跌倒检测

摘要： 为减少跌倒对老年人造成的身心伤害,设计了一套跌倒检测系统.将跌倒检测装置佩戴在老年人腰间,传感器可以实时采集老年人日常活动数据,检测系统根据采集到的数据通过阈值分类和支持向量机分类器双重检测识别老年人是否跌倒.该系统检测算法在设计时综合了阈值分类检测的高效性和支持向量机分类检测的准确性.一旦老年人跌倒,检测系统能够第一时间发送求救信号给120急救中心及监护人.实验表明,当有跌倒行为发生时,系统能及时报警,准确率达到预期效果.

摘要： 跌倒所带来的伤害威胁着老年人的生命安全。为实时监控造成人体严重损伤的跌倒行为,提出一种毫米波雷达的实时检测方法。首先对位置坐标序列进行均值滤波,然后通过分段线性拟合得到被监测对象的近似运动规律,由此计算目标在高度和水平方向的平均速度及水平距离变化量并与相应阈值进行比较,实现跌倒判断和分类。实验结果显示,跌倒检测的准确率为95.4%。其中,行走时跌倒的识别准确率为100%;蹲下时跌倒和起身时跌倒的识别率分别为85.71%和80%。与仅设置高度变化率为阈值的方法相比,设置多阈值使跌倒检测和方式识别的准确率分别提升了14.6%和23.5%。

摘要： 针对老年人跌倒后不能得到及时救助带来的伤害,研究跌倒检测算法和及时告警,可以减轻跌倒给老年人带来的严重危害和后果。为了提高跌倒检测精确度和实时性,本文提出基于双向长短期记忆神经网络的可穿戴跌倒检测算法,该算法可以对输入的数据(取自惯性传感器)自动提取跌倒行为内部更深层的数据特征,实现数据从预处理到检测结果的过程处理。算法模型通过神经网络提取加速度传感器的特征向量,并利用双向长短期记忆神经网络进行跌倒检测。通过跌倒公开数据集SisFall验证算法模型,结果表明该算法在SisFall实验数据集上具备较高的检测精度,满足准实时检测要求,具有较好的实用性和较强的泛化能力。

摘要： 针对当前可穿戴跌倒检测系统存在的精度低、隐私保护性差等问题,设计并实现了一款高精度、低延时的跌倒检测系统.首先使用Arduino Nano 33 BLE开发板为检测装置的主控部件,借助专门针对物联网场景的轻量级开源机器学习框架TensorFlow Lite,设计了采用主成分分析PCA结合人工神经网络ANN的跌倒检测算法(简称PCA-ANN);其次使用TensorFlow框架对网上公开的跌倒数据集进行模型的训练和转化,并将模型部署到嵌入式跌倒检测终端;最后使用得到的跌倒检测装置对志愿者进行实际环境的跌倒检测实验,实验结果表明系统的跌倒检测准确率达到了99.04%,敏感度和特异性分别为97.57%和99.58%.该系统利用边缘计算技术完成了在计算能力和存储单元受限的嵌入式设备上运行深度学习的任务,将这项技术应用到可穿戴跌倒检测装置中,为后续的研究提供了资料.相比现存的需要进行云端数据传输的跌倒检测系统,本系统还具有低延时和高精度的特点,同时消除了用户隐私方面的隐患,适合老年人佩戴.

摘要： 随着现代社会老龄化程度的不断加深,老人的出行安全也越发受到重视。因此本文设计了一种智能拐杖,旨在解决老年人出行难,出行危险等问题,为老年人出行提供方便。本设计包含老人的心率以及体温测量、测速、定位、定时、无线通信、报警、液晶显示、探照、喇叭提示等功能,且设计精妙合理。该拐杖既可以实时获取老人的位置以及生理信息,又包含跌倒检测、一键报警、无线通信等功能,本设计功能强大,人性化,整体上能够满足老年人的出行需要,能给老人的出行带来极大的便利。

摘要： 近些年,老年人的健康问题越来越受到重视,跌倒作为影响老年人健康安全问题的主要原因之一,其研究热度一直居高不下,高质量的跌倒检测算法层出不穷。总结了跌倒检测的研究意义和现有的热门研究方法,分别从单一算法和混合算法的角度概述基于阈值、机器学习与深度学习三个方面的跌倒检测算法,介绍各算法的检测方式、判定方式、总体性能和各类单一算法的优缺点,并且从时间、空间和时空三重维度重点阐述了卷积神经网络在跌倒领域发挥的显著作用及应用;同时介绍了跌倒检测算法所使用的数据集及其特点,便于研究者了解跌倒检测在阈值、机器学习与深度学习方面的最新研究进展。最后,对跌倒检测算法所面临的挑战及未来发展进行了展望。

摘要： 针对跌倒检测算法中存在网络计算量大和类跌倒行为难以区分的问题,提出一种基于关节点特征的跌倒检测算法。首先,在目前先进的CenterNet算法基础上提出了深度可分离卷积CenterNet(DSC-CenterNet)关节点检测算法,从而在减少骨干网络计算量的同时准确检测人体关节点并获取关节点坐标;然后,基于关节点位置和人体先验知识来提取可充分表达跌倒行为的空间特征和时间特征作为关节点特征;最后,把关节点特征向量输入全连接层,并经Sigmoid分类器输出跌倒或非跌倒两种类别,从而实现人体目标的跌倒检测。实验结果表明,所提算法在UR Fall Detection数据集上对不同状态变化下跌倒检测的平均准确率达到98.00%,区分类跌倒行为的准确率达到98.22%,跌倒检测速度为18.6 frame/s。与原CenterNet结合关节点特征跌倒检测的算法相比,DSC-CenterNet结合关节点特征算法的跌倒检测速度提升了22.37%,提高后的速度可有效满足视频监控下人体跌倒检测任务的实时性。该算法能有效提高跌倒检测速度并对人体跌倒状态进行准确检测,且进一步验证了基于关节点特征的跌倒检测算法在视频跌倒行为分析中的可行性与高效性。

摘要： 为降低老人跌倒的伤残率和死亡率,通过可穿戴式装置采集运动数据,结合阈值法与模式识别算法的优点提出一种基于姿态融合的联立判别跌倒检测算法,并引入云技术与微信小程序设计一种便捷可行的跌倒检测系统。该系统首先通过互补滤波对原始数据进行预处理,解决因陀螺仪低频特性差和加速度计高频特性差导致解算姿态不准确的问题,然后通过阈值法对可疑跌倒行为进行判断,过滤掉大部分日常活动,当检测到可疑行为时,再启动SVM算法进行跌倒识别。实验结果表明,采用该系统进行跌倒检测识别的正确率达到90.1%,灵敏度达到91.2%,特异度达到89.4%,且漏报率与误报率较低,分别只有8.8%和10.6%。

摘要： 为了加强对老年人的监护、降低跌倒带来的安全风险,提出了一种新的基于Res2Net-YOLACT和融合特征的室内跌倒检测算法。首先,通过融入Res2Net模块的YOLACT网络来提取视频图像序列中的人体轮廓;然后,利用两级判断的方法做出跌倒决策,其中一级判别通过运动速度特征粗略判断是否发生异常状态,二级通过融合人体形状特征和深度特征的模型结构对人体姿势进行判别;最后,当检测出跌倒且发生时间大于阈值时,发出跌倒报警。实验结果表明,该跌倒检测算法可以在复杂的场景下很好地提取到人体轮廓,对光照的鲁棒性较好,并且检测速度可达每秒28帧,能满足实时检测要求。此外,融入手工特征后的算法分类性能表现更优,分类准确率达98.65%,比卷积神经网络(CNN)特征算法提升了1.03个百分点。

摘要： 近年来行人跌倒检测变得越来越重要,因为准确及时的跌倒检测可以帮助跌倒者获得紧急救援。针对复杂场景中由于光照变化、遮挡和尺度变化等导致检测性能下降的问题,提出一种实时、鲁棒的跌倒检测算法。首先采用YOLO v3目标检测模块完成行人检测;然后在跟踪模块中对每个跟踪的边界框提取深层特征后,运用数据增强和重检测技术提高光照变化下的检测精度,并引入注意力机制子网络应对被遮挡目标的检测;最后跌倒判断模块对行人姿态进行判断,完成实时跌倒检测和报警。在Cityperson数据集、Montreal fall数据集和自建数据集上的实验结果表明,行人检测算法的检测精度达到87.05%,跌倒算法的检测精度达到98.55%,时延在120 ms以内,且在光照变化和遮挡影响下依然能获得良好的性能。

摘要： 近年来,数据多媒体技术在我国各个行业中得到广泛的应用,并成为我国建设智慧城市的主要技术手段.目前视频监控是保障城市与居民安全的重要部分,本文研究了一种基于视频监控的行人跌倒检测算法,在原始CodeBook算法基础上做出改进,增强了算法对一些特定干扰的适应性;在此基础上设计实现了面向老人的跌倒智能检测系统.通过实际现场测试,可对监控视频中的养老院等老人进行实时跟踪,并判断是否发生了意外跌倒,准确率达85％以上.

摘要： 针对传统(codebook)算法在户外因背景复杂、环境光线较暗和采集设备噪点等干扰导致的监控视频中老人跌倒检测准确度低与时间复杂度高的问题,提出了一种基于改进codebook算法的老人跌倒检测方法.该算法选择YUV空间模型替换传统的RGB模型,通过在码本训练过程中改进颜色扭曲度参数和亮度条件判定公式来改善低亮度区域误检问题,同时采用模块化的方法来解决复杂天气(雨雪、大风等天气)和噪点对前景提取的干扰问题,并在码本匹配环节使用二次码本匹配方法提高算法的检测效率.该方法在不同视频数据库上进行检测,准确率达到87.35％,通过与以往的实验结果比较,算法在跌倒检测方面有较好的实时性和准确性.

摘要： 跌倒检测设备是老年人伴护系统的重要组成之一，跌倒检测设备主要通过采集人体在前后左右上下多个方向上的加速度变化来识别人体的跌倒状况。但是通常跌倒检测设备都不能按理想的情形，即传感器自身坐标系与人体运动坐标系重合，穿戴在监护对象身上，从而导致在加速度数据采集后计算分析时产生误差。设计了一款基于3D加速度传感器MMA7260的跌倒检测设备。通过电压补偿和坐标系变换的方法对传感器采样数据进行校准。经过实验分析，提出的方法可以准确的将采集数据从传感器坐标系转换到人体运动坐标系，更好的体现了人体运动过程中的体位变化。

摘要： 本项目实现了一种用于用户健康信息智能化管理的智慧医疗系统,整个系统由3部分组成:基于.NET技术与C#编程的智慧家庭健康医疗系统服务器应用软件、基于SVM的老人跌倒实时检测报警系统、基于ARM架构的综合网关.

摘要： 本项目实现了一种用于用户健康信息智能化管理的智慧医疗系统,整个系统由3部分组成:基于.NET技术与C#编程的智慧家庭健康医疗系统服务器应用软件、基于SVM的老人跌倒实时检测报警系统、基于ARM架构的综合网关.

摘要： 本项目实现了一种用于用户健康信息智能化管理的智慧医疗系统,整个系统由3部分组成:基于.NET技术与C#编程的智慧家庭健康医疗系统服务器应用软件、基于SVM的老人跌倒实时检测报警系统、基于ARM架构的综合网关.

摘要： 本项目实现了一种用于用户健康信息智能化管理的智慧医疗系统,整个系统由3部分组成:基于.NET技术与C#编程的智慧家庭健康医疗系统服务器应用软件、基于SVM的老人跌倒实时检测报警系统、基于ARM架构的综合网关.

摘要： 本项目实现了一种用于用户健康信息智能化管理的智慧医疗系统,整个系统由3部分组成:基于.NET技术与C#编程的智慧家庭健康医疗系统服务器应用软件、基于SVM的老人跌倒实时检测报警系统、基于ARM架构的综合网关.

摘要： 本项目实现了一种用于用户健康信息智能化管理的智慧医疗系统,整个系统由3部分组成:基于.NET技术与C#编程的智慧家庭健康医疗系统服务器应用软件、基于SVM的老人跌倒实时检测报警系统、基于ARM架构的综合网关.

摘要： 本发明公开了一种用于跌倒检测的鞋及其跌倒检测方法和装置，其中装置包括：压力传感器，设置在鞋的底部，用于检测人对鞋产生的压力；第一光敏传感器，设置在所述鞋的鞋底，用于检测投射到鞋底的光；报警器，用于在穿所述鞋的人跌倒的情况下发出报警提示；控制器，与所述压力传感器、所述第一光敏传感器和所述报警器分别连接，用于在根据所述压力传感器和所述第一光敏传感器检测到的信号控制所述报警器进行报警。本发明通过采用第一光敏传感器检测鞋底的光线和压力传感器检测鞋底的压力，可以结合鞋底光线变化以及鞋底的压力变化来判断人是否跌倒，从而在不影响检测准确性的基础上，降低了误判概率，而且适用于任何鞋。

摘要： 跌倒检测装置及方法：检测用户的加速度及所在环境的气压；将加速度及气压的检测值与检测时刻对应存储；提取加速度超过第一阈值的第一时刻；提取第一时刻前的达到最小加速度值的第二时刻；提取第二时刻前的加速度的检测值达到第二阈值的第三时刻；当第一时刻与第三时刻的时间差为第三阈值以上,则判断为满足第一条件；获取第一时刻的第三规定时间后的规定的时间间隔内的时刻的气压检测值或该规定的时间间隔内的气压平均值作为第一值；获取第三时刻前的第四规定时间的时刻的气压检测值或第四规定时间内的气压平均值作为第二值；当第一值与第二值之差为第四阈值以上,则判断为满足第2条件。该跌倒检测装置及方法能够快速、准确地进行跌倒检测。

摘要： 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。

摘要： 本发明提供了一种跌倒检测系统，包括：数据获取装置，用于获取用户的人体状态数据或环境数据；控制装置，与所述数据获取装置通信连接，所述控制装置包括：跌倒报警单元，基于从所述数据获取装置传送的人体状态数据判断人体是否跌倒，若判断人体处于跌倒状态则发送报警信息至报警接收端；报警解除单元，所述报警解除单元能够响应于解除指令而将报警解除信息发送至报警接收端。本发明系统设计简单，安全性高，解除警报的操作方便，有效解决了用户因为系统报警误判而造成不必要的恐慌，跌倒检测的准确度较高。

摘要： 一种能够减少误检测的跌倒检测装置，具备：三轴加速度传感器，采集三轴加速度数据；以及检测部，检测被检测对象是否发生冲击。该跌倒检测装置还具有对与地面垂直的方向上的Y轴加速度值进行连续监测的误检测防止部，针对已检测到的所述冲击，若所述Y轴加速度值在取下判定期间内出现小于第一阈值的情况，则所述误检测防止部判断为所述跌倒检测装置从所述被检测对象上被取下，所述取下判定期间处于所述冲击发生时间之前，且与所述冲击发生时间存在规定时间间隔。

摘要： 本发明公开了一种跌倒检测方法、跌倒检测装置、计算机设备和介质，其中一实施例的跌倒检测方法包括：使用跌倒检测模型对接收的RGB待测视频进行检测并输出第一检测结果，包括：使用关键点检测模型对第一组图像进行关键点检测并生成关键点热图，所述第一组图像为按照第一预设间隔从所述RGB待测视频中提取的图像；根据所述关键点热图生成关键点数据张量，使用第一三维卷积网络对所述关键点数据张量进行数据处理并输出第一结果张量；使用全连接网络对所述第一结果张量进行数据处理并输出第一检测结果；将所述第一检测结果和预设置的跌倒检测阈值进行比对并输出跌倒检测结果。本发明提供的跌倒检测方法能够准确地实现跌倒检测，具有实际应用价值。

摘要： 本申请涉及智能家电技术领域，公开一种用于跌倒检测的方法，包括：获取室内人员的状态；在初步判定室内人员处于跌倒状态的情况下，控制移动设备移动至室内人员所在位置；控制移动设备获取室内人员影像信息；根据影像信息，确定室内人员是否处于跌倒状态。通过带有检测功能的设备获取室内人员的状态，在判定室内用户当前可能处于跌倒状态的情况下，控制移动设备进行进一步的识别确认。移动设备移动至室内人员所在位置后，从多角度获取室内人员的影像信息，进一步确定室内人员是否处于跌倒状态。以确保摄像头可以准确的获取到用户的当前状态，提升跌倒检测系统的适用性。本申请还公开一种用于跌倒检测的装置及跌倒检测系统、存储介质。

摘要： 本发明涉及智能检测技术领域，提出了实时跌倒检测模型训练方法、实时跌倒检测方法及装置，实时跌倒检测模型训练方法包括采集实验者行为数据M，包括跌倒数据、日常活动数据和平躺数据；建立DEEP‑GRU神经网络模型，并使用实验者行为数据M训练DEEP‑GRU神经网络模型；根据实验者行为数据M构建三维标签矩阵N；将三维标签矩阵N输入到DEEP‑GRU神经网络模型中，优化DEEP‑GRU神经网络模型，得到实时跌倒检测模型。通过上述技术方案，解决了现有技术中的实时跌倒检测准确率低的问题。

摘要： 根据一方面，提供了一种跌倒检测装置，所述跌倒检测装置包括一个或多个处理单元，所述一个或多个处理单元被配置为：获得第一输入，所述第一输入指示多种跌倒检测算法中的哪一种或多种跌倒检测算法检测到对象的潜在跌倒，其中，所述多种跌倒检测算法的每种跌倒检测算法与相应类型的跌倒相关联，并且通过分析针对所述对象的一组移动测量结果来检测相关联的类型的潜在跌倒，其中，每种相应类型的跌倒具有所述对象的相关联的初始状态；获得第二输入，所述第二输入指示潜在跌倒之前的对象的状态，其中，通过分析来自对象的环境中的一个或多个传感器的一组测量结果来确定对象的状态；将潜在跌倒之前的所述对象的所确定的状态与针对和在第一输入中所指示的任何潜在跌倒相关联的每种类型的跌倒的所述初始状态进行比较；并且如果对象的所确定的状态与在所述第一输入中所指示的任何潜在跌倒相关联的任何相应类型的跌倒的初始状态相匹配，则输出所述对象已经跌倒的指示。

摘要： 本发明公开了一种跌倒检测系统及其基于深度图像的跌倒检测方法，其中所述跌倒检测系统，包括一图像读取装置，所述图像读取装置读取并预处理深度图像；和一坐标处理单元，所述坐标处理单元接收到所述图像读取装置的深度图像信息，计算处理坐标信息，并根据坐标信息计算各个关节点的速度和加速度，通过判断上述特征信息，判断是否处于跌倒状态。利用深度图像进行运动检测、行为识别与跌倒检测，具有隐私保护的独特优势，能够在较注重隐私的室内进行全天候监护，且不受光照干扰。