CN110477925A - 一种针对敬老院老人的跌倒检测与预警方法及系统 - Google Patents

一种针对敬老院老人的跌倒检测与预警方法及系统 Download PDF

Info

Publication number
CN110477925A
CN110477925A CN201910781430.4A CN201910781430A CN110477925A CN 110477925 A CN110477925 A CN 110477925A CN 201910781430 A CN201910781430 A CN 201910781430A CN 110477925 A CN110477925 A CN 110477925A
Authority
CN
China
Prior art keywords
old man
human body
fall detection
information
early warning
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.)
Granted
Application number
CN201910781430.4A
Other languages
English (en)
Other versions
CN110477925B (zh
Inventor
吴亮生
唐宇
马敬奇
王楠
钟震宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhongkai University of Agriculture and Engineering
Guangdong Institute of Intelligent Manufacturing
Original Assignee
Zhongkai University of Agriculture and Engineering
Guangdong Institute of Intelligent Manufacturing
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhongkai University of Agriculture and Engineering, Guangdong Institute of Intelligent Manufacturing filed Critical Zhongkai University of Agriculture and Engineering
Priority to CN201910781430.4A priority Critical patent/CN110477925B/zh
Publication of CN110477925A publication Critical patent/CN110477925A/zh
Application granted granted Critical
Publication of CN110477925B publication Critical patent/CN110477925B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • A61B5/02055—Simultaneously evaluating both cardiovascular condition and temperature
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1116—Determining posture transitions
    • A61B5/1117—Fall detection
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2503/00—Evaluating a particular growth phase or type of persons or animals
    • A61B2503/08—Elderly
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/021—Measuring pressure in heart or blood vessels
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/14542—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring blood gases

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physiology (AREA)
  • Physics & Mathematics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Public Health (AREA)
  • Pathology (AREA)
  • Veterinary Medicine (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • General Health & Medical Sciences (AREA)
  • Cardiology (AREA)
  • Artificial Intelligence (AREA)
  • Fuzzy Systems (AREA)
  • Pulmonology (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Evolutionary Computation (AREA)
  • Dentistry (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Image Analysis (AREA)
  • Alarm Systems (AREA)

Abstract

本发明公开了一种针对敬老院老人的跌倒检测与预警方法及系统，其中，所述方法包括：基于模糊摄像头获取老人的人体轮廓图像信息；基于深度学习算法对所述人体轮廓图像信息进行人体跌倒检测，获得跌倒检测结果；以及，基于可穿戴设备采集老人的生理特征信息；将老人的所述跌倒检测结果与对应的所述生理特征信息进行融合分析，并基于老人的当前融合分析结果进行预警及医护人员调度。在本发明实施例中，在保护老人隐私的前提下实现对老人的跌倒以及身体状态的等级预警和医护人员的调度；合理安排医护人员进行及时救治，确保救治及时的同时合理的分配医护资源，提高养老院的效率。

Description

一种针对敬老院老人的跌倒检测与预警方法及系统
技术领域
本发明涉及智慧养老技术领域，尤其涉及一种针对敬老院老人的跌倒检测与预警方法及系统。
背景技术
现在的居家养老或者养老院的智慧养老系统中的对于老人的防跌倒监控要么采用地面安全传感器或者高清摄像头进行全程的监控，利用地面安全传感器进行监控极可能存在监控状态不准确，没有办法实时准确的获得老人是否跌倒的情况；然而采用高清摄像头进行相应的监控，可能导致老人的隐私遭到暴露，给老人的生活带来极大的不方便。
还有的就是通过给老人佩戴相应的智能监测手环或者手表，实现对老人的部分生理特征数据的监控，这些数据将直接连接至相应的医疗服务机构；当采用这样的监控，无法第一时间确定老人发生危险等级，无法及时安排对应的医护人员进行救治；从而导致老人得不到及时救治或者浪费相应的医护资源。
发明内容
本发明的目的在于克服现有技术的不足，本发明提供了一种针对敬老院老人的跌倒检测与预警方法及系统，在保护老人隐私的前提下实现对老人的跌倒以及身体状态的等级预警和医护人员的调度；合理安排医护人员进行及时救治，确保救治及时的同时合理的分配医护资源，提高养老院的效率。
为了解决上述技术问题，本发明实施例提供了一种针对敬老院老人的跌倒检测与预警方法，所述方法包括：
基于模糊摄像头获取老人的人体轮廓图像信息；
基于深度学习算法对所述人体轮廓图像信息进行人体跌倒检测，获得跌倒检测结果；以及，
基于可穿戴设备采集老人的生理特征信息，所述生理特征信息包括体温、血压、心率、血氧含量及脉搏；
将老人的所述跌倒检测结果与对应的所述生理特征信息进行融合分析，并基于老人的当前融合分析结果进行预警及医护人员调度。
可选的，所述基于深度学习算法对所述人体轮廓图像信息进行人体跌倒检测，获得跌倒检测结果，包括：
基于深度学习算法对所述人体轮廓图像信息进行人体骨架关键提取处理，获取人体骨架关键点；
分析所述人体骨架关键点的分布信息、坐标空间变换，转换为人体空间姿态信息；
基于所述人体空间姿态信息进行是否跌倒判断处理，获得跌倒检测结果。
可选的，所述人体骨架关键点包括：左眼、右眼、左耳、右耳、嘴巴、胸颈处、左肩、左肘、左手、右肩、右肘、右手、左髋、左膝、左脚、右髋、右膝和右脚。
可选的，所述基于分析所述人体骨架关键点的分布信息、坐标空间变换，转换为人体空间姿态信息，包括：
随机选择所述人体骨架关键点中的多个关键点作为人体姿态判断关键点；
获取人体姿态判断关键点的像素坐标，基于预设人体高度进行坐标空间变化，获取人体空间姿态信息。
可选的，所述基于所述人体空间姿态信息进行是否跌倒判断处理，获得跌倒检测结果，包括：
基于所述人体姿态判断关键点以及人体空间姿态信息进行是否跌倒判断；以及，
在第一预设时间内判断为疑似跌倒时，读取后续至第二预设时间段内的连续若干帧人体轮廓图像信息进行是否跌倒判断；
若满足疑似跌倒的人体轮廓图像信息帧数大于预设阈值时，则判断为跌倒，反之判断为不跌倒，获得跌倒检测结果。
可选的，所述人体姿态判断关键点包括：右肩、左肩、右髋、左髋、嘴巴和胸颈处，其中所述人体姿态判断关键点的像素坐标为(xi，yi)，其中i＝1,2,3,4,5,6；所述预设人体高度为H。
可选的，所述基于所述人体姿态判断关键点以及人体空间姿态信息进行是否跌倒判断的条件公式如下：
其中，y1、y2、y3、y4、y5和y6分别为右肩、左肩、右髋、左髋、嘴巴和胸颈处的纵坐标；H为预设人体高度；
所述读取后续至第二预设时间段内的连续若干帧人体轮廓图像信息进行是否跌倒判断的判断公式如下：
其中，K为第一预设时间至第二预设时间段内的检测到跌倒的帧数；N为疑似跌倒次数的预设阈值，μ为预设参数，当μ<0时，则判断为跌倒。
可选的，所述可穿戴设备上集成了生理信息采集装置、通信装置以及定位装置；
基于所述生理信息采集装置采集老人的生理特征信息，基于定位装置获得老人当前的位置信息；
所述通信装置用于将老人的生理特征信息和当前的位置信息发送至数据融合与控制模块。
可选的，所述基于老人的当前融合分析结果进行预警及医护人员调度，包括：
基于当前融合分析结果中的是否跌倒、生理特征信息以及当前位置信息发出预警信息；以及，
基于预警信息的等级调度与当前位置最近的处于空闲状态的对应医护人员对所述预警信息进行处置。
另外，本发明实施例还提供了一种针对敬老院老人的跌倒检测与预警系统，所述系统包括：
图像采集模块：用于基于模糊摄像头获取老人的人体轮廓图像信息；
跌倒检测模块：用于基于深度学习算法对所述人体轮廓图像信息进行人体跌倒检测，获得跌倒检测结果；以及，
生理特征采集模块：用于基于可穿戴设备采集老人的生理特征信息，所述生理特征信息包括体温、血压、心率、血氧含量及脉搏；
分析预警及调度模块：用于将老人的所述跌倒检测结果与对应的所述生理特征信息进行融合分析，并基于老人的当前融合分析结果进行预警及医护人员调度。
在本发明实施例中，采用模糊监控的方式获得老人的人体轮廓图像信息，可以私人区域的监控既能监控老人状态的同时又能够保护老人的隐私；在判断老人跌倒的情况下，结合智能穿戴设备获取老人身体状态及位置信息，能够做出相应的警报等级，合理安排医护人员进行及时救治，确保救治及时的同时合理的分配医护资源，提高养老院的效率。
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，显而易见的，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它的附图。
图1是本发明实施例中的针对敬老院老人的跌倒检测与预警方法的流程示意图；
图2是本发明实施例中的人体骨架关键点的分布示意图；
图3是本发明实施例中的针对敬老院老人的跌倒检测与预警系统的结构组成示意图。
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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
实施例
请参阅图1，图1是本发明实施例中的针对敬老院老人的跌倒检测与预警方法的流程示意图。
如图1所示，一种针对敬老院老人的跌倒检测与预警方法，所述方法包括：
S11：基于模糊摄像头获取老人的人体轮廓图像信息；
在本发明具体实施过程中，在公共区域采用监控摄像头，监控摄像头分布在老人活动的各个重点区域，摄像头的部署可以采用现有监控摄像头，无需重新部署；为保护个人隐私，私人区域监控采用模糊监控摄像头，模糊监控摄像头采用模糊镜头，该摄像头只能获取人体轮廓图像信息，从数据源头上进行模糊化，即使获取数据源也无法获取清晰图像，以达到保护隐私的功能。
S12：基于深度学习算法对所述人体轮廓图像信息进行人体跌倒检测，获得跌倒检测结果；以及，
在本发明具体实施过程中，所述基于深度学习算法对所述人体轮廓图像信息进行人体跌倒检测，获得跌倒检测结果，包括：基于深度学习算法对所述人体轮廓图像信息进行人体骨架关键提取处理，获取人体骨架关键点；分析所述人体骨架关键点的分布信息、坐标空间变换，转换为人体空间姿态信息；基于所述人体空间姿态信息进行是否跌倒判断处理，获得跌倒检测结果。
进一步的，所述人体骨架关键点包括：左眼、右眼、左耳、右耳、嘴巴、胸颈处、左肩、左肘、左手、右肩、右肘、右手、左髋、左膝、左脚、右髋、右膝和右脚。
进一步的，所述基于分析所述人体骨架关键点的分布信息、坐标空间变换，转换为人体空间姿态信息，包括：随机选择所述人体骨架关键点中的多个关键点作为人体姿态判断关键点；获取人体姿态判断关键点的像素坐标，基于预设人体高度进行坐标空间变化，获取人体空间姿态信息。
进一步的，所述基于所述人体空间姿态信息进行是否跌倒判断处理，获得跌倒检测结果，包括：基于所述人体姿态判断关键点以及人体空间姿态信息进行是否跌倒判断；以及，在第一预设时间内判断为疑似跌倒时，读取后续至第二预设时间段内的连续若干帧人体轮廓图像信息进行是否跌倒判断；若满足疑似跌倒的人体轮廓图像信息帧数大于预设阈值时，则判断为跌倒，反之判断为不跌倒，获得跌倒检测结果。
进一步的，所述人体姿态判断关键点包括：右肩、左肩、右髋、左髋、嘴巴和胸颈处，其中所述人体姿态判断关键点的像素坐标为(xi，yi)，其中i＝1,2,3,4,5,6；所述预设人体高度为H。
进一步的，所述基于所述人体姿态判断关键点以及人体空间姿态信息进行是否跌倒判断的条件公式如下：
其中，y1、y2、y3、y4、y5和y6分别为右肩、左肩、右髋、左髋、嘴巴和胸颈处的纵坐标；H为预设人体高度；
所述读取后续至第二预设时间段内的连续若干帧人体轮廓图像信息进行是否跌倒判断的判断公式如下：
其中，K为第一预设时间至第二预设时间段内的检测到跌倒的帧数；N为疑似跌倒次数的预设阈值，μ为预设参数，当μ<0时，则判断为跌倒。
具体的，深度学习算法设置在相应的服务器中，在在采集到人体轮廓图像信息之后，将该人体轮廓图像信息上传至服务器中，利用深度学习算法进行人体跌倒检测，从而获得跌倒检测结果；通过深度学习算法中的对人体轮廓图像信息对老人当前姿态进行检查，从而判断老人是否跌倒。
请参阅图2，图2是本发明实施例中的人体骨架关键点的分布示意图；如图2所示，人体骨架关键点包括：左眼、右眼、左耳、右耳、嘴巴、胸颈处、左肩、左肘、左手、右肩、右肘、右手、左髋、左膝、左脚、右髋、右膝和右脚。
通过分析人体骨架关键点的分布信息，坐标空间变换等，从而转换为人体空间姿态信息；具体的是随机的选取该人体骨架关键点中的多个关键点作为人体姿态判断关键点；选取6个关键点作为人体姿态判断关键点；该6个判断关键点的选择规则是，其中两对关键点为左右对称的，另外的两个判断关键点分别为两对关键点为左右对称上方中居中关键点；因此，在本发明实施例中，选取了人体姿态判断关键点包括：右肩、左肩、右髋、左髋、嘴巴和胸颈处，其中所述人体姿态判断关键点的像素坐标为(xi，yi)，其中i＝1,2,3,4,5,6；所述预设人体高度为H。
通过上述选择的人体姿态判断关键点，构成人体姿态判断关键点以及人体空间姿态信息进行是否跌倒判断的条件公式如下：
其中，y1、y2、y3、y4、y5和y6分别为右肩、左肩、右髋、左髋、嘴巴和胸颈处的纵坐标；H为预设人体高度；
在第一预设时间内判断为疑似跌倒时，读取后续至第二预设时间段内的连续若干帧人体轮廓图像信息进行是否跌倒判断的判断公式如下：
其中，K为第一预设时间至第二预设时间段内的检测到跌倒的帧数；N为疑似跌倒次数的预设阈值，μ为预设参数，当μ<0时，则判断为跌倒。
S13：基于可穿戴设备采集老人的生理特征信息，所述生理特征信息包括体温、血压、心率、血氧含量及脉搏；
在本发明具体实施过程中，所述可穿戴设备上集成了生理信息采集装置、通信装置以及定位装置；基于所述生理信息采集装置采集老人的生理特征信息，基于定位装置获得老人当前的位置信息；所述通信装置用于将老人的生理特征信息和当前的位置信息发送至数据融合与控制模块。
具体的，该可穿戴设备上集成了生理信息采集装置、通信装置以及定位装置；该生理信息采集装置用于采集老人的体温、血压、心率、血氧含量及脉搏等生理特征信息；通信装置用于通话及数据传输等；定位装置用于实时获得老人所在的当前位置信息；可穿戴设备将采集到的生理特征信息与当前位置信息发送至服务器中的融合与控制模块中，用于与跌倒检测结果进行相应的融合。
S14：将老人的所述跌倒检测结果与对应的所述生理特征信息进行融合分析，并基于老人的当前融合分析结果进行预警及医护人员调度。
在本发明具体实施过程中，所述基于老人的当前融合分析结果进行预警及医护人员调度，包括：基于当前融合分析结果中的是否跌倒、生理特征信息以及当前位置信息发出预警信息；以及，基于预警信息的等级调度与当前位置最近的处于空闲状态的对应医护人员对所述预警信息进行处置。
具体的，通过生理特征信息、当前位置信息和跌倒检测结果进行融合分析，可实现老人跌倒迅速反应，根据生理信息与位置信息协调医护人员快速做出相应的救助工作并作出相应的等级的报警；所述数据融合与控制模块通过网络发出报警信息到报警提醒模块，护工调度信息到护工调度模块。
在本发明实施例中，采用模糊监控的方式获得老人的人体轮廓图像信息，可以私人区域的监控既能监控老人状态的同时又能够保护老人的隐私；在判断老人跌倒的情况下，结合智能穿戴设备获取老人身体状态及位置信息，能够做出相应的警报等级，合理安排医护人员进行及时救治，确保救治及时的同时合理的分配医护资源，提高养老院的效率。
实施例
请参阅图3，图3是本发明实施例中的针对敬老院老人的跌倒检测与预警系统的结构组成示意图。
如图3所示，一种针对敬老院老人的跌倒检测与预警系统，所述系统包括：
图像采集模块11：用于基于模糊摄像头获取老人的人体轮廓图像信息；
在本发明具体实施过程中，在公共区域采用监控摄像头，监控摄像头分布在老人活动的各个重点区域，摄像头的部署可以采用现有监控摄像头，无需重新部署；为保护个人隐私，私人区域监控采用模糊监控摄像头，模糊监控摄像头采用模糊镜头，该摄像头只能获取人体轮廓图像信息，从数据源头上进行模糊化，即使获取数据源也无法获取清晰图像，以达到保护隐私的功能。
跌倒检测模块12：用于基于深度学习算法对所述人体轮廓图像信息进行人体跌倒检测，获得跌倒检测结果；以及，
在本发明具体实施过程中，所述基于深度学习算法对所述人体轮廓图像信息进行人体跌倒检测，获得跌倒检测结果，包括：基于深度学习算法对所述人体轮廓图像信息进行人体骨架关键提取处理，获取人体骨架关键点；分析所述人体骨架关键点的分布信息、坐标空间变换，转换为人体空间姿态信息；基于所述人体空间姿态信息进行是否跌倒判断处理，获得跌倒检测结果。
进一步的，所述人体骨架关键点包括：左眼、右眼、左耳、右耳、嘴巴、胸颈处、左肩、左肘、左手、右肩、右肘、右手、左髋、左膝、左脚、右髋、右膝和右脚。
进一步的，所述基于分析所述人体骨架关键点的分布信息、坐标空间变换，转换为人体空间姿态信息，包括：随机选择所述人体骨架关键点中的多个关键点作为人体姿态判断关键点；获取人体姿态判断关键点的像素坐标，基于预设人体高度进行坐标空间变化，获取人体空间姿态信息。
进一步的，所述基于所述人体空间姿态信息进行是否跌倒判断处理，获得跌倒检测结果，包括：基于所述人体姿态判断关键点以及人体空间姿态信息进行是否跌倒判断；以及，在第一预设时间内判断为疑似跌倒时，读取后续至第二预设时间段内的连续若干帧人体轮廓图像信息进行是否跌倒判断；若满足疑似跌倒的人体轮廓图像信息帧数大于预设阈值时，则判断为跌倒，反之判断为不跌倒，获得跌倒检测结果。
进一步的，所述人体姿态判断关键点包括：右肩、左肩、右髋、左髋、嘴巴和胸颈处，其中所述人体姿态判断关键点的像素坐标为(xi，yi)，其中i＝1,2,3,4,5,6；所述预设人体高度为H。
进一步的，所述基于所述人体姿态判断关键点以及人体空间姿态信息进行是否跌倒判断的条件公式如下：
其中，y1、y2、y3、y4、y5和y6分别为右肩、左肩、右髋、左髋、嘴巴和胸颈处的纵坐标；H为预设人体高度；
所述读取后续至第二预设时间段内的连续若干帧人体轮廓图像信息进行是否跌倒判断的判断公式如下：
其中，K为第一预设时间至第二预设时间段内的检测到跌倒的帧数；N为疑似跌倒次数的预设阈值，μ为预设参数，当μ<0时，则判断为跌倒。
具体的，深度学习算法设置在相应的服务器中，在在采集到人体轮廓图像信息之后，将该人体轮廓图像信息上传至服务器中，利用深度学习算法进行人体跌倒检测，从而获得跌倒检测结果；通过深度学习算法中的对人体轮廓图像信息对老人当前姿态进行检查，从而判断老人是否跌倒。
请参阅图2，图2是本发明实施例中的人体骨架关键点的分布示意图；如图2所示，人体骨架关键点包括：左眼、右眼、左耳、右耳、嘴巴、胸颈处、左肩、左肘、左手、右肩、右肘、右手、左髋、左膝、左脚、右髋、右膝和右脚。
通过分析人体骨架关键点的分布信息，坐标空间变换等，从而转换为人体空间姿态信息；具体的是随机的选取该人体骨架关键点中的多个关键点作为人体姿态判断关键点；选取6个关键点作为人体姿态判断关键点；该6个判断关键点的选择规则是，其中两对关键点为左右对称的，另外的两个判断关键点分别为两对关键点为左右对称上方中居中关键点；因此，在本发明实施例中，选取了人体姿态判断关键点包括：右肩、左肩、右髋、左髋、嘴巴和胸颈处，其中所述人体姿态判断关键点的像素坐标为(xi，yi)，其中i＝1,2,3,4,5,6；所述预设人体高度为H。
通过上述选择的人体姿态判断关键点，构成人体姿态判断关键点以及人体空间姿态信息进行是否跌倒判断的条件公式如下：
其中，y1、y2、y3、y4、y5和y6分别为右肩、左肩、右髋、左髋、嘴巴和胸颈处的纵坐标；H为预设人体高度；
在第一预设时间内判断为疑似跌倒时，读取后续至第二预设时间段内的连续若干帧人体轮廓图像信息进行是否跌倒判断的判断公式如下：
其中，K为第一预设时间至第二预设时间段内的检测到跌倒的帧数；N为疑似跌倒次数的预设阈值，μ为预设参数，当μ<0时，则判断为跌倒。
生理特征采集模块13：用于基于可穿戴设备采集老人的生理特征信息，所述生理特征信息包括体温、血压、心率、血氧含量及脉搏；
在本发明具体实施过程中，所述可穿戴设备上集成了生理信息采集装置、通信装置以及定位装置；基于所述生理信息采集装置采集老人的生理特征信息，基于定位装置获得老人当前的位置信息；所述通信装置用于将老人的生理特征信息和当前的位置信息发送至数据融合与控制模块。
具体的，该可穿戴设备上集成了生理信息采集装置、通信装置以及定位装置；该生理信息采集装置用于采集老人的体温、血压、心率、血氧含量及脉搏等生理特征信息；通信装置用于通话及数据传输等；定位装置用于实时获得老人所在的当前位置信息；可穿戴设备将采集到的生理特征信息与当前位置信息发送至服务器中的融合与控制模块中，用于与跌倒检测结果进行相应的融合。
分析预警及调度模块14：用于将老人的所述跌倒检测结果与对应的所述生理特征信息进行融合分析，并基于老人的当前融合分析结果进行预警及医护人员调度。
在本发明具体实施过程中，所述基于老人的当前融合分析结果进行预警及医护人员调度，包括：基于当前融合分析结果中的是否跌倒、生理特征信息以及当前位置信息发出预警信息；以及，基于预警信息的等级调度与当前位置最近的处于空闲状态的对应医护人员对所述预警信息进行处置。
具体的，通过生理特征信息、当前位置信息和跌倒检测结果进行融合分析，可实现老人跌倒迅速反应，根据生理信息与位置信息协调医护人员快速做出相应的救助工作并作出相应的等级的报警；所述数据融合与控制模块通过网络发出报警信息到报警提醒模块，护工调度信息到护工调度模块。
在本发明实施例中，采用模糊监控的方式获得老人的人体轮廓图像信息，可以私人区域的监控既能监控老人状态的同时又能够保护老人的隐私；在判断老人跌倒的情况下，结合智能穿戴设备获取老人身体状态及位置信息，能够做出相应的警报等级，合理安排医护人员进行及时救治，确保救治及时的同时合理的分配医护资源，提高养老院的效率。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、磁盘或光盘等。
另外，以上对本发明实施例所提供的一种针对敬老院老人的跌倒检测与预警方法及系统进行了详细介绍，本文中应采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；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种针对敬老院老人的跌倒检测与预警方法，其特征在于，所述方法包括：
基于模糊摄像头获取老人的人体轮廓图像信息；
基于深度学习算法对所述人体轮廓图像信息进行人体跌倒检测，获得跌倒检测结果；以及，
基于可穿戴设备采集老人的生理特征信息，所述生理特征信息包括体温、血压、心率、血氧含量及脉搏；
将老人的所述跌倒检测结果与对应的所述生理特征信息进行融合分析，并基于老人的当前融合分析结果进行预警及医护人员调度。
2.根据权利要求1所述的跌倒检测与预警方法，其特征在于，所述基于深度学习算法对所述人体轮廓图像信息进行人体跌倒检测，获得跌倒检测结果，包括：
基于深度学习算法对所述人体轮廓图像信息进行人体骨架关键提取处理，获取人体骨架关键点；
分析所述人体骨架关键点的分布信息、坐标空间变换，转换为人体空间姿态信息；
基于所述人体空间姿态信息进行是否跌倒判断处理，获得跌倒检测结果。
3.根据权利要求2所述的跌倒检测与预警方法，其特征在于，所述人体骨架关键点包括：左眼、右眼、左耳、右耳、嘴巴、胸颈处、左肩、左肘、左手、右肩、右肘、右手、左髋、左膝、左脚、右髋、右膝和右脚。
4.根据权利要求3所述的跌倒检测与预警方法，其特征在于，所述基于分析所述人体骨架关键点的分布信息、坐标空间变换，转换为人体空间姿态信息，包括：
随机选择所述人体骨架关键点中的多个关键点作为人体姿态判断关键点；
获取人体姿态判断关键点的像素坐标，基于预设人体高度进行坐标空间变化，获取人体空间姿态信息。
5.根据权利要求4所述的跌倒检测与预警方法，其特征在于，所述基于所述人体空间姿态信息进行是否跌倒判断处理，获得跌倒检测结果，包括：
基于所述人体姿态判断关键点以及人体空间姿态信息进行是否跌倒判断；以及，
在第一预设时间内判断为疑似跌倒时，读取后续至第二预设时间段内的连续若干帧人体轮廓图像信息进行是否跌倒判断；
若满足疑似跌倒的人体轮廓图像信息帧数大于预设阈值时，则判断为跌倒，反之判断为不跌倒，获得跌倒检测结果。
6.根据权利要求4所述的跌倒检测与预警方法，其特征在于，所述人体姿态判断关键点包括：右肩、左肩、右髋、左髋、嘴巴和胸颈处，其中所述人体姿态判断关键点的像素坐标为(xi，yi)，其中i＝1,2,3,4,5,6；所述预设人体高度为H。
7.根据权利要求5所述的跌倒检测与预警方法，其特征在于，所述基于所述人体姿态判断关键点以及人体空间姿态信息进行是否跌倒判断的条件公式如下：
其中，y1、y2、y3、y4、y5和y6分别为右肩、左肩、右髋、左髋、嘴巴和胸颈处的纵坐标；H为预设人体高度；
所述读取后续至第二预设时间段内的连续若干帧人体轮廓图像信息进行是否跌倒判断的判断公式如下：
其中，K为第一预设时间至第二预设时间段内的检测到跌倒的帧数；N为疑似跌倒次数的预设阈值，μ为预设参数，当μ<0时，则判断为跌倒。
8.根据权利要求1所述的跌倒检测与预警方法，其特征在于，所述可穿戴设备上集成了生理信息采集装置、通信装置以及定位装置；
基于所述生理信息采集装置采集老人的生理特征信息，基于定位装置获得老人当前的位置信息；
所述通信装置用于将老人的生理特征信息和当前的位置信息发送至数据融合与控制模块。
9.根据权利要求1所述的跌倒检测与预警方法，其特征在于，所述基于老人的当前融合分析结果进行预警及医护人员调度，包括：
基于当前融合分析结果中的是否跌倒、生理特征信息以及当前位置信息发出预警信息；以及，
基于预警信息的等级调度与当前位置最近的处于空闲状态的对应医护人员对所述预警信息进行处置。
10.一种针对敬老院老人的跌倒检测与预警系统，其特征在于，所述系统包括：
图像采集模块：用于基于模糊摄像头获取老人的人体轮廓图像信息；
跌倒检测模块：用于基于深度学习算法对所述人体轮廓图像信息进行人体跌倒检测，获得跌倒检测结果；以及，
生理特征采集模块：用于基于可穿戴设备采集老人的生理特征信息，所述生理特征信息包括体温、血压、心率、血氧含量及脉搏；
分析预警及调度模块：用于将老人的所述跌倒检测结果与对应的所述生理特征信息进行融合分析，并基于老人的当前融合分析结果进行预警及医护人员调度。
CN201910781430.4A 2019-08-23 2019-08-23 一种针对敬老院老人的跌倒检测与预警方法及系统 Active CN110477925B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910781430.4A CN110477925B (zh) 2019-08-23 2019-08-23 一种针对敬老院老人的跌倒检测与预警方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910781430.4A CN110477925B (zh) 2019-08-23 2019-08-23 一种针对敬老院老人的跌倒检测与预警方法及系统

Publications (2)

Publication Number Publication Date
CN110477925A true CN110477925A (zh) 2019-11-22
CN110477925B CN110477925B (zh) 2022-05-24

Family

ID=68552858

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910781430.4A Active CN110477925B (zh) 2019-08-23 2019-08-23 一种针对敬老院老人的跌倒检测与预警方法及系统

Country Status (1)

Country Link
CN (1) CN110477925B (zh)

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111047828A (zh) * 2019-12-12 2020-04-21 天地伟业技术有限公司 家庭智能安防报警系统
CN111128326A (zh) * 2019-12-24 2020-05-08 重庆特斯联智慧科技股份有限公司 一种基于目标跟踪的社区病患监控方法和系统
CN111246177A (zh) * 2020-01-23 2020-06-05 深圳市大拿科技有限公司 一种用户安全告警提示方法及系统
CN111292504A (zh) * 2020-01-23 2020-06-16 深圳市大拿科技有限公司 一种通过图像识别进行安全告警方法及系统
CN111783702A (zh) * 2020-07-20 2020-10-16 杭州叙简科技股份有限公司 一种基于图像增强算法和人体关键点定位的高效行人摔倒检测方法
CN112614508A (zh) * 2020-12-11 2021-04-06 北京华捷艾米科技有限公司 音视频结合的定位方法、装置、电子设备以及存储介质
CN112907892A (zh) * 2021-01-28 2021-06-04 上海电机学院 基于多视图的人体跌倒报警方法
CN113425289A (zh) * 2021-05-24 2021-09-24 上海可深信息科技有限公司 一种人员跌倒的识别方法
CN113545774A (zh) * 2020-04-23 2021-10-26 杭州兆观传感科技有限公司 基于深度测量装置以及可穿戴装置的室内外跌倒检测系统
CN113892928A (zh) * 2021-10-14 2022-01-07 首都体育学院 一种基于北斗定位和窄带物联网的健身行为监测系统
CN114005247A (zh) * 2021-09-16 2022-02-01 深圳绿米联创科技有限公司 跌倒检测方法、装置、电子设备及存储介质
DE102020212207A1 (de) 2020-09-28 2022-03-31 Siemens Healthcare Gmbh Flächenbestimmung zur Ermittlung der Brustkompression bei einer Brustbildaufnahme
CN114849162A (zh) * 2022-04-13 2022-08-05 江苏医药职业学院 一种老年人健身康复用踏步机的监护系统及踏步机
CN115063752A (zh) * 2022-08-15 2022-09-16 杭州中芯微电子有限公司 一种基于uwb定位的视频追踪预警方法及系统
CN115240367A (zh) * 2022-09-23 2022-10-25 杭州中芯微电子有限公司 一种基于uwb智能定位的用户管理预警方法及系统
CN115273401A (zh) * 2022-08-03 2022-11-01 浙江慧享信息科技有限公司 一种自动感知人员跌倒的方法及系统
JPWO2022260046A1 (zh) * 2021-06-07 2022-12-15
CN115844384A (zh) * 2022-12-28 2023-03-28 河北志晟信息技术股份有限公司 养老院危险事件处理方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014010203A1 (ja) * 2012-07-13 2014-01-16 日本電気株式会社 転倒検知装置および転倒検知方法、転倒検知カメラ、並びにコンピュータ・プログラム
CN106384481A (zh) * 2016-11-01 2017-02-08 西安培华学院 一种带摔倒姿态判断的远程互联急救报警装置
CN109325476A (zh) * 2018-11-20 2019-02-12 齐鲁工业大学 一种基于三维视觉的人体异常姿态检测系统及方法
CN109920208A (zh) * 2019-01-31 2019-06-21 深圳绿米联创科技有限公司 跌倒预测方法、装置、电子设备及系统
CN109919132A (zh) * 2019-03-22 2019-06-21 广东省智能制造研究所 一种基于骨架检测的行人跌倒识别方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014010203A1 (ja) * 2012-07-13 2014-01-16 日本電気株式会社 転倒検知装置および転倒検知方法、転倒検知カメラ、並びにコンピュータ・プログラム
CN106384481A (zh) * 2016-11-01 2017-02-08 西安培华学院 一种带摔倒姿态判断的远程互联急救报警装置
CN109325476A (zh) * 2018-11-20 2019-02-12 齐鲁工业大学 一种基于三维视觉的人体异常姿态检测系统及方法
CN109920208A (zh) * 2019-01-31 2019-06-21 深圳绿米联创科技有限公司 跌倒预测方法、装置、电子设备及系统
CN109919132A (zh) * 2019-03-22 2019-06-21 广东省智能制造研究所 一种基于骨架检测的行人跌倒识别方法

Cited By (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111047828A (zh) * 2019-12-12 2020-04-21 天地伟业技术有限公司 家庭智能安防报警系统
CN111128326A (zh) * 2019-12-24 2020-05-08 重庆特斯联智慧科技股份有限公司 一种基于目标跟踪的社区病患监控方法和系统
CN111246177A (zh) * 2020-01-23 2020-06-05 深圳市大拿科技有限公司 一种用户安全告警提示方法及系统
CN111292504A (zh) * 2020-01-23 2020-06-16 深圳市大拿科技有限公司 一种通过图像识别进行安全告警方法及系统
CN113545774A (zh) * 2020-04-23 2021-10-26 杭州兆观传感科技有限公司 基于深度测量装置以及可穿戴装置的室内外跌倒检测系统
CN111783702A (zh) * 2020-07-20 2020-10-16 杭州叙简科技股份有限公司 一种基于图像增强算法和人体关键点定位的高效行人摔倒检测方法
DE102020212207B4 (de) 2020-09-28 2023-04-27 Siemens Healthcare Gmbh Flächenbestimmung zur Ermittlung der Brustkompression bei einer Brustbildaufnahme
DE102020212207A1 (de) 2020-09-28 2022-03-31 Siemens Healthcare Gmbh Flächenbestimmung zur Ermittlung der Brustkompression bei einer Brustbildaufnahme
CN112614508A (zh) * 2020-12-11 2021-04-06 北京华捷艾米科技有限公司 音视频结合的定位方法、装置、电子设备以及存储介质
CN112907892A (zh) * 2021-01-28 2021-06-04 上海电机学院 基于多视图的人体跌倒报警方法
CN113425289A (zh) * 2021-05-24 2021-09-24 上海可深信息科技有限公司 一种人员跌倒的识别方法
JP7357872B2 (ja) 2021-06-07 2023-10-10 国立大学法人大阪大学 被験者の状態を推定するためのコンピュータシステム、方法、およびプログラム
JPWO2022260046A1 (zh) * 2021-06-07 2022-12-15
CN114005247A (zh) * 2021-09-16 2022-02-01 深圳绿米联创科技有限公司 跌倒检测方法、装置、电子设备及存储介质
CN113892928A (zh) * 2021-10-14 2022-01-07 首都体育学院 一种基于北斗定位和窄带物联网的健身行为监测系统
CN114849162A (zh) * 2022-04-13 2022-08-05 江苏医药职业学院 一种老年人健身康复用踏步机的监护系统及踏步机
CN115273401A (zh) * 2022-08-03 2022-11-01 浙江慧享信息科技有限公司 一种自动感知人员跌倒的方法及系统
CN115063752B (zh) * 2022-08-15 2022-11-18 杭州中芯微电子有限公司 一种基于uwb定位的视频追踪预警方法及系统
CN115063752A (zh) * 2022-08-15 2022-09-16 杭州中芯微电子有限公司 一种基于uwb定位的视频追踪预警方法及系统
CN115240367A (zh) * 2022-09-23 2022-10-25 杭州中芯微电子有限公司 一种基于uwb智能定位的用户管理预警方法及系统
CN115844384A (zh) * 2022-12-28 2023-03-28 河北志晟信息技术股份有限公司 养老院危险事件处理方法

Also Published As

Publication number Publication date
CN110477925B (zh) 2022-05-24

Similar Documents

Publication Publication Date Title
CN110477925A (zh) 一种针对敬老院老人的跌倒检测与预警方法及系统
CN108937972A (zh) 一种多特征融合的就诊用户情绪监控方法
CN107092806A (zh) 一种面向老人家居智能化的信息融合与预警方法
CN108320814A (zh) 一种基于穿戴式智慧衣的老人家庭远程监护系统
CN109887238A (zh) 一种基于视觉和人工智能的跌倒检测系统及检测报警方法
CN108899084A (zh) 一种智慧养老健康监护系统
CN113257440A (zh) 一种基于病患视频识别的icu智能看护系统
Gu et al. SleepGuardian: An RF-based healthcare system guarding your sleep from afar
CN109891516A (zh) 用于患者监测以预测和防止床跌落的设备、系统和方法
CN112949417A (zh) 一种摔倒行为识别方法、设备及系统
KR20080018642A (ko) 원격 응급상황 모니터링 시스템 및 방법
CN115331283A (zh) 用于检测人在生活空间中跌倒的检测系统及其检测方法
Miller et al. Smart homes that detect sneeze, cough, and face touching
CN115116133A (zh) 一种用于独居老人监护的异常行为检测系统及方法
CN113392765A (zh) 一种基于机器视觉的摔倒检测方法和系统
CN108882853A (zh) 使用视觉情境来及时触发测量生理参数
López-Cuevas et al. FiToViz: A visualisation approach for real-time risk situation awareness
Deepika et al. Iot based elderly monitoring system
CN109643585A (zh) 用于进行患者监测以预测并防止坠床的设备、系统和方法
Fischer et al. ReMoteCare: Health monitoring with streaming video
CN111652192A (zh) 一种基于kinect传感器的跌倒检测系统
CN113706824B (zh) 一种基于物联网监控的老人居家看护系统
CN108010579A (zh) 健康监护系统
CN114241375A (zh) 一种用于运动过程中的监测方法
CN113143274B (zh) 基于摄像头的情绪预警方法

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
GR01 Patent grant
GR01 Patent grant