【技术实现步骤摘要】
基于视频的跌倒风险评价系统优先权要求及相关专利申请本申请根据35U.S.C.119(e)，要求美国临时专利申请62/786,541的优先权，标题为“隐私保护跌倒检测方法和系统”，专利技术人为吴谦伟、王星、郑健楠、区峻康、陈智琮、林冠寰、张栋、埃里克·汉斯、陈鈞杰、欧继雷、马凯伦、吴建兵和卢晔，申请日为2018年12月30日(代理档案号为AVS010.PRV01)。上述申请以其整体并入本文并作为本文的一部分。本申请还涉及在审美国专利申请，该申请名称为“隐私保护跌倒检测方法和系统”，专利技术人为吴谦伟等人，专利申请号为16/672,432，申请日为2019年11月2日(代理档案号为AVS010.US01)。
本申请一般涉及医疗和健康监测领域，具体地，涉及一种用于对人体进行高可靠性并且隐私保护的跌倒检测的系统、设备和技术。
技术介绍
随着全球范围的寿命持续延长，快速老龄化已经成为很多国家面临的严重社会问题。老年人群一般由65岁以上的人群构成。随着老年群体数量的快速增长，对高质量的医疗护理服务的日益增长的需求...
【技术保护点】
1.一种基于视频的跌倒风险评价方法，其特征在于，所述方法包括：/n接收用于跌倒风险评价的一序列视频帧，所述序列视频帧包括正在被监测的个人；/n为所述序列视频帧生成连续的行为标签，包括：对于所述序列视频帧内的每个视频帧：/n估计所述视频帧内的个人的姿态；以及/n将估计姿态划分为一组预定义行为中的给定行为；/n识别所述连续的行为标签内的行为标签子集；/n提取所述序列视频帧内对应于所述行为标签子集的视频帧子集中的所述个人的一组步态特征；以及，/n分析该组已提取步态特征以生成所述个人的跌倒风险评价。/n
【技术特征摘要】
20191102 US 16/672,432;20191230 US 16/731,0251.一种基于视频的跌倒风险评价方法，其特征在于，所述方法包括：
接收用于跌倒风险评价的一序列视频帧，所述序列视频帧包括正在被监测的个人；
为所述序列视频帧生成连续的行为标签，包括：对于所述序列视频帧内的每个视频帧：
估计所述视频帧内的个人的姿态；以及
将估计姿态划分为一组预定义行为中的给定行为；
识别所述连续的行为标签内的行为标签子集；
提取所述序列视频帧内对应于所述行为标签子集的视频帧子集中的所述个人的一组步态特征；以及，
分析该组已提取步态特征以生成所述个人的跌倒风险评价。
2.根据权利要求1所述的方法，其特征在于，在预定义时间阶段期间捕捉所述序列视频帧。
3.根据权利要求2所述的方法，其特征在于，所述预定义时间阶段为一个小时，一天或者一周。
4.根据权利要求1所述的方法，其特征在于，在所述估计所述视频帧内的个人的姿态之前，所述方法还包括：检测所述视频帧内的所述个人。
5.根据权利要求1所述的方法，其特征在于，该组预定义行为包括站立行为、坐下行为、行走行为以及其他所有行为。
6.根据权利要求5所述的方法，其特征在于，所述识别连续的行为标签内的行为标签子集包括：识别所有被划分为所述行走行为的行为标签。
7.根据权利要求1所述的方法，其特征在于，该组步态特征包括如下一项或多项：步数、平均步行时间、单脚或双脚的步行时间方差、速度、节奏、步行平衡以及身体摇摆因数。
8.根据权利要求2所述的方法，其特征在于，所述分析该组已提取步态特征以生成所述个人的跌倒风险评价包括：分析在预定义时间阶段期间内捕捉的所述序列视频帧。
9.根据权利要求1所述的方法，其特征在于，所述分析该组已提取步态特征以生成跌倒风险评价包括：对该组已提取步态特征中的给定已提取步态特征执行一项或多项统计分析。
10.根据权利要求1所述的方法，其特征在于，所述方法还包括：当分析该组已提取步态特征生成所述个人的高跌倒风险评价时，触发并发送至看护者的高跌倒风险警告。
11.一种基于视频的跌倒风险评价系统，其特征在于，所述系统包括：
一个或多个处理器；
连接至所述一个或多个处理器的存储器；
其中所述存储器存储指令，所述一个或多个处理器执行所述指令以使所述系统执行：
接收用于跌倒风险评价的一序列视频帧，所述序列视频帧包括正在被监测的个人；
为所述序列视频帧生...
【专利技术属性】
技术研发人员：郑健楠，沈超，张栋，梁杰，
申请(专利权)人：奥瞳系统科技有限公司，
类型：发明
国别省市：加拿大;CA
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。