CN112382052A - 一种基于互联网的患者跌倒报警方法及系统 - Google Patents

Abstract

本发明公开了一种基于互联网的患者跌倒报警方法及系统，获得第一用户的基础信息；根据所述基础信息获得所述第一用户的行动速度信息；通过所述第一摄像装置获得第一视频信息；将所述行动速度信息和第一视频信息输入第一训练模型，获得所述第一训练模型的第一输出结果，所述第一输出结果包括检测所述第一用户跌倒的信息；根据所述第一输出结果，获得第一预报警提示指令；根据所述第一预报警提示指令通过第一语音模块对所述第一用户进行语音确认；当得到确认指令或未得到回复时，获得第一报警指令。解决了现有技术中不能对于患者跌倒及时准确的判断，导致跌倒后的患者不能及时接受治疗的技术问题。

Description

一种基于互联网的患者跌倒报警方法及系统

技术领域

本发明涉及智慧社区领域，尤其涉及一种基于互联网的患者跌倒报警方法及系统。

背景技术

生老病死是人生必须经历的，人到老年，身体素质逐年下降，尤其对于患者来说，如何在跌倒后准确、及时的寻求帮助是我们急需解决的问题。

但本申请发明人在实现本申请实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：

现有技术中不能对于患者跌倒及时准确的判断，导致跌倒后的患者不能及时接受治疗的技术问题。

发明内容

本申请实施例通过提供一种基于互联网的患者跌倒报警方法及系统，解决了现有技术中不能对于患者跌倒及时准确的判断，导致跌倒后的患者不能及时接受治疗的技术问题，达到对患者是否跌倒进行及时准确的判断，进而达到及时报警使所述患者及时接受治疗的技术效果。

鉴于上述问题，提出了本申请实施例提供一种基于互联网的患者跌倒报警方法及系统。

第一方面，本申请实施例提供了一种基于互联网的患者跌倒报警方法，所述方法应用于患者健康管理平台，所述患者健康管理平台与第一摄像装置、第一语音模块连接，所述方法包括：获得第一用户的基础信息；根据所述基础信息获得所述第一用户的行动速度信息；通过所述第一摄像装置获得第一视频信息；将所述行动速度信息和第一视频信息输入第一训练模型，其中，所述第一训练模型通过多组训练数据训练获得，所述多组训练数据中的每组均包括：行动速度信息、第一视频信息和标识所述患者跌倒的标识信息；获得所述第一训练模型的第一输出结果，所述第一输出结果包括检测所述第一用户跌倒的信息；根据所述第一输出结果，获得第一预报警提示指令；根据所述第一预报警提示指令通过第一语音模块对所述第一用户进行语音确认；当得到确认指令或未得到回复时，获得第一报警指令。

另一方面，本申请还提供了一种基于互联网的患者跌倒报警系统，所述系统包括：第一获得单元，所述第一获得单元用于获得第一用户的基础信息；第二获得单元，所述第二获得单元用于根据所述基础信息获得所述第一用户的行动速度信息；第三获得单元，所述第三获得单元用于通过所述第一摄像装置获得第一视频信息；第一输入单元，所述第一输入单元用于将所述行动速度信息和第一视频信息输入第一训练模型，其中，所述第一训练模型通过多组训练数据训练获得，所述多组训练数据中的每组均包括：行动速度信息、第一视频信息和标识所述患者跌倒的标识信息；第四获得单元，所述第四获得单元用于获得所述第一训练模型的第一输出结果，所述第一输出结果包括检测所述第一用户跌倒的信息；第五获得单元，所述第五获得单元用于根据所述第一输出结果，获得第一预报警提示指令；第一确认单元，所述第一确认单元用于根据所述第一预报警提示指令通过第一语音模块对所述第一用户进行语音确认；第六获得单元，所述第六获得单元用于当得到确认指令或未得到回复时，获得第一报警指令。

第三方面，本发明提供了一种基于互联网的患者跌倒报警系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现第一方面所述方法的步骤。

本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：

由于采用了通过第一用户的基础信息获得所述第一用户的行动速度信息，通过第一摄像装置获得第一视频信息，将所述行动速度信息和第一视频信息输入第一训练模型的方式，基于训练模型不断自我修正调整的特性，达到对所述第一用户是否跌倒进行准确的判断，进而通过语音模块为所述患者是否报警进行确认，对患者是否跌倒进行及时准确的判断，进而达到及时报警使所述患者及时接受治疗的技术效果。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

附图说明

图1为本申请实施例一种基于互联网的患者跌倒报警方法的流程示意图；

图2为本申请实施例一种基于互联网的患者跌倒报警系统的结构示意图；

图3为本申请实施例示例性电子设备的结构示意图。

附图标记说明：第一获得单元11，第二获得单元12，第三获得单元13，第一输入单元14，第四获得单元15，第五获得单元16，第一确认单元17，第六获得单元18，总线300，接收器301，处理器302，发送器303，存储器304，总线接口306。

具体实施方式

本申请实施例通过提供一种基于互联网的患者跌倒报警方法及系统，解决了现有技术中不能对于患者跌倒及时准确的判断，导致跌倒后的患者不能及时接受治疗的技术问题，达到对患者是否跌倒进行及时准确的判断，进而达到及时报警使所述患者及时接受治疗的技术效果。下面，将参考附图详细的描述根据本申请的示例实施例。显然，所描述的实施例仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。

申请概述

生老病死是人生必须经历的，人到老年，身体素质逐年下降，尤其对于患者来说，如何在跌倒后准确、及时的寻求帮助是我们急需解决的问题，但现有技术中不能对于患者跌倒及时准确的判断，导致跌倒后的患者不能及时接受治疗的技术问题。

针对上述技术问题，本申请提供的技术方案总体思路如下：

本申请实施例提供了一种基于互联网的患者跌倒报警方法，所述方法应用于患者健康管理平台，所述患者健康管理平台与第一摄像装置、第一语音模块连接，所述方法包括：获得第一用户的基础信息；根据所述基础信息获得所述第一用户的行动速度信息；通过所述第一摄像装置获得第一视频信息；将所述行动速度信息和第一视频信息输入第一训练模型，其中，所述第一训练模型通过多组训练数据训练获得，所述多组训练数据中的每组均包括：行动速度信息、第一视频信息和标识所述患者跌倒的标识信息；获得所述第一训练模型的第一输出结果，所述第一输出结果包括检测所述第一用户跌倒的信息；根据所述第一输出结果，获得第一预报警提示指令；根据所述第一预报警提示指令通过第一语音模块对所述第一用户进行语音确认；当得到确认指令或未得到回复时，获得第一报警指令。

在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。

实施例一

如图1所示，本申请实施例提供了一种基于互联网的患者跌倒报警方法，其中，所述方法应用于患者健康管理平台，所述患者健康管理平台与第一摄像装置、第一语音模块连接，其中，所述方法包括：

步骤S100：获得第一用户的基础信息；

具体而言，所述第一用户为患者，所述基础信息包括所述患者的身体素质、行为习惯、健康情况等基础信息。

步骤S200：根据所述基础信息获得所述第一用户的行动速度信息；

具体而言，所述行动速度信息为根据所述第一用户的健康情况、年龄信息等综合获得的行动速度信息，所述行动速度信息为后续准确判定所述患者是否跌倒的重要因素。

进一步而言，所述根据所述基础信息获得所述第一用户的行动速度信息，本申请实施例步骤S200还包括：

步骤S210：通过所述第一摄像装置获得第二视频信息；

步骤S220：根据所述第二视频信息获得第一修正参数；

步骤S230：根据所述第一修正参数对所述行动信息进行修正处理。

具体而言，所述第二视频信息为所述第一用户的日常的行为活动信息，根据所述第二视频信息获得的第一用户的日常活动情况，收集所述第一用户的行为习惯等信息，通过所述第二视频信息获得第一修正参数，根据所述第一修正参数，对所述第一用户的行动速度信息进行修正，将所述修正处理后的行动速度信息作为输入数据。通过对所述第一用户的第二视频信息进行分析获得第一修正参数，根据所述第一修正参数对所述第一用户的行动速度进行修正处理，进而使得所述行动速度更加准确、合理，为后续准确判断所述第一用户是否跌倒奠定了基础。

步骤S300：通过所述第一摄像装置获得第一视频信息；

具体而言，所述第一摄像装置为具备录制视频功能的摄像设备，所述第一视频为根据所述第一摄像装置实时获得的视频信息，所述第一视频为后续准确判断所述第一用户是否跌倒奠定了基础。

步骤S400：将所述行动速度信息和第一视频信息输入第一训练模型，其中，所述第一训练模型通过多组训练数据训练获得，所述多组训练数据中的每组均包括：行动速度信息、第一视频信息和标识所述患者跌倒的标识信息；

步骤S500：获得所述第一训练模型的第一输出结果，所述第一输出结果包括检测所述第一用户跌倒的信息；

具体而言，所述第一训练模型为神经网络模型，所述神经网络模型即机器学习中的神经网络模型，神经网络(Neural Networks，NN)是由大量的、简单的处理单元（称为神经元）广泛地互相连接而形成的复杂神经网络系统，它反映了人脑功能的许多基本特征，是一个高度复杂的非线性动力学习系统。神经网络模型是以神经元的数学模型为基础来描述的。人工神经网络（Artificial Neural Networks），是对人类大脑系统的一阶特性的一种描述。简单地讲，它是一个数学模型。通过大量训练数据的训练，将行动速度信息和第一视频信息输入神经网络模型，则输出检测所述第一用户是否跌倒的信息。

更进一步而言，所述训练的过程实质为监督学习的过程，每一组监督数据均包括行动速度信息、第一视频信息和标识所述患者跌倒的标识信息，将所述行动速度信息和第一视频信息输入到神经网络模型中，根据用来标识所述第一用户是否跌倒的标识信息，获得第一用户是否跌倒的判断信息。所述神经网络模型进行不断的自我修正、调整，直至获得判断所述第一用户是否跌倒与所述标识信息一致，则结束本组数据监督学习，进行下一组数据监督学习；当所述神经网络模型的输出信息达到预定的准确率/达到收敛状态时，则监督学习过程结束。通过对所述神经网络模型的监督学习，进而使得所述神经网络模型处理所述输入信息更加准确，进而使得输出的检测所述第一用户是否跌倒的信息更加合理、准确，进而达到对患者是否跌倒进行及时准确的判断，进而达到及时报警使所述患者及时接受治疗的技术效果。

步骤S600：根据所述第一输出结果，获得第一预报警提示指令；

步骤S700：根据所述第一预报警提示指令通过第一语音模块对所述第一用户进行语音确认；

具体而言，所述第一输出结果为包含所述第一用户跌倒的结果，此时获得第一预报警指令，根据所述第一预报警指令，所述第一语音模块检测到所述第一预报警指令后，对所诉第一用户进行语音询问确认，即确认是否报警。

步骤S800：当得到确认指令或未得到回复时，获得第一报警指令。

具体而言，根据所述语音询问的询问结果，判断是否获得报警指令。详细而言，当所述第一语音模块检测到确认报警指令时，获得第一报警指令，当所述第一语音模块未检测到第一用户回应时，此时所述第一用户可能因摔倒伤势过重，或因其他疾病引起并发症，进入危险状态，无法做出语音回应，获得第一报警指令，进行报警处理。

进一步而言，所述通过所述第一摄像装置获得第一视频信息，本申请实施例步骤S300还包括：

步骤S310：判断所述第一视频信息是否存在隐私信息；

步骤S320：当所述第一视频信息存在隐私信息时，获得第一加密指令；

步骤S330：根据所述第一加密指令，对所述第一视频信息进行加密处理；

步骤S340：将所述进行加密处理后的第一视频信息输入所述第一训练模型。

具体而言，所述第一视频信息可能包含所述第一用户的隐私视频，当检测到所述第一用户可能存在隐私行为时，将所述第一摄像装置调整为红外成像监控或对所述监控的第一用户进行马赛克处理，即进行加密处理。将所述加密处理后的第一视频信息输入所述第一训练模型。通过对所述可能存在第一用户隐私的视频进行加密处理，进而达到保护所述第一用户隐私的同时，还可以准确的对所述第一用户是否跌倒进行准确的监测。

进一步而言，本申请实施例还包括：

步骤S910：通过运动监测装置获得所述第一用户的第一运动速度信息；

步骤S920：获得第一预定运动速度阈值；

步骤S930：判断所述第一运动速度信息是否在所述第一预定运动速度阈值范围内；

步骤S940：当所述第一运动速度信息不在所述第一预定运动速度阈值范围内时，通过所述运动监测装置获得第一报警指令。

具体而言，当所述第一用户外出时，此时刚好周围较偏僻，所述运动监测装置为可实时检测所述第一用户在竖直方向的运动速度的运动监测装置，所述运动监测装置包括九轴传感器，所述九轴传感器由三轴加速度计、三轴陀螺仪以及三轴磁力计构成，通过所述九轴传感器可实时准确的获得所述第一用户在竖直方向的运动速度及所述第一用户的实时位置信息，所述第一预定速度阈值为根据所述第一用户蹲起的动作速度，进过综合考量设定的速度阈值，当所述第一用户的竖直方向的运动速度不在所述第一预定运动速度阈值时，通过所述运动监测装置获得第一报警指令。

进一步而言，所述当所述第一运动速度信息不在所述第一预定运动速度阈值范围内时，通过所述运动监测装置获得第一报警指令，本申请实施例步骤S940还包括：

步骤S941：通过所述运动监测装置获得第一呼救指令；

步骤S942：根据所述第一呼救指令进行呼救处理。

具体而言，所述运动监测装置进行报警后，获得第一呼救指令，根据所述第一呼救指令，进行呼救，吸引附近的路人过来，对所述第一用户进行紧急的帮助，避免态势恶化。通过对所述第一用户在外出时的运动的监测，使得对所述第一用户在偏僻位置跌倒后仍然可以及时获得帮助，进而达到及时报警使所述患者及时接受治疗的技术效果。

进一步而言，所述根据所述第一预报警提示指令通过第一语音模块对所述第一用户进行语音确认，本申请实施例步骤S700还包括：

步骤S710：当所述第一语音模块收到不进行报警指令时，取消报警操作；

步骤S720：获得第一预定时间，获得经过第一预定时间的第二预报警提示指令；

步骤S730：根据所述第二预报警提示指令通过第一语音模块对所述第一用户进行语音确认；

步骤S740：当得到确认指令时获得第一报警指令。

具体而言，当所述第一语音模块收到不进行报警指令时，可能是第一训练模型判断错误或者所述第一用户的摔伤不严重，不需要报警处理，此时遵从所述第一用户的意见，所述第一预定时间为3分钟，当经过所述第一预定时间后，获得第二预报警提示指令，根据所述第二预报警提示指令通过第一语音模块对所述第一用户进行语音确认，当得到确认指令时获得第一报警指令。详细来说，可能第一时间第一用户觉得自己摔倒没问题，取消了报警操作，但过了一会，发现自己有点晕，动不了了，此时根据所述第二预报警提示指令，确认后即可进行报警处理，不但人性化的遵从所述第一用户额度意见，更是所述第一用户进行摔倒报警提供了第二次机会。

综上所述，本申请实施例所提供的一种基于互联网的患者跌倒报警方法及系统具有如下技术效果：

1、由于采用了通过第一用户的基础信息获得所述第一用户的行动速度信息，通过第一摄像装置获得第一视频信息，将所述行动速度信息和第一视频信息输入第一训练模型的方式，基于训练模型不断自我修正调整的特性，达到对所述第一用户是否跌倒进行准确的判断，进而通过语音模块为所述患者是否报警进行确认，对患者是否跌倒进行及时准确的判断，进而达到及时报警使所述患者及时接受治疗的技术效果。

2、由于采用了通过对所述可能存在第一用户隐私的视频进行加密处理的方式，进而达到保护所述第一用户隐私的同时，还可以准确的对所述第一用户是否跌倒进行准确的监测。

3、由于采用了通过对所述第一用户在外出时的运动的监测的方式，使得对所述第一用户在偏僻位置跌倒后仍然可以及时获得帮助，进而达到及时报警使所述患者及时接受治疗的技术效果。

实施例二

基于与前述实施例中一种基于互联网的患者跌倒报警方法同样发明构思，本发明还提供了一种基于互联网的患者跌倒报警系统，如图2所示，所述系统包括：

第一获得单元11，所述第一获得单元11用于获得第一用户的基础信息；

第二获得单元12，所述第二获得单元12用于根据所述基础信息获得所述第一用户的行动速度信息；

第三获得单元13，所述第三获得单元13用于通过所述第一摄像装置获得第一视频信息；

第一输入单元14，所述第一输入单元14用于将所述行动速度信息和第一视频信息输入第一训练模型，其中，所述第一训练模型通过多组训练数据训练获得，所述多组训练数据中的每组均包括：行动速度信息、第一视频信息和标识所述患者跌倒的标识信息；

第四获得单元15，所述第四获得单元15用于获得所述第一训练模型的第一输出结果，所述第一输出结果包括检测所述第一用户跌倒的信息；

第五获得单元16，所述第五获得单元16用于根据所述第一输出结果，获得第一预报警提示指令；

第一确认单元17，所述第一确认单元17用于根据所述第一预报警提示指令通过第一语音模块对所述第一用户进行语音确认；

第六获得单元18，所述第六获得单元18用于当得到确认指令或未得到回复时，获得第一报警指令。

进一步的，所述系统还包括：

第七获得单元，所述第七获得单元用于通过所述第一摄像装置获得第二视频信息；

第八获得单元，所述第八获得单元用于根据所述第二视频信息获得第一修正参数；

第一修正单元，所述第一修正单元用于根据所述第一修正参数对所述行动信息进行修正处理。

进一步的，所述系统还包括：

第一判断单元，所述第一判断单元用于判断所述第一视频信息是否存在隐私信息；

第九获得单元，所述第九获得单元用于当所述第一视频信息存在隐私信息时，获得第一加密指令；

第一加密单元，所述第一加密单元用于根据所述第一加密指令，对所述第一视频信息进行加密处理；

第二输入单元，所述第二输入单元用于将所述进行加密处理后的第一视频信息输入所述第一训练模型。

进一步的，所述系统还包括：

第十获得单元，所述第十获得单元用于通过运动监测装置获得所述第一用户的第一运动速度信息；

第十一获得单元，所述第十一获得单元用于获得第一预定运动速度阈值；

第二判断单元，所述第二判断单元用于判断所述第一运动速度信息是否在所述第一预定运动速度阈值范围内；

第十二获得单元，所述第十二获得单元用于当所述第一运动速度信息不在所述第一预定运动速度阈值范围内时，通过所述运动监测装置获得第一报警指令。

进一步的，所述系统还包括：

第十三获得单元，所述第十三获得单元用于通过所述运动监测装置获得第一呼救指令；

第一呼救单元，所述第一呼救单元用于根据所述第一呼救指令进行呼救处理。

进一步的，所述系统还包括：

第十四获得单元，所述第十四获得单元用于当所述第一语音模块收到不进行报警指令时，取消报警操作；

第十五获得单元，所述第十五获得单元用于获得第一预定时间，获得经过第一预定时间的第二预报警提示指令；

第二确认单元，所述第二确认单元用于根据所述第二预报警提示指令通过第一语音模块对所述第一用户进行语音确认；

第十六获得单元，所述第十六获得单元用于当得到确认指令时获得第一报警指令。

前述图1实施例一中的一种基于互联网的患者跌倒报警方法的各种变化方式和具体实例同样适用于本实施例的一种基于互联网的患者跌倒报警系统，通过前述对一种基于互联网的患者跌倒报警方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种基于互联网的患者跌倒报警系统的实施方法，所以为了说明书的简洁，在此不再详述。

示例性电子设备

下面参考图3来描述本申请实施例的电子设备。

图3图示了根据本申请实施例的电子设备的结构示意图。

基于与前述实施例中一种基于互联网的患者跌倒报警方法的发明构思，本发明还提供一种基于互联网的患者跌倒报警系统，其上存储有计算机程序，该程序被处理器执行时实现前文所述一种基于互联网的患者跌倒报警方法的任一方法的步骤。

其中，在图3中，总线架构（用总线300来代表），总线300可以包括任意数量的互联的总线和桥，总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口306在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件，即收发机，提供用于在传输介质上与各种其他系统通信的单元。

处理器302负责管理总线300和通常的处理，而存储器304可以被用于存储处理器302在执行操作时所使用的数据。

本发明实施例提供的一种基于互联网的患者跌倒报警方法，所述方法应用于患者健康管理平台，所述患者健康管理平台与第一摄像装置、第一语音模块连接，所述方法包括：获得第一用户的基础信息；根据所述基础信息获得所述第一用户的行动速度信息；通过所述第一摄像装置获得第一视频信息；将所述行动速度信息和第一视频信息输入第一训练模型，其中，所述第一训练模型通过多组训练数据训练获得，所述多组训练数据中的每组均包括：行动速度信息、第一视频信息和标识所述患者跌倒的标识信息；获得所述第一训练模型的第一输出结果，所述第一输出结果包括检测所述第一用户跌倒的信息；根据所述第一输出结果，获得第一预报警提示指令；根据所述第一预报警提示指令通过第一语音模块对所述第一用户进行语音确认；当得到确认指令或未得到回复时，获得第一报警指令。解决了现有技术中不能对于患者跌倒及时准确的判断，导致跌倒后的患者不能及时接受治疗的技术问题，达到对患者是否跌倒进行及时准确的判断，进而达到及时报警使所述患者及时接受治疗的技术效果。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的系统。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令系统的制造品，该指令系统实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (8)

1.一种基于互联网的患者跌倒报警方法，其中，所述方法应用于患者健康管理平台，所述患者健康管理平台与第一摄像装置、第一语音模块连接，其中，所述方法包括：

获得第一用户的基础信息；

根据所述基础信息获得所述第一用户的行动速度信息；

通过所述第一摄像装置获得第一视频信息；

将所述行动速度信息和第一视频信息输入第一训练模型，其中，所述第一训练模型通过多组训练数据训练获得，所述多组训练数据中的每组均包括：行动速度信息、第一视频信息和标识所述患者跌倒的标识信息；

获得所述第一训练模型的第一输出结果，所述第一输出结果包括检测所述第一用户跌倒的信息；

根据所述第一输出结果，获得第一预报警提示指令；

根据所述第一预报警提示指令通过第一语音模块对所述第一用户进行语音确认；

当得到确认指令或未得到回复时，获得第一报警指令。

2.如权利要求1所述的方法，所述根据所述基础信息获得所述第一用户的行动速度信息，所述方法还包括：

通过所述第一摄像装置获得第二视频信息；

根据所述第二视频信息获得第一修正参数；

根据所述第一修正参数对所述行动信息进行修正处理。

3.如权利要求1所述的方法，所述通过所述第一摄像装置获得第一视频信息，所述方法还包括：

判断所述第一视频信息是否存在隐私信息；

当所述第一视频信息存在隐私信息时，获得第一加密指令；

根据所述第一加密指令，对所述第一视频信息进行加密处理；

将所述进行加密处理后的第一视频信息输入所述第一训练模型。

4.如权利要求1所述的方法，其中，所方法还包括：

通过运动监测装置获得所述第一用户的第一运动速度信息；

获得第一预定运动速度阈值；

判断所述第一运动速度信息是否在所述第一预定运动速度阈值范围内；

当所述第一运动速度信息不在所述第一预定运动速度阈值范围内时，通过所述运动监测装置获得第一报警指令。

5.如权利要求4所述的方法，所述当所述第一运动速度信息不在所述第一预定运动速度阈值范围内时，通过所述运动监测装置获得第一报警指令，所述方法还包括：

通过所述运动监测装置获得第一呼救指令；

根据所述第一呼救指令进行呼救处理。

6.如权利要求1所述的方法，所述根据所述第一预报警提示指令通过第一语音模块对所述第一用户进行语音确认，所述方法还包括：

当所述第一语音模块收到不进行报警指令时，取消报警操作；

获得第一预定时间，获得经过第一预定时间的第二预报警提示指令；

根据所述第二预报警提示指令通过第一语音模块对所述第一用户进行语音确认；

当得到确认指令时获得第一报警指令。

7.一种基于互联网的患者跌倒报警系统，其中，所述系统包括：

第一获得单元，所述第一获得单元用于获得第一用户的基础信息；

第二获得单元，所述第二获得单元用于根据所述基础信息获得所述第一用户的行动速度信息；

第三获得单元，所述第三获得单元用于通过所述第一摄像装置获得第一视频信息；

第一输入单元，所述第一输入单元用于将所述行动速度信息和第一视频信息输入第一训练模型，其中，所述第一训练模型通过多组训练数据训练获得，所述多组训练数据中的每组均包括：行动速度信息、第一视频信息和标识所述患者跌倒的标识信息；

第四获得单元，所述第四获得单元用于获得所述第一训练模型的第一输出结果，所述第一输出结果包括检测所述第一用户跌倒的信息；

第五获得单元，所述第五获得单元用于根据所述第一输出结果，获得第一预报警提示指令；

第一确认单元，所述第一确认单元用于根据所述第一预报警提示指令通过第一语音模块对所述第一用户进行语音确认；

第六获得单元，所述第六获得单元用于当得到确认指令或未得到回复时，获得第一报警指令。

8.一种基于互联网的患者跌倒报警系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现权利要求1-6任一项所述系统的步骤。

Images