该当前的常走路径轨迹之间的第一距离;所述k为预设权重,用于调节f与d对该当前的常走路径信息对应的跌倒风险值的影响,所述e表示自然常数。
在本发明的另一实施例中,所述装置还包括:
第一更新模块(图中未示出),被配置为在所述利用预设聚类算法,对所述当前获得的备用移动路径信息进行聚类,确定出当前的常走路径信息之后,在确定常走路径信息存储区域已存储有常走路径信息的情况下,利用所确定的当前的常走路径信息,更新所述常走路径信息存储区域已存储的常走路径信息。
在本发明的另一实施例中,所述装置还包括:
存储模块(图中未示出),被配置为在所述利用该当前的常走路径信息以及所获得的第一位置信息,确定该当前的常走路径信息对应的跌倒风险值的之后,将每一当前的常走路径信息对应的跌倒风险值,存储于跌倒风险值存储区域;
第二更新模块(图中未示出),被配置为在所述利用每一当前的常走路径信息对应的跌倒风险值,对所述目标场景对应的用户进行跌倒风险预警推送之后,更新跌倒风险值存储区域所存储的每一当前的常走路径信息对应的跌倒风险值的过程,其中,所述过程包括:
若确定出所述目标场景中物体发生变化,获得所述目标场景在物体发生变化后所存在第二物体所在位置的第二位置信息;
针对每一当前的常走路径信息,利用该当前的常走路径信息以及所检测的第二位置信息,确定每一当前的常走路径信息对应的新的跌倒风险值;
利用所确定的每一当前的常走路径信息对应的新的跌倒风险值,更新所述跌倒风险值存储区域所存储的每一当前的常走路径信息对应的跌倒风险值。
在本发明的另一实施例中,所述推送模块550,包括:
第一发送单元(图中未示出),被配置为将每一当前的常走路径信息对应的跌倒风险值,发送至所述目标场景对应的用户的注册账户,以使所述目标场景对应的用户查看每一当前的常走路径信息对应的跌倒风险值;
或,包括:第二发送单元(图中未示出),被配置为将每一当前的常走路径信息对应的跌倒风险值,发送至预设存储区域;
第三发送单元(图中未示出),被配置为在接收到所述目标场景对应的用户的跌倒风险值查看指令之后,将每一当前的常走路径信息对应的跌倒风险值发送至所述目标场景对应的用户的注册账户,以使所述目标场景对应的用户查看每一当前的常走路径信息对应的跌倒风险值;
或,包括:获得单元(图中未示出),被配置为在确定出用户在所述目标场景移动的情况下,获得所存在用户在所述目标场景移动过程中形成的当前移动路径信息;
第一确定单元(图中未示出),被配置为基于所述当前移动路径信息,从每一当前的常走路径信息中,确定出与所述当前移动路径信息匹配的当前的常走路径信息;
第二确定单元(图中未示出),被配置为将跌倒风险值存储区域所存储的每一当前的常走路径信息对应的跌倒风险值中,与所述当前移动路径信息匹配的当前的常走路径信息对应的跌倒风险值,确定为所述当前运动轨迹对应的目标跌倒风险值;
输出单元(图中未示出),被配置为基于用户在所述目标场景中的位置信息以及所述目标跌倒风险值,对所述目标场景对应的用户进行跌倒风险预警推送。
在本发明的另一实施例中,所述第一确定单元(图中未示出),被具体配置为针对每一当前的常走路径信息,基于预设相似度计算方式以及所述当前移动路径信息,确定所述当前移动路径信息与该当前的常走路径信息之间的相似度值;
将与所述当前移动路径信息相似度值最大的当前的常走路径信息,确定为与所述当前移动路径信息匹配的当前的常走路径信息。
上述装置、系统实施例与方法实施例相对应,与该方法实施例具有同样的技术效果,具体说明参见方法实施例。装置实施例是基于方法实施例得到的,具体的说明可以参见方法实施例部分,此处不再赘述。
本领域普通技术人员可以理解:附图只是一个实施例的示意图,附图中的模块或流程并不一定是实施本发明所必须的。
本领域普通技术人员可以理解:实施例中的装置中的模块可以按照实施例描述分布于实施例的装置中,也可以进行相应变化位于不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块,也可以进一步拆分成多个子模块。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。
Claims (18)
1.一种跌倒风险预测方法,其特征在于,包括:
获得移动人员在目标场景中移动形成的移动路径信息,作为备用移动路径信息,其中,所述移动路径信息为:通过对图像采集设备监控所述移动人员的移动过程时拍摄的图像,进行检测所得到的信息;
若判断当前获得的备用移动路径信息的数量超过预设阈值,利用预设聚类算法,对所述当前获得的备用移动路径信息进行聚类,确定出当前的常走路径信息;
获得所述目标场景中当前存在的第一物体所在位置的第一位置信息;
针对每一当前的常走路径信息,利用该当前的常走路径信息以及所获得的第一位置信息,确定该当前的常走路径信息对应的跌倒风险值;
利用每一当前的常走路径信息对应的跌倒风险值,对所述目标场景对应的用户进行跌倒风险预警推送。
2.如权利要求1所述的方法,其特征在于,所述当前获得的备用移动路径信息为:以上一次确定出常走路径信息的时刻到当前时刻之间所获得的移动路径信息;
所述利用预设聚类算法,对所述当前获得的备用移动路径信息进行聚类,确定出当前的常走路径信息的步骤,包括:
利用预设聚类算法,对所述当前获得的备用移动路径信息以及历史移动路径信息进行聚类,确定出当前的常走路径信息,其中,所述历史移动路径信息为:上一次确定出常走路径信息的时刻及其之前的时刻所获得的移动路径信息。
3.如权利要求1所述的方法,其特征在于,每一当前的常走路径信息包括n个参考点的点位置信息,n为大于1的正整数;
所述利用该当前的常走路径信息以及所获得的第一位置信息,确定该当前的常走路径信息对应的跌倒风险值的步骤,包括:
利用预设的曲线拟合算法以及该当前的常走路径信息中n个参考点的点位置信息,拟合出该当前的常走路径信息对应的常走路径轨迹,作为当前的常走路径轨迹;
利用所获得的第一位置信息以及该当前的常走路径轨迹,确定出每一第一物体与该当前的常走路径轨迹之间的第一距离;
针对每一与该当前的常走路径轨迹之间的第一距离不大于预设距离阈值的第一物体,基于该第一物体与该当前的常走路径轨迹之间的第一距离、该当前的常走路径轨迹对应的行走频数以及预设跌倒风险值计算公式,确定该当前的常走路径信息对应的跌倒风险值,其中,所述该当前的常走路径轨迹对应的行走频数为:聚类得到该当前的常走路径信息的所述备用移动路径信息的数量。
5.如权利要求1所述的方法,其特征在于,在所述利用预设聚类算法,对所述当前获得的备用移动路径信息进行聚类,确定出当前的常走路径信息步骤之后,所述方法还包括:
在确定常走路径信息存储区域已存储有常走路径信息的情况下,利用所确定的当前的常走路径信息,更新所述常走路径信息存储区域已存储的常走路径信息。
6.如权利要求1所述的方法,其特征在于,在所述利用该当前的常走路径信息以及所获得的第一位置信息,确定该当前的常走路径信息对应的跌倒风险值的步骤之后,所述方法还包括:
将每一当前的常走路径信息对应的跌倒风险值,存储于跌倒风险值存储区域;
在所述利用每一当前的常走路径信息对应的跌倒风险值,对所述目标场景对应的用户进行跌倒风险预警推送步骤之后,所述方法还包括:
更新跌倒风险值存储区域所存储的每一当前的常走路径信息对应的跌倒风险值的过程,其中,所述过程包括:
若确定出所述目标场景中物体发生变化,获得所述目标场景在物体发生变化后所存在第二物体所在位置的第二位置信息;
针对每一当前的常走路径信息,利用该当前的常走路径信息以及所检测的第二位置信息,确定每一当前的常走路径信息对应的新的跌倒风险值;
利用所确定的每一当前的常走路径信息对应的新的跌倒风险值,更新所述跌倒风险值存储区域所存储的每一当前的常走路径信息对应的跌倒风险值。
7.如权利要求1-6任一项所述的方法,其特征在于,所述利用每一当前的常走路径信息对应的跌倒风险值,对所述目标场景对应的用户进行跌倒风险预警推送的步骤,通过如下三种实现方式中的任一种实现方式实现:
第一种实现方式:
将每一当前的常走路径信息对应的跌倒风险值,发送至所述目标场景对应的用户的注册账户,以使所述目标场景对应的用户查看每一当前的常走路径信息对应的跌倒风险值;
第二种实现方式:
将每一当前的常走路径信息对应的跌倒风险值,发送至预设存储区域;
在接收到所述目标场景对应的用户的跌倒风险值查看指令之后,将每一当前的常走路径信息对应的跌倒风险值发送至所述目标场景对应的用户的注册账户,以使所述目标场景对应的用户查看每一当前的常走路径信息对应的跌倒风险值;
第三种实现方式:
在确定出用户在所述目标场景移动的情况下,获得所存在用户在所述目标场景移动过程中形成的当前移动路径信息;
基于所述当前移动路径信息,从每一当前的常走路径信息中,确定出与所述当前移动路径信息匹配的当前的常走路径信息;
将跌倒风险值存储区域所存储的每一当前的常走路径信息对应的跌倒风险值中,与所述当前移动路径信息匹配的当前的常走路径信息对应的跌倒风险值,确定为所述当前运动轨迹对应的目标跌倒风险值;
基于用户在所述目标场景中的位置信息以及所述目标跌倒风险值,对所述目标场景对应的用户进行跌倒风险预警推送。
8.如权利要求7所述的方法,其特征在于,所述基于所述当前移动路径信息,从每一当前的常走路径信息中,确定出与所述当前移动路径信息匹配的当前的常走路径信息的步骤,包括:
针对每一当前的常走路径信息,基于预设相似度计算方式以及所述当前移动路径信息,确定所述当前移动路径信息与该当前的常走路径信息之间的相似度值;
将与所述当前移动路径信息相似度值最大的当前的常走路径信息,确定为与所述当前移动路径信息匹配的当前的常走路径信息。
9.一种跌倒风险预测系统,其特征在于,包括:图像采集设备、图像处理器以及数据处理器;
所述图像采集设备,被配置为对目标场景进行监控,并将监控过程中拍摄的图像发送至所述图像处理器;
所述图像处理器,被配置为获得所述图像采集设备监控目标场景中的移动人员的移动过程时拍摄的图像,并对所获得的图像进行检测,确定出所述移动人员在目标场景中移动形成的移动路径信息,并将所述移动路径信息发送至所述数据处理器;
所述数据处理器,被配置为获得所述移动路径信息,作为备用移动路径信息;若判断当前获得的备用移动路径信息的数量超过预设阈值,利用预设聚类算法,对所述当前获得的备用移动路径信息进行聚类,确定出当前的常走路径信息;获得所述目标场景中当前存在的第一物体所在位置的第一位置信息;针对每一当前的常走路径信息,利用该当前的常走路径信息以及所获得的第一位置信息,确定该当前的常走路径信息对应的跌倒风险值;利用每一当前的常走路径信息对应的跌倒风险值,对所述目标场景对应的用户进行跌倒风险预警推送。
10.一种跌倒风险预测系统,其特征在于,包括:图像采集设备、服务器以及客户端;
所述图像采集设备,被配置为对目标场景进行监控,并将监控过程中拍摄的图像发送至所述服务器;
所述服务器,被配置为获得所述图像采集设备监控目标场景中的移动人员的移动过程时拍摄的图像,并对所获得的图像进行检测,确定出所述移动人员在目标场景中移动形成的移动路径信息,作为备用移动路径信息;若判断当前获得的备用移动路径信息的数量超过预设阈值,利用预设聚类算法,对所述当前获得的备用移动路径信息进行聚类,确定出当前的常走路径信息;获得所述目标场景中当前存在的第一物体所在位置的第一位置信息;针对每一当前的常走路径信息,利用该当前的常走路径信息以及所获得的第一位置信息,确定该当前的常走路径信息对应的跌倒风险值;利用每一当前的常走路径信息对应的跌倒风险值,对所述目标场景对应的客户端进行跌倒风险预警推送;
所述客户端,被配置为响应于所述服务器推送的跌倒风险预警,显示每一当前的常走路径信息对应的跌倒风险值。
11.一种跌倒风险预测装置,其特征在于,包括:
第一获得模块,被配置为获得移动人员在目标场景中移动形成的移动路径信息,作为备用移动路径信息,其中,所述移动路径信息为:通过对图像采集设备监控所述移动人员的移动过程时拍摄的图像,进行检测所得到的信息;
聚类模块,被配置为若判断当前获得的备用移动路径信息的数量超过预设阈值,利用预设聚类算法,对所述当前获得的备用移动路径信息进行聚类,确定出当前的常走路径信息;
第二获得模块,被配置为获得所述目标场景中当前存在的第一物体所在位置的第一位置信息;
第一确定模块,被配置为针对每一当前的常走路径信息,利用该当前的常走路径信息以及所获得的第一位置信息,确定该当前的常走路径信息对应的跌倒风险值;
推送模块,被配置为利用每一当前的常走路径信息对应的跌倒风险值,对所述目标场景对应的用户进行跌倒风险预警推送。
12.如权利要求11所述的装置,其特征在于,所述当前获得的备用移动路径信息为:以上一次确定出常走路径信息的时刻到当前时刻之间所获得的移动路径信息;
所述聚类模块,被具体配置为利用预设聚类算法,对所述当前获得的备用移动路径信息以及历史移动路径信息进行聚类,确定出当前的常走路径信息,其中,所述历史移动路径信息为:上一次确定出常走路径信息的时刻及其之前的时刻所获得的移动路径信息。
13.如权利要求11所述的装置,其特征在于,每一当前的常走路径信息包括n个参考点的点位置信息,n为大于1的正整数;
所述第一确定模块,被具体配置为利用预设的曲线拟合算法以及该当前的常走路径信息中n个参考点的点位置信息,拟合出该当前的常走路径信息对应的常走路径轨迹,作为当前的常走路径轨迹;
利用所获得的第一位置信息以及该当前的常走路径轨迹,确定出每一第一物体与该当前的常走路径轨迹之间的第一距离;
针对每一与该当前的常走路径轨迹之间的第一距离不大于预设距离阈值的第一物体,基于该第一物体与该当前的常走路径轨迹之间的第一距离、该当前的常走路径轨迹对应的行走频数以及预设跌倒风险值计算公式,确定该当前的常走路径信息对应的跌倒风险值,其中,所述该当前的常走路径轨迹对应的行走频数为:聚类得到该当前的常走路径信息的所述备用移动路径信息的数量。
15.如权利要求11所述的装置,其特征在于,所述装置还包括:
第一更新模块,被配置为在所述利用预设聚类算法,对所述当前获得的备用移动路径信息进行聚类,确定出当前的常走路径信息之后,在确定常走路径信息存储区域已存储有常走路径信息的情况下,利用所确定的当前的常走路径信息,更新所述常走路径信息存储区域已存储的常走路径信息。
16.如权利要求11所述的装置,其特征在于,所述装置还包括:
存储模块,被配置为在所述利用该当前的常走路径信息以及所获得的第一位置信息,确定该当前的常走路径信息对应的跌倒风险值的之后,将每一当前的常走路径信息对应的跌倒风险值,存储于跌倒风险值存储区域;
第二更新模块,被配置为在所述利用每一当前的常走路径信息对应的跌倒风险值,对所述目标场景对应的用户进行跌倒风险预警推送之后,更新跌倒风险值存储区域所存储的每一当前的常走路径信息对应的跌倒风险值的过程,其中,所述过程包括:
若确定出所述目标场景中物体发生变化,获得所述目标场景在物体发生变化后所存在第二物体所在位置的第二位置信息;
针对每一当前的常走路径信息,利用该当前的常走路径信息以及所检测的第二位置信息,确定每一当前的常走路径信息对应的新的跌倒风险值;
利用所确定的每一当前的常走路径信息对应的新的跌倒风险值,更新所述跌倒风险值存储区域所存储的每一当前的常走路径信息对应的跌倒风险值。
17.如权利要求11-16任一项所述的装置,其特征在于,所述推送模块,包括:
第一发送单元,被配置为将每一当前的常走路径信息对应的跌倒风险值,发送至所述目标场景对应的用户的注册账户,以使所述目标场景对应的用户查看每一当前的常走路径信息对应的跌倒风险值;
或,包括:第二发送单元,被配置为将每一当前的常走路径信息对应的跌倒风险值,发送至预设存储区域;
第三发送单元,被配置为在接收到所述目标场景对应的用户的跌倒风险值查看指令之后,将每一当前的常走路径信息对应的跌倒风险值发送至所述目标场景对应的用户的注册账户,以使所述目标场景对应的用户查看每一当前的常走路径信息对应的跌倒风险值;
或,包括:获得单元,被配置为在确定出用户在所述目标场景移动的情况下,获得所存在用户在所述目标场景移动过程中形成的当前移动路径信息;
第一确定单元,被配置为基于所述当前移动路径信息,从每一当前的常走路径信息中,确定出与所述当前移动路径信息匹配的当前的常走路径信息;
第二确定单元,被配置为将跌倒风险值存储区域所存储的每一当前的常走路径信息对应的跌倒风险值中,与所述当前移动路径信息匹配的当前的常走路径信息对应的跌倒风险值,确定为所述当前运动轨迹对应的目标跌倒风险值;
输出单元,被配置为基于用户在所述目标场景中的位置信息以及所述目标跌倒风险值,对所述目标场景对应的用户进行跌倒风险预警推送。
18.如权利要求17所述的装置,其特征在于,所述第一确定单元,被具体配置为针对每一当前的常走路径信息,基于预设相似度计算方式以及所述当前移动路径信息,确定所述当前移动路径信息与该当前的常走路径信息之间的相似度值;
将与所述当前移动路径信息相似度值最大的当前的常走路径信息,确定为与所述当前移动路径信息匹配的当前的常走路径信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910683013.6A CN110379131B (zh) | 2019-07-26 | 2019-07-26 | 一种跌倒风险预测方法、系统及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910683013.6A CN110379131B (zh) | 2019-07-26 | 2019-07-26 | 一种跌倒风险预测方法、系统及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110379131A CN110379131A (zh) | 2019-10-25 |
CN110379131B true CN110379131B (zh) | 2020-08-11 |
Family
ID=68256426
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910683013.6A Active CN110379131B (zh) | 2019-07-26 | 2019-07-26 | 一种跌倒风险预测方法、系统及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110379131B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015171072A1 (en) * | 2014-05-04 | 2015-11-12 | Tan Seow Loong | Activity monitoring method and system |
CN105989695A (zh) * | 2015-02-15 | 2016-10-05 | 中国移动通信集团公司 | 监护对象活动风险评估方法及装置 |
KR20180127255A (ko) * | 2017-05-19 | 2018-11-28 | 한국과학기술원 | 열화상 카메라를 이용한 낙상 예측 시스템 및 열화상 카메라를 이용한 낙상 예측 방법 |
CN109635710A (zh) * | 2018-12-06 | 2019-04-16 | 中山乐心电子有限公司 | 危险状态确定方法、装置、危险告警设备及储存介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170155877A1 (en) * | 2008-05-06 | 2017-06-01 | Careview Communications, Inc. | System and method for predicting patient falls |
-
2019
- 2019-07-26 CN CN201910683013.6A patent/CN110379131B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015171072A1 (en) * | 2014-05-04 | 2015-11-12 | Tan Seow Loong | Activity monitoring method and system |
CN105989695A (zh) * | 2015-02-15 | 2016-10-05 | 中国移动通信集团公司 | 监护对象活动风险评估方法及装置 |
KR20180127255A (ko) * | 2017-05-19 | 2018-11-28 | 한국과학기술원 | 열화상 카메라를 이용한 낙상 예측 시스템 및 열화상 카메라를 이용한 낙상 예측 방법 |
CN109635710A (zh) * | 2018-12-06 | 2019-04-16 | 中山乐心电子有限公司 | 危险状态确定方法、装置、危险告警设备及储存介质 |
Non-Patent Citations (1)
Title |
---|
Embedding Graceful Deception System in Visual Navigation for Elderly Health Care;Yo-Ping Huang等;《2013 CACS International Automatic Control Conference (CACS)》;20131204;第174-179页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110379131A (zh) | 2019-10-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11157778B2 (en) | Image analysis system, image analysis method, and storage medium | |
KR101900176B1 (ko) | 물체 검출 장치, 물체 검출 방법, 및 물체 검출 시스템 | |
CN107871114B (zh) | 一种推送目标人员跟踪信息的方法、装置及系统 | |
CN106341661B (zh) | 巡逻机器人 | |
US20170206423A1 (en) | Device and method surveilling abnormal behavior using 3d image information | |
CN109784177A (zh) | 基于图像匹配的失踪人员快速定位方法、装置及介质 | |
JP2007272488A (ja) | 画像処理装置、監視カメラ及び画像監視システム | |
CN110147723B (zh) | 一种无人店中顾客异常行为的处理方法及系统 | |
KR20160074208A (ko) | 비콘신호를 이용한 안전 서비스 제공 시스템 및 방법 | |
CN114218992B (zh) | 异常对象的检测方法及相关装置 | |
Lu et al. | Cooperative hybrid multi-camera tracking for people surveillance | |
CN116343436A (zh) | 一种山体滑坡检测的方法、装置、设备及介质 | |
CN113822250A (zh) | 一种船舶驾驶异常行为检测方法 | |
CN113673319B (zh) | 异常姿态检测方法、装置、电子装置和存储介质 | |
CN110379131B (zh) | 一种跌倒风险预测方法、系统及装置 | |
CN112669294B (zh) | 相机遮挡检测方法、装置、电子设备及存储介质 | |
KR102407202B1 (ko) | 지능형 영상 분석 장치 및 방법 | |
WO2022059223A1 (ja) | 映像解析システムおよび映像解析方法 | |
JP5743646B2 (ja) | 異常検知装置 | |
KR101704471B1 (ko) | 낙상 검출 장치 및 그 방법 | |
TWI577627B (zh) | 用於電梯設備之監控系統及其監控方法 | |
JP7483164B2 (ja) | 移動型提供装置、及び情報提供システム | |
Samundeswari et al. | Real-time Crime Detection Using Customized CNN | |
US11645844B2 (en) | Computing devices programmed to detect slippery surfaces within enclosures and methods/systems of used thereof | |
CN113129532B (zh) | 陌生人员的预警方法、装置、电子设备及存储介质 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20200715 Address after: A2902, building 9, zone 2, Shenzhen Bay science and technology ecological park, 3609 Baishi Road, community, high tech Zone, Yuehai street, Nanshan District, Shenzhen City, Guangdong Province Applicant after: Shenzhen Jijia Innovation Technology Co.,Ltd. Address before: 100083 room 1619, floor 13, building B, No.1 Wangzhuang Road, Haidian District, Beijing Applicant before: Beijing Jijia Technology Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |