CN112733618A - 人体跌倒检测方法、防跌倒机器人及防跌倒系统 - Google Patents

人体跌倒检测方法、防跌倒机器人及防跌倒系统 Download PDF

Info

Publication number
CN112733618A
CN112733618A CN202011533703.2A CN202011533703A CN112733618A CN 112733618 A CN112733618 A CN 112733618A CN 202011533703 A CN202011533703 A CN 202011533703A CN 112733618 A CN112733618 A CN 112733618A
Authority
CN
China
Prior art keywords
falling
robot
fall
entering
human body
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202011533703.2A
Other languages
English (en)
Inventor
冉承龙
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.)
Jiangsu Aiyu Wencheng Elderly Robot Co ltd
Original Assignee
Jiangsu Aiyu Wencheng Elderly Robot Co 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 Jiangsu Aiyu Wencheng Elderly Robot Co ltd filed Critical Jiangsu Aiyu Wencheng Elderly Robot Co ltd
Priority to CN202011533703.2A priority Critical patent/CN112733618A/zh
Publication of CN112733618A publication Critical patent/CN112733618A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • 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
    • G08B21/0438—Sensor means for detecting
    • G08B21/0476—Cameras to detect unsafe condition, e.g. video cameras

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Gerontology & Geriatric Medicine (AREA)
  • Business, Economics & Management (AREA)
  • Multimedia (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Emergency Management (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Biology (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Human Computer Interaction (AREA)
  • Psychiatry (AREA)
  • Psychology (AREA)
  • Social Psychology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Alarm Systems (AREA)

Abstract

本发明涉及人体跌倒检测方法，使用具有摄像头、无线通信模块和移动模块的防跌倒机器人进行拍照，包括以下步骤：移动状态；对人体拍照；加入待识别图片队列；对照片进行跌倒的智能识别，并输出相似度；根据输出的相似度判断是否跌倒，若判断为跌倒则跌倒识别计数器的计数器值增加1；若计数器值等于1则移动位置重新拍照检测，否则判断计数器值是否大于1，若大于1，则进入判断家属是否授权人工验证，若授权人工验证则进入进行人工验证是否跌倒，否则通知家属发生跌倒，人工验证跌倒后也发出跌倒报警。本发明提供的人体跌倒检测方法通过在不同的位置进行拍照，实现多角度比对是否跌倒，提供准确可靠的跌倒报警，误报少，方便及时处理跌倒。

Description

人体跌倒检测方法、防跌倒机器人及防跌倒系统
技术领域
本发明涉及养老的看护，尤其是人体跌倒检测方法、防跌倒机器人及防跌倒系统。
背景技术
在中国，随着近些年来老龄化程度的加剧，老年人的数量急剧上升，60岁以上的老年人已超过两亿，每年有4000万老人至少跌倒一次，跌倒已成为65岁以上老人伤害死亡的头号原因。而在冬天，由于天冷路滑加之为保暖穿衣厚重，更是老年人跌倒的高发期。对于老年人来说，跌倒的潜在威胁，不亚于心脏病、中风发作。跌倒可能导致老年人健康状况大大变差，造成很大的潜在性威胁，还可能导致残疾、精神心理变差，至是死亡，以及给老人以及家属带来巨大的医疗花费负担。
家中除了老人，无其他人时，发生跌倒风险更大。在养老院也无法做到时刻有人关注到老人。因此如何快速发现老人跌倒是亟待解决的问题。
发明内容
为解决上述问题，本发明提供一种通过在不同位置进行拍照从而能准确的判断人体是否跌倒的人体跌倒检测方法，具体技术方案为：
人体跌倒检测方法，使用具有摄像头、无线通信模块和移动模块的防跌倒机器人进行拍照，包括以下步骤：
S110、防跌倒机器人处于停止移动状态；
S120、防跌倒机器人对人体拍照；
S130、将照片加入待识别图片队列；
S140、对照片进行跌倒的智能识别，并输出相似度；
S150、根据输出的相似度判断是否跌倒，若判断为跌倒则进入S160；
S160、跌倒识别计数器的计数器值增加1；
S170、判断计数器值是否等于1，若计数器值等于1，则进入S300，否则进入S180；
S180、判断计数器值是否大于1，若大于1，则进入S190；
S190、判断家属是否授权人工验证，若授权人工验证则进入S200，否则进入S400；
S200、进行人工验证是否跌倒，若判断跌倒则进入S400；
其中，
S300、防跌倒机器人定向位移，然后进入S120；
S400、通知家属发生跌倒。
进一步的，所述步骤S140中所述输出相似度通过预测模型输出，所述预测模型由以下步骤得到：
S510、设置训练集；
S520、对图片进行标注；
S530、对图片进行重置尺寸、格栅化；
S540、Darknent-53网络训练；
S550、多尺度特征；
S560、损失函数是否小于阈值，
S570、生成预测模型。
其中，
步骤S520中对图片进行K-Means聚类，将聚类后的数据给步骤S530中的Darknent-53网络训练进行训练。
进一步的，所述步骤S120后还包括：
S121、对照片加密；
S122、对照片压缩；
S123、数据传输给S130；
所述步骤S130后还包括：
S131、对压缩文件解压；
S132、对加密照片解密，并传输给S140。
防跌倒机器人，包括：机器人本体、均安装在机器人本体上的控制系统、移动装置、摄像头和无线通信模块，所述移动装置用于驱动机器人移动。
防跌倒系统，包括：所述的防跌倒机器人；服务端，所述服务端用于解析所述防跌倒机器人ID，将接受到的数据存储和转发，还用于接收跌倒报警和验证是否跌倒；客户端，所述客户端用于家属管理防跌倒机器人、接收跌倒报警和实时监控；所述服务端通过无线网分别与所述防跌倒机器人和所述客户端连接。
与现有技术相比本发明具有以下有益效果：
本发明提供的人体跌倒检测方法通过在不同的位置进行拍照，实现多角度比对是否跌倒，提供准确可靠的跌倒报警，误报少，方便及时处理跌倒。
附图说明
图1是人体跌倒检测方法的流程图；
图2是预测模型的训练流程图。
具体实施方式
现结合附图对本发明作进一步说明。
实施例一
如图1和图2所示，人体跌倒检测方法，使用具有摄像头、无线通信模块和移动模块的防跌倒机器人进行拍照，包括以下步骤：
S110、防跌倒机器人处于停止移动状态；
S120、防跌倒机器人对人体拍照；
S130、将照片加入待识别图片队列；
S140、对照片进行跌倒的智能识别，并输出相似度；
S150、根据输出的相似度判断是否跌倒，若判断为跌倒则进入S160；
S160、跌倒识别计数器的计数器值增加1；
S170、判断计数器值是否等于1，若计数器值等于1，则进入S300，否则进入S180；
S180、判断计数器值是否大于1，若大于1，则进入S190；
S190、判断家属是否授权人工验证，若授权人工验证则进入S200，否则进入S400；
S200、进行人工验证是否跌倒，若判断跌倒则进入S400；
其中，
S300、防跌倒机器人定向位移，然后进入S120；
S400、通知家属发生跌倒。
防跌倒机器人需要将人体始终置于摄像头的画面内，并且定时拍照，对拍摄的照片进行跌倒智能识别。当摄像头的画面无人体时会自动移动或转动摄像头寻找人体。
拍照时需要静止，保证拍摄照片的清晰度，便于识别。
当第一次检测到跌倒时，防跌倒机器人移动一个位置，换个角度拍摄第二张拍照，然后对第二张照片进行跌倒的智能识别，当第二张照片输送的相似度符合跌倒标准，则进行跌倒报警。
如果家属事先授权人工判断，则发送照片给服务端的工作人员进行人工识别，当人工判断为跌倒时向家属发出跌倒报警。
无论是否进行授权，都要向家属发送跌倒报警，家属可以直接通过防跌倒机器人上的摄像头和语音系统进行是否跌倒的验证，及时发送老人是否发生意外。
跌倒报警可以通过短信、电话、微信、APP等通信工具发送。
步骤S140中所述输出相似度通过预测模型输出，预测模型由以下步骤得到：
S510、设置训练集；
S520、对图片进行标注；
S530、对图片进行重置尺寸、格栅化；
S540、Darknent-53网络训练；
S550、多尺度特征；
S560、损失函数是否小于阈值，
S570、生成预测模型。
其中，
步骤S520中对图片进行K-Means聚类，将聚类后的数据给步骤S530中的Darknent-53网络训练进行训练。
在不少于一个的实施例中，所述步骤S120后还包括：
S121、对照片加密；
S122、对照片压缩；
S123、数据传输给S130；
所述步骤S130后还包括：
S131、对压缩文件解压；
S132、对加密照片解密，并传输给S140。
本发明提供的人体跌倒检测方法通过在不同的位置进行拍照，实现多角度比对是否跌倒，提供准确可靠的跌倒报警。
单张图片跌倒发现准确率和多张图片多角度综合判定准确率如表1、表2所示，本跌倒检测方法明显提高识别率、误报少，方便及时处理跌倒。
表1跌倒发现一次识别准确率统计：
Figure BDA0002852672520000051
表2跌倒发现两次综合识别准确率统计：
Figure BDA0002852672520000052
跌倒拍照是以一定高度进行拍摄的。
伏倒：面朝下摔倒。
侧倒：左边身体在下或右边身体在下，另一边身体在上方。
仰倒：面朝上摔倒。
实施例二
防跌倒机器人，包括：机器人本体、均安装在机器人本体上的控制系统、移动装置、摄像头和无线通信模块，所述移动装置用于驱动机器人移动。
防跌倒机器人能够自动跟随人体移动，并且能够避障，自动寻找路线。防跌倒机器人上装有蓄电池。
实施例三
防跌倒系统，包括：防跌倒机器人；服务端，服务端用于解析防跌倒机器人ID，将接受到的数据存储和转发，还用于接收跌倒报警和验证是否跌倒；客户端，客户端用于家属管理防跌倒机器人、接收跌倒报警和实时监控；服务端通过无线网分别与防跌倒机器人和客户端连接。
以上结合具体实施例描述了本发明的技术原理。这些描述只是为了解释本发明的原理，而不能以任何方式解释为对本发明保护范围的限制。基于此处的解释，本领域的技术人员不需要付出创造性的劳动即可联想到本发明的其它具体实施方式，这些方式都将落入本发明权利要求的保护范围之内。

Claims (5)

1.人体跌倒检测方法，其特征在于，使用具有摄像头、无线通信模块和移动模块的防跌倒机器人进行拍照，包括以下步骤：
S110、防跌倒机器人处于停止移动状态；
S120、防跌倒机器人对人体拍照；
S130、将照片加入待识别图片队列；
S140、对照片进行跌倒的智能识别，并输出相似度；
S150、根据输出的相似度判断是否跌倒，若判断为跌倒则进入S160；
S160、跌倒识别计数器的计数器值增加1；
S170、判断计数器值是否等于1，若计数器值等于1，则进入S300，否则进入S180；
S180、判断计数器值是否大于1，若大于1，则进入S190；
S190、判断家属是否授权人工验证，若授权人工验证则进入S200，否则进入S400；
S200、进行人工验证是否跌倒，若判断跌倒则进入S400；
其中，
S300、防跌倒机器人定向位移，然后进入S120；
S400、通知家属发生跌倒。
2.根据权利要求1所述的人体跌倒检测方法，其特征在于，
所述步骤S140中所述输出相似度通过预测模型输出，所述预测模型由以下步骤得到：
S510、设置训练集；
S520、对图片进行标注；
S530、对图片进行重置尺寸、格栅化；
S540、Darknent-53网络训练；
S550、多尺度特征；
S560、损失函数是否小于阈值，
S570、生成预测模型；
其中，
步骤S520中对图片进行K-Means聚类，将聚类后的数据给步骤S530中的Darknent-53网络训练进行训练。
3.根据权利要求1所述的人体跌倒检测方法，其特征在于，
所述步骤S120后还包括：
S121、对照片加密；
S122、对照片压缩；
S123、数据传输给S130；
所述步骤S130后还包括：
S131、对压缩文件解压；
S132、对加密照片解密，并传输给S140。
4.防跌倒机器人，其特征在于，包括：机器人本体、均安装在机器人本体上的控制系统、移动装置、摄像头和无线通信模块，所述移动装置用于驱动机器人移动。
5.防跌倒系统，其特征在于，包括：
权利要求4所述的防跌倒机器人；
服务端，所述服务端用于解析所述防跌倒机器人ID，将接受到的数据存储和转发，还用于接收跌倒报警和验证是否跌倒；
客户端，所述客户端用于家属管理防跌倒机器人、接收跌倒报警和实时监控；
所述服务端通过无线网分别与所述防跌倒机器人和所述客户端连接。
CN202011533703.2A 2020-12-22 2020-12-22 人体跌倒检测方法、防跌倒机器人及防跌倒系统 Pending CN112733618A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011533703.2A CN112733618A (zh) 2020-12-22 2020-12-22 人体跌倒检测方法、防跌倒机器人及防跌倒系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011533703.2A CN112733618A (zh) 2020-12-22 2020-12-22 人体跌倒检测方法、防跌倒机器人及防跌倒系统

Publications (1)

Publication Number Publication Date
CN112733618A true CN112733618A (zh) 2021-04-30

Family

ID=75604206

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011533703.2A Pending CN112733618A (zh) 2020-12-22 2020-12-22 人体跌倒检测方法、防跌倒机器人及防跌倒系统

Country Status (1)

Country Link
CN (1) CN112733618A (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104821061A (zh) * 2015-03-26 2015-08-05 苏州大学 一种可穿戴跌倒预警系统及其使用方法
KR101704471B1 (ko) * 2015-12-08 2017-02-10 조선대학교산학협력단 낙상 검출 장치 및 그 방법
CN107909771A (zh) * 2017-10-08 2018-04-13 南京邮电大学 一种基于无线传感网络的人员跌倒报警系统及其实现方法
CN107945458A (zh) * 2017-12-11 2018-04-20 北京奇虎科技有限公司 摄像头场景下的跌倒检测方法、装置及计算设备
CN108090458A (zh) * 2017-12-29 2018-05-29 南京阿凡达机器人科技有限公司 人体跌倒检测方法和装置
CN108737785A (zh) * 2018-05-21 2018-11-02 北京奇伦天佑创业投资有限公司 基于tof 3d摄像机的室内跌倒自动检测系统
CN111310647A (zh) * 2020-02-12 2020-06-19 北京云住养科技有限公司 自动识别跌倒模型的生成方法和装置
CN111724566A (zh) * 2020-05-20 2020-09-29 同济大学 基于智慧灯杆视频监控系统的行人跌倒检测方法和装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104821061A (zh) * 2015-03-26 2015-08-05 苏州大学 一种可穿戴跌倒预警系统及其使用方法
KR101704471B1 (ko) * 2015-12-08 2017-02-10 조선대학교산학협력단 낙상 검출 장치 및 그 방법
CN107909771A (zh) * 2017-10-08 2018-04-13 南京邮电大学 一种基于无线传感网络的人员跌倒报警系统及其实现方法
CN107945458A (zh) * 2017-12-11 2018-04-20 北京奇虎科技有限公司 摄像头场景下的跌倒检测方法、装置及计算设备
CN108090458A (zh) * 2017-12-29 2018-05-29 南京阿凡达机器人科技有限公司 人体跌倒检测方法和装置
CN108737785A (zh) * 2018-05-21 2018-11-02 北京奇伦天佑创业投资有限公司 基于tof 3d摄像机的室内跌倒自动检测系统
CN111310647A (zh) * 2020-02-12 2020-06-19 北京云住养科技有限公司 自动识别跌倒模型的生成方法和装置
CN111724566A (zh) * 2020-05-20 2020-09-29 同济大学 基于智慧灯杆视频监控系统的行人跌倒检测方法和装置

Similar Documents

Publication Publication Date Title
US11158067B1 (en) Neighborhood alert mode for triggering multi-device recording, multi-camera locating, and multi-camera event stitching for audio/video recording and communication devices
US11399157B2 (en) Augmenting and sharing data from audio/video recording and communication devices
JP5984191B2 (ja) 管理生体認証通知システムおよび方法
US20200066122A1 (en) Dynamic Assessment Using an Audio/Video Recording and Communication Device
US20030215114A1 (en) Identity verification system
US20090195382A1 (en) Video sensor and alarm system and method with object and event classification
CN111243143B (zh) 一种识别并警告门外陌生人的方法及系统
CN108932783A (zh) 一种基于二维人脸识别的面向大流量场景的门禁系统
CN104143086A (zh) 人像比对在移动终端操作系统上的应用技术
WO2022062379A1 (zh) 图像检测方法和相关装置、设备、存储介质、计算机程序
US20190114470A1 (en) Method and System for Face Recognition Based on Online Learning
US10970953B2 (en) Face authentication based smart access control system
CN107330414A (zh) 暴力行为监控方法
CN109359712A (zh) 电力作业信息动态采集监控装置及其使用方法
CN106548113A (zh) 图像识别方法及系统
CN107978136A (zh) 一种在联网报警系统中实现误报警自动识别的方法
Kak et al. Smart home management system based on face recognition index in real-time
KR20150112635A (ko) 사람의　얼굴　정보를 이용한 얼굴인식 도어락 시스템
CN112733618A (zh) 人体跌倒检测方法、防跌倒机器人及防跌倒系统
CN109727417A (zh) 控制视频处理单元以促进检测新来者的方法和控制器
CN212229720U (zh) 一种基于区块链的智能门禁系统
US11343551B1 (en) Bandwidth estimation for video streams
CN107784829A (zh) 一种基于安全防控的客流感知系统
CN208969695U (zh) 电力作业信息动态采集监控装置
CN113420739A (zh) 基于神经网络的智能应急监控方法、系统和可读存储介质

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20210430