CN114601452A - 一种人体跌倒检测方法、系统、介质、设备及终端 - Google Patents
一种人体跌倒检测方法、系统、介质、设备及终端 Download PDFInfo
- Publication number
- CN114601452A CN114601452A CN202210156172.2A CN202210156172A CN114601452A CN 114601452 A CN114601452 A CN 114601452A CN 202210156172 A CN202210156172 A CN 202210156172A CN 114601452 A CN114601452 A CN 114601452A
- Authority
- CN
- China
- Prior art keywords
- speed
- human body
- acceleration
- falling
- calculating
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 57
- 230000001133 acceleration Effects 0.000 claims abstract description 85
- 230000033001 locomotion Effects 0.000 claims abstract description 54
- 238000000034 method Methods 0.000 claims abstract description 21
- 230000008859 change Effects 0.000 claims description 25
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000002474 experimental method Methods 0.000 claims description 10
- 210000000988 bone and bone Anatomy 0.000 claims description 9
- 238000013461 design Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 9
- 230000009471 action Effects 0.000 claims description 8
- 230000008901 benefit Effects 0.000 claims description 7
- 230000006870 function Effects 0.000 claims description 7
- 238000005259 measurement Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 4
- 230000003247 decreasing effect Effects 0.000 claims description 3
- 239000006185 dispersion Substances 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 description 5
- 206010016173 Fall Diseases 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000012887 quadratic function Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Dentistry (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Physiology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明属于人体跌倒检测技术领域,公开了一种人体跌倒检测方法、系统、介质、设备及终端,所述人体跌倒检测方法包括:通过计算人体骨骼点的运动速度,加速度以及身体高度判断人体是否跌倒;系统加入通过模型和速度判断人体是否处于平衡状态的功能,用于解决二次跌倒问题;形成系列跌倒识别方法,用于将多种情况进行分析并解决。本发明通过计算人体骨骼点的运动速度,加速度以及身体高度来判断人体是否处于跌倒状态;通过计算速度和加速度本发明可以完全区分跌倒状态与走路,跑步状态,基本可以区分下蹲状态,在加入身体高度后可以更加准确的判断出来。本发明的系统加入了模型判断,结合速度的判断可以准确的判断出人体是否处于二次跌倒状态。
Description
技术领域
本发明属于人体跌倒检测技术领域,尤其涉及一种人体跌倒检测方法、系统、介质、设备及终端。
背景技术
目前,在人体跌倒检测研究中,基于加速度传感器的跌倒检测方法是最为常见的检测手段之一。在人体的发生跌倒过程中,其运动姿态会发生显著变化,比如,人体失重状态,剧烈撞击等,通过人体佩戴加速度传感器设备,实时采集人体运动信息,结合特定的跌倒检测算法可实现对人体跌倒状态的检测。例如,在专利号为CN201710796479.8中国专利中,通过采集人体活动加速度数据,将其转换成角度值以计算角度梯度数据,进而提取倾角梯度方差作为特征值,通过选取跌倒与跌倒发生后两个时刻的阈值进行比较进而实现基于双阈值的人体的跌倒检测算法。
在专利号为CN201711268665.0的中国专利中,利用训练样本加速度数据提取加速度信号向量幅度峰值,加速度信号向量幅度的最值差值,加速度信号向量幅度标准差以及相对角度变化值,结合K-means聚类方法训练个特征值的二分判决阈值,通过对实时跌倒检测时的原始信息进行特征提取后与特征阈值进行比较实现对人体跌倒的判断。
但是,现有人体跌倒检测方法,由于用户的个体差异及当前真实的跌倒数据不足,使得跌倒检测的精确度难以保证。因此,亟需一种新的、精确度较高的人体跌倒检测方法及系统。
通过上述分析,现有技术存在的问题及缺陷为:由于用户的个体差异及当前真实的跌倒数据不足,使得现有跌倒检测方法的精确度难以保证。
发明内容
针对现有技术存在的问题,本发明提供了一种人体跌倒检测方法、系统、介质、设备及终端,尤其涉及一种基于速度的人体跌倒检测方法、系统、介质、设备及终端。
本发明是这样实现的,一种人体跌倒检测方法,所述人体跌倒检测方法,包括:通过计算人体骨骼点的运动速度、加速度以及身体高度判断人体是否跌倒以及是否处于平衡状态;利用是否跌倒以及是否处于平衡状态的信息形成多种跌倒识别模式进行否跌倒以及是否处于平衡状态的多种情况解析。
进一步,所述人体跌倒检测方法包括以下步骤:
步骤一,测量速度和加速度:计算人体特定骨骼点的速度和加速度;
步骤二,判断人体状态:通过计算人体特定骨骼点的速度、加速度以及高度,进而判断人体是否处于跌倒状态;
步骤三,分类设计:对人的各种运动过程进行数据测量,并通过计算阈值将跌倒的速度和加速度与其它运动进行区分。
进一步,所述步骤一中的测量速度和加速度包括:
在程序中FrameNumber是Kinect深度数据帧中的用于产生骨骼数据帧的帧编号,连续运行产生的帧编号逐渐增大,kinect每秒产生三十帧;在程序运行时进行计时操作,从而计算出速度与加速度,设两点为P和Q,时间间隔为t1和t0,则速度大小为:
设时间的开始和结束为t1和t0,则加速度计算方法为:
进一步,所述步骤二中的判断人体状态包括:
通过计算人体特定骨骼点的速度、加速度以及高度判断人体是否处于跌倒状态,测量走路、跑步和下蹲时的速度;每种运动的速度变化特点包括增降幅度、极值大小以及均值;同时测量运动时的加速度大小,加速度是速度变化的快慢,在图中代表速度变化的缓或陡;在判断跌倒状态时,加入特定骨骼点的高度,只有在人体低于一定程度并且快于一定速度时判定为跌倒状态。
进一步,所述步骤三中的分类设计包括:
使用速度和加速度区分各种运动时,首先区分各种运动的速度大小,变化明显的区别,若走路的速度处于均匀的状态,则通过计算均值来代表走路时的速度;对类似跌倒的动作进行速度检测,人体下蹲时的速度是比较快的,与跌倒时的状态类似,速度存在峰值,在进行实验时将峰值提取出来用于分类。
实验使用的人体部位是spinebase和neck连城线段的中心,在各种运动中,neck的坐标变化更加明显;spinebase的位置更反映人体整体的变化,计算中点则结合两种优势,比较稳定的反映人体的速度变化。
对速度和加速度分别进行区分,是对标量进行的区分,也是一维直线上点的区分,无需对分类方向进行处理,仅需计算阈值的大小,该实验计算的是两类点与分类线距离的平方之和,反映阈值点与两类点的离散度之和,根据计算,在中间的位置取得极小值,极小值点的变化速度是最慢的,极小值点用于分开两类点,包括速度和加速度。设两类n,m的数据量分别为和j,k计算方法证明:
进一步,针对人的各种运动过程进行数据测量,包括行走、跑步、下蹲和跌倒动作,跌倒包括正面跌倒,侧面跌倒和背面跌倒,测量运动过程中的速度以及加速度,并通过计算阈值将跌倒的速度和加速度与其它运动进行区分。
本发明的另一目的在于提供一种应用所述的人体跌倒检测方法的人体跌倒检测系统,所述人体跌倒检测系统包括:
测量速度和加速度模块,用于计算人体特定骨骼点的速度和加速度;
人体状态判断模块,用于通过计算人体特定骨骼点的速度、加速度以及高度,进而判断人体是否处于跌倒状态;
分类设计模块,用于对人的各种运动过程进行数据测量,并通过计算阈值将跌倒的速度和加速度与其它运动进行区分。
本发明的另一目的在于提供一种计算机设备,所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如下步骤:
通过计算人体骨骼点的运动速度,加速度以及身体高度判断人体是否跌倒;系统加入通过模型和速度判断人体是否处于平衡状态的功能,用于解决二次跌倒问题;形成系列跌倒识别方法,用于将多种情况进行分析并解决。
本发明的另一目的在于提供一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如下步骤:
通过计算人体骨骼点的运动速度,加速度以及身体高度判断人体是否跌倒;系统加入通过模型和速度判断人体是否处于平衡状态的功能,用于解决二次跌倒问题;形成系列跌倒识别方法,用于将多种情况进行分析并解决。
本发明的另一目的在于提供一种信息数据处理终端,所述信息数据处理终端用于实现所述的人体跌倒检测系统。
结合上述的技术方案和解决的技术问题,请从以下几方面分析本发明所要保护的技术方案所具备的优点及积极效果为:
第一、针对上述现有技术存在的技术问题以及解决该问题的难度,紧密结合本发明的所要保护的技术方案以及研发过程中结果和数据等,详细、深刻地分析本发明技术方案如何解决的技术问题,解决问题之后带来的一些具备创造性的技术效果。具体描述如下:
本发明主要是通过计算人体骨骼点的运动速度,加速度以及身体高度来判断人体是否处于跌倒状态。本发明通过计算速度和加速度本发明可以完全区分跌倒状态与走路,跑步状态,基本可以区分下蹲状态,在加入身体高度后可以更加准确的判断出来。本发明的系统为了能更快、更准确的判断出跌倒状态,避免像二次跌倒等情况,系统加入了模型判断,结合速度的判断可以准确的判断出人体是否处于二次跌倒状态。
第二,把技术方案看做一个整体或者从产品的角度,本发明所要保护的技术方案具备的技术效果和优点,具体描述如下:
本发明通过计算人体骨骼点的运动速度,加速度以及身体高度来判断人体是否跌倒,为了提高检测效果,系统加入了通过模型和速度判断人体是否处于平衡状态的功能,用来解决二次跌倒等问题,形成一系列跌倒识别方法,将多种情况进行分析并解决,提高了系统的检测准确率。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例中所需要使用的附图做简单的介绍,显而易见地,下面所描述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是本发明实施例提供的人体跌倒检测方法流程图。
图2是本发明实施例提供的人体跌倒检测系统结构框图;
图中:1、测量速度和加速度模块;2、人体状态判断模块;3、分类设计模块。
图3是本发明实施例提供的行走时的时序图。
图4是本发明实施例提供的下蹲时的速度变化示意图。
图5是本发明实施例提供的跌倒时的速度变化示意图。
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,以下结合实施例,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仅用以解释本发明,并不用于限定本发明。
针对现有技术存在的问题,本发明提供了一种人体跌倒检测方法、系统、介质、设备及终端,下面结合附图对本发明作详细的描述。
如图1所示,本发明实施例提供的人体跌倒检测方法包括以下步骤:
S101,测量速度和加速度:计算人体特定骨骼点的速度和加速度;
S102,判断人体状态:通过计算人体特定骨骼点的速度、加速度以及高度,进而判断人体是否处于跌倒状态;
S103,分类设计:对人的各种运动过程进行数据测量,并通过计算阈值将跌倒的速度和加速度与其它运动进行区分。
如图2所示,本发明实施例提供的人体跌倒检测系统包括:
测量速度和加速度模块1,用于计算人体特定骨骼点的速度和加速度;
人体状态判断模块2,用于通过计算人体特定骨骼点的速度、加速度以及高度,进而判断人体是否处于跌倒状态;
分类设计模块3,用于对人的各种运动过程进行数据测量,并通过计算阈值将跌倒的速度和加速度与其它运动进行区分。
一、解释说明实施例。为了使本领域技术人员充分了解本发明如何具体实现,该部分是对权利要求技术方案进行展开说明的解释说明实施例。
本发明通过计算人体骨骼点的运动速度,加速度以及身体高度来判断人体是否跌倒,为了提高检测效果,系统加入了通过模型和速度判断人体是否处于平衡状态的功能,用来解决二次跌倒等问题,形成一系列跌倒识别方法,将多种情况进行分析并解决,提高了系统的检测准确率。
1.速度与加速度测量功能
测量速度加速度:
该实验使用通过计算人体特定骨骼点的速度,加速度以及高度来判断人体是否处于跌倒状态,主要测量走路,跑步,下蹲时的速度。每种运动的速度变化都有一定的特点,包括增降幅度,极值大小,以及均值,为了更好地区分,同时需要测量运动时的加速度大小,加速度即为速度变化的快慢,在图中代表了速度变化的缓或陡。同时在判断跌倒状态时,该实验加入了特定骨骼点的高度,即只有在人体低于一定程度并且快于一定速度时判定为跌倒状态。
在程序里FrameNumber是Kinect深度数据帧中的用来产生骨骼数据帧的帧编号,连续运行产生的帧编号逐渐增大,但这个编号一般情况下是不连续的,理论上说kinect每秒产生三十帧,但在骨骼追踪引擎追踪骨骼的过程中会因为一些原因忽略掉某一帧的深度数据,所以本发明需要在程序运行时进行计时操作,从而准确地计算出速度与加速度,设两点为P和Q,时间间隔为t1和t0,则速度大小为:
设时间的开始和结束为t1和t0,则加速度计算方法为:
2.分类设计
使用速度和加速度区分各种运动时,首先应该做的就是区分各种运动的速度大小,变化有哪些明显的区别,比如走路的速度处于一种比较均匀的状态,因此可以通过计算均值来代表走路时的速度。实验中还对一些类似跌倒的动作进行速度检测,比如人体下蹲时的速度也是比较快的,与跌倒时的状态类似,它们的速度有一个突然变大的过程,即存在一个峰值,在进行实验时本发明需要将其提取出来用来分类,加速度也同样如此。
实验使用的人体部位是spinebase和neck连城线段的中心,在各种运动中,neck的坐标变化更加明显,缺点在于其运动幅度过大,并不能代表所有运动时的速度,相比而言,spinebase的位置更反映了人体整体的变化,计算中点则结合了两种优势,比较稳定的反映了人体的速度变化。
对速度和加速度分别进行区分,既是对标量进行的区分,也可以看做是一维直线上点的区分,所以不需要对分类方向进行处理,只需要计算阈值的大小,该实验计算的是两类点与分类线距离的平方之和,即反映了阈值点与两类点的离散度之和,根据计算,这是一个有关二次函数的公式,像二次函数一样,在中间的某一个位置取得极小值,该点的变化速度也是最慢的,该点可以比较合适的分开两类点,包括速度和加速度,在这里加上加速度还有一个好处,就是因为加速度是速度的斜率大小,因此对加速度的区分可以使得对时序中速度的区分实现一个类似曲线的效果。设两类n,m的数据量分别为和j,k计算方法证明:
此部分主要针对人的各种运动过程进行数据测量,包括行走,跑步,下蹲,跌倒等动作,跌倒包括正面跌倒,侧面跌倒和背面跌倒,测量运动过程中的速度以及加速度,并且通过计算阈值将跌倒的速度和加速度与其它运动进行区分。
行走时的时序图如图3所示。
从图中可以看到,虽然有一定的波动,但走路时的速度还是比较集中在一段区间内。
下蹲时的速度变化如图4所示。
从图中可以看出,捡东西的动作有一个峰值,这是会产生误判的地方。
跌倒时的速度变化如图5所示。
在检测跌倒状态时需要的提取较快的部分,实验中先计算出整体均值(这里要使得过程中均值以上的点和均值以下的点的数量大致相同),再选择均值之上的部分,从物理的角度看,假设过程中受到的空气阻力是相同的,重力做的功与人体高度有关,当倾角为45度时,正好做了一半功,此时的速度即为均值,倾角大于45度后,这段过程人体的速度已经较大,易于区分。
本发明主要是通过计算人体骨骼点的运动速度,加速度以及身体高度来判断人体是否处于跌倒状态。通过计算速度和加速度本发明可以完全区分跌倒状态与走路,跑步状态,基本可以区分下蹲状态,在加入身体高度后可以更加准确的判断出来。系统为了能更快、更准确的判断出跌倒状态,避免像二次跌倒等情况,系统加入了模型判断,结合速度的判断可以准确的判断出人体是否处于二次跌倒状态。
应当注意,本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现;软件部分可以存储在存储器中,由适当的指令执行系统,例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现,例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现,也可以用由各种类型的处理器执行的软件实现,也可以由上述硬件电路和软件的结合例如固件来实现。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种人体跌倒检测方法,其特征在于,所述人体跌倒检测方法包括:通过计算人体骨骼点的运动速度、加速度以及身体高度判断人体是否跌倒以及是否处于平衡状态;利用是否跌倒以及是否处于平衡状态的信息形成多种跌倒识别模式进行否跌倒以及是否处于平衡状态的多种情况解析。
2.如权利要求1所述的人体跌倒检测方法,其特征在于,所述人体跌倒检测方法包括以下步骤:
步骤一,测量速度和加速度:计算人体特定骨骼点的速度和加速度;
步骤二,判断人体状态:通过计算人体特定骨骼点的速度、加速度以及高度,进而判断人体是否处于跌倒状态;
步骤三,分类设计:对人的各种运动过程进行数据测量,并通过计算阈值将跌倒的速度和加速度与其它运动进行区分。
4.如权利要求2所述的人体跌倒检测方法,其特征在于,所述步骤二中的判断人体状态包括:
通过计算人体特定骨骼点的速度、加速度以及高度判断人体是否处于跌倒状态,测量走路、跑步和下蹲时的速度;每种运动的速度变化特点包括增降幅度、极值大小以及均值;同时测量运动时的加速度大小,加速度是速度变化的快慢,在图中代表速度变化的缓或陡;在判断跌倒状态时,加入特定骨骼点的高度,只有在人体低于一定程度并且快于一定速度时判定为跌倒状态。
5.如权利要求2所述的人体跌倒检测方法,其特征在于,所述步骤三中的分类设计包括:
使用速度和加速度区分各种运动时,首先区分各种运动的速度大小,变化明显的区别,若走路的速度处于均匀的状态,则通过计算均值来代表走路时的速度;对类似跌倒的动作进行速度检测,人体下蹲时的速度是比较快的,与跌倒时的状态类似,速度存在峰值,在进行实验时将峰值提取出来用于分类;
实验使用的人体部位是spinebase和neck连城线段的中心,在各种运动中,neck的坐标变化更加明显;spinebase的位置更反映人体整体的变化,计算中点则结合两种优势,比较稳定的反映人体的速度变化;
对速度和加速度分别进行区分,是对标量进行的区分,也是一维直线上点的区分,无需对分类方向进行处理,仅需计算阈值的大小,该实验计算的是两类点与分类线距离的平方之和,反映阈值点与两类点的离散度之和,根据计算,在中间的位置取得极小值,极小值点的变化速度是最慢的,极小值点用于分开两类点,包括速度和加速度;设两类n,m的数据量分别为和j,k计算方法证明:
6.如权利要求5所述的人体跌倒检测方法,其特征在于,针对人的各种运动过程进行数据测量,包括行走、跑步、下蹲和跌倒动作,跌倒包括正面跌倒,侧面跌倒和背面跌倒,测量运动过程中的速度以及加速度,并通过计算阈值将跌倒的速度和加速度与其它运动进行区分。
7.一种应用如权利要求1~6任意一项所述的人体跌倒检测方法的人体跌倒检测系统,其特征在于,所述人体跌倒检测系统包括:
测量速度和加速度模块,用于计算人体特定骨骼点的速度和加速度;
人体状态判断模块,用于通过计算人体特定骨骼点的速度、加速度以及高度,进而判断人体是否处于跌倒状态;
分类设计模块,用于对人的各种运动过程进行数据测量,并通过计算阈值将跌倒的速度和加速度与其它运动进行区分。
8.一种计算机设备,其特征在于,所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如下步骤:
通过计算人体骨骼点的运动速度,加速度以及身体高度判断人体是否跌倒;系统加入通过模型和速度判断人体是否处于平衡状态的功能,用于解决二次跌倒问题;形成系列跌倒识别方法,用于将多种情况进行分析并解决。
9.一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如下步骤:
通过计算人体骨骼点的运动速度,加速度以及身体高度判断人体是否跌倒;系统加入通过模型和速度判断人体是否处于平衡状态的功能,用于解决二次跌倒问题;形成系列跌倒识别方法,用于将多种情况进行分析并解决。
10.一种信息数据处理终端,其特征在于,所述信息数据处理终端用于实现如权利要求7所述的人体跌倒检测系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210156172.2A CN114601452A (zh) | 2022-02-21 | 2022-02-21 | 一种人体跌倒检测方法、系统、介质、设备及终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210156172.2A CN114601452A (zh) | 2022-02-21 | 2022-02-21 | 一种人体跌倒检测方法、系统、介质、设备及终端 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114601452A true CN114601452A (zh) | 2022-06-10 |
Family
ID=81858807
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210156172.2A Pending CN114601452A (zh) | 2022-02-21 | 2022-02-21 | 一种人体跌倒检测方法、系统、介质、设备及终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114601452A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117257283A (zh) * | 2023-11-22 | 2023-12-22 | 浙江强脑科技有限公司 | 一种摔倒保护方法、装置、智能假肢、终端及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140188010A1 (en) * | 2012-12-31 | 2014-07-03 | University of Alaska Anchorage | Devices, Systems, And Methods For Determining Linear And Angular Accelerations Of The Head |
CN103927851A (zh) * | 2014-04-04 | 2014-07-16 | 余志峰 | 一种个人化多阈值跌倒检测方法及系统 |
CN106960544A (zh) * | 2017-05-22 | 2017-07-18 | 广东工业大学 | 一种跌倒检测系统 |
CN112270807A (zh) * | 2020-10-29 | 2021-01-26 | 怀化学院 | 一种老人跌倒预警系统 |
CN112633059A (zh) * | 2020-11-12 | 2021-04-09 | 泰州职业技术学院 | 一种基于LabVIEW和MATLAB的跌倒远程监控系统 |
-
2022
- 2022-02-21 CN CN202210156172.2A patent/CN114601452A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140188010A1 (en) * | 2012-12-31 | 2014-07-03 | University of Alaska Anchorage | Devices, Systems, And Methods For Determining Linear And Angular Accelerations Of The Head |
CN103927851A (zh) * | 2014-04-04 | 2014-07-16 | 余志峰 | 一种个人化多阈值跌倒检测方法及系统 |
CN106960544A (zh) * | 2017-05-22 | 2017-07-18 | 广东工业大学 | 一种跌倒检测系统 |
CN112270807A (zh) * | 2020-10-29 | 2021-01-26 | 怀化学院 | 一种老人跌倒预警系统 |
CN112633059A (zh) * | 2020-11-12 | 2021-04-09 | 泰州职业技术学院 | 一种基于LabVIEW和MATLAB的跌倒远程监控系统 |
Non-Patent Citations (1)
Title |
---|
曹建荣: ""基于关节点特征的跌倒检测算法"", 《计算机应用》, 10 February 2022 (2022-02-10) * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117257283A (zh) * | 2023-11-22 | 2023-12-22 | 浙江强脑科技有限公司 | 一种摔倒保护方法、装置、智能假肢、终端及存储介质 |
CN117257283B (zh) * | 2023-11-22 | 2024-04-09 | 浙江强脑科技有限公司 | 一种摔倒保护方法、装置、智能假肢、终端及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3528207B1 (en) | Motion recognition device, motion recognition program, and motion recognition method | |
CN110458061B (zh) | 一种识别老年人跌倒的方法及陪伴机器人 | |
US11715227B2 (en) | Information processing apparatus, control method, and program | |
Kim et al. | Gaussian process regression flow for analysis of motion trajectories | |
CN102663452B (zh) | 基于视频分析的可疑行为检测方法 | |
CN105617638A (zh) | 羽毛球挥拍动作识别方法和装置 | |
US20120093420A1 (en) | Method and device for classifying image | |
CN102567744B (zh) | 基于机器学习的虹膜图像质量确定方法 | |
CN109145696B (zh) | 一种基于深度学习的老人跌倒检测方法及系统 | |
CN100561501C (zh) | 一种图像检测方法及装置 | |
WO2009090584A2 (en) | Method and system for activity recognition and its application in fall detection | |
JP2014093023A (ja) | 物体検出装置、物体検出方法及びプログラム | |
CN103793926A (zh) | 基于样本重选择的目标跟踪方法 | |
Hausberger et al. | IMU-based smart fitness devices for weight training | |
CN108596949A (zh) | 视频目标跟踪状态分析方法、装置和实现装置 | |
CN111288986A (zh) | 一种运动识别方法及运动识别装置 | |
CN114601452A (zh) | 一种人体跌倒检测方法、系统、介质、设备及终端 | |
CN103106414A (zh) | 一种智能视频监控中行人的检测方法 | |
Jiang et al. | A real-time fall detection system based on HMM and RVM | |
CN114863136A (zh) | 一种基于对角线网络的无锚框目标检测方法及系统 | |
CN108509861A (zh) | 一种基于样本学习和目标检测结合的目标跟踪方法和装置 | |
CN110097067B (zh) | 一种基于层进式特征变换的弱监督细粒度图像分类方法 | |
Shang et al. | Improving training and inference of face recognition models via random temperature scaling | |
Jiang et al. | Robust action recognition based on a hierarchical model | |
CN111881775A (zh) | 一种人脸实时识别方法和装置 |
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 |