CN115778374A - 一种跌倒检测方法及系统 - Google Patents

Abstract

本发明公开了一种跌倒检测方法及系统，包括：通过MEMS热电堆红外阵列传感器获取热图像，对热图像进行图像滤波处理，获得低噪图像；基于低噪图像获得锁定区域；通过菲涅尔透镜、热释电红外传感器获得热红外信号，得到体动信息；基于体动信息与锁定区域的相关信息判断跌倒事件是否发生，若发生则立即报警。本发明中提出MEMS热电堆红外阵列传感器和热释电红外传感器结合的非接触式浴室跌倒检测仪，实现非接触式的浴室跌倒检测；低通滤波、二次边界扫描、统计分析相结合的浴室跌倒检测算法，有效排除干扰，提高准确性；易于实现，可广泛用于家庭浴室跌倒检测，具有低成本、不用穿戴、不引人注目、无侵入性和隐私安全保障等优点。

Description

一种跌倒检测方法及系统

技术领域

本发明属于浴室安全告警领域，特别是涉及一种跌倒检测方法及系统。

背景技术

65岁及以上的人更容易跌倒，65岁以上者摔倒的风险为28％-35％。全世界老年人占总人口的比例大于10％，并且正在逐渐增加。据世界卫生组织(WHO)统计，每年约有30％的老年人因跌倒而受伤，意外摔倒占很大比例。其中，浴室跌倒是最常见的跌倒事件之一，因此检测老年人跌倒事件的技术和能力非常重要。

目前，可采用低分辨率红外(IR)传感器实现跌倒检测，具有低成本、不用穿戴、不引人注目、无侵入性和隐私安全保障等一系列优点。然而，如果红外像素数量较少且视场(FOV)较小，例如60°*60°FOV的8*8像素、120°*25°FOV的16*4像素或33°*33°FOV的32*32像素，分辨率和灵敏度将较低。因此，这些红外传感器只能应用于局部跌倒检测。因此，在隐私安全和图像分辨率之间寻求平衡，以及在监控区域和传感器视场之间找到折衷方案，是非常重要的。此外，老年人的体动与跌倒判断密切相关，然而，由于低分辨率热电堆红外传感器的热图像没有差异，因此很难检测到老年人的小体动。

热释电红外(PIR)传感器是一种有用的运动检测器，它对人体运动引起的红外辐射变化(IRC)非常敏感。热释电红外传感器的优点类似于热电堆IR传感器，但热释电红外传感器无法在跌倒发生之前或之后测量热像图。缺乏人体轮廓识别的体动图可能会导致跌倒检测的错误判断。因此，单个传感器，如IR或热释电红外传感器，很难胜任跌倒检测，应将两个或多个传感器组成多传感器融合系统，以提高跌倒检测的准确性。

发明内容

本发明的目的是提供一种跌倒检测方法及系统，以解决上述现有技术存在的问题。

为实现上述目的，本发明提供了一种跌倒检测方法，包括：

获取热图像，对所述热图像进行图像滤波处理，获得低噪图像；基于低噪图像获得锁定区域；获取体动信息；所述体动信息包括体动数据、体动时间；基于所述体动信息与所述锁定区域的相关信息判断跌倒事件是否发生，若发生则立即报警。

可选的，采用一阶低通滤波器进行所述图像滤波处理。

可选的，所述锁定区域的获取过程包括：在所述热像图上标记温度点，去除热像图中超出阈值的温度点；基于所述热像图中温度的最高值与最低值，设置温度阈值；基于边界扫描进行块处理，获得锁定区域，其中，锁定区域为进行块处理后热图像中最大的块。

可选的，所述边界扫描包括第一边界扫描、第二边界扫描；第一边界扫描采用边界扩展和逐行扫描，对温度高于温度阈值低于最高值的温度点进行标记，获得标记有块号的热图像；第二边界次扫描的过程包括：判断块号大于0的各个区域是否相邻，若存在相邻情况，则进行区域合并；同一区域的块号均更改为区域内最小块号，消除相邻区域块号标记的不同。

可选的，所述跌倒事件的判断过程包括：获取所述锁定区域所有点的横坐标与纵坐标的平均值，基于所述平均值获得锁定区域的中心坐标，基于所述中心坐标判断锁定区域是否稳定；若稳定，则基于锁定区域的相关信息与体动数据判断是否存在下跌动作；若存在下跌动作，且体动时间超出预设范围，则判断为跌倒事件，其中，相关信息包括平均温度差、锁定点数、位移信息、欧式距离。

可选的，所述锁定区域的获取过程还包括：经过块处理的图像，保留面积最大的块，删除其他识别出的高温块。

本发明还提供了一种跌倒检测系统，其特征在于，包括：

电源子系统、处理器子系统、传感器子系统；

所述电源子系统用于为其他子系统提供电源电压，所述电源子系统包括DC/DC转换器、低压差调节器和电源适配器；

所述传感器子系统用于获取热像图与体动信息；

所述处理器子系统基于热像图与体动信息判断是否存在跌倒事件，并在跌倒事件发生时进行远程跌倒报警；

所述电源子系统分别与所述处理器子系统、所述传感器子系统连接，所述传感器子系统与所述处理器子系统连接。

可选的，所述传感器子系统包括热像图获取单元、体动信息获取单元，其中，所述体动信息获取单元用于获取热红外信号的变化，所述体动信息获取单元包括菲涅尔透镜和热释电红外传感器，所述热像图获取单元包括MEMS热电堆红外阵列传感器。

可选的，所述跌倒检测系统采用双面胶带粘贴的方式安装在墙上，高度为距地面1.8米。

本发明的技术效果为：

本发明提出MEMS热电堆红外阵列传感器和热释电红外传感器结合的新型非接触式浴室跌倒检测仪，实现了非接触式的浴室跌倒检测。

本发明提出低通滤波、二次边界扫描、统计分析相结合的浴室跌倒检测算法，可有效减少阳光、光线、热水等引起的异常干扰的影响，提高检测准确性。

本发明提出的跌倒检测算法易于在边缘计算处理器中实现，可广泛用于家庭浴室跌倒检测，具有低成本、不用穿戴、不引人注目、无侵入性和隐私安全保障等优点。

附图说明

构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本发明实施例中的浴室跌倒检测仪框架图；

图2为本发明实施例中的浴室跌倒检测仪及视场图；

图3为本发明实施例中的站立和跌倒的侧视图；

图4为本发明实施例中的第一次边界扫描结果示意图；

图5为本发明实施例中的第二次边界扫描结果示意图；

图6为本发明实施例中的跌倒前锁定区域示意图；

图7为本发明实施例中的跌倒前与跌倒后锁定区域对比图。

具体实施方式

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

实施例一

如图1-7所示，本实施例中提供一种跌倒检测方法及系统，包括：

用于浴室跌倒监控的智能跌倒检测仪的系统框架如图1所示，其中主要包括三个子系统，即电源子系统、处理器子系统和传感器子系统。

(1)电源子系统：DC/DC转换器、低压差调节器(LDO)和电源适配器用于为其他子系统提供适当的电源电压。

(2)处理器子系统：选用STM32F411 ARM作为边缘计算MCU，具有足够的资源实现浴室跌倒检测算法。USB接口用于连接电脑，WiFi模块用于实现物联网通信和远程跌倒报警。三色LED指示灯用于显示跌倒检测结果。

(3)传感器子系统：热释电红外传感器用于检测体动，当检测到体动时，它将输出高电平，否则它将输出低电平。采用MEMS热电堆红外阵列传感器获取热像图，以判断浴室是否发生跌倒事件。一旦检测到跌倒，则指示灯亮起红色并发出远程报警，否则不亮。

实施例中，选用森霸传感技术有限公司生产的AS312和8102-2作为热释电红外传感器和菲涅耳透镜。菲涅尔透镜的功能如下：首先，它用于聚焦光和滤除非红外波段的光。其次，将检测区域划分为若干亮区和暗区，使进入检测区域的运动物体能够以温度变化的形式在热释电红外传感器上产生热红外信号的变化。它的探测距离约为5m，视场为120°。

选择HEIMANN sensor GmbH制造的HTPA32x32dR2L2.1/0.8F5.0HiC作为MEMS热电堆红外阵列传感器，它通过I2C总线以每秒最多5帧的速度输出90°*90°视场32*32像素的绝对温度分布。它具有高精度和低成本的特点。热释电红外传感器和MEMS热电堆红外阵列传感器的固定倾角均为45°，因此探测器可以更好地检测前部下方区域是否有人类活动或跌倒，如图2所示，探测器用双面胶带安装在墙上。对于浴室应用，探测器的固定高度设置为1.8m。结合倾角和视场，计算出探测面积约为1.8m*1.8m(宽*长)。考虑到边缘效应，实际有效监测区域约为1.2m*1.5m。通常，浴室的湿区域很滑、容易滑倒，因此探测器应安装在浴室的湿区。事实上，湿区的面积通常小于1.2m*1.5m，因此探测器的监测范围是足够的。

图3显示了站立和跌倒的侧视图。很明显，在摔倒之前，人体会出现在热图像的中上部。然而，跌倒后会出现在热图像的中下部。这意味着热图像中锁定身体区域的中心将向下移动，并且锁定身体区域将随着距离的增加而略微减小。因此，热图像中锁定身体区域的变化可用于跌倒检测。与安装在天花板上的探测器相比，安装在墙壁上的探测器具有以下优点：(1)墙壁上的湿度低于天花板上的湿度，从而提高了可靠性；(2)检测仪易于安装。(3)检测原理更简单。

浴室跌倒检测识别方法如下：

(1)图像滤波处理

MEMS热电堆红外阵列传感器通过I2C总线以每秒5帧的速度输出32*32像素的绝对温度分布，这意味着有1024个目标温度值和1个环境温度值，最大采样率f_s为5Hz。由于温度信号容易受到环境噪声的干扰，因此在热图像识别之前需要对噪声进行滤波。采用一阶低通滤波器，其离散域传递函数如(1)所示。

其中，x[k]和y[k]分别是第k个输入信号和输出信号。z是离散变换的算子，ω_l是一阶低通滤波器的截止角频率，由于温度变化缓慢，因此将其设置为1rad/s。因此，截止频率为0.16Hz。

(2)锁定人体区域

人体的温度通常高于背景温度，因此为了识别身体部位，必须先标记高温点。同时，为了消除极高或极低温度点带来的影响，将去除高于40℃或低于0℃的温度点，然后剩余温度点的最大值和最小值可分别计算为T_max和T_min。因此，二者的平均值被设置为温度阈值T_th，用于区分高温点和低温点。因此，可选择大于T_th且小于T_max的高温点，用大于0的块号标记。假设T是当前红外温度阵列，其大小为32*32。这里，块处理使用两次边界扫描算法，主要包括三个步骤：

第一次边界扫描：将M定义为标签数组，M中元素的初始值均为0。此处采用边界扩展和逐行扫描，M的大小为34*34。同时，将bn定义为块号，其初始值为1。因此，对于行索引r(1≤r≤32)和列索引c(1≤c≤32)新的数据集S1可定义为{M[r-1][c-1],M[r-1][c],M[r-1][c+1],M[r][c-1],M[r][c+1],M[r+1][c-1],M[r+1][c],M[r+1][c+1]}。然后，去除集合S1中的0和重复值以形成新的集合S2。如果S2为空集，则将bn赋给M[r][c]，然后bn更新为(bn+1)。否则，S2中的最小值将赋给M[r][c]。同时，如果S2的元素个数大于1，这意味着这些块连接在一起，则S2将添加到初始值为空的关系表R中。因此，R由一系列集合组成，伪代码如(2)所示。

第二次边界扫描：第一次边界扫描后，可能会有一些相邻点标记有不同的块号，如图4所示，块3、4和5连接在一起。事实上，这些相邻块应该组合在一起，它们属于同一块。因此，第二次边界扫描主要用于处理关系表R。首先，比较R中的所有元素，如果任意两个元素的交集不为空，则合并它们以形成并集。其次，对于R中的每个元素，选择对应于同一集合中所有块号的点，然后将它们的标签更改为集合的最小块号。这样，在R中的每个元素被处理后，相邻块被合并在一起。如图5所示，将块3、4和5合并在一起，最后的块号为3。伪码如(3)所示。其中，计数器数组cnt用于记录每个块中的点数，其初始值为0。

由于环境的影响，可能会识别到几个高温块，但一般情况下，对应于人体的块的面积最大，因此最终只保留面积最大的块，其他识别出的高温块将全部删除。伪代码如(4)所示。其中，id是最大块的索引(即块号)。如图6所示，可以看到块1、2和6已被删除，只有块3保留。除了红外图像识别外，热释电红外传感器输出的信号被组合在一起以判断是否有人。如果红外图像处理后出现锁定的潜在人体区域，则将进行跌倒识别。

(3)跌倒识别判断

锁定潜在的人体区域后，可通过分别求解锁定区域中所有点的横坐标和纵坐标的平均值来获得锁定区域的中心坐标(X_c,Y_c)。相应地，相邻时刻(即相邻帧)的中心坐标差计算为(dX_c,dY_c)。因此，最近5个中心坐标的标准偏差可以计算为(stdX_c,stdY_c)。这意味着使用最近1秒的数据进行统计分析，因为f_s是5Hz。如果stdX_c和stdY_c均小于1，且dX_c与dY_c的绝对值均小于2，则表明锁定的身体区域是稳定的，该时刻称为稳定时刻。可通过求最近5个中心坐标的平均值来更新锁定区域的稳定中心坐标(SX_c,SY_c)。如果锁定的人体区域稳定，flag_stable设置为1，否则设置为0，并且(SX_c,SY_c)不会更新，如(5)所示。类似地，定义相邻稳定时刻的稳定中心的坐标差为(dSX_c,dSY_c)。

假设TSo和TSn分别是相邻稳定时刻的上一个和当前红外温度阵列，其大小均为32*32。可通过欧氏距离(ED)评估相邻稳定时刻新锁定区域的温度变化，如(6)所示。

另一方面，锁定区域的平均温度可计算为T_c，锁定点数为N_c。同样，如果锁定的身体区域稳定，T_c和N_c将更新，否则保持不变。相邻稳定时刻锁定区域的平均温度差被记录为dT_c，而相邻稳定时刻的锁定点数之比(当前一个除以前一个)被记录为RN_c。SPIR是热释电红外传感器的输出，如果出现人体活动，SPIR为1，且持续2秒以上，否则为0。如果满足条件(7)，则存在下跌动作，并将flag_action设置为1。

其中，LY是锁定区域在y轴方向上的上一个跨度。通常，下跌后在y轴方向上有较大的位移，而在x轴方向上的位移相对较小。因此，如果有人跌倒，dSX_c的绝对值应小于LY/3，而dSY_c的绝对数值应大于LY/2。此外，跌倒前后锁定区域的平均温度差应小于2℃。跌倒后的锁定点数应小于跌倒前的锁定点数，但RN_c必须大于0.5，如图7所示。同时，由于身体面积有限，N_c应大于20且小于200。此外，稳定中心不能靠近边界，因此SX_c应大于1且小于30。为了消除残余热水或其他现有热源的影响，ED应大于10。如果ED较小，则意味着新锁定区域在上一个稳定时刻已经存在，这是一个不合理的跌倒变化。

在flag_action变为1的初始时刻，相应的T_c和N_c分别记录为T_c0和N_c0。一旦flag_action和flag_stable均等于1，启动定时器记录持续时间t_d，同时基于热释电红外传感器监测人体活动，并计算最近1分钟内体动的时间t_ac。因此，如果满足条件(8)，则存在跌倒事件，flag_fall设置为1。

即如果锁定的人体区域稳定(例如中心位移不大于2)、锁定区域的平均温度变化不大于2℃、锁定区域面积变化不超过1/3、并且最近1分钟内体动的时间t_ac不大于20秒，则存在人体跌倒事件，flag_fall设置为1、并且立刻报警。如果满足条件(9)，则下跌动作消失，flag_action和flag_fall都设置为0。

即如果锁定的人体区域不稳定(例如中心位移大于2)，或者持续时间t_d大于120秒，或者锁定区域的平均温度变化大于2℃，或者锁定区域面积变化超过1/3，则flag_action应置零。因此，应用这些约束条件可抑制地面上残留热水或其他因素的影响。

一般来说，如果热像向下移动后体动很多，就意味着目标对象可能蹲下来洗澡，或摔倒后挣扎爬起或做其他事情，因此在这些情况下无需报警。只有当热像在向下移动后基本稳定，并且在1分钟内体动较少时，才能将其识别为跌倒事件。此外，体动检测可减少阳光、光线、热水等引起的异常干扰的影响。因此，本实施例中引入了热释电红外传感器进行辅助判断，可进一步减少误判。

本实施例提出MEMS热电堆红外阵列传感器和热释电红外传感器结合的新型非接触式浴室跌倒检测仪，实现了非接触式的浴室跌倒检测。

本实施例提出低通滤波、二次边界扫描、统计分析相结合的浴室跌倒检测算法，可有效减少阳光、光线、热水等引起的异常干扰的影响，提高检测准确性。

本实施例提出的浴室跌倒检测算法易于在边缘计算处理器中实现，可广泛用于家庭浴室跌倒检测，具有低成本、不用穿戴、不引人注目、无侵入性和隐私安全保障等优点。

以上所述，仅为本申请较佳的具体实施方式，但本申请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申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应该以权利要求的保护范围为准。

Claims (9)

1.一种跌倒检测方法，其特征在于，包括以下步骤：

获取热像图，对所述热像图进行图像滤波处理，获得低噪图像；基于低噪图像获得锁定区域；获取体动信息；所述体动信息包括体动数据、体动时间；基于所述体动信息与所述锁定区域的相关信息判断跌倒事件是否发生，若发生则立即报警。

2.根据权利要求1所述的跌倒检测方法，其特征在于，

采用一阶低通滤波器进行所述图像滤波处理。

3.根据权利要求1所述的跌倒检测方法，其特征在于，

所述锁定区域的获取过程包括：在所述热像图上标记温度点，去除热像图中超出阈值的温度点；基于所述热像图中温度的最高值与最低值，设置温度阈值；基于边界扫描进行块处理，获得锁定区域，其中，锁定区域为进行块处理后热图像中最大的块。

4.根据权利要求3所述的跌倒检测方法，其特征在于，所述边界扫描包括第一边界扫描、第二边界扫描；第一边界扫描采用边界扩展和逐行扫描，对温度高于温度阈值低于最高值的温度点进行标记，获得标记有块号的热图像；第二边界次扫描的过程包括：判断块号大于0的各个区域是否相邻，若存在相邻情况，则进行区域合并；同一区域的块号均更改为区域内最小块号，消除相邻区域块号标记的不同。

5.根据权利要求1所述的跌倒检测方法，其特征在于，

所述跌倒事件的判断过程包括：获取所述锁定区域所有点的横坐标与纵坐标的平均值，基于所述平均值获得锁定区域的中心坐标，基于所述中心坐标判断锁定区域是否稳定；若稳定，则基于锁定区域的相关信息与体动数据判断是否存在下跌动作；若存在下跌动作，且体动时间超出预设范围，则判断为跌倒事件，其中，相关信息包括平均温度差、锁定点数、位移信息、欧式距离。

6.根据权利要求3所述的跌倒检测方法，其特征在于，所述锁定区域的获取过程还包括：经过块处理的图像，保留面积最大的块，删除其他识别出的高温块。

7.一种跌倒检测系统，其特征在于，包括：

电源子系统、处理器子系统、传感器子系统；

所述电源子系统用于为其他子系统提供电源电压，所述电源子系统包括DC/DC转换器、低压差调节器和电源适配器；

所述传感器子系统用于获取热像图与体动信息；

所述处理器子系统基于热像图与体动信息判断是否存在跌倒事件，并在跌倒事件发生时进行远程跌倒报警；

所述电源子系统分别与所述处理器子系统、所述传感器子系统连接，所述传感器子系统与所述处理器子系统连接。

8.根据权利要求7所述的一种跌倒检测系统，其特征在于，

所述传感器子系统包括热像图获取单元、体动信息获取单元，其中，所述体动信息获取单元用于获取热红外信号的变化，所述体动信息获取单元包括菲涅尔透镜和热释电红外传感器，所述热像图获取单元包括MEMS热电堆红外阵列传感器。

9.根据权利要求7所述的一种跌倒检测系统，其特征在于，所述跌倒检测系统采用双面胶带粘贴的方式安装在墙上，高度为距地面1.8米。

Images