CN112535476A - 跌倒侦测系统及其方法 - Google Patents

跌倒侦测系统及其方法 Download PDF

Info

Publication number
CN112535476A
CN112535476A CN202011382483.8A CN202011382483A CN112535476A CN 112535476 A CN112535476 A CN 112535476A CN 202011382483 A CN202011382483 A CN 202011382483A CN 112535476 A CN112535476 A CN 112535476A
Authority
CN
China
Prior art keywords
fall
falling
value
height
sign
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
CN202011382483.8A
Other languages
English (en)
Other versions
CN112535476B (zh
Inventor
刘幸和
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.)
Interface Optoelectronics Shenzhen Co Ltd
Interface Technology Chengdu Co Ltd
General Interface Solution Ltd
Original Assignee
Interface Optoelectronics Shenzhen Co Ltd
Interface Technology Chengdu Co Ltd
General Interface Solution Ltd
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 Interface Optoelectronics Shenzhen Co Ltd, Interface Technology Chengdu Co Ltd, General Interface Solution Ltd filed Critical Interface Optoelectronics Shenzhen Co Ltd
Priority to CN202011382483.8A priority Critical patent/CN112535476B/zh
Priority to TW109142942A priority patent/TWI764410B/zh
Publication of CN112535476A publication Critical patent/CN112535476A/zh
Application granted granted Critical
Publication of CN112535476B publication Critical patent/CN112535476B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/103Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1116Determining posture transitions
    • A61B5/1117Fall detection
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/103Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1126Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique
    • A61B5/1128Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique using image analysis

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Physiology (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Physics & Mathematics (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Emergency Alarm Devices (AREA)
  • Alarm Systems (AREA)

Abstract

本发明系一种跌倒侦测系统及其方法,由深度侦测装置侦测在侦测范围内的物件,并由深度侦测装置产生物件的深度资料,跌倒辨识装置接收深度资料,根据前后的深度资料产生高度变化值,跌倒辨识装置在确认高度变化值符合预先设定的跌落值,则认定物件已发生跌迹象,又跌倒辨识装置依据发生跌迹象后的深度资料计算的物件的面积信息符合预先设定的倒下值,则认定物件发生倒迹象,且跌倒辨识装置在物件发生跌迹象与倒迹象确认有移动迹象,即认定物件已经跌倒。

Description

跌倒侦测系统及其方法
技术领域
本发明有关于跌倒侦测系统及其方法,尤指一种跌倒辨识装置利用深度侦测装置侦测物件所产生的高度信息面积信息深度资料,对物件判断是否跌倒的系统及其方法。
背景技术
近年来,生育率逐渐下降,使得人口结构趋于高龄化,同时也造成这些高龄化的人口当中许多人没有后辈照顾,使得独居人口比例提高许多,而这些人就需要利用其他的方式提供适当的居家照护,以免发生意外时,无法及时给予救护,而发生憾事。
目前针前述的问题,已有多家业者提出各种居家照护产品,例如以穿戴式装置而言,最近最常被提到的就是苹果公司的智能型手表,此智能型手表利用内建的加速度计和陀螺仪来侦测使用者的动作轨迹,用以判别使用者是否跌倒迹象,像是突然向前倾、向后倒或是瞬间跌到,都会触发跌倒侦测功能,而发出警示声,且显示画面提示,如果智能型手表侦测到使用者在预订期间后没有任何动作,便会自动拨打紧急服务电话。
但是前述的穿戴式装置需要穿戴在身上,才能够进行侦测,假若使用者忘记穿戴在身上,则无法发挥跌倒侦测的作用,因此,另一种常用的居家照护产品,系利用居家监视系统,将摄影机安装在使用者的居住空间中,并从摄影机所拍摄的影像中判断用户是否发生跌倒的情况,即可解决前述穿戴式装置的问题。但是此种居家监视系统需要较佳的演算方法,以避免发生误判,例如需要使用神经网络对影像进行训练产生跌倒的模型,提供居家监视系统判断影像中的物件(人)是否跌倒。此外,为了能够提供清晰的影像提供给居家监视系统进行辨识,前述的摄影机的分辨率相当高,可以非常清楚地拍摄到人脸,对于较在乎隐私性的人而言,似乎较无法被接受。
综上所述,使用者如何在没有穿戴式装置的前提下,可以使用其他的方案,达到跌倒侦测的目的,又可以避免拍摄到人脸,达到较佳的隐私性,将是亟待解决的问题。
发明内容
有鉴于现有技术的问题,本发明系提供在较佳的隐私性及没有穿戴式装置的前提下,利用深度摄影机来对人体进行拍摄,并对侦测的深度影像进行辨识,以达到侦测跌倒迹象的目的。
根据本发明之目的,提供一种跌倒侦测系统,包括跌倒辨识装置及深度侦测装置,深度侦测装置侦测在监控空间内的物件,并产生物件的深度资料,而跌倒辨识装置接收深度资料,并由前后的深度资料产生高度变化值,且跌倒辨识装置在高度变化值符合预设之跌落值,则认定物件发生跌迹象,又从深度资料计算出物件的面积信息符合倒下值,认定物件发生倒迹象,且跌倒辨识装置在物件发生跌迹象与倒迹象之深度资料中确认物件有移动迹象,跌倒辨识装置即认定物件为跌倒状态。
其中,跌倒辨识装置系先将深度资料予以平整化,消除深度侦测装置的监控空间中央位置到周围位置之间的高度差异,使得监控空间内的高度趋于一致。
其中,跌倒辨识装置系将深度资料最大值的高度信息减去一平整化值作为高度临界值,而深度资料中的高度信息超出高度临界值者皆设定为等于高度临界值,而平整化值系为最大值的高度信息减去最小值的高度信息。
其中,跌倒辨识装置系将深度侦测装置侦测的当前深度资料中取得当前高度信息,于当前深度资料之前的深度资料中取得先前高度信息,跌倒辨识装置以当前高度信息与先前高度信息计算产生高度变化值。
其中,跌倒辨识装置更包括跌倒关联表,跌倒关联表设有复数跌落值区间及分别匹配一个倒下值,各跌落值区间系为不同范围的高度变化值,各倒下值系为高度变化值与权重值相乘计算而得者。
其中,跌倒辨识装置系在物件发生跌迹象与倒迹象的深度资料中,以其中各自最大值的高度信息的平面坐标位置是否不同确认物件是否具有移动迹象。
其中,跌倒辨识装置从发生跌迹象之后的深度资料中以高度变化值的周围设定估算范围,并计算在估算范围内的物件的轮廓面积最大值作为面积信息。
其中计算在估算范围内的物件的轮廓的面积最大值,系以在估算范围的介于物件的宽度及厚度之间的同一个平面之高度信息所形成的轮廓的面积最大值作为面积信息。
根据本发明之目的,系提供一种跌倒侦测方法,系使用深度侦测装置侦测在监控空间内的物件,并产生物件的深度资料,并由跌倒辨识装置进行下列步骤侦测物件是否发生跌倒状态,跌倒辨识装置接收深度资料,并由前后的深度资料产生高度变化值,跌倒辨识装置确认高度变化值符合预设之跌落值,则认定物件发生跌迹象,且跌倒辨识装置由发生跌迹象之后的深度资料计算出物件的面积信息符合默认的倒下值,则认定物件发生倒迹象,当跌倒辨识装置认定物件发生跌迹象随后也有发生倒迹象,且跌倒辨识装置确认倒迹象及倒迹象的深度资料中物件有移动迹象,即认定物件为跌倒状态。
其中,跌倒辨识装置将各深度资料予以平整化的步骤,系由跌倒辨识装置将各深度资料最大值的高度信息减去一平整化值作为一高度临界值,再将各深度资料中高度信息超出高度临界值者皆设定为等于高度临界值。其中,平整化值系为最大值的高度信息减去最小值的高度信息。
其中,跌倒辨识装置产生高度变化值的步骤,系跌倒辨识装置将深度侦测装置侦测的前一个深度资料中取得先前高度信息,跌倒辨识装置将深度侦测装置侦测的当前深度资料中取得当前高度信息,跌倒辨识装置以当前高度信息与先前高度信息计算产生高度变化值。
其中,跌倒辨识装置系以下列步骤计算面积信息,从发生跌迹象之后的深度资料中以高度变化值的周围设定一估算范围,再计算在估算范围内的物件的轮廓的面积最大值作为面积信息。
其中,跌倒辨识装置更包括跌倒关联表,跌倒关联表设有复数跌落值区间及分别匹配一个倒下值,各跌落值区间系为不同范围的高度变化值,各倒下值系为高度变化值与权重值相乘计算而得者。而跌倒辨识装置系以下列步骤判断面积信息是否符合倒下值,根据发生跌迹象的高度变化值比对落入到各跌落值区间的哪一个,以被比对出来的跌落值区间对应的倒下值计算公式计算出倒下值,判断面积信息是否大于或等于倒下值,当跌倒辨识装置判断面积信息大于或等于倒下值则认定为发生倒迹象,否则依据接收深度资料,并由前后的深度资料产生高度变化值的步骤处理。
其中,跌倒辨识装置确认物件在发生跌迹象及跌迹象之二深度资料是否有移动迹象之步骤,系以跌倒辨识装置在物件发生跌迹象与倒迹象的二深度资料中最高的高度信息的平面坐标位置是否不相同,用以确认物件是否具有移动迹象。
其中,跌倒辨识装置计算面积最大值的步骤,系以在估算范围的介于物件的宽度及厚度之间的同一个平面之高度信息所形成的轮廓的面积最大值作为面积信息。
据上所述,本发明达到以下一个或多个的功效或目的,使用者没有穿戴式装置的前提下,利用本发明可以达到跌倒侦测的目的,而且以深度资料进行判断是否跌倒无须清晰影像进行辨识,具有较佳的隐私性,此外,本发明依序判断跌迹象、倒迹象及移动迹象,而确认出物件已经跌倒,可以减少发生误判。
附图说明
图1是本发明之架构示意图。
图2是本发明之物件已跌倒的深度图像示意图。
图3是本发明之物件跌倒前的深度图像示意图。
图4是本发明之跌倒关联表示意图。
图5是本发明之跌迹象之平面坐标位置示意图。
图6是本发明之倒迹象之平面坐标位置示意图。
图7是本发明之跌倒侦测方法之流程示意图。
图8是本发明之深度资料予以平整化的流程示意图。
图9是本发明之产生高度变化值流程示意图。
图10是本发明之计算面积信息的流程示意图。
图11是本发明之判断面积信息是否符合倒下值的流程示意图。
附图标记:
1:跌倒辨识装置
2:深度侦测装置
3:监控空间
4:物件
5:影像输出单元
S101~S106:流程步骤
S100-1~S100-2:流程步骤
S1011~S1013:流程步骤
S1031~S1032:流程步骤
S1041~S1044:流程步骤
h1:最小值的高度信息
h2:最大值的高度信息
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,下面结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本创作,但并不用于限定本创作。
请参阅图1所示,本发明系一种跌倒侦测系统,包括跌倒辨识装置1及深度侦测装置2,深度侦测装置2侦测进入在监控空间3内的物件4,并产生物件4的深度资料,而跌倒辨识装置1接收深度资料,并由前后的深度资料产生高度变化值,且跌倒辨识装置1在高度变化值符合其所预设之跌落值,则认定物件4发生跌迹象,又跌倒辨识装置1从发生跌迹象之后的深度资料计算出物件4的面积信息符合倒下值,认定物件4发生倒迹象,且跌倒辨识装置1在物件4发生跌迹象与倒迹象的深度资料确认物件4有移动迹象,跌倒辨识装置1即认定物件4为跌倒状态。为了进一步了解本发明之「移动」、「跌」及「倒」之定义,在此,以三维直角坐标系表示监控空间3的三维空间位置,而物件4在监控空间3内的移动变化,则深度资料中以各维度信息表示,再进一步而言,本发明之「移动」是指物件4在x轴及z轴方向所构成的平面上的坐标位置发生改变,「跌」指物件4于y轴方向的坐标位置发生改变,「倒」是物件4在x轴及z轴方向所构成的平面之物件4的面积发生改变。
在本发明中,跌倒辨识装置1为具有从深度资料计算高度信息、面积信息及位置信息的电子装置,例如:桌面计算机或嵌入式系统(Embedded System),深度侦测装置2可为具有飞时测距传感器的摄影机,监控空间3即是深度侦测装置2的拍摄范围,而深度资料报括三维空间深度信息,且深度资料由跌倒辨识装置1处理后,以深度图像呈现在跌倒辨识装置1连接之影像输出单元5上。又,在本发明中,物件4通常为活体,例如:人或动物。
一般而言,深度侦测装置2在出厂皆会进行校正,令其可侦测到准确的深度资料,但是因为环境因素,例如深度侦测装置2受到环境光或太阳光影响,或者是安装因素,例如深度侦测装置2的安装位置有倾角,都会造成深度资料不太正确。因此,在本发明中,请参阅图1所示,跌倒辨识装置1先将深度资料予以平整化,消除深度侦测装置2的监控空间3中央位置到周围位置之间的高度差异,使得监控空间3内的高度趋于一致。进一步而言,以图1为例,跌倒辨识装置1之垂直下方到地面为最小值的高度信息h1,跌倒辨识装置1的一侧边缘到地面为最大值的高度信息为h2,换句话说,高度信息h1为监控空间3中的最高水平面距离深度侦测装置2的高度值,高度信息h2为监控空间3中的最低水平面距离深度侦测装置2的高度值;跌倒辨识装置1系将深度资料的最大值的高度信息h2减去一平整化值作为高度临界值,而深度资料中的高度信息超出高度临界值者皆设定为等于高度临界值,而平整化值系为最大值的高度信息h2减去最小值的高度信息h1,换言之,跌倒辨识装置1将深度资料所有超出最小值的高度信息,全部修正为最小值的高度信息,如此,所有深度资料的高度信息皆为相同,但本发明实际实施时并不限于此,亦可以将最小值的高度信息h1统一作为高度临界值,而深度资料中的高度信息超出高度临界值的皆设定为等于高度临界值,或者是使用任一补偿计算都属于本发明所称之平整化。
在本发明中,请参阅图2及3所示,跌倒辨识装置1将深度侦测装置2于当前的深度资料中取得当前高度信息,并于当前深度资料的前一个深度资料中取得先前高度信息,跌倒辨识装置1以当前高度信息与先前高度信息计算产生高度变化值,例如:以当前高度信息与先前高度信息相减计算产生高度变化值。
为了避免跌倒辨识装置1误判跌倒状况,在本发明中,跌倒辨识装置1计算进入监控空间3的物件4之高度信息,并且判断物件的高度信息是否符合默认的高度门坎值,进一步,跌倒辨识装置1为了避免判断错误,除判断物件的高度信息是否符合默认的高度门坎值外,移动物件4亦计算进入监控空间3的物件4的面积信息,并且判断物件的面积信息符合默认的面积门坎值,才进行判断是否有跌迹象及倒迹象,例如:以物件为人为例:高度门坎值为由深度资料中计算出的高度信息相当于身高大于100公分的物件,因此,在监控空间3内静止不动的家具、摆设品或者宠物等,将不会判断是否有跌倒状态,以减少误判的机率。
在本发明中,请参阅图4所示,跌倒辨识装置1还包括跌倒关联表,跌倒关联表设有复数跌落值区间及分别匹配一倒下值,各倒下值由倒下值计算公式计算而得,倒下值计算公式为高度变化值与权重值相乘(如图4中跌落值F1~F7所对应的字段内容即为倒下值计算公式),跌倒辨识装置1根据发生跌迹象的高度变化值比对落入到哪一个跌落值区间,再以被比对出来的跌落值区间所对应的倒下值计算公式计算出倒下值,该跌倒辨识装置1判断该面积信息是否大于或等于该倒下值,即认定为发生倒迹象。但本发明并不限于此,例如:跌倒关联表的各倒下值系为不同的面积值区间(如图4中跌落直F8所对应的倒下值区间A1~A2),跌倒辨识装置1根据发生跌迹象的高度变化值比对落入到哪一个跌落值区间,再以被比对出来的跌落值区间所对应的倒下值判断该面积信息是否介于倒下值所对应的面积值区间,当该面积信息介于倒下值所对应的面积值区间,即认定为发生倒迹象。
由于物件4的动作可能与跌迹象或倒迹象相似,例如蹲下、坐下或趴下的动作,但是并非是真正跌倒时的动作,而且物件4通常在真正跌倒的状况下,物件4的最大值的高度信息的平面位置应该有所变动,因此,请参阅图5及图6所示,在本发明中,跌倒辨识装置1系在物件4发生跌迹象与倒迹象的深度资料中,以此二深度资料中最高的高度信息的平面坐标位置(如图5所示的(x1,z1)及如图6所示的(x2,z2))是否不同,用以确认物件4是否具有移动迹象,如此,即可避免跌倒辨识装置1误判。进一步而言,当物件做完蹲下或坐下或趴下的动作,深度资料所计算出来最高的高度信息的平面坐标位置也会有所不同,但是移动的范围不会太大,因此,在本发明中的发生跌迹象与倒迹象的二深度资料中最高的高度信息的平面坐标位置(如图5所示的(x1,z1)及如图6所示的(x2,z2))是否不同的比较方式,系以跌迹象的最高的高度信息的平面坐标位置与倒迹象的最高的高度信息的平面坐标位置是否超过默认的移动门坎值。
为了让跌倒辨识装置1能够确认要计算物件4的面积范围,在本发明中,请参阅图6所示,跌倒辨识装置1从发生跌迹象之后的深度资料中以最大的高度变化值的周围设定一估算范围,并计算在估算范围内的物件4的轮廓面积最大值作为面积信息,在本发明中,是在深度图像中以最大的高度变化值为中心向外以高度变化值的预定比例选定一个矩形框作为估算范围。再者,当物件4跌倒后,一般物件大致呈现倒卧在地面之状态,而物件4倒卧在地面往上的高度系大约介于物件4的宽度及厚度之间,以物件4为人而言,人体的最大厚度约30~35公分,而人体的最大宽度大约55~60公分,基于前述原因,在本发明中,跌倒辨识装置1计算在估算范围内的物件4的轮廓的面积最大值,系以在估算范围的介于物件4的宽度及厚度之间的同一个平面之高度信息所形成的轮廓的面积最大值作为面积信息。
请参阅图7所示,本发明系一种跌倒侦测方法,系由深度侦测装置2侦测在监控空间3内的物件4,并产生物件4的深度资料,而由跌倒辨识装置1进行下列跌倒侦测的步骤:
(S101)接收深度资料,并由前后的深度资料产生高度变化值;
(S102)判断高度变化值是否符合跌倒辨识装置1所默认之跌落值,若是进行步骤(S103),否则进行步骤(S101);
(S103)认定物件4发生跌迹象,且当跌倒辨识装置1认定物件4发生跌迹象时,从发生跌迹象之后的深度资料计算出物件4的面积信息;
(S104)判断确认面积信息是否符合跌倒辨识装置1所默认的倒下值,若是进行步骤(S105),否则进行步骤(S101);
(S105)认定物件4发生跌迹象,且当跌倒辨识装置1认定物件4发生跌迹象随后也有发生倒迹象时,再判断物件4是否有移动迹象,若是进行步骤(S106),否则进行步骤(S101);以及
(S106)当跌倒辨识装置1确认有移动迹象时,即认定物件4为跌倒状态。
由上述的流程可知,本发明系在物件4发生跌迹象,且随后发生倒迹象,并且在发生跌迹象与倒迹象的深度资料中可以确认出物件4有移动迹象,可以减少误判的机会。
在本发明中,当跌倒辨识装置1在产生高度变化值之前,跌倒辨识装置1系将各深度资料予以平整化,消除深度资料中监控空间3中央位置到周围位置之间的高度差异,令监控空间3内的中央位置到周围位置之间最高值的高度信息趋于一致。进一步而言,请参阅图8所示,跌倒辨识装置1将各深度资料予以平整化的步骤,如下所示:
(S100-1)跌倒辨识装置1将各深度资料最大值的高度信息减去一平整化值作为一高度临界值;以及
(S100-2)而各深度资料中高度信息超出高度临界值者皆设定为等于高度临界值;
其中平整化值系为最大值的高度信息减去最小值的高度信息。
在本发明中,请参阅图9所示,跌倒辨识装置1产生高度变化值的步骤进一步包括:
(S1011)跌倒辨识装置1将深度侦测装置2侦测的当前的深度资料的前一个深度资料中取得先前高度信息;
(S1012)跌倒辨识装置1将深度侦测装置2侦测的当前的深度资料中取得当前高度信息;以及
(S1013)跌倒辨识装置1以当前高度信息与先前高度信息计算产生高度变化值。
在本发明中,请参阅图6及10所示,当跌倒辨识装置1确认发生跌迹象之后,跌倒辨识装置1系以下列步骤计算面积信息:
(S1031)跌倒辨识装置1从发生跌迹象之后的深度资料中以高度变化值的周围设定一估算范围;以及
(S1032)跌倒辨识装置1计算在估算范围内的物件4的轮廓的面积最大值作为面积信息。
在本发明中,请参阅图4所示,跌倒辨识装置1更包括跌倒关联表,跌倒关联表设有复数跌落值区间及分别匹配一个倒下值,各跌落值区间系为不同范围的高度变化值,各倒下值由倒下值计算公式计算而得,计算公式为高度变化值与权重值(如图4的W1~W4)相乘,请参阅图11所示,而跌倒辨识装置1系以下列步骤判断面积信息是否符合倒下值:
(S1041)跌倒辨识装置1根据发生跌迹象的高度变化值比对落入到各跌落值区间的哪一个;
(S1042)跌倒辨识装置1以被比对出来的跌落值区间对应的倒下值计算公式计算出倒下值;
(S1043)跌倒辨识装置1判断面积信息是否大于或等于倒下值,当大于或等于倒下值进行步骤(S1044),否则进行(S101);以及
(S1044)当跌倒辨识装置1判断面积信息大于或等于倒下值则认定为发生倒迹象。
在本发明中,请参阅图5及6所示,跌倒辨识装置1确认物件4在发生跌迹象及跌迹象之二深度资料是否有移动迹象的之步骤,以跌倒辨识装置1在物件4发生跌迹象与倒迹象的二深度资料中最高的高度信息的平面坐标位置是否不相同,用以确认物件4是否具有移动迹象,当发生跌迹象与倒迹象的二深度资料中最高的高度信息的一平面坐标位置不相同,即为具有移动迹象,反之则否。进一步而言,跌倒辨识装置1计算面积最大值的步骤,系以在估算范围的介于物件4的宽度及厚度之间的同一个平面之高度信息所形成的轮廓的面积最大值作为面积信息。
综上所述,本发明在使用者没有穿戴式装置的前提下,利用深度侦测装置2提供深度资料给跌倒辨识装置1进行计算,即可达到跌倒侦测的目的。而且深度侦测装置2所呈现的深度图像,仅有物件4的轮廓,并非清晰的影像,具有较佳的隐私性。再者,本发明在判断发生跌迹象,也随后有发生倒迹象,并且在跌迹象与倒迹象中有发现移动迹象者,才确认物件4已经跌倒,可以避免非跌倒动作的误判。
上列详细说明系针对本发明的可行实施例之具体说明,惟前述的实施例并非用以限制本发明之专利范围,凡未脱离本发明技艺精神所为之等效实施或变更,均应包含于本案之专利范围中。

Claims (16)

1.一种跌倒侦测系统,其特征在于,包括:
深度侦测装置,所述深度侦测装置侦测监控空间内的物件,并产生所述物件的复数深度资料;以及
跌倒辨识装置,连接所述深度侦测装置,并接收各深度资料;
其中,所述跌倒辨识装置由前后的任二深度资料产生高度变化值,且所述跌倒辨识装置在所述高度变化值,符合所述跌倒辨识装置默认的跌落值,则认定物件发生跌迹象,所述跌倒辨识装置从发生跌迹象之后的深度资料计算物件的面积信息,所述跌倒辨识装置确认所述面积信息符合该跌倒辨识装置所默认的倒下值,认定物件发生倒迹象,且跌倒辨识装置在物件发生跌迹象与倒迹象的二深度资料中确认物件各有移动迹象,跌倒辨识装置即认定物件为跌倒状态。
2.如权利要求1所述的跌倒侦测系统,所述跌倒辨识装置将各深度资料予以平整化,消除深度资料中监控空间中央位置到周围位置之间的高度差异信息。
3.如权利要求2所述的跌倒侦测系统,所述跌倒辨识装置将各深度资料最大值的高度信息减去平整化值作为高度临界值,深度资料中高度信息超出高度临界值的皆设定为等于高度临界值,而所述平整化值为最大值的高度信息减去最小值的高度信息。
4.如权利要求1所述的跌倒侦测系统,所述跌倒辨识装置将深度侦测装置侦测的当前深度资料中取得当前高度信息,于当前该深度资料的前一个深度资料中取得先前高度信息,所述跌倒辨识装置以当前高度信息与先前高度信息计算产生所述高度变化值。
5.如权利要求1所述的跌倒侦测系统,所述跌倒辨识装置还包括跌倒关联表,所述跌倒关联表设有复数跌落值区间及分别匹配一倒下值,各倒下值为高度变化值与权重值相乘计算而得。
6.如权利要求1所述的跌倒侦测系统,所述跌倒辨识装置在物件发生跌迹象与倒迹象的二深度资料中各自最高的高度信息的水平平面坐标位置不同时,确认物件具有移动迹象。
7.如权利要求1所述的跌倒侦测系统,所述跌倒辨识装置从发生跌迹象之后的深度资料中以高度变化值的周围设定估算范围,并计算在所述估算范围内的物件的轮廓的面积最大值作为面积信息。
8.如权利要求7所述的跌倒侦测系统,所述跌倒辨识装置计算在估算范围内的物件的轮廓的面积最大值,以在估算范围的介于物件的宽度及厚度之间的同一个平面的高度信息所形成的轮廓的面积最大值作为面积信息。
9.一种跌倒侦测方法,其特征在于,由深度侦测装置侦测进入其监控空间内至少一物件,并产生所述物件的复数深度资料,而由跌倒辨识装置进行下列跌倒侦测的步骤:
接收各深度资料,并由前后的深度资料产生高度变化值;
判断高度变化值是否符合跌倒辨识装置所默认的跌落值;
当所述跌倒辨识装置确认高度变化值符合跌落值,则认定物件发生跌迹象;
再从发生跌迹象之后的深度资料计算出物件的面积信息;
判断所述面积信息是否符合跌倒辨识装置所默认的倒下值;
当所述跌倒辨识装置确认所述面积信息符合倒下值,则认定物件在发生跌迹象后,也随后发生倒迹象;
判断物件在发生跌迹象及倒迹象的二深度资料是否有移动迹象;以及
当跌倒辨识装置确认有移动迹象时,即认定物件为跌倒状态。
10.如权利要求9所述的跌倒侦测方法,当所述跌倒辨识装置在产生高度变化值之前,跌倒辨识装置将各深度资料予以平整化,消除深度资料中监控空间中央位置到周围位置之间的高度差异信息。
11.如权利要求10所述的跌倒侦测方法,跌倒辨识装置平整化步骤:
所述跌倒辨识装置将各深度资料最大值的高度信息减去平整化值作为高度临界值;以及
深度资料中高度信息超出高度临界值的皆设定为等于高度临界值;
所述平整化值为最大值的高度信息减去最小值的高度信息。
12.如权利要求9所述的跌倒侦测方法,所述跌倒辨识装置产生高度变化值的步骤包括:
所述跌倒辨识装置将所述深度侦测装置侦测的当前的深度资料的前一个深度资料中取得先前高度信息;
所述跌倒辨识装置将所述深度侦测装置侦测的当前的深度资料中取得当前高度信息;以及
所述跌倒辨识装置以当前高度信息与先前高度信息计算产生高度变化值。
13.如权利要求9所述的跌倒侦测方法,所述跌倒辨识装置还包括跌倒关联表,所述跌倒关联表设有复数跌落值区间及分别匹配倒下值,各跌落值区间为不同范围的高度变化值,各倒下值由倒下值计算公式计算而得,倒下值计算公式为高度变化值与权重值相乘,而跌倒辨识装置以下列步骤判面积信息是否符合倒下值:
跌倒辨识装置根据发生跌迹象的高度变化值比对落入到各跌落值区间的哪一个;
跌倒辨识装置以被比对出来的跌落值区间对应的倒下值计算公式计算出倒下值;
跌倒辨识装置判断面积信息是否大于或等于倒下值;以及
当跌倒辨识装置判断面积信息大于或等于倒下值则认定为发生倒迹象。
14.如权利要求9所述的跌倒侦测方法,所述跌倒辨识装置确认物件在发生跌迹象及倒迹象的二深度资料是否有移动迹象的步骤,以跌倒辨识装置在物件发生跌迹象与倒迹象的二深度资料中最高的高度信息的平面坐标位置是否不相同,用以确认物件是否具有移动迹象,当发生跌迹象与倒迹象的二深度资料中最高的高度信息的平面坐标位置不相同,即为具有移动迹象,反之则否。
15.如权利要求9所述的跌倒侦测方法,当所述跌倒辨识装置确认发生跌迹象之后,跌倒辨识装置以下列步骤计算面积信息:
跌倒辨识装置从发生跌迹象之后的深度资料中以高度变化值的周围设定估算范围;以及
跌倒辨识装置计算在估算范围内的物件的轮廓的面积最大值作为面积信息。
16.如权利要求15所述的跌倒侦测方法,所述跌倒辨识装置计算面积最大值的步骤,将估算范围的介于物件的宽度及厚度之间的同一个平面的高度信息所形成的轮廓的面积最大值作为面积信息。
CN202011382483.8A 2020-12-01 2020-12-01 跌倒侦测系统及其方法 Active CN112535476B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202011382483.8A CN112535476B (zh) 2020-12-01 2020-12-01 跌倒侦测系统及其方法
TW109142942A TWI764410B (zh) 2020-12-01 2020-12-04 跌倒偵測系統及其方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011382483.8A CN112535476B (zh) 2020-12-01 2020-12-01 跌倒侦测系统及其方法

Publications (2)

Publication Number Publication Date
CN112535476A true CN112535476A (zh) 2021-03-23
CN112535476B CN112535476B (zh) 2022-11-22

Family

ID=75016718

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011382483.8A Active CN112535476B (zh) 2020-12-01 2020-12-01 跌倒侦测系统及其方法

Country Status (2)

Country Link
CN (1) CN112535476B (zh)
TW (1) TWI764410B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115457731A (zh) * 2022-08-18 2022-12-09 业成科技(成都)有限公司 跌倒侦测系统及其侦测方法
CN115985050A (zh) * 2022-12-28 2023-04-18 浪潮数字粮储科技有限公司 一种基于粮库人员异常倒地的自动告警方法、设备及介质

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4061919A (en) * 1976-07-06 1977-12-06 The Ohio State University Gamma camera system
JP2000132014A (ja) * 1998-10-28 2000-05-12 Canon Inc 電子写真画像形成装置
JP2000207664A (ja) * 1999-01-18 2000-07-28 Matsushita Electric Works Ltd 転倒検知装置
JP2008312097A (ja) * 2007-06-18 2008-12-25 Fujifilm Corp 画像の凹凸低減方法及びその装置
CN102722715A (zh) * 2012-05-21 2012-10-10 华南理工大学 一种基于人体姿势状态判决的跌倒检测方法
CN103735269A (zh) * 2013-11-14 2014-04-23 大连民族学院 一种基于视频多目标跟踪的高度测量方法
CN103903281A (zh) * 2014-04-04 2014-07-02 西北工业大学 一种基于多特征分析和场景学习的老人摔倒检测方法
CN205252023U (zh) * 2015-12-18 2016-05-25 深圳前海艾艾贴生物科技有限公司 一种艾条可更换的艾灸器结构
US20160217326A1 (en) * 2013-07-03 2016-07-28 Nec Corporation Fall detection device, fall detection method, fall detection camera and computer program
JP2017072486A (ja) * 2015-10-07 2017-04-13 国立大学法人山口大学 奥行き検知システム及び方法
CN107292913A (zh) * 2017-06-12 2017-10-24 大连海事大学 一种基于视频的多阶段摔倒检测算法
CN107454376A (zh) * 2017-09-11 2017-12-08 广东欧珀移动通信有限公司 跌落提醒方法、装置、电子装置和计算机可读存储介质
CN109657593A (zh) * 2018-12-12 2019-04-19 深圳职业技术学院 一种路侧信息融合方法及系统
CN209085521U (zh) * 2018-11-27 2019-07-09 华中光电技术研究所(中国船舶重工集团有限公司第七一七研究所) 导流罩导轨检测装置
CN110522471A (zh) * 2019-10-09 2019-12-03 业成科技(成都)有限公司 可佩戴式生理信息测量装置
CN210895174U (zh) * 2019-11-21 2020-06-30 维沃移动通信有限公司 一种电子设备

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016067641A (ja) * 2014-09-30 2016-05-09 東京エレクトロンデバイス株式会社 転倒検知処理装置及び転倒検知システム
CN109325476B (zh) * 2018-11-20 2021-08-31 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
CN109394229A (zh) * 2018-11-22 2019-03-01 九牧厨卫股份有限公司 一种跌倒检测方法、装置及系统
CN109635783B (zh) * 2019-01-02 2023-06-20 上海数迹智能科技有限公司 视频监控方法、装置、终端和介质

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4061919A (en) * 1976-07-06 1977-12-06 The Ohio State University Gamma camera system
JP2000132014A (ja) * 1998-10-28 2000-05-12 Canon Inc 電子写真画像形成装置
JP2000207664A (ja) * 1999-01-18 2000-07-28 Matsushita Electric Works Ltd 転倒検知装置
JP2008312097A (ja) * 2007-06-18 2008-12-25 Fujifilm Corp 画像の凹凸低減方法及びその装置
CN102722715A (zh) * 2012-05-21 2012-10-10 华南理工大学 一种基于人体姿势状态判决的跌倒检测方法
US20160217326A1 (en) * 2013-07-03 2016-07-28 Nec Corporation Fall detection device, fall detection method, fall detection camera and computer program
CN103735269A (zh) * 2013-11-14 2014-04-23 大连民族学院 一种基于视频多目标跟踪的高度测量方法
CN103903281A (zh) * 2014-04-04 2014-07-02 西北工业大学 一种基于多特征分析和场景学习的老人摔倒检测方法
JP2017072486A (ja) * 2015-10-07 2017-04-13 国立大学法人山口大学 奥行き検知システム及び方法
CN205252023U (zh) * 2015-12-18 2016-05-25 深圳前海艾艾贴生物科技有限公司 一种艾条可更换的艾灸器结构
CN107292913A (zh) * 2017-06-12 2017-10-24 大连海事大学 一种基于视频的多阶段摔倒检测算法
CN107454376A (zh) * 2017-09-11 2017-12-08 广东欧珀移动通信有限公司 跌落提醒方法、装置、电子装置和计算机可读存储介质
CN209085521U (zh) * 2018-11-27 2019-07-09 华中光电技术研究所(中国船舶重工集团有限公司第七一七研究所) 导流罩导轨检测装置
CN109657593A (zh) * 2018-12-12 2019-04-19 深圳职业技术学院 一种路侧信息融合方法及系统
CN110522471A (zh) * 2019-10-09 2019-12-03 业成科技(成都)有限公司 可佩戴式生理信息测量装置
CN210895174U (zh) * 2019-11-21 2020-06-30 维沃移动通信有限公司 一种电子设备

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
李战明等: "基于OpenCV空巢老人跌倒检测监控系统的设计", 《计算机与数字工程》 *
林秀芳等: "全科全人照顾防控老年患者在病房和家庭中的风险", 《中华老年医学杂志》 *
陕威等: "高校网球课程场地资源的开发利用研究", 《体育文化导刊》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115457731A (zh) * 2022-08-18 2022-12-09 业成科技(成都)有限公司 跌倒侦测系统及其侦测方法
CN115457731B (zh) * 2022-08-18 2023-08-25 业成科技(成都)有限公司 跌倒侦测系统及其侦测方法
CN115985050A (zh) * 2022-12-28 2023-04-18 浪潮数字粮储科技有限公司 一种基于粮库人员异常倒地的自动告警方法、设备及介质

Also Published As

Publication number Publication date
TW202223848A (zh) 2022-06-16
TWI764410B (zh) 2022-05-11
CN112535476B (zh) 2022-11-22

Similar Documents

Publication Publication Date Title
CN109919132B (zh) 一种基于骨架检测的行人跌倒识别方法
CN112535476B (zh) 跌倒侦测系统及其方法
US9456771B2 (en) Method for estimating velocities and/or displacements from accelerometer measurement samples
US20180300538A1 (en) Image processing system, image processing apparatus, image processing method, and image processing program
CN110008822B (zh) 一种基于红外传感器的姿态识别方法及系统
KR101515597B1 (ko) 3차원 영상 정보를 이용한 감지 방법 및 장치
CN110378244B (zh) 异常姿态的检测方法和装置
WO2011055255A1 (en) Method and system for revoking a fall alarm field of the invention
WO2015133195A1 (ja) 情報処理装置、情報処理方法、及び、プログラム
CN103903281A (zh) 一种基于多特征分析和场景学习的老人摔倒检测方法
KR20140110484A (ko) 영상정보를 이용한 위험 행동 검지방법
JP4448304B2 (ja) 顔検知装置
CN111241913A (zh) 一种检测人员摔倒的方法、装置及系统
CN110251070A (zh) 一种用眼健康情况监测方法及系统
KR101840042B1 (ko) 복합 가상 팬스 라인 설정 방법 및 이를 이용한 침입 감지 시스템
CN116416577A (zh) 一种用于施工监控系统的异常识别方法
CN111739248A (zh) 一种人工智能物联网安防系统及控制方法
CN112084813A (zh) 异常目标的检测方法、装置及存储介质
CN113012407A (zh) 一种基于机器视觉的眼屏距离提示预防近视系统
JP2018151834A (ja) 迷子検出装置および迷子検出方法
CN111191499B (zh) 一种基于最小中心线的跌倒检测方法及装置
JP4825909B2 (ja) 顔検知装置
CN114202797A (zh) 行为识别方法、装置和存储介质
CN108846996B (zh) 一种摔倒侦测系统及方法
EP3499477A1 (en) Watch-over system, watch-over device, watch-over method, and watch-over program

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